[发明专利]一种融合遮挡场景的人脸识别方法、系统、设备及介质有效

专利信息
申请号: 202010936230.4 申请日: 2020-09-08
公开(公告)号: CN112070015B 公开(公告)日: 2021-05-18
发明(设计)人: 姚志强;周曦;王曦;蹇易 申请(专利权)人: 广州云从博衍智能科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04
代理公司: 上海光华专利事务所(普通合伙) 31219 代理人: 代玲
地址: 511458 广东省广州市南沙区金茂西四街*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 融合 遮挡 场景 识别 方法 系统 设备 介质
【权利要求书】:

1.一种融合遮挡场景的人脸识别方法,其特征在于,包括以下步骤:

根据无遮挡场景目标人脸的关键点信息和遮挡场景模板生成遮挡场景目标人脸;

基于无遮挡场景目标人脸和遮挡场景目标人脸生成融合遮挡场景的特征图;所述特征图生成过程,包括:在神经网络的浅层特征图中将无遮挡场景目标人脸、遮挡场景目标人脸分别划分为多个局部区域;对每个局部区域进行特征提取,通过激活函数输出对应的特征向量;将从每个局部区域获得的特征向量作为该局部区域的自学习权重,并在神经网络的深层特征图中加权融合所有局部区域的自学习权重,生成所述融合遮挡场景的特征图;

根据所述融合遮挡场景的特征图获取人脸特征,对待识别的无遮挡场景人脸或遮挡场景人脸进行人脸识别。

2.根据权利要求1所述的融合遮挡场景的人脸识别方法,其特征在于,对待识别的无遮挡场景人脸、遮挡场景人脸进行人脸识别,包括:

获取根据所述融合遮挡场景的特征图提取的人脸特征,对所述人脸特征进行分类并加入分类训练损失;

在无遮挡场景以及遮挡场景下训练进行分类且加入分类训练损失的人脸特征,生成融合遮挡场景的人脸识别模型;

根据所述融合遮挡场景的人脸识别模型对待识别的无遮挡场景人脸、遮挡场景人脸进行人脸识别。

3.根据权利要求1所述的融合遮挡场景的人脸识别方法,其特征在于,通过人脸检测算法对无遮挡场景目标人脸图片进行检测,获取目标人脸区域以及无遮挡场景目标人脸的关键点信息;

通过对齐算法将目标人脸区域中的五官对齐至固定区域,放缩无遮挡场景目标人脸至固定尺寸;并在固定尺寸下结合遮挡场景模板对无遮挡场景目标人脸进行数据增强,生成遮挡场景目标人脸。

4.根据权利要求1所述的融合遮挡场景的人脸识别方法,其特征在于,所述局部区域包括以下至少之一:上半脸、下半脸、左眼、右眼、鼻子、嘴巴。

5.根据权利要求1所述的融合遮挡场景的人脸识别方法,其特征在于,所述遮挡场景模板包括以下至少之一:口罩模板、墨镜模板;

遮挡场景目标人脸包括以下之一:口罩遮挡场景目标人脸、墨镜遮挡场景目标人脸。

6.根据权利要求5所述的融合遮挡场景的人脸识别方法,其特征在于,获取所述无遮挡场景目标人脸的关键点信息,根据鼻梁、脸颊、下巴的关键点位置生成口罩模板;并将所述口罩模板与所述无遮挡场景目标人脸进行贴合,生成所述口罩遮挡场景目标人脸;

根据眼角、鼻尖的关键点位置生成墨镜模板;并将所述墨镜模板与所述无遮挡场景目标人脸进行贴合,生成所述墨镜遮挡场景目标人脸。

7.根据权利要求1所述的融合遮挡场景的人脸识别方法,其特征在于,对所述神经网络的浅层特征图进行下采样,获得所述深层特征图。

8.一种融合遮挡场景的人脸识别系统,其特征在于,包括有:

遮挡场景人脸生成模块,用于根据无遮挡场景目标人脸的关键点信息和遮挡场景模板生成遮挡场景目标人脸;

场景融合模块,用于根据无遮挡场景目标人脸和遮挡场景目标人脸生成融合遮挡场景的特征图;

人脸识别模块,用于根据所述融合遮挡场景的特征图获取人脸特征,对待识别的无遮挡场景人脸、遮挡场景人脸进行人脸识别;

所述场景融合模块生成特征图的过程具体包括:

在神经网络的浅层特征图中分别将无遮挡场景目标人脸、遮挡场景目标人脸划分为多个局部区域;

对每个局部区域进行特征提取,通过激活函数输出对应的特征向量;

将从每个局部区域获得的特征向量作为该局部区域的自学习权重,并在神经网络的深层特征图中加权融合所有局部区域的自学习权重,生成所述融合遮挡场景的特征图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州云从博衍智能科技有限公司,未经广州云从博衍智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010936230.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top