基于多人脸数据采集策略和深度学习的课堂考勤方法

摘要

本发明公开了一种基于多人脸数据采集策略和深度学习的课堂考勤方法，用于解决现有基于人脸识别的考勤方法识别率差的技术问题。技术方案是利用AdaBoost算法和肤色模型进行多目标检测和提取。只需一次对所有参与考勤的人脸拍摄一段视频，并对视频序列中的人脸进行检测、提取，完成人脸数据库的建立。基于深度学习的人脸识别方法，以深度卷积神经网络LeNet‑5模型为基础，应用简化的LeNet‑5模型对人脸数据库中不同场景下的人脸特征进行学习，通过多层非线性变换得到新特征表示。这些新特征尽可能多的去掉了如光照、噪声、姿态和表情等类内变化，而保留身份不同产生的类间变化，提高了人脸识别方法在实际复杂场景下人脸识别率。