买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏京芯光电科技有限公司

申请日：2024-12-02

公开（公告）日：2024-12-31

公开（公告）号：CN119229507A

专利技术分类：..人脸，例如 面部部分、草图或表情[2022.01]

专利摘要：本发明公开了一种人脸识别数据模型的构建方法、人脸识别方法及终端，涉及人脸识别技术领域，包括用多类摄像头采集不同条件下多人脸图像，筛选后灰度化、高斯滤波、直方图均衡化、YOLOv5检测定位，基于TensorFlow构建CNN模型提取特征，用LFW等数据集预训练后自有数据微调，按6:2:2分数据训练，SGD算法与交叉熵损失函数，早停法防过拟合，经100次迭代获得模型。本发明提升人脸识别效果，数据模型构建全面精准，方法准确可靠，终端功能完善实用，提高识别准确率、速度与适应性，拓展应用范围，增强系统整体性能与用户体验。

专利权项：1.一种人脸识别数据模型的构建方法，其特征在于，包括以下步骤：数据采集步骤：通过图像采集设备收集人脸图像数据，所述图像采集设备包括高清摄像头、深度摄像头以及红外摄像头，在不同光照条件下，以及不同角度下，对1000个不同年龄段、性别、种族的个体进行拍摄，采集数量不少于50000张图像，对采集的图像进行实时筛选，去除模糊、遮挡严重的图像；数据预处理步骤：对采集到的人脸图像进行预处理，首先，进行图像灰度化处理，将彩色图像转换为灰度图像，然后，采用高斯滤波算法去除图像噪声，通过调整高斯核的大小为3x3来平衡去噪效果和图像细节保留程度，利用直方图均衡化增强图像对比度，使面部特征清晰化，进行人脸检测与定位，采用基于深度学习的YOLOv5目标检测算法，识别出图像中的人脸区域，并将其裁剪出来；特征提取步骤：运用深度学习框架TensorFlow，构建卷积神经网络CNN模型用于特征提取，CNN模型包含3个卷积层、2个池化层和2个全连接层，卷积层通过不同大小的卷积核，包括3x3或5x5，提取人脸图像的局部特征，池化层进行下采样操作，降低数据维度并保留主要特征，全连接层将提取的特征进行整合与映射，得到表征人脸的高维特征向量；在训练过程中，采用公开人脸数据集，包括LFW数据集、CelebA数据集，对CNN模型进行预训练，然后使用采集到的自有数据进行微调，适应人脸识别任务需求；模型训练步骤：将提取的人脸特征数据分为训练集、验证集和测试集，比例为6:2:2；使用训练集对人脸识别模型进行训练，训练算法采用随机梯度下降SGD算法，在训练过程中，设置合适的损失函数，包括交叉熵损失函数，使损失函数值逐渐减小，采用早停法EarlyStopping防止过拟合，当验证集上的损失函数值在连续5个训练周期内不再下降时，停止训练；在测试集上评估模型的性能，根据准确率、召回率、F1值指标调整训练参数，包括学习率设为0.001、批处理大小设为32，经过100次迭代训练，得到训练好的人脸识别数据模型。

百度查询： 江苏京芯光电科技有限公司 人脸识别数据模型的构建方法、人脸识别方法及终端