[发明专利]基于深度卷积神经网络的人脸识别方法及系统

权利要求书

1.一种基于深度卷积神经网络的人脸识别方法，其特征在于，包括：

检测裁剪步骤，接收人脸照片，基于MTCNN模型检测所述人脸照片中的面部特征，获得面部关键特征点的坐标，以及，基于预设裁剪规则，根据所述面部关键特征点的坐标确定截剪边界，获得裁剪图片，其中所述裁剪图片包括所述面部识别区域及围绕所述面部识别区域的边缘区域，包括：关键点提取步骤，根据所述人脸照片进行多尺度变化，构建图像金字塔，在所述图像金字塔中构建多个候选框，通过多个级联的卷积神经网络，基于边框回归和面部关键点的定位器对所述候选框进行边框回归和关键点定位，按人脸部位存在的可能性逐级过滤所述候选框，筛选出存在人脸区域的所述候选框，生成面部识别区域，获得面部关键特征点的坐标；图片裁剪步骤，根据所述面部关键特征点的坐标，按预设裁剪规则对所述人脸照片进行裁剪，其中所述预设裁剪规则中包括所述裁剪图片的大小及所述裁剪图片中的所述面部识别区域与裁剪边框的距离，其中，所述裁剪图片的分辨率大小为112×112，其中所述面部识别区域与裁剪边框的距离为16；

人脸识别模型训练步骤，将100层的深度卷积神经网络ResNet作为主干网络，通过MS-Celeb-1M人脸数据集执行所述检测裁剪步骤后，基于Arcface的损失函数对的人脸深度识别模型进行训练，得到训练好的所述人脸深度识别模型，并固定100层的参数权重；

特征提取步骤，基于训练好的所述人脸深度识别模型，根据所述裁剪图片，获取固定通道数的人脸特征向量；

年龄识别模型训练步骤，基于MORPH II人脸年龄数据集和FG-NET人脸年龄数据集，通过所述检测裁剪步骤及所述特征提取步骤获取所述人脸特征向量，对所述年龄识别模型进行训练；

身份识别步骤，匹配所述人脸特征向量，根据相似度获取所述人脸特征向量相应的身份识别信息；

年龄识别步骤，根据所述人脸特征向量，基于多个年龄分类的年龄识别模型，得出所述年龄识别模型的每个年龄分类对应的概率，并根据年龄分类及概率，得出识别年龄，计算方法为：N＝∑(n_i*p_i)，其中，N表示识别年龄，n_i表示第i个年龄分类对应的年龄，p_i表示第i个年龄分类的概率。

2.根据权利要求1所述的基于深度卷积神经网络的人脸识别方法，其特征在于，所述年龄识别步骤包括：

将所述人脸特征向量作为输入数据，根据所述年龄识别模型，得到所述年龄识别模型的每个所述年龄分类对应的概率；

根据所述年龄分类及所述概率，得出所述识别年龄。

3.根据权利要求1所述的基于深度卷积神经网络的人脸识别方法，其特征在于，所述所述人脸特征向量的固定通道数为512维。