一种基于神经网络的人脸识别系统及识别方法与流程

1.本发明属于人脸识别技术领域，具体为一种基于神经网络的人脸识别系统及识别方法。


背景技术：

2.人脸识别是近些年应用最为广泛的生物识别技术之一，在视频监控、身份确认、电子支付、刑侦案件等领域都有着越来越多的应用，随着应用场景越来越多，越来越复杂，人脸识别的速度和准确率显得越来越重要，不断提高人脸识别算法的速度和准确率是当前人工智能领域的研究热点之一。
3.目前人脸识别应用场景越来越复杂，数据越来越多，人们对人脸识别算法的准确率要求也越来越高。影响人脸识别效果的因素有很多，例如距离、表情、光照、遮挡，一个好的人脸识别算法应该能够应对各种场景，传统的图像识别算法已经无法满足，只有利用深度神经网络才能解决该问题。
4.但是现有的人脸识别系统往往在识别大量图片后，依旧维持常规识别速度，不具有优化学习的能力，长期使用时识别速度的相对优势不大。


技术实现要素：

5.本发明的目的在于提供一种基于神经网络的人脸识别系统及识别方法，以解决上述背景技术中提出的问题。
6.为了实现上述目的，本发明提供如下技术方案：一种基于神经网络的人脸识别系统及识别方法，包括：
7.操作终端，连接有图像获取模块，用于操作人脸识别系统的工作，下达控制指令从而进行人脸识别工作；
8.图像获取模块，连接有图像处理模块，用于通过多种方式获取需要识别的人脸图像，并将人脸图像信息发送到图像处理模块中；
9.图像处理模块，连接有通讯模块，用于将采集到的图片进行像素优化，并且将同一图片中的多个人像拆分成多张图片；
10.通讯模块，连接有人脸神经网络识别模块和学习模块，用于将处理后的图像发送到人脸神经网络识别模块中；
11.人脸神经网络识别模块，连接有识别结果输出，用于对上传的图像进行人脸识别，并将人脸识别的结果信息发送到识别结果输出中；
12.识别结果输出，连接有学习模块和查看终端，用于输出人脸识别的结果信息；
13.学习模块，用于在多次识别后，将人脸图片先与学习模块中存储的图片进行匹配，当匹配到近似结果时，将存储图片对应的人脸识别结果发送到识别结果输出中；
14.查看终端，用于查看人脸识别的结果。
15.优选的，包括以下模块：
16.所述通讯模块连接有云端服务器，所述云端服务器连接有网络图片收集模块。
17.优选的，包括以下模块：
18.云端服务器，用于存储收集到的网络人像图片在云端；
19.网络图片收集模块，用于通过大数据网络，收集在网络上集散的公开人脸图片，并将图片存储在云端服务器中。
20.优选的，所述图像处理模块包括像素优化模块、人像识别模块和人像分离模块，所述像素优化模块连接有人像识别模块，所述人像识别模块连接有人像分离模块。
21.优选的，包括以下模块：
22.像素优化模块，用于优化人像图片的像素，将采集到的部分低质量人脸图片优化成高像素图片；
23.人像识别模块，用于识别采集到的人脸图片中的具体人脸，将同一图片内的多个人脸分别标定；
24.人像分离模块，用于将标定有多个人脸的人脸图片分割为具有单一人脸的多张图片，并将图片发送到通讯模块中。
25.优选的，所述学习模块包括本地存储器、图片匹配模块和人工智能模块，所述本地存储器连接有图片匹配模块，所述图片匹配模块连接有人工智能模块。
26.优选的，本地存储器，用于将经过识别的人脸图片，和人脸图片对应的识别信息存储在内部，方便调取信息进行比对；
27.图片匹配模块，用于通过本地存储器内的人脸图片，与通讯模块接收到的新人脸图片进行比对，当比对结果近似时，将人脸图片对应的识别信息输出到识别结果输出中；
28.人工智能模块，用于通过人工智能操作图片匹配模块快速匹配图片信息。
29.优选的，所述查看终端连接有反馈模块，所述反馈模块连接有学习模块，所述学习模块连接有通讯模块，所述通讯模块连接有警示模块，所述警示模块连接有操作终端。
30.优选的，反馈模块，用于在查看终端获取到错误的识别结果后，通过工作人员主动将反馈信息发送到学习模块中；
31.警示模块，包括报警灯和蜂鸣器，报警灯和蜂鸣器分别用于提供光源报警和声音报警功能。
32.一种基于神经网络的人脸识别方法，包括以下步骤：
33.s1：通过操作终端发送控制指令到图像获取模块中，控制图像获取模块获取需要识别的人脸图像，并将人脸图像发送到图像处理模块中；
34.s2：通过图像处理模块对人脸图像进行像素优化，若同一图片内含有多个人像，将多个人像拆分成多张图片；
35.s3：通过通讯模块将人脸图片发送到人脸神经网络识别模块，通过人脸神经网络识别模块识别人脸图片，并将识别结果发送到识别结果输出中；
36.s4：通过识别结果输出将识别结果输送到查看终端中，通过查看终端查看识别结果；
37.s5：在识别后，通过识别结果输出将识别的图片与识别图片对应的识别结果发送到学习模块中，当积累样本超过阈值时，学习模块将通讯模块发送的未识别人脸图片与学习模块中的识别图片进行对比，当匹配到近似结果时，将存储图片对应的人脸识别结果发
送到识别结果输出中。
38.本发明的有益效果如下：
39.通过操作终端发送控制指令到图像获取模块中，控制图像获取模块获取需要识别的人脸图像，并将人脸图像发送到图像处理模块中，通过图像处理模块对人脸图像进行像素优化，若同一图片内含有多个人像，将多个人像拆分成多张图片，通过通讯模块将人脸图片发送到人脸神经网络识别模块，通过人脸神经网络识别模块识别人脸图片，并将识别结果发送到识别结果输出中，通过识别结果输出将识别结果输送到查看终端中，通过查看终端查看识别结果，在识别后，通过识别结果输出将识别的图片与识别图片对应的识别结果发送到学习模块中，当积累样本超过阈值时，学习模块将通讯模块发送的未识别人脸图片与学习模块中的识别图片进行对比，当匹配到近似结果时，将存储图片对应的人脸识别结果发送到识别结果输出中，该基于神经网络的人脸识别系统及识别方法，能够在进行反复的人脸识别后，积累大量的识别样本，通过识别样本快速对比新采集的识别图片，从而在反复识别时，能够跳过重复的识别过程，加快识别速度。
附图说明
40.图1为本发明识别图片时的拓扑图；
41.图2为本发明云端收集图片时的拓扑图；
42.图3为本发明图片处理模块的拓扑图；
43.图4为本发明学习模块的拓扑图；
44.图5为本发明识别图片错误后反馈信息的拓扑图；
45.图6为本发明警示模块的拓扑图。
46.图中：1、操作终端；2、图像获取模块；3、图像处理模块；4、通讯模块；5、人脸神经网络识别模块；6、识别结果输出；7、学习模块；8、查看终端；9、网络图片收集模块；10、云端服务器；11、像素优化模块；12、人像识别模块；13、人像分离模块；14、本地存储器；15、图片匹配模块；16、人工智能模块；17、反馈模块；18、警示模块；19、报警灯；20、蜂鸣器。
具体实施方式
47.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
48.如图1至图6所示，本发明实施例提供了一种基于神经网络的人脸识别系统及识别方法，能够在进行反复的人脸识别后，积累大量的识别样本，通过识别样本快速对比新采集的识别图片，从而在反复识别时，能够跳过重复的识别过程，加快识别速度，包括：
49.操作终端1，连接有图像获取模块2，用于操作人脸识别系统的工作，下达控制指令从而进行人脸识别工作；
50.图像获取模块2，连接有图像处理模块3，用于通过多种方式获取需要识别的人脸图像，并将人脸图像信息发送到图像处理模块3中；
51.图像处理模块3，连接有通讯模块4，用于将采集到的图片进行像素优化，并且将同
一图片中的多个人像拆分成多张图片；
52.通讯模块4，连接有人脸神经网络识别模块5和学习模块7，用于将处理后的图像发送到人脸神经网络识别模块5中；
53.人脸神经网络识别模块5，连接有识别结果输出6，用于对上传的图像进行人脸识别，并将人脸识别的结果信息发送到识别结果输出6中；
54.识别结果输出6，连接有学习模块7和查看终端8，用于输出人脸识别的结果信息；
55.学习模块7，用于在多次识别后，将人脸图片先与学习模块7中存储的图片进行匹配，当匹配到近似结果时，将存储图片对应的人脸识别结果发送到识别结果输出6中；
56.查看终端8，用于查看人脸识别的结果。
57.所述通讯模块4连接有云端服务器10，所述云端服务器10连接有网络图片收集模块9。
58.云端服务器10，用于存储收集到的网络人像图片在云端；
59.网络图片收集模块9，用于通过大数据网络，收集在网络上集散的公开人脸图片，并将图片存储在云端服务器10中。
60.所述图像处理模块3包括像素优化模块11、人像识别模块12和人像分离模块13，所述像素优化模块11连接有人像识别模块12，所述人像识别模块12连接有人像分离模块13。
61.像素优化模块11，用于优化人像图片的像素，将采集到的部分低质量人脸图片优化成高像素图片；
62.人像识别模块12，用于识别采集到的人脸图片中的具体人脸，将同一图片内的多个人脸分别标定；
63.人像分离模块13，用于将标定有多个人脸的人脸图片分割为具有单一人脸的多张图片，并将图片发送到通讯模块4中。
64.所述学习模块7包括本地存储器14、图片匹配模块15和人工智能模块16，所述本地存储器14连接有图片匹配模块15，所述图片匹配模块15连接有人工智能模块16。
65.本地存储器14，用于将经过识别的人脸图片，和人脸图片对应的识别信息存储在内部，方便调取信息进行比对；
66.图片匹配模块15，用于通过本地存储器14内的人脸图片，与通讯模块4接收到的新人脸图片进行比对，当比对结果近似时，将人脸图片对应的识别信息输出到识别结果输出6中；
67.人工智能模块16，用于通过人工智能操作图片匹配模块15快速匹配图片信息。
68.所述查看终端8连接有反馈模块17，所述反馈模块17连接有学习模块7，所述学习模块7连接有通讯模块4，所述通讯模块4连接有警示模块18，所述警示模块18连接有操作终端1。
69.反馈模块17，用于在查看终端8获取到错误的识别结果后，通过工作人员主动将反馈信息发送到学习模块7中；
70.警示模块18，包括报警灯19和蜂鸣器20，报警灯19和蜂鸣器20分别用于提供光源报警和声音报警功能。
71.实施例1：操作终端1操作人脸识别系统的工作，下达控制指令从而进行人脸识别工作，图像获取模块2通过多种方式获取需要识别的人脸图像，并将人脸图像信息发送到图
像处理模块3中，图像处理模块3将采集到的图片进行像素优化，并且将同一图片中的多个人像拆分成多张图片，通讯模块4将处理后的图像发送到人脸神经网络识别模块5中，人脸神经网络识别模块5对上传的图像进行人脸识别，并将人脸识别的结果信息发送到识别结果输出6中，识别结果输出6输出人脸识别的结果信息，学习模块7在多次识别后，将人脸图片先与学习模块7中存储的图片进行匹配，当匹配到近似结果时，将存储图片对应的人脸识别结果发送到识别结果输出6中，查看终端8查看人脸识别的结果。
72.实施例2：与实施例1中不同的是，所述通讯模块4连接有云端服务器10，所述云端服务器10连接有网络图片收集模块9，云端服务器10存储收集到的网络人像图片在云端，网络图片收集模块9通过大数据网络，收集在网络上集散的公开人脸图片，并将图片存储在云端服务器10中。
73.实施例3：与实施例1中不同的是，所述图像处理模块3包括像素优化模块11、人像识别模块12和人像分离模块13，所述像素优化模块11连接有人像识别模块12，所述人像识别模块12连接有人像分离模块13，像素优化模块11优化人像图片的像素，将采集到的部分低质量人脸图片优化成高像素图片，人像识别模块12识别采集到的人脸图片中的具体人脸，将同一图片内的多个人脸分别标定，人像分离模块13将标定有多个人脸的人脸图片分割为具有单一人脸的多张图片，并将图片发送到通讯模块4中。
74.实施例4：与实施例1中不同的是，所述学习模块7包括本地存储器14、图片匹配模块15和人工智能模块16，所述本地存储器14连接有图片匹配模块15，所述图片匹配模块15连接有人工智能模块16，本地存储器14将经过识别的人脸图片，和人脸图片对应的识别信息存储在内部，方便调取信息进行比对，图片匹配模块15通过本地存储器14内的人脸图片，与通讯模块4接收到的新人脸图片进行比对，当比对结果近似时，将人脸图片对应的识别信息输出到识别结果输出6中，人工智能模块16通过人工智能操作图片匹配模块15快速匹配图片信息。
75.实施例5：与实施例1中不同的是，所述查看终端8连接有反馈模块17，所述反馈模块17连接有学习模块7，所述学习模块7连接有通讯模块4，所述通讯模块4连接有警示模块18，所述警示模块18连接有操作终端1，反馈模块17在查看终端8获取到错误的识别结果后，通过工作人员主动将反馈信息发送到学习模块7中，警示模块18，包括报警灯19和蜂鸣器20，报警灯19和蜂鸣器20分别提供光源报警和声音报警功能。
76.工作原理及使用流程：
77.通过操作终端1发送控制指令到图像获取模块2中，控制图像获取模块2获取需要识别的人脸图像，并将人脸图像发送到图像处理模块3中，通过图像处理模块3对人脸图像进行像素优化，若同一图片内含有多个人像，将多个人像拆分成多张图片，通过通讯模块4将人脸图片发送到人脸神经网络识别模块5，通过人脸神经网络识别模块5识别人脸图片，并将识别结果发送到识别结果输出6中，通过识别结果输出6将识别结果输送到查看终端8中，通过查看终端8查看识别结果，在识别后，通过识别结果输出6将识别的图片与识别图片对应的识别结果发送到学习模块7中，当积累样本超过阈值时，学习模块7将通讯模块4发送的未识别人脸图片与学习模块7中的识别图片进行对比，当匹配到近似结果时，将存储图片对应的人脸识别结果发送到识别结果输出6中。
78.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实
体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
79.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。