[发明专利]基于卷积神经网络的人脸性别识别方法及系统

权利要求书

1.一种基于卷积神经网络的人脸性别识别方法，其特征在于，包括：

获取包含人脸图像的待识别对象；

对所述待识别对象进行归一化处理，去除所述待识别对象冗余数据得到方向、大小和光照强度统一的人脸图像；

使用训练完成的卷积神经网络模型对所述人脸图像进行性别识别。

2.根据权利要求1所述的方法，其特征在于，所述对所述待识别对象进行归一化处理，包括：

按预设方向标准调整所述待识别对象的方向，使每个待识别对象的人脸朝向一致；

按预设尺寸标准调整所述待识别对象的大小，使每个待识别对象的大小一致；

按预设光照强度标准调整所述待识别对象的光照强度，使每个待识别对象的光照强度一致。

3.根据权利要求1所述的方法，其特征在于，通过以下过程获取所述生成训练完成的卷积神经网络模型：

获取所述待识别对象样本数据，所述待识别对象样本数据包括人脸图像和文本信息；

对所述待识别对象样本数据进行性别分类；

为所述待识别对象建立标签，以生成训练数据；

将所述训练数据输入卷积神经网络进行训练，以生成训练完成的卷积神经网络模型。

4.根据权利要求3所述的方法，其特征在于，所述对所述待识别对象样本数据进行性别分类，包括：

建立性别存储库；

对所述待识别对象样本数据进行排序；

读取所述人脸样本数据的文本信息；

将所述待识别对象样本数据按照所述文本信息划入性别存储库。

5.根据权利要求3所述的方法，其特征在于，所述卷积神经网络模型，包括：

三层卷积层，每层卷积层后连接激活函数；

每个激活函数连接最大池化层；

所述最大池化层连接Flatte层；

所述Flatte连接两个Dense网络；

将Dense网络提取出的特征信息经过分类器进行分类。

6.根据权利要求5所述的方法，其特征在于，所述激活函数为ReLU激活函数。

7.根据权利要求1所述的方法，其特征在于，所述获取所述待识别对象，包括：采用摄像头获取所述待识别对象或者采用直接调用PC机中的本地图片。

8.一种基于卷积神经网络的人脸性别识别系统，其特征在于，包括：

模型建立模块，用于建立卷积神经网络模型；

样本获取模块，用于获取人脸样本作为模型的训练数据；

性别分类模块，用于对待识别对象进行处理；

性别识别模块，用于识别待识别对象性别特征；

所述模型建立模块与所述样本获取模块连接；所述样本获取模块与所述性别分类模块连接；所述性别分类模块与所述性别识别模块连接。

9.根据权利要求8所述的系统，其特征在于，所述模型建立模块包括keras模块。

10.根据权利要求8所述的系统，其特征在于，所述样本获取模块与数据库连接。