[发明专利]无约束场景中基于深度变换学习的人脸识别方法有效
| 申请号： | 201710708153.5 | 申请日： | 2017-08-17 |
| 公开（公告）号： | CN107506717B | 公开（公告）日： | 2020-11-27 |
| 发明（设计）人： | 唐晖 | 申请（专利权）人： | 南京东方网信网络科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 重庆市前沿专利事务所(普通合伙) 50211 | 代理人： | 顾晓玲 |
| 地址： | 211106 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种无约束场景中基于深度变换学习的人脸识别方法，其包括如下步骤：获取脸部图像并检测脸部关键点；使用脸部对齐对脸部图像进行变换，在对齐过程中，最小化检测到的关键点与预定义关键点之间的距离；对脸部姿态进行估计并对姿态估计结果进行分类；将多个样本脸部姿态分离为不同的类；进行姿态变换，将非正面面部特征变换为正面面部特征并计算姿态变换损失；利用深度变换学习方法更新网络参数直到满足阈值要求退出。本发明提出神经网络中的特征变换，将不同姿态的特征变换为共享的线性特征空间，通过计算姿态损失，学习姿态中心和姿态变换，得到了简单的类变化，能够加强特征变换学习，提高鲁棒性和可区分性深层功能。 | ||
| 搜索关键词： | 无约束 场景 基于 深度 变换 学习 识别 方法 | ||
【主权项】：
一种无约束场景中基于深度变换学习的人脸识别方法，其特征在于，包括如下步骤：S1,获取脸部图像并检测脸部关键点；S2,使用脸部对齐对脸部图像进行变换，在对齐过程中，最小化检测到的关键点与预定义关键点之间的距离；S3，对脸部姿态进行估计并对姿态估计结果进行分类；S4，将样本分类成不同的类别；进行姿态变换，将非正面面部特征变换为正面面部特征并计算姿态变换损失；S5,利用深度变换学习方法更新网络参数直到满足阈值要求退出。
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南京东方网信网络科技有限公司，未经南京东方网信网络科技有限公司许可，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/patent/201710708153.5/，转载请声明来源钻瓜专利网。
