技术特征：
技术总结
本发明公开了一种基于深度卷积神经网络的人脸识别方法，包括：将人脸识别数据库里的每幅图像分别送入三个构建的深度卷积神经网络中提取特征；对输出的特征分别进行归一化，并仿射投影到低维空间，得到投影矩阵，通过最小化三元损失函数训练投影矩阵，得到每一幅图像的特征向量；通过梯度下降法寻找深度卷积神经网络中各滤波器的权重值，经过训练测试，选择平均识别精度最高的深度卷积神经网络；将选择后的深度卷积神经网络应用到标准人脸识别数据库中，将待检测人脸图像与每一幅图像的特征向量进行欧氏距离的计算，若小于阈值则为同一人。本发明训练时使用了较少的图片，采用的卷积神经网络结构简单，提高了人脸识别的精度，降低了训练的复杂度。
技术研发人员：聂为之;王洪涛
受保护的技术使用者：天津大学
技术研发日：2017.06.18
技术公布日：2017.11.07