欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020107737387
申请人: 广州市微智联科技有限公司
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种蒙面人脸识别方法,其特征在于:包括如下步骤:S1:根据非蒙面人脸图像数据,获取蒙面人脸图像数据集;

S2:基于神经网络、置信度适应机制以及多帧聚类预测机制,使用蒙面人脸图像数据集,建立蒙面识别模型;

S3:实时获取现场视频,并根据现场视频,使用蒙面识别模型进行识别,得到识别结果;

所述步骤S2中,所述神经网络为残差网络,所述残差网络设置有LSTM长短时记忆模块,所述LSTM长短时记忆模块设置有遗忘门;

所述步骤S2中,置信度适应机制为:根据输入当前模型的人脸图像数据集的成像模糊度适应性调整当前模型的置信度阈值;

所述步骤S3的具体步骤为:

S3‑1:实时获取现场视频,对现场视频进行人体头部检测,在检测到人体头部后,获取当前人体头部的头部特征;

S3‑2:将人体头部作为个体标识,设置头部检测框,根据头部特征和对应的头部检测框的位置,对现场视频中的当前个体进行持续跟踪,并进行个体跟踪匹配,得到个体的匹配结果,若匹配结果为新出现个体或已有个体,则采集当前个体的多张单帧图像,否则结束蒙面人脸识别方法;

S3‑3:对当前单帧图像进行人脸检测,检测到人脸后,使用蒙面识别模型对当前单帧图像进行正脸检测;

S3‑4:检测到正脸后,获取当前单帧图像的成像模糊度,并根据成像模糊度适应性调整蒙面识别模型的置信度阈值,使用调整后的蒙面识别模型对当前单帧图像的进行人脸识别,得到当前帧图像的人脸识别结果;

S3‑5:根据步骤S3‑2中采集的多张单帧图像,更新当前单帧图像,返回步骤S3‑3,直至采集的所有单帧图像都进行人脸识别,得到多个人脸识别结果;

S3‑6:根据多个人脸识别结果,基于多帧聚类预测机制,获得当前个体最终的识别结果;

多帧聚类预测机制为:

匹配到的个体P0‑Pk的置信度分别为:

个体P0包含m0个结果:

个体P1包含m1个结果:

……

个体Pk包含mk个结果:

则各个个体的识别结果帧间增强相似度为:

...

则R(F0‑Fn)=Max(∑P0,∑P1,...,∑Pk)所对应的个体P。

2.根据权利要求1所述的一种蒙面人脸识别方法,其特征在于:所述步骤S1中,使用多样和交互的面部图像操作MaskGAN方法对非蒙面人脸图像数据进行处理,得到蒙面人脸图像数据集。

3.根据权利要求1所述的一种蒙面人脸识别方法,其特征在于:所述步骤S2中,所述遗忘门的公式为:ft=σ(Wf·[ht‑1,xt]+bf)

式中,ft为遗忘门函数;σ(*)为sigmoid激活函数;ht‑1为前一个时间步(t‑1)的输出;t为时间步指示量;xt为当前时间步的输入;bf为卷积层偏置项;Wf为卷积层权重。

4.根据权利要求1所述的一种蒙面人脸识别方法,其特征在于:所述步骤S2中,所述神经网络的输出公式为:式中,oij为经过注意力加权后的输出特征;αij为归一化后的注意力权重;i为注意力指示量;j为单向时间步;n为单向时间步数;hj为各个时间步的输出。

5.根据权利要求1所述的一种蒙面人脸识别方法,其特征在于:所述步骤S2的具体步骤为:S2‑1:将蒙面人脸图像数据集分为训练集和测试集;

S2‑2:使用训练集对神经网络进行训练,得到初始的蒙面识别模型;

S2‑3:将置信度适应机制和多帧聚类预测机制加入初始的蒙面识别模型,并使用测试集对初始的蒙面识别模型进行优化,得到并输出最优的蒙面识别模型。

6.根据权利要求1所述的一种蒙面人脸识别方法,其特征在于:所述步骤S3‑3中,进行人脸检测,人脸检测结果为:当前单帧图像为蒙面人脸图像或当前单帧图像为非蒙面人脸图像。

7.根据权利要求6所述的一种蒙面人脸识别方法,其特征在于:所述步骤S3‑3中,对非蒙面人脸图像进行正脸检测,得到非蒙面正脸,并对非蒙面正脸直接进行人脸识别,得到识别结果;

对蒙面人脸图像进行正脸检测,得到蒙面正脸,进入步骤S3‑4,根据蒙面正脸获取当前单帧图像的成像模糊度。