申请/专利权人：威海职业学院(威海市技术学院)

申请日：2022-07-04

公开（公告）日：2022-09-23

公开（公告）号：CN115100720A

主分类号：G06V40/16

分类号：G06V40/16;G06N3/04;G06N3/08;G06V10/774;G06V10/80

优先权：

专利状态码：失效-发明专利申请公布后的撤回

法律状态：2023.06.23#发明专利申请公布后的撤回;2022.10.14#实质审查的生效;2022.09.23#公开

摘要：本发明公开了一种低分辨率人脸识别方法，属于人工智能和图像处理技术领域，包括获取预先训练完成的图像分类网络，获取需要识别的低分辨率人脸图像，将低分辨率人脸图像输入图像分类网络，初次卷积层对低分辨率人脸图像进行卷积运算，特征图顺次经过各个IMH特征提制模块，深层特征图顺次经过特征向量生成层、全连接层和softmax分类器步骤。本发明的IMH特征提制模块将不同大小卷积核并联设置，更加充分提取低分辨率人脸图像在不同层级上的特征信息，并采用注意力机制对获取的有效信息进行增强，识别精度高，模型具有很好的鲁棒性，能够很好地抑制噪音给人脸识别造成干扰。

主权项：1.一种低分辨率人脸识别方法，其特征是：包括以下步骤：S100、获取预先训练完成的图像分类网络，所述图像分类网络包括依次设置的初次卷积层、IMH特征提制模块、特征向量生成层、全连接层和softmax分类器；所述IMH特征提制模块为多个，所述IMH特征提制模块的输入侧设有第一接入端、第二接入端和第三接入端，所述IMH特征提制模块的输出侧设有第一导出端、第二导出端和第三导出端，上游IMH特征提制模块的第一导出端、第二导出端和第三导出端分别与其下游IMH特征提制模块的第一接入端、第二接入端和第三接入端连接；所述特征向量生成层用于对特征图的各个图层进行全局平均池化操作，所述特征向量生成层的输出端通过所述全连接层与所述softmax分类器的输入端连接；S200、获取需要识别的低分辨率人脸图像，将所述低分辨率人脸图像输入所述图像分类网络，所述初次卷积层对所述低分辨率人脸图像进行卷积运算后，输出浅层特征图；S300、所述浅层特征图分别输入第一个所述IMH特征提制模块的第一接入端、第二接入端和第三接入端，然后特征图顺次经过各个所述IMH特征提制模块，使各个所述IMH特征提制模块依次对特征图进行特征提取操作，最后位于末尾的IMH特征提制模块的第二导出端输出深层特征图；S400、所述深层特征图顺次经过所述特征向量生成层、所述全连接层和所述softmax分类器，所述特征向量生成层、所述全连接层和所述softmax分类器依次对特征图处理后，所述softmax分类器输出得到所述低分辨率人脸图像的类别信息，该类别信息所对应的身份，即为需要识别的低分辨率人脸图像的身份。

全文数据：

权利要求：

百度查询： 威海职业学院(威海市技术学院) 一种低分辨率人脸识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD