本發(fā)明屬于圖像識(shí)別領(lǐng)域，具體提供一種基于嵌入式深度學(xué)習(xí)技術(shù)的移動(dòng)終端人臉識(shí)別方法和系統(tǒng)。

背景技術(shù)：

在公共安全領(lǐng)域，如公安干警巡查或執(zhí)勤過(guò)程中，工作人員在突發(fā)事件現(xiàn)場(chǎng)、大型活動(dòng)現(xiàn)場(chǎng)等場(chǎng)所中需要快速對(duì)可疑人員進(jìn)行身份確認(rèn)，如判斷可疑人員是否為在逃人員、上訪人員或?qū)は蹲淌氯藛T等。因此亟需一種可移動(dòng)、方便攜帶的身份識(shí)別系統(tǒng)。

目前通常采用的方法是，通過(guò)手持移動(dòng)終端對(duì)可疑人員進(jìn)行拍照，然后通過(guò)無(wú)線網(wǎng)絡(luò)將照片上傳至服務(wù)器端，由服務(wù)器端將移動(dòng)終端拍攝的照片與人像數(shù)據(jù)庫(kù)中的照片進(jìn)行匹配，最后服務(wù)器端再通過(guò)無(wú)線網(wǎng)絡(luò)將匹配結(jié)果反饋給手持移動(dòng)終端。但是這種方式往往受限于網(wǎng)絡(luò)信號(hào)，當(dāng)網(wǎng)絡(luò)信號(hào)較差或沒(méi)有網(wǎng)絡(luò)信號(hào)時(shí)，照片上傳和匹配結(jié)果下載的速度會(huì)被大大降低。并且現(xiàn)有移動(dòng)終端人臉識(shí)別系統(tǒng)采用傳統(tǒng)的方法提取人臉特征，在實(shí)際應(yīng)用中準(zhǔn)確率不高。基于深度學(xué)習(xí)的人臉識(shí)別方法的識(shí)別準(zhǔn)確率有了空前的提高，然而，該方法存在內(nèi)存消耗大、識(shí)別速度慢的問(wèn)題。

相應(yīng)地，本領(lǐng)域需要一種新的人臉識(shí)別方法來(lái)解決上述問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

為了解決現(xiàn)有技術(shù)中的上述問(wèn)題，即為了解決現(xiàn)有技術(shù)中人臉識(shí)別程序復(fù)雜、占據(jù)內(nèi)存大、識(shí)別速度慢、識(shí)別準(zhǔn)確率低以及對(duì)人臉進(jìn)行識(shí)別的手持移動(dòng)終端受限于網(wǎng)絡(luò)信號(hào)的問(wèn)題，本發(fā)明提供了一種基于嵌入式深度學(xué)習(xí)技術(shù)的移動(dòng)終端人臉識(shí)別系統(tǒng)，包括人臉檢測(cè)模塊、特征提取模塊、特征比對(duì)模塊、人像數(shù)據(jù)庫(kù)模塊，所述特征提取模塊，基于深度學(xué)習(xí)的人臉識(shí)別模型提取的目標(biāo)人物的臉部圖像中的臉部特征；所述人像數(shù)據(jù)庫(kù)模塊，包括人像特征數(shù)據(jù)、以及人像特征數(shù)據(jù)的快速索引樹；所述特征比對(duì)模塊，配置為將特征提取模塊所提取的臉部特征，基于所述人像數(shù)據(jù)庫(kù)模塊中的快速索引樹進(jìn)行快速匹配，并輸出匹配結(jié)果。

在上述系統(tǒng)的優(yōu)選技術(shù)方案中，所述特征提取模塊，配置為基于深度學(xué)習(xí)的人臉識(shí)別模型，對(duì)人臉檢測(cè)模塊輸出的目標(biāo)人物的臉部圖像數(shù)據(jù)進(jìn)行目標(biāo)人物的臉部特征的提取。

在上述系統(tǒng)的優(yōu)選技術(shù)方案中，所述快速索引樹基于KD‐Tree構(gòu)建。

在上述系統(tǒng)的優(yōu)選技術(shù)方案中，所述人臉檢測(cè)模塊、所述特征提取模塊和所述特征比對(duì)模塊設(shè)置于移動(dòng)終端上。

在上述系統(tǒng)的優(yōu)選技術(shù)方案中，所述人像數(shù)據(jù)庫(kù)模塊包括設(shè)置于人臉識(shí)別服務(wù)器上的第一人像數(shù)據(jù)庫(kù)模塊和設(shè)置于所述移動(dòng)終端上的第二人像數(shù)據(jù)庫(kù)模塊，并且所述第二人像數(shù)據(jù)庫(kù)模塊能夠從所述第一人像數(shù)據(jù)庫(kù)模塊中下載人像特征數(shù)據(jù)、以及人像特征數(shù)據(jù)的快速索引樹。

在上述系統(tǒng)的優(yōu)選技術(shù)方案中，所述系統(tǒng)還包括設(shè)置在人臉識(shí)別服務(wù)器上的數(shù)據(jù)加密模塊和設(shè)置在移動(dòng)終端上的數(shù)據(jù)解密模塊，所述數(shù)據(jù)加密模塊用于對(duì)所述第一人像數(shù)據(jù)庫(kù)模塊中的人像特征數(shù)據(jù)、以及人像特征數(shù)據(jù)的快速索引樹進(jìn)行加密，所述數(shù)據(jù)解密模塊用于將所述第二人像數(shù)據(jù)庫(kù)模塊中的人像特征數(shù)據(jù)、以及人像特征數(shù)據(jù)的快速索引樹進(jìn)行解密。

在上述系統(tǒng)的優(yōu)選技術(shù)方案中，所述人臉檢測(cè)模塊、所述特征提取模塊、所述特征比對(duì)模塊和所述人像數(shù)據(jù)庫(kù)模塊也設(shè)置于人臉識(shí)別服務(wù)器上，并且所述人臉檢測(cè)模塊能夠通過(guò)有線或無(wú)線的方式獲取移動(dòng)終端上目標(biāo)人物的圖像信息。

在上述系統(tǒng)的優(yōu)選技術(shù)方案中，所述人臉檢測(cè)模塊用于將移動(dòng)終端獲取的目標(biāo)人物的圖像進(jìn)行人臉檢測(cè)和校準(zhǔn)，進(jìn)而獲取目標(biāo)人物的臉部區(qū)域，使得所述特征提取模塊能夠根據(jù)所述目標(biāo)人物的臉部區(qū)域獲取目標(biāo)人物的臉部特征。

在另一方面，本發(fā)明還提供了一種基于嵌入式深度學(xué)習(xí)技術(shù)的移動(dòng)終端人臉識(shí)別方法，所述方法包括以下步驟：建立人像特征數(shù)據(jù)庫(kù)、以及人像特征數(shù)據(jù)庫(kù)的快速索引樹；基于深度學(xué)習(xí)的人臉識(shí)別模型獲取目標(biāo)人物的臉部特征；將所述目標(biāo)人物的臉部特征與所述快速索引樹進(jìn)行快速匹配，并輸出匹配結(jié)果。

在上述方法的優(yōu)選技術(shù)方案中，所述人像特征數(shù)據(jù)基于深度學(xué)習(xí)的人臉識(shí)別模型生成。

在上述方法的優(yōu)選技術(shù)方案中，所述人像特征數(shù)據(jù)的快速索引樹基于KD‐Tree構(gòu)建。

在上述方法的優(yōu)選技術(shù)方案中，所述基于深度學(xué)習(xí)的人臉識(shí)別模型獲取目標(biāo)人物的臉部特征，包括：獲取目標(biāo)人物的圖像；根據(jù)所述目標(biāo)人物的圖像獲取目標(biāo)人物的臉部區(qū)域；基于深度學(xué)習(xí)的人臉識(shí)別模型根據(jù)所述目標(biāo)人物的臉部區(qū)域獲取目標(biāo)人物的臉部特征。

在上述方法的優(yōu)選技術(shù)方案中，所述根據(jù)所述目標(biāo)人物的臉部區(qū)域獲取目標(biāo)人物的臉部特征，包括基于深度學(xué)習(xí)的人臉識(shí)別模型，對(duì)人臉檢測(cè)模塊輸出的目標(biāo)人物的臉部圖像數(shù)據(jù)進(jìn)行目標(biāo)人物的臉部特征的提取。

在上述方法的優(yōu)選技術(shù)方案中，所述方法還包括步驟：將建立的人像特征數(shù)據(jù)和快速索引樹進(jìn)行加密，并在所述目標(biāo)人物的臉部特征與所述快速索引樹匹配前進(jìn)行解密。

本領(lǐng)域技術(shù)人員能夠理解的是，在本發(fā)明的優(yōu)選技術(shù)方案中，設(shè)置在人臉識(shí)別服務(wù)器上的第一人像數(shù)據(jù)庫(kù)模塊存儲(chǔ)有通過(guò)基于深度學(xué)習(xí)的人臉識(shí)別模型創(chuàng)建的多個(gè)人像特征數(shù)據(jù)，以及通過(guò)KD‐Tree技術(shù)創(chuàng)建的該多個(gè)人像特征數(shù)據(jù)的快速索引樹。然后通過(guò)數(shù)據(jù)加密模塊將人像特征數(shù)據(jù)和快速索引樹進(jìn)行加密，進(jìn)而由設(shè)置在移動(dòng)終端的第二人像數(shù)據(jù)模塊將加密后的人像特征數(shù)據(jù)和快速索引樹進(jìn)行下載，并通過(guò)數(shù)據(jù)解密模塊對(duì)下載后的人像特征數(shù)據(jù)和快速索引樹進(jìn)行解密。

進(jìn)一步，通過(guò)設(shè)置在移動(dòng)終端上的人臉檢測(cè)模塊對(duì)目標(biāo)人物的臉部圖像(例如照片)進(jìn)行人臉檢測(cè)和校準(zhǔn)，進(jìn)而獲取該目標(biāo)人物的臉部區(qū)域。通過(guò)設(shè)置在移動(dòng)終端上且能夠與人臉檢測(cè)模塊通信的特征提取模塊根據(jù)目標(biāo)人物的臉部區(qū)域獲取目標(biāo)人物的臉部特征。通過(guò)設(shè)置在移動(dòng)終端上且能夠與特征提取模塊通信的特征比對(duì)模塊將目標(biāo)人物的臉部特征與第二人像數(shù)據(jù)庫(kù)中的快速索引樹進(jìn)行匹配。具體地，將目標(biāo)人物的臉部特征在快速索引樹上進(jìn)行搜索，當(dāng)目標(biāo)人物的臉部特征與快速索引目錄中的某一項(xiàng)或多項(xiàng)人像特征的相似度達(dá)到閾值時(shí)，將該一項(xiàng)或多項(xiàng)人像特征按照相似度由高到低排列。進(jìn)而輸出匹配結(jié)果。

因此，通過(guò)本發(fā)明的方法，移動(dòng)終端在沒(méi)有網(wǎng)絡(luò)信號(hào)的情況下也能夠快速、準(zhǔn)確地判斷出目標(biāo)人物的身份，并且在移動(dòng)終端遺失的情況下人像數(shù)據(jù)庫(kù)中的信息也不會(huì)被泄漏。

附圖說(shuō)明

圖1是本發(fā)明的基于嵌入式深度學(xué)習(xí)技術(shù)的移動(dòng)終端人臉識(shí)別系統(tǒng)的系統(tǒng)結(jié)構(gòu)圖；

圖2是本發(fā)明的基于嵌入式深度學(xué)習(xí)技術(shù)的移動(dòng)終端人臉識(shí)別方法的步驟流程圖；

圖3是本發(fā)明的基于嵌入式深度學(xué)習(xí)技術(shù)的移動(dòng)終端人臉識(shí)別方法構(gòu)建基于深度學(xué)習(xí)的人臉識(shí)別模型的步驟流程圖。

附圖標(biāo)記列表：

1、人臉識(shí)別服務(wù)器；11、第一人像數(shù)據(jù)庫(kù)模塊；12、數(shù)據(jù)加密模塊；2、移動(dòng)終端；21、人臉檢測(cè)模塊；22、特征提取模塊；23、特征比對(duì)模塊；24、數(shù)據(jù)解密模塊；25、第二人像數(shù)據(jù)庫(kù)模塊。

具體實(shí)施方式

下面參照附圖來(lái)描述本發(fā)明的優(yōu)選實(shí)施方式。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解的是，這些實(shí)施方式僅僅用于解釋本發(fā)明的技術(shù)原理，并非用于限制本發(fā)明的保護(hù)范圍。例如，雖然附圖1中對(duì)人臉識(shí)別服務(wù)器只列舉了第一人像數(shù)據(jù)庫(kù)模塊和數(shù)據(jù)加密模塊兩個(gè)功能模塊，但是人臉識(shí)別服務(wù)器還可以包括其他功能模塊，如通信模塊，本領(lǐng)域技術(shù)人員可以根據(jù)需要對(duì)其作出調(diào)整，以便適應(yīng)具體的應(yīng)用場(chǎng)合，調(diào)整后的技術(shù)方案仍將落入本發(fā)明的保護(hù)范圍。

如圖1所示，本發(fā)明的基于嵌入式深度學(xué)習(xí)技術(shù)的移動(dòng)終端人臉識(shí)別系統(tǒng)主要包括人臉識(shí)別服務(wù)器1和移動(dòng)終端2。人臉識(shí)別服務(wù)器1主要用于建立人像數(shù)據(jù)檔案，例如在逃人員的人像數(shù)據(jù)檔案。移動(dòng)終端2能夠從人臉識(shí)別服務(wù)器1上將人像數(shù)據(jù)檔案進(jìn)行下載，并能夠?qū)⒛繕?biāo)人物的照片與下載的人像數(shù)據(jù)庫(kù)進(jìn)行相似度計(jì)算，進(jìn)而根據(jù)計(jì)算結(jié)果判斷目標(biāo)人物是否為在逃人員。本領(lǐng)域技術(shù)人員能夠理解的是，移動(dòng)終端2可以是任何方便攜帶的拍照設(shè)備，例如手機(jī)、照相機(jī)、攝像機(jī)等，或者移動(dòng)終端2還可以是任何方便攜帶且能夠與拍照設(shè)備進(jìn)行通信的設(shè)備。

繼續(xù)參閱圖1，人臉識(shí)別服務(wù)器1主要包括第一人像數(shù)據(jù)庫(kù)模塊11和數(shù)據(jù)加密模塊12。其中，第一人像數(shù)據(jù)庫(kù)模塊11中保存有人像數(shù)據(jù)庫(kù)，該人像數(shù)據(jù)庫(kù)可以是在逃人員庫(kù)、上訪人員庫(kù)、重點(diǎn)監(jiān)控人員庫(kù)等。在本發(fā)明的優(yōu)選實(shí)施方案中人像數(shù)據(jù)庫(kù)是在逃人員庫(kù)，或者本領(lǐng)域技術(shù)人員還可以根據(jù)需要在第一人像數(shù)據(jù)庫(kù)模塊11中建立其他人員的人像數(shù)據(jù)檔案，例如，丟失的兒童、老人等。優(yōu)選地，人像數(shù)據(jù)庫(kù)是第一人像數(shù)據(jù)庫(kù)模塊11通過(guò)基于深度學(xué)習(xí)的人臉識(shí)別模型(下文將進(jìn)行詳細(xì)說(shuō)明)建立的具有多個(gè)人像特征數(shù)據(jù)的人像數(shù)據(jù)庫(kù)。進(jìn)一步，人像數(shù)據(jù)庫(kù)還包括采用KD‐Tree(k‐dimensional樹的簡(jiǎn)稱)技術(shù)構(gòu)建的所有人像特征數(shù)據(jù)的快速索引樹。數(shù)據(jù)加密模塊12能夠?qū)⒌谝蝗讼駭?shù)據(jù)庫(kù)模塊11中的人像數(shù)據(jù)庫(kù)進(jìn)行加密，防止人像特征數(shù)據(jù)被非法人員盜取。

進(jìn)一步參閱圖1，移動(dòng)終端2主要包括：人臉檢測(cè)模塊21、特征提取模塊22、特征比對(duì)模塊23、數(shù)據(jù)解密模塊24和第二人像數(shù)據(jù)庫(kù)模塊25。各個(gè)功能模塊之間的信息流如圖1所示。其中，第二人像數(shù)據(jù)庫(kù)模塊25能夠通過(guò)有線或無(wú)線的方式從第一人像數(shù)據(jù)庫(kù)模塊11中將數(shù)據(jù)加密模塊12加密后的人像數(shù)據(jù)庫(kù)進(jìn)行下載。

數(shù)據(jù)解密模塊24用于將第二人像數(shù)據(jù)庫(kù)模塊25中被加密的人像數(shù)據(jù)庫(kù)進(jìn)行解密，使得特征比對(duì)模塊23能夠?qū)θ讼駭?shù)據(jù)庫(kù)進(jìn)行調(diào)用。進(jìn)一步，數(shù)據(jù)解密模塊24包括登錄子模塊，該登錄子模塊用于對(duì)移動(dòng)終端2的使用者進(jìn)行身份驗(yàn)證，只有在使用者的身份驗(yàn)證通過(guò)之后，數(shù)據(jù)解密模塊24才會(huì)對(duì)人像數(shù)據(jù)庫(kù)進(jìn)行解密，以便在移動(dòng)終端2丟失后人像數(shù)據(jù)庫(kù)中的信息不會(huì)被非法人員竊取。本領(lǐng)域技術(shù)人員能夠理解的是，登錄子模塊對(duì)使用者身份進(jìn)行驗(yàn)證的方式可以是密碼登錄、人臉識(shí)別、指紋識(shí)別等本領(lǐng)域技術(shù)人員能夠想到且能夠?qū)嵤┑姆绞健?/p>

人臉檢測(cè)模塊21用于將移動(dòng)終端拍攝到或接收到的目標(biāo)人物的照片進(jìn)行人臉檢測(cè)和校準(zhǔn)，進(jìn)而獲取目標(biāo)人物的臉部區(qū)域。特征提取模塊22通過(guò)人臉檢測(cè)模塊21獲取的臉部區(qū)域提取目標(biāo)人物的臉部特征。因臉部特征的提取為本領(lǐng)域技術(shù)人員能夠理解且常用的技術(shù)手段，所以此處不作詳細(xì)說(shuō)明。

特征比對(duì)模塊23能夠獲取特征提取模塊22提取的目標(biāo)人物的臉部特征，并將該目標(biāo)人物的臉部特征與數(shù)據(jù)解密模塊24解密出來(lái)的人像數(shù)據(jù)庫(kù)進(jìn)行相似度計(jì)算。具體地，特征比對(duì)模塊23將目標(biāo)人物的臉部特征在人像數(shù)據(jù)庫(kù)中的快速索引樹進(jìn)行相似度計(jì)算(搜索)。當(dāng)目標(biāo)人物的臉部特征與快速索引目錄中的某一項(xiàng)或多項(xiàng)人像特征的相似度達(dá)到閾值時(shí)，將該一項(xiàng)或多項(xiàng)人像特征按照相似度由高到低排列。進(jìn)而輸出匹配結(jié)果，由使用者進(jìn)一步確定目標(biāo)人物是否為在逃人員。本領(lǐng)域技術(shù)人員能夠理解的是，該設(shè)定的閾值可根據(jù)多次試驗(yàn)獲得。

本領(lǐng)域技術(shù)人員能夠理解的是，在本發(fā)明的優(yōu)選實(shí)施方案中一臺(tái)人臉識(shí)別服務(wù)器1能夠服務(wù)于多臺(tái)移動(dòng)終端1。

除此之外，本領(lǐng)域技術(shù)人員還可以省略數(shù)據(jù)加密模塊12和數(shù)據(jù)解密模塊24，將人臉檢測(cè)模塊21、特征提取模塊22、特征比對(duì)模塊23和第二人像數(shù)據(jù)庫(kù)模塊25全部設(shè)置在人臉識(shí)別服務(wù)器1上。通過(guò)移動(dòng)終端2將目標(biāo)人物的照片通過(guò)有線或無(wú)線的方式發(fā)送給人臉識(shí)別服務(wù)器1，然后由人臉識(shí)別服務(wù)器1對(duì)目標(biāo)人物的照片進(jìn)行處理和匹配，并將處理、匹配結(jié)果發(fā)送至移動(dòng)終端2上。同時(shí)，移動(dòng)終端2上的比對(duì)結(jié)果也可以發(fā)送至人臉識(shí)別服務(wù)器進(jìn)行存儲(chǔ)和管理。

下面結(jié)合上述的移動(dòng)終端人臉識(shí)別系統(tǒng)對(duì)本發(fā)明的基于嵌入式深度學(xué)習(xí)技術(shù)的移動(dòng)終端人臉識(shí)別方法進(jìn)行詳細(xì)說(shuō)明。

如圖2所示，本發(fā)明的基于嵌入式深度學(xué)習(xí)技術(shù)的移動(dòng)終端人臉識(shí)別方法主要包括：步驟S100，建立基于深度學(xué)習(xí)的人臉識(shí)別模型；步驟S200，建立人像數(shù)據(jù)庫(kù)；步驟S300，獲取目標(biāo)人物的面部區(qū)域；步驟S400，根據(jù)目標(biāo)人物的面部區(qū)域獲取目標(biāo)人物的臉部特征；步驟S500，將目標(biāo)人物的臉部特征與人像數(shù)據(jù)庫(kù)中的臉部特征進(jìn)行相似度計(jì)算。

如圖3所示，步驟S100還包括：步驟S101，準(zhǔn)備訓(xùn)練樣本；步驟S102，構(gòu)建基于深度學(xué)習(xí)的人臉識(shí)別模型；步驟S103，通過(guò)基于深度學(xué)習(xí)的人臉識(shí)別模型進(jìn)行訓(xùn)練；步驟S104，壓縮基于深度學(xué)習(xí)的人臉識(shí)別模型。

具體地，在步驟S101中，先收集十萬(wàn)人以上的人臉圖像數(shù)據(jù)，該人臉圖像數(shù)據(jù)包括每個(gè)人的1～3張證件照和5～10張現(xiàn)場(chǎng)拍照。進(jìn)一步，每個(gè)人的照片均存在1～10年的年齡跨度，并且現(xiàn)場(chǎng)的人臉照片是在不同光照、不同角度、不同表情、不同分辨率等多種因素環(huán)境下拍攝的。本領(lǐng)域技術(shù)人員容易理解的是，對(duì)每一個(gè)樣本個(gè)體(人)采集多張具有年齡跨度的照片，能夠根據(jù)相關(guān)算法(如本發(fā)明的基于深度學(xué)習(xí)的人臉識(shí)別模型)對(duì)樣本個(gè)體進(jìn)行臉部信息推算，如根據(jù)現(xiàn)有照片信息推算樣本個(gè)體多年(如5年、10年、15年等)后的相貌，避免了因缺少個(gè)體樣本的近期照片而導(dǎo)致不能夠?qū)颖緜€(gè)體進(jìn)行識(shí)別的現(xiàn)象；進(jìn)一步對(duì)每一個(gè)樣本個(gè)體(人)采集多張?jiān)诓煌h(huán)境下拍攝的照片，能夠提高樣本個(gè)體的匹配成功率，避免了因拍照時(shí)的環(huán)境因素造成的拍攝照片與樣本庫(kù)中的照片不相匹配而無(wú)法識(shí)別樣本個(gè)體的現(xiàn)象。

具體地，在步驟S102中，構(gòu)建一個(gè)包括十個(gè)卷基層、五個(gè)下采樣層、十個(gè)非線性傳播層、一個(gè)全連接層及一個(gè)回歸層和一個(gè)對(duì)比損失層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)結(jié)構(gòu)即為基于深度學(xué)習(xí)的人臉識(shí)別模型，該神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)具體是，每個(gè)卷基層后面連接一個(gè)非線性傳播層，每?jī)山M“卷基層→非線性傳播層”之后連接一個(gè)池化層，上述重復(fù)5遍之后連接全連接層，全連接層之后再分別連接回歸層和對(duì)比損失層。

具體地，在步驟S103中，將每一個(gè)訓(xùn)練樣本經(jīng)過(guò)人臉檢測(cè)、縮放歸一化和數(shù)據(jù)增廣后，與對(duì)應(yīng)的類別標(biāo)簽(本領(lǐng)域技術(shù)人員可根據(jù)需要進(jìn)行設(shè)定)一起輸入構(gòu)建的基于深度學(xué)習(xí)的人臉識(shí)別模型中，訓(xùn)練500萬(wàn)次迭代以上，得到網(wǎng)絡(luò)參數(shù)。本領(lǐng)域技術(shù)人員能夠理解的是，由于人臉檢測(cè)、縮放歸一化和數(shù)據(jù)增廣是本領(lǐng)域技術(shù)人能夠理解且常用的技術(shù)手段，所以此處不再作詳細(xì)說(shuō)明。

具體地，在步驟S104中，通過(guò)模型剪枝、權(quán)值量化來(lái)共享權(quán)值等方式對(duì)基于深度學(xué)習(xí)的人臉識(shí)別模型進(jìn)行壓縮，使得壓縮后的基于深度學(xué)習(xí)的人臉識(shí)別模型是原來(lái)大小的十分之一，進(jìn)而能夠有效降低基于深度學(xué)習(xí)的人臉識(shí)別模型的計(jì)算資源，使得基于深度學(xué)習(xí)的人臉識(shí)別模型能夠嵌入至移動(dòng)終端上。本領(lǐng)域技術(shù)人員能夠理解的是，通過(guò)模型剪枝將深度學(xué)習(xí)網(wǎng)絡(luò)中參數(shù)的絕對(duì)值小于一定閾值的邊去掉；權(quán)值量化共享權(quán)值為：通過(guò)對(duì)每一層的權(quán)值進(jìn)行聚類(如采用k‐means聚類)，同一個(gè)cluster(聚類)共享相同的權(quán)值；另外采用存儲(chǔ)權(quán)值的索引的方法來(lái)代替存儲(chǔ)具體數(shù)值，進(jìn)而能夠大大減少模型的存儲(chǔ)空間。

具體地，在步驟S200中，首先，基于深度學(xué)習(xí)的人臉識(shí)別模型創(chuàng)建人像數(shù)據(jù)庫(kù)，該人像數(shù)據(jù)庫(kù)包括多個(gè)人像特征數(shù)據(jù)，本領(lǐng)域技術(shù)人員可根據(jù)需要對(duì)該人像特征數(shù)據(jù)進(jìn)行選定，例如，該人像特征數(shù)據(jù)是在逃人員的臉部特征信息。然后，通過(guò)KD‐Tree技術(shù)建立該多個(gè)人像特征數(shù)據(jù)的快速索引樹，并將快速索引樹存儲(chǔ)至人像數(shù)據(jù)庫(kù)。最后，將該人像數(shù)據(jù)庫(kù)存儲(chǔ)至第一人像數(shù)據(jù)庫(kù)模塊11中。

進(jìn)一步，通過(guò)數(shù)據(jù)加密模塊12對(duì)人像數(shù)據(jù)庫(kù)進(jìn)行加密。然后，通過(guò)第二人像數(shù)據(jù)庫(kù)模塊25將數(shù)據(jù)加密模塊12加密的人像數(shù)據(jù)庫(kù)從第一人像數(shù)據(jù)庫(kù)模塊11中下載到移動(dòng)終端2上。最后，通過(guò)數(shù)據(jù)解密模塊24對(duì)下載到移動(dòng)終端2上的人像數(shù)據(jù)庫(kù)樹進(jìn)行解密。

具體地，在步驟S300中，通過(guò)人臉檢測(cè)模塊21對(duì)移動(dòng)終端2獲取的目標(biāo)人物的照片進(jìn)行檢測(cè)和校準(zhǔn)進(jìn)而獲得目標(biāo)人物的臉部區(qū)域。

具體地，在步驟S400中，通過(guò)特征提取模塊22對(duì)目標(biāo)人物的臉部區(qū)域進(jìn)行特征提取進(jìn)而獲取目標(biāo)人物的臉部特征。

具體地，在步驟S500中，特征比對(duì)模塊23通過(guò)基于深度學(xué)習(xí)的人臉識(shí)別模型將目標(biāo)人物的臉部特征在解密后的快速索引樹上進(jìn)行搜索。當(dāng)目標(biāo)人物的臉部特征與快速索引目錄中的某一項(xiàng)或多項(xiàng)人像特征的相似度達(dá)到閾值時(shí)，將該一項(xiàng)或多項(xiàng)人像特征按照相似度由高到低排列。進(jìn)而輸出匹配結(jié)果，由使用者進(jìn)一步確定目標(biāo)人物是否為在逃人員。最并將匹配結(jié)果存儲(chǔ)至移動(dòng)終端2上，或者在移動(dòng)終端2和人臉識(shí)別服務(wù)器1能夠進(jìn)行通信時(shí)，將計(jì)算結(jié)果上傳至人臉識(shí)別服務(wù)器1。

本領(lǐng)域技術(shù)人員能夠理解的是，本發(fā)明的移動(dòng)終端2在不連網(wǎng)的情況下也能夠?qū)δ繕?biāo)人物進(jìn)行人臉識(shí)別，使得本發(fā)明的移動(dòng)終端2不再受限于網(wǎng)絡(luò)信號(hào)，能夠被在更多的環(huán)境中使用。本發(fā)明通過(guò)基于深度學(xué)習(xí)的人臉識(shí)別模型對(duì)目標(biāo)人物的面部特征進(jìn)行處理，并通過(guò)對(duì)人像數(shù)據(jù)庫(kù)建立快速索引樹，不僅提高了人臉識(shí)別的準(zhǔn)確度，還提高了人臉識(shí)別的速度。本發(fā)明通過(guò)將基于深度學(xué)習(xí)的人臉識(shí)別模型進(jìn)行壓縮大大減小了內(nèi)存占有量。本發(fā)明還通過(guò)數(shù)據(jù)加密模塊12和數(shù)據(jù)解密模塊24使人像數(shù)據(jù)庫(kù)中的資料在傳輸和移動(dòng)終端2被丟失的情況下，不會(huì)被竊取，保證了人像數(shù)據(jù)庫(kù)中信息的安全性。

至此，已經(jīng)結(jié)合附圖所示的優(yōu)選實(shí)施方式描述了本發(fā)明的技術(shù)方案，但是，本領(lǐng)域技術(shù)人員容易理解的是，本發(fā)明的保護(hù)范圍顯然不局限于這些具體實(shí)施方式。在不偏離本發(fā)明的原理的前提下，本領(lǐng)域技術(shù)人員可以對(duì)相關(guān)技術(shù)特征作出等同的更改或替換，這些更改或替換之后的技術(shù)方案都將落入本發(fā)明的保護(hù)范圍之內(nèi)。