技術(shù)特征：

1.一種人臉識(shí)別數(shù)據(jù)模型的構(gòu)建方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種人臉識(shí)別數(shù)據(jù)模型的構(gòu)建方法，其特征在于，在數(shù)據(jù)采集步驟中，利用3d重建技術(shù)對(duì)采集到的人臉圖像進(jìn)行深度信息補(bǔ)充，增強(qiáng)模型對(duì)人臉形狀特征的識(shí)別能力。

3.根據(jù)權(quán)利要求1所述的一種人臉識(shí)別數(shù)據(jù)模型的構(gòu)建方法，其特征在于，在數(shù)據(jù)預(yù)處理步驟中，采用自適應(yīng)直方圖均衡化算法，根據(jù)圖像的局部特征動(dòng)態(tài)調(diào)整均衡化參數(shù)，提高圖像對(duì)比度增強(qiáng)效果。

4.根據(jù)權(quán)利要求1所述的一種人臉識(shí)別數(shù)據(jù)模型的構(gòu)建方法，其特征在于，在特征提取步驟中，在cnn模型中引入注意力機(jī)制，使模型聚焦于人臉的特征區(qū)域，提高特征提取的質(zhì)量。

5.根據(jù)權(quán)利要求1所述的一種人臉識(shí)別數(shù)據(jù)模型的構(gòu)建方法，其特征在于，在模型訓(xùn)練步驟中，采用集成學(xué)習(xí)方法，將3個(gè)訓(xùn)練好的人臉識(shí)別模型進(jìn)行集成，通過(guò)加權(quán)平均或投票法，提高模型的整體性能和穩(wěn)定性。

6.一種應(yīng)用權(quán)利要求1-5任意一項(xiàng)所述的人臉識(shí)別數(shù)據(jù)模型的構(gòu)建方法得到的人臉識(shí)別數(shù)據(jù)模型進(jìn)行人臉識(shí)別的方法，其特征在于，包括以下步驟：

7.根據(jù)權(quán)利要求6所述的一種人臉識(shí)別的方法，其特征在于，在待識(shí)別圖像獲取步驟中，若圖像采集設(shè)備采集的圖像質(zhì)量不滿足要求，自動(dòng)調(diào)整采集參數(shù)，包括焦距、曝光時(shí)間，重新采集圖像。

8.根據(jù)權(quán)利要求6所述的一種人臉識(shí)別的方法，其特征在于，在特征提取與匹配步驟中，當(dāng)匹配結(jié)果處于相似度閾值附近的模糊區(qū)域，即相似度在0.7至0.8之間時(shí)，采用二次驗(yàn)證機(jī)制，包括結(jié)合活體檢測(cè)技術(shù)或要求輸入額外的身份驗(yàn)證信息，提高識(shí)別結(jié)果的準(zhǔn)確性。

9.一種執(zhí)行權(quán)利要求6-8任意一項(xiàng)所述的一種人臉識(shí)別的方法的人臉識(shí)別終端，其特征在于，包括：

10.根據(jù)權(quán)利要求9所述的一種人臉識(shí)別終端，其特征在于，所述圖像采集模塊具備自動(dòng)對(duì)焦和圖像防抖功能，確保在不同環(huán)境下都能采集到高質(zhì)量圖像；

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種人臉識(shí)別數(shù)據(jù)模型的構(gòu)建方法、人臉識(shí)別方法及終端，涉及人臉識(shí)別技術(shù)領(lǐng)域，包括用多類(lèi)攝像頭采集不同條件下多人臉圖像，篩選后灰度化、高斯濾波、直方圖均衡化、YOLOv5檢測(cè)定位，基于TensorFlow構(gòu)建CNN模型提取特征，用LFW等數(shù)據(jù)集預(yù)訓(xùn)練后自有數(shù)據(jù)微調(diào)，按6:2:2分?jǐn)?shù)據(jù)訓(xùn)練，SGD算法與交叉熵?fù)p失函數(shù)，早停法防過(guò)擬合，經(jīng)100次迭代獲得模型。本發(fā)明提升人臉識(shí)別效果，數(shù)據(jù)模型構(gòu)建全面精準(zhǔn)，方法準(zhǔn)確可靠，終端功能完善實(shí)用，提高識(shí)別準(zhǔn)確率、速度與適應(yīng)性，拓展應(yīng)用范圍，增強(qiáng)系統(tǒng)整體性能與用戶體驗(yàn)。

技術(shù)研發(fā)人員：葛鴻鵠,黃河
受保護(hù)的技術(shù)使用者：江蘇京芯光電科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2