一种基于Facenet-PyTorch框架的人脸识别方法

本发明公开了一种基于Facenet‑PyTorch框架的人脸识别方法，首先采集包含人脸的图像数据集，基于经过预训练的深度学习模型对所述图像数据集进行特征提取，将提取的特征向量映射至紧凑的嵌入空间，对深度学习模型进行训练，通过最小化三元组损失函数优化特征向量的分布，最后基于训练后的深度学习模型进行未知人脸图像的特征提取，基于未知人脸特征向量与已知人脸特征向量之间的距离度量进行人脸识别。本方案能够解决现有技术中人脸识别精度低、抗干扰能力弱的问题，尤其在光照变化、面部遮挡、姿态变化等复杂条件下仍能保持高识别率，可灵活部署于安全监控、访问控制、支付验证等场景，具有广泛应用前景和商业价值。