[发明专利]一种基于深度学习算法的人脸识别签到方法及装置

说明书

本申请公开了一种基于深度学习算法的人脸识别签到方法及装置，上述人脸识别签到方法包括：采集人物图像，基于Haar特征和积分图原理对上述人物图像进行处理，以确定上述人物图像中的人脸区域，确定所述人脸区域中各关键点的位置，从上述人物图像中截取上述人脸区域，并基于空间变换原则和预设的关键点参考位置对上述人脸区域中各关键点进行位置校正，得到人脸图像，将上述人脸图像输入预设的卷积神经网络，得到人脸特征信息，将上述人脸特征信息与预设的人员数据库进行匹配，若匹配成功，且本次匹配到的人员未签到，则根据当前时间为本次匹配到的人员执行签到处理。本申请提供的技术方案，可在高效率下提高人脸识别签到的准确率。

技术领域

本申请涉及电子签到技术领域，尤其涉及一种基于深度学习算法的人脸识别签到方法及装置。

背景技术

人脸是确定一个人身份时采用的最普遍的生物特征，研究人脸识别及其相关技术具有十分重要的理论价值和应用价值，人脸作为身份认证的条件，而“随身携带”的特征是其便利性的体现，同样其不可遗失性是能够保证识别的安全性，作为认证人员身份的手段，使用人们自身的生物特征来认证似乎更符合人们的认知，也是当下一段时间和未来的发展趋势。

现有的人脸识别签到方法要求用户在签到时与签到设备保持预设距离，且不可移动，既不方便也不高效，如果用户在签到时移动或是拍摄光线不理想都会导致待测图像不清晰，影响检测结果，进而降低人脸识别签到的准确率。

发明内容

本申请提供了一种基于深度学习算法的人脸识别签到方法及装置，可在高效率下提高人脸识别签到的准确率。

为实现上述技术效果，本申请第一方面提供了一种基于深度学习算法的人脸识别签到方法，上述人脸识别签到方法包括：

采集人物图像，其中，上述人物图像为进入预设区域内的人物的图像；

基于Haar特征和积分图原理对上述人物图像进行处理，以确定上述人物图像中的人脸区域；

确定上述人脸区域中各关键点的位置；

从上述人物图像中截取上述人脸区域，并基于空间变换原则和预设的关键点参考位置对上述人脸区域中各关键点进行位置校正，得到人脸图像；

将上述人脸图像输入预设的卷积神经网络，得到上述卷积神经网络输出的人脸特征信息，其中，上述卷积神经网络预先基于人脸图像样本训练得到；

将上述人脸特征信息与预设的人员数据库进行匹配，其中，上述人员数据库包含预先录入的各个人员的人脸特征信息；

若匹配成功，且本次匹配到的人员未签到，则根据当前时间为本次匹配到的人员执行签到处理。

基于本申请第一方面，在第一种可能的实现方式中，上述基于Haar特征和积分图原理对上述人物图像进行处理包括：

计算上述人物图像的Haar特征的特征值，并基于积分图原理加速上述特征值的计算；

基于上述特征值对每个Haar特征训练一个弱分类器；

基于上述弱分类器生成强分类器；

将上述强分类器级联起来构成级联分类器；

基于上述级联分类器对上述人物图像进行处理，以确定上述人物图像中的人脸区域。

基于本申请第一方面，或者本申请第一方面的第一种可能的实现方式，在第二种可能的实现方式中，上述确定上述人脸区域中各关键点的位置具体为：基于随机森林算法确定上述人脸区域中各关键点的位置。

基于本申请第一方面，或者本申请第一方面的第一种可能的实现方式，在第三种可能的实现方式中，上述基于空间变换原则和预设的关键点参考位置对上述人脸区域中各关键点进行位置校正包括：