[发明专利]一种跨姿态人脸识别方法有效

专利信息
申请号: 202110419091.2 申请日: 2021-04-19
公开(公告)号: CN113033476B 公开(公告)日: 2022-08-12
发明(设计)人: 鲁继文;王国利;周杰 申请(专利权)人: 清华大学
主分类号: G06V40/16 分类号: G06V40/16;G06V10/82;G06N3/04;G06N3/08;G06F40/30
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 王萌
地址: 10008*** 国省代码: 北京;11
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 姿态 识别 方法
【权利要求书】:

1.一种跨姿态人脸识别方法,其特征在于,包括:

采集第一待识别人脸图像;

将所述待识别人脸图像输入至预先构建的人脸生成网络,通过所述人脸生成网络获取所述第一待识别人脸图像的语义信息,并对所述第一待识别人脸图像的语义信息进行修正,根据修正后的语义信息生成第二待识别人脸图像,其中,所述第二待识别人脸图像包含的人脸特征信息多于所述第一待识别人脸图像包含的人脸特征信息;

将所述第二待识别人脸图像输入至人脸识别网络,通过所述人脸识别网络对所述第二待识别人脸图像进行人脸识别,以获得所述第二待识别人脸图像对应的人脸识别结果;

其中,在所述将所述待识别人脸图像输入至预先构建的人脸生成网络之前,还包括:

获取第一人脸图像样本和第二人脸图像样本,其中,所述第一人脸图像样本和第二人脸图像样本所属的用户ID信息相同;

将所述第一人脸图像样本和第二人脸图像样本输入至人脸识别网络,通过所述人脸识别网络对所述第一人脸图像样本和第二人脸图像样本进行人脸识别,以分别获得所述第一人脸图像样本对应的第一人脸特征,以及所述第二人脸图像样本对应的第二人脸特征;

根据所述第一人脸特征和所述第二人脸特征,采用人脸信息保持损失函数构建所述人脸生成网络;

其中,所述第一人脸图像样本包括用户的正面图像或小角度图像,所述第二人脸图像样本包括与所述用户的正面图像或小角度图像具有不同姿态的图像;

其中,所述人脸信息保持损失函数为:

其中,分别表示输入图像和经过后端人脸识别网络提取到的特征,是经过人脸生成网络后生成的图像,和具有相同的人脸id信息,但是是小角度人脸或正脸图像,是大角度人脸图像。

2.一种跨姿态人脸识别装置,其特征在于,包括:

采集模块,用于采集第一待识别人脸图像;

处理模块,用于将所述待识别人脸图像输入至预先构建的人脸生成网络,通过所述人脸生成网络获取所述第一待识别人脸图像的语义信息,并对所述第一待识别人脸图像的语义信息进行修正,根据修正后的语义信息生成第二待识别人脸图像,其中,所述第二待识别人脸图像包含的人脸特征信息多于所述第一待识别人脸图像包含的人脸特征信息;

识别模块,用于将所述第二待识别人脸图像输入至人脸识别网络,通过所述人脸识别网络对所述第二待识别人脸图像进行人脸识别,以获得所述第二待识别人脸图像对应的人脸识别结果;

其中,所述采集模块,还用于:

获取第一人脸图像样本和第二人脸图像样本,其中,所述第一人脸图像样本和第二人脸图像样本所属的用户ID信息相同;

将所述第一人脸图像样本和第二人脸图像样本输入至人脸识别网络,通过所述人脸识别网络对所述第一人脸图像样本和第二人脸图像样本进行人脸识别,以分别获得所述第一人脸图像样本对应的第一人脸特征,以及所述第二人脸图像样本对应的第二人脸特征;

根据所述第一人脸特征和所述第二人脸特征,采用人脸信息保持损失函数构建所述人脸生成网络;

其中,所述第一人脸图像样本包括用户的正面图像或小角度图像,所述第二人脸图像样本包括与所述用户的正面图像或小角度图像具有不同姿态的图像;

其中,所述人脸信息保持损失函数为:

其中,分别表示输入图像和经过后端人脸识别网络提取到的特征,是经过人脸生成网络后生成的图像,和具有相同的人脸id信息,但是是小角度人脸或正脸图像,是大角度人脸图像。

3.一种计算机设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1中所述的方法。

4.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1中所述的方法。

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清华大学,未经清华大学许可,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/202110419091.2/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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