申请/专利权人：北京中电兴发科技有限公司

申请日：2022-12-05

公开（公告）日：2023-03-14

公开（公告）号：CN115798012A

主分类号：G06V40/16

分类号：G06V40/16;G06V10/44;G06V10/50;G06V10/80;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.03.31#实质审查的生效;2023.03.14#公开

摘要：本发明公开一种基于热点区域特征融合的正侧脸特征的判断方法，涉及数据识别领域。包括：确定数据集，划分原训练集和原测试集；对数据集中的图片进行热点灰度图的特征提取，分别得到热点灰度图特征图像训练集和热点灰度图特征图像测试集；以热点灰度图特征图像训练集作为分类模型的输入，原训练集中正脸标签、左侧脸标签和右侧脸标签作为分类标签，对利用传统机器学习方法构建的分类模型进行模型训练得到最终分类模型；热点灰度图特征图像测试集中的任意一个热点灰度图特征图像输入所述最终分类模型，完成正侧脸判断。本发明解决基于传统机器学习分类模型的正侧脸判断方法存在判断速度慢，在光照、遮挡等不确定因素下的鲁棒性差的问题。

主权项：1.一种基于热点区域特征融合的正侧脸特征的判断方法，其特征在于，包括：S1，基于预先设定的裁剪方式对原图片集中包含人脸的图片进行裁剪，得到数据集，所述数据集划分为原训练集和原测试集；S2，对所述数据集中的图片进行热点灰度图的特征提取，分别得到热点灰度图特征图像训练集和热点灰度图特征图像测试集；S3，以所述热点灰度图特征图像训练集作为分类模型的输入，所述原训练集中正脸标签、左侧脸标签和右侧脸标签作为分类标签，对利用传统机器学习方法构建的分类模型进行模型训练得到最终分类模型；S4，所述热点灰度图特征图像测试集中的任意一个热点灰度图特征图像输入所述最终分类模型，完成正侧脸判断；其中，S2中对任意一张图片X进行热点灰度图的特征提取，具体为：S201，以所述原训练集对卷积神经网络分类模型进行训练，得到卷积神经网络分类模型M；S202，利用所述卷积神经网络分类模型M读取所述图片X的特征图，获取所述特征图的可视化热力图；S203，构建热点区域，具体为：利用所述卷积神经网络分类模型M获取所述原训练集中各个图片的可视化热力图，进行均值计算后，得到平均热力图；从所述平均热力图中选取至少一个子区域作为热点子区域；所述热点子区域拼接为正方形，得到热点区域；S204，利用所述热点区域剪裁所述图片X的灰度图，得到所述图片X的热点灰度图；分别提取所述热点灰度图的HOG特征和LBP特征，对所述HOG特征和所述LBP特征分别进行标准化，拼接得到热点灰度图特征，完成所述图片X的热点灰度图特征的提取。

全文数据：

权利要求：

百度查询： 北京中电兴发科技有限公司 基于热点区域特征融合的正侧脸特征的判断方法

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