[发明专利]一种基于深度学习的人脸检测方法有效
| 申请号： | 201710482502.6 | 申请日： | 2017-06-22 |
| 公开（公告）号： | CN107273864B | 公开（公告）日： | 2020-05-22 |
| 发明（设计）人： | 宋永端;刘秀兰;刘永;杨琳;赖俊峰;李攀飞;张子涛;张云福 | 申请（专利权）人： | 星际（重庆）智能装备技术研究院有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 重庆信航知识产权代理有限公司 50218 | 代理人： | 吴彬 |
| 地址： | 400030 重庆市*** | 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： | 本发明公开了一种基于深度学习的人脸检测方法，包括步骤：步骤一、对采集的人脸图像进行人脸对齐；步骤二、对经步骤一处理过的人脸图像，通过深度卷积神经网络进行人脸特征的提取；步骤三、将步骤二中输出的特征向量进行归一化处理，然后再与系统中原本存储的特征向量进行余弦相似度计算，最后进行阈值比较，得出人脸检测结果。本发明基于深度学习的人脸检测方法，其具有人脸图像特征提取速度快、准确度高、鲁棒性良好、网络结构简单等优点。 | ||
| 搜索关键词： | 一种 基于 深度 学习 检测 方法 | ||
【主权项】：
一种基于深度学习的人脸检测方法，其特征在于：包括以下步骤：步骤一、对采集的人脸图像进行人脸对齐；步骤二、对经步骤一处理过的人脸图像，通过深度卷积神经网络进行人脸特征的提取；进行人脸图像特征提取的网络结构：包含了6个卷积层和2个全连接层，每个卷积层有2个3*3的卷积核，并且将残差网络结构引入卷积神网络，形成命名为稀疏残差网络的网络结构，稀疏残差网络的网络结构的表示形式如下：ynl＝y0l+y1l+y2l+...+yn‑1l+fn(yn‑1l)其中y0l作为上一残差模块的输出，即第l‑1残差模块的输出，同时作为第l模块的输入，y1l，y2l，y3l…fn(yn‑1l)作为第l模块中的卷积层输出特征图，ynl作为第l模块的最终输出；步骤三、将步骤二中输出的特征向量进行归一化处理，然后再与系统中原本存储的特征向量进行余弦相似度计算，最后进行阈值比较，得出人脸检测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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星际（重庆）智能装备技术研究院有限公司，未经星际（重庆）智能装备技术研究院有限公司许可，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/patent/201710482502.6/，转载请声明来源钻瓜专利网。
