本發(fā)明涉及人臉識別，尤其涉及一種基于mtcnn算法的人臉識別方法。

背景技術(shù)：

1、人臉識別技術(shù)，可以廣泛應(yīng)用于公安、金融、機場、地鐵等多個對人員身份進行自然比對識別的重要領(lǐng)域。無論是便利店的刷臉支付，還是上班族的考勤打卡，人臉識別的應(yīng)用場景越來越多，對人臉識別的精確度與安全性要求越來越高。

2、對于人臉識別的算法不同，導(dǎo)致技術(shù)參差不齊，安全性也無法保證。

3、對于人臉識別的算法不同，導(dǎo)致技術(shù)參差不齊，安全性也無法保證。容易泄露個人信息、并且識別成功率也無法保證。

技術(shù)實現(xiàn)思路

1、鑒于上述問題，提出了本發(fā)明以便提供克服上述問題或者至少部分地解決上述問題的一種基于mtcnn算法的人臉識別方法。

2、根據(jù)本發(fā)明的一個方面，提供了一種基于mtcnn算法的人臉識別方法，所述人臉識別方法包括：

3、對采集的樣本進行標注；

4、對人臉區(qū)域檢測模型進行訓練，獲得人臉區(qū)域檢測訓練模型；

5、應(yīng)用所述人臉區(qū)域檢測訓練模型。

6、可選的，所述對采集的樣本進行標注具體包括：

7、樣本標注工具的使用；

8、人臉區(qū)域檢測樣本標注；

9、人臉特征點標定樣本標注。

10、可選的，所述對人臉區(qū)域檢測模型進行訓練具體包括：

11、人臉區(qū)域檢測模型訓練、人臉區(qū)域檢測模型評估；

12、人臉特征點標定模型訓練、人臉特征點標定模型評估；

13、人臉比對模型訓練和人臉比對模型評估。

14、可選的，所述人臉區(qū)域檢測模型訓練具體包括：

15、收集多個人臉圖像，并對多個人臉圖像標記一個唯一的標簽，獲得人臉數(shù)據(jù)集；

16、對所述人臉數(shù)據(jù)集進行預(yù)處理，獲得預(yù)處理人臉數(shù)據(jù)集；

17、使用opencv庫的人臉檢測器來定位和裁剪人臉區(qū)域；

18、根據(jù)所述預(yù)處理人臉數(shù)據(jù)集訓練人臉識別模型。

19、可選的，所述根據(jù)所述預(yù)處理人臉數(shù)據(jù)集訓練人臉識別模型具體包括：在opencv中，采用mtcnn算法來訓練模型。

20、可選的，所述在opencv中，采用mtcnn算法來訓練模型具體包括：

21、利用mtcnn算法快速識別加載模型；

22、使用opencv的videocapture類來打開和讀取攝像頭數(shù)據(jù)，利用mtcnn算法proposalnetwork對攝像頭讀取的人臉數(shù)據(jù)進行優(yōu)化處理；

23、在每一幀圖像中，使用人臉檢測器來檢測人臉區(qū)域；

24、將檢測到的人臉與之前訓練好的模型進行比對，調(diào)用mtcnn算法outputnetwork標定關(guān)鍵點；

25、從檢測到的人臉區(qū)域中提取特征向量；

26、根據(jù)匹配結(jié)果，在圖像中繪制邊界框并顯示識別結(jié)果。

27、將放入一個循環(huán)中，以實現(xiàn)實時的人臉識別功能。

28、可選的，所述從檢測到的人臉區(qū)域中提取特征向量具體包括：通過將人臉圖像轉(zhuǎn)換為灰度圖像，并應(yīng)用直方圖均衡化預(yù)處理方法來實現(xiàn)；

29、使用訓練好的人臉識別模型來匹配提取到的特征向量與已知的人臉標簽進行比對。

30、可選的，所述應(yīng)用所述人臉區(qū)域檢測訓練模型具體包括：

31、實時視頻采集、實時圖像抓拍、實時人臉檢測、實時人臉特征點標定、實時人臉特征點對齊、實時人臉比對、實時眨眼識別和實時張嘴識別。

32、本發(fā)明提供的一種基于mtcnn算法的人臉識別方法，所述人臉識別方法包括：對采集的樣本進行標注；對人臉區(qū)域檢測模型進行訓練，獲得人臉區(qū)域檢測訓練模型；應(yīng)用所述人臉區(qū)域檢測訓練模型。提高識別成功率，并將用戶信息保存在公司自己的服務(wù)器中，防止用戶信息泄露造成的輿情事件，同時根據(jù)公司不同的場景進行算法優(yōu)化，偏移量修改，達到適應(yīng)場景使用的目的。

33、上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的具體實施方式。

技術(shù)特征：

1.一種基于mtcnn算法的人臉識別方法，其特征在于，所述人臉識別方法包括：

2.根據(jù)權(quán)利要求1所述的一種基于mtcnn算法的人臉識別方法，其特征在于，所述對采集的樣本進行標注具體包括：

3.根據(jù)權(quán)利要求1所述的一種基于mtcnn算法的人臉識別方法，其特征在于，所述對人臉區(qū)域檢測模型進行訓練具體包括：

4.根據(jù)權(quán)利要求3所述的一種基于mtcnn算法的人臉識別方法，其特征在于，所述人臉區(qū)域檢測模型訓練具體包括：

5.根據(jù)權(quán)利要求4所述的一種基于mtcnn算法的人臉識別方法，其特征在于，所述根據(jù)所述預(yù)處理人臉數(shù)據(jù)集訓練人臉識別模型具體包括：在opencv中，采用mtcnn算法來訓練模型。

6.根據(jù)權(quán)利要求5所述的一種基于mtcnn算法的人臉識別方法，其特征在于，所述在opencv中，采用mtcnn算法來訓練模型具體包括：

7.根據(jù)權(quán)利要求6所述的一種基于mtcnn算法的人臉識別方法，其特征在于，所述從檢測到的人臉區(qū)域中提取特征向量具體包括：通過將人臉圖像轉(zhuǎn)換為灰度圖像，并應(yīng)用直方圖均衡化預(yù)處理方法來實現(xiàn)；

8.根據(jù)權(quán)利要求1所述的一種基于mtcnn算法的人臉識別方法，其特征在于，所述應(yīng)用所述人臉區(qū)域檢測訓練模型具體包括：

技術(shù)總結(jié)
本發(fā)明提供的一種基于MTCNN算法的人臉識別方法，所述人臉識別方法包括：對采集的樣本進行標注；對人臉區(qū)域檢測模型進行訓練，獲得人臉區(qū)域檢測訓練模型；應(yīng)用所述人臉區(qū)域檢測訓練模型。提高識別成功率，并將用戶信息保存在公司自己的服務(wù)器中，防止用戶信息泄露造成的輿情事件，同時根據(jù)公司不同的場景進行算法優(yōu)化，偏移量修改，達到適應(yīng)場景使用的目的。

技術(shù)研發(fā)人員：孫金鑫
受保護的技術(shù)使用者：北銀金融科技有限責任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6