[发明专利]一种人脸识别方法、系统、终端以及存储介质

说明书

本申请涉及一种人脸识别方法、系统、终端以及存储介质。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。本申请通过对人脸图片进行人脸特征提取，生成特征矩阵，并利用BP神经网络采用逆向传播算法进行人脸识别，能极大的提高人脸识别效率以及识别精度。

技术领域

本申请属于人脸识别技术领域，特别涉及一种人脸识别方法、系统、终端以及存储介质。

背景技术

早在上世纪60年代，经历了半个世纪之久的发展，到如今，人脸识别已进入国内外的高速发展期。人脸识别能够快速发展主要在于其能够快速的带动相关学科的进步，由于人脸识别是一个非常复杂且涉及多方面技术的结合体，通常会涉及到最经典的图像模式处理、计算机视觉、计算机图形学、科学方面的认识、生理学、心理学、AI、数学逻辑计算等多种学科的结合交叉，搭成一个全新的领域，应用于实际生活中，结合AI，可以引领社会进入更高层次的生活条件中。同时，人脸识别技术具有相当大的应用潜力，目前，人脸识别的应用领域非常广泛，例如手机人脸解锁、门锁人脸识别、公安运用人脸识别破案以及吃饭“刷脸”等，给人们的生活也带来了极大的便利。因此，人脸识别的研究具有非常实用的意义。

现有技术中，主要的人脸识别方法包括几何特征的人脸识别方法、判别分析法(Fisher)、模板匹配法、特征脸法(Eige naface)、独立主元分析法(LCA)、隐马尔可夫方法(HMM)、支持向量机法(SVM)、奇异值分解法(SVD)、弹性图匹配方法及神经网络方法等，但由于人脸识别过程中会受到人的表情扭曲、喜怒哀乐变化等因素的影响，上述方法都存在较多的限制性条件，不能很好的进行人脸识别。

发明内容

本申请提供了一种人脸识别方法、系统、终端以及存储介质，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本申请提供了如下技术方案：

一种人脸识别方法，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。

本申请实施例采取的技术方案还包括：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。

本申请实施例采取的技术方案还包括：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。

本申请实施例采取的技术方案还包括：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。

本申请实施例采取的技术方案还包括：所述输出层节点数为人脸的类别数，所述隐含层节点数为：