[发明专利]一种人脸识别方法及系统在审
申请号: | 202111223054.0 | 申请日: | 2021-10-20 |
公开(公告)号: | CN113936319A | 公开(公告)日: | 2022-01-14 |
发明(设计)人: | 郎登何 | 申请(专利权)人: | 重庆电子工程职业学院 |
主分类号: | G06V40/16 | 分类号: | G06V40/16;G06V10/82;G06V10/42;G06V10/44;G06N3/04;G06N3/08 |
代理公司: | 重庆强大凯创专利代理事务所(普通合伙) 50217 | 代理人: | 赵玉乾 |
地址: | 401331 重*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 识别 方法 系统 | ||
1.一种人脸识别方法,其特征在于:包括如下内容:
预设时间段内采集用户图像,判断用户图像中面部信息是否完整,若用户图像中面部信息不完整,则根据用户图像进行人脸识别,并根据识别结果,调取预设时间段内采集的该用户面部信息完整的用户图像,提取面部信息完整的用户图像中的用户特征,判断面部信息不完整的用户图像中的用户特征与面部信息完整的用户图像中的用户特征是否相符,若是,则通过人脸识别;若否,则提示用户面部信息不完整无法通过人脸识别;
若用户图像中面部信息完整,则根据用户图像进行人脸识别。
2.根据权利要求1所述的人脸识别方法,其特征在于:所述用户特征包括:用户头发特征和用户衣服特征;其中用户头发特征,包括:发型和发色;用户衣服特征,包括:衣服版型和衣服颜色。
3.根据权利要求1所述的人脸识别方法,其特征在于:采用神经网络模型进行人脸识别,并获取用户图像作为训练集对神经网络模型进行训练;
获取第二日预计识别用户信息,根据预计识别用户信息,获取对应存储的用户图像,对神经网络模型再次进行训练。
4.根据权利要求3所述的人脸识别方法,其特征在于:还包括:根据预计识别用户信息,获取对应的用户关系网络;
根据用户关系网络,获取用户关系网络中相关用户的用户图像;
将用户的用户图像和相关用户的用户图像作为训练集,对神经网络模型再次进行训练。
5.根据权利要求4所述的人脸识别方法,其特征在于:还包括:识别用户图像中是否包含其他用户的面部信息,若包含,则判断其他用户的面部信息是否完整,若是,则对用户的面部信息和其他用户的面部信息进行人脸识别,并根据识别结果,判断该用户和其他用户之间是否存在用户关系网络,若是,通过人脸识别;若否,则提示用户面部信息不完整无法通过人脸识别。
6.一种人脸识别系统,包括终端和服务器,其特征在于:终端,用于采集用户图像和进行提示;
服务器,用于预设时间段内,判断用户图像中面部信息是否完整,若用户图像中面部信息不完整,则根据用户图像进行人脸识别,并根据识别结果,调取预设时间段内采集的该用户面部信息完整的用户图像,提取面部信息完整的用户图像中的用户特征,判断面部信息不完整的用户图像中的用户特征与面部信息完整的用户图像中的用户特征是否相符,若是,则通过人脸识别,并触发终端提示;若否,则未通过人脸识别,并触发终端提示用户面部信息不完整无法通过人脸识别;若用户图像中面部信息完整,则根据用户图像进行人脸识别。
7.根据权利要求6所述的人脸识别系统,其特征在于:所述用户特征包括:用户头发特征和用户衣服特征;其中用户头发特征,包括:发型和发色;用户衣服特征,包括:衣服版型和衣服颜色。
8.根据权利要求6所述的人脸识别系统,其特征在于:所述服务器采用神经网络模型进行人脸识别,并获取用户图像作为训练集对神经网络模型进行训练;
所述服务器,还用于获取第二日预计识别用户信息,根据预计识别用户信息,获取对应存储的用户图像,对神经网络模型再次进行训练。
9.根据权利要求8所述的人脸识别系统,其特征在于:所述服务器,还用于根据预计识别用户信息,获取对应的用户关系网络;根据用户关系网络,获取用户关系网络中相关用户的用户图像;将用户的用户图像和相关用户的用户图像作为训练集,对神经网络模型再次进行训练。
10.根据权利要求9所述的人脸识别系统,其特征在于:所述服务器,还用于识别用户图像中是否包含其他用户的面部信息,若包含,则判断其他用户的面部信息是否完整,若是,则对用户的面部信息和其他用户的面部信息进行人脸识别,并根据识别结果,判断该用户和其他用户之间是否存在用户关系网络,若是,通过人脸识别;若否,则提示用户面部信息不完整无法通过人脸识别。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆电子工程职业学院,未经重庆电子工程职业学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111223054.0/1.html,转载请声明来源钻瓜专利网。