[发明专利]一种人脸识别方法、系统、终端以及存储介质

权利要求书

1.一种人脸识别方法，其特征在于，包括：

对动态视频进行人脸捕捉并截图，获取静态人脸图片；

对所述静态人脸图片进行特征值提取，生成特征矩阵；

将所述特征矩阵输入训练好的BP神经网络，通过所述BP神经网络输出人脸识别结果；所述BP神经网络包括输入层、隐含层以及输出层，输入数据从所述输入层的所有的神经元进入，在所述隐含层中进行计算，将计算结果输入所述输出层的每个神经元进行计算，得到人脸识别结果。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述对动态视频进行人脸捕捉并截图，获取静态人脸图片还包括：

采用灰度化及中值滤波对所述静态人脸图片进行预处理。

3.根据权利要求2所述的人脸识别方法，其特征在于，所述采用灰度化及中值滤波对所述静态人脸图片进行预处理包括：

对所述静态人脸图片进行灰度处理，将所述静态人脸图片转换成灰度矩阵；

将所述灰度矩阵切割为预定数量的小矩阵；

对所述切割后的小矩阵进行降纬处理。

4.根据权利要求1所述的人脸识别方法，其特征在于：

所述BP神经网络采用tansig函数作为所述输入层与隐含层的传递函数，采用purelin线性函数作为所述隐含层与输出层的传递函数，采用Sigmoid函数作为所述输入层到隐含层的激活函数，采用Purelin线性函数作为所述隐含层到输出层的激活函数。

5.根据权利要求4所述的人脸识别方法，其特征在于，所述输出层节点数为人脸的类别数，所述隐含层节点数为：

上式中，n代表输入神经元的大小，m代表输出神经元的大小，a代表10以内的常数。

6.根据权利要求5所述的人脸识别方法，其特征在于，所述BP神经网路中每一层的向量分别为：

设置输入层为x，隐含层为Y，输出层为O，以及一个预期向量值设为d，对于输出层，有：

上式中，O_t表示第t个输出层，其中t为自然数；y_j表示第j个隐含层，其中j为自然数；w_jt为第t个输出层O到第j个隐含层y的权重，i，j分别表示输出层的第i个神经元和隐含层的第j个神经元；

对于隐含层，有：

上式中，x_i表示第i个输入层，其中i为自然数，v_ij为第i个输入层x到第j个隐含层y的权重，i表示输入层的第i个神经元，j表示隐含层的第j个神经元。

7.根据权利要求1至6任一项所述的人脸识别方法，其特征在于，所述将所述特征矩阵输入训练好的BP神经网络还包括：

在训练所述BP神经网络时，设置一个误差范围，当所述BP神经网络的误差没有达到所述误差范围时，所述BP神经网络通过逆向传播算法将所述输出结果在输出层当中逆向返回给所述隐含层和输入层进行循环计算，并在循环计算过程中修正各层的权值，使得网络误差逐渐下降，直到所述BP神经网络的误差达到所述误差范围。

8.一种人脸识别系统，其特征在于，包括：

人脸图片获取模块：用于对动态视频进行人脸捕捉并截图，获取静态人脸图片；

人脸特征提取模块：用于对所述静态人脸图片进行特征值提取，生成特征矩阵；

人脸识别模块：用于将所述特征矩阵输入训练好的BP神经网络，通过所述BP神经网络输出人脸识别结果；所述BP神经网络包括输入层、隐含层以及输出层，输入数据从所述输入层的所有的神经元进入，在所述隐含层中进行计算，将计算结果输入所述输出层的每个神经元进行计算，得到人脸识别结果。

9.一种终端，其特征在于，所述终端包括处理器、与所述处理器耦接的存储器，其中，

所述存储器存储有用于实现权利要求1-7任一项所述的人脸识别方法的程序指令；

所述处理器用于执行所述存储器存储的所述程序指令以控制人脸识别。

10.一种存储介质，其特征在于，存储有处理器可运行的程序指令，所述程序指令用于执行权利要求1至7任一项所述人脸识别方法。