申请/专利权人：上海齐感电子信息科技有限公司

申请日：2020-05-08

公开（公告）日：2024-04-02

公开（公告）号：CN113468935B

主分类号：G06V40/16

分类号：G06V40/16;G06V20/40;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.10.26#实质审查的生效;2021.10.01#公开

摘要：人脸识别方法，其中，采用基于深度学习的人脸识别算法，来对图像中的人脸区域进行人脸识别，包括：确定卷积神经网络的结构；根据卷积神经网络的结构，来将一个或多个卷积结果和或输入数值归纳到在同一个坐标系下；根据卷积神经网络的结构，来将同一个坐标系下的一个或多个卷积结果和或输入数值进行合并；根据所述合并的结果，来计算向下一层卷积神经网络传递时的移位和偏移量的量化结果。本发明将诸如ResNet类、GoogLeNet类或Inception‑ResNet类的高精度的卷积神经网络算法在保持原有分类、检测准确率的情况下，量化到一个低精度的数据来表示，从而将高精度的卷积神经网络部署在诸如智能手机、智能摄像头等边缘设备上，提高了在边缘端上进行人脸检测的性能。

主权项：1.一种人脸识别方法，其特征在于，包括：获得待识别的图像；通过人脸检测手段，来检测图像中的人脸区域；从人脸区域中提取人脸表征；采用基于深度学习的人脸识别算法，来对图像中的人脸区域进行人脸识别；其中，所述采用基于深度学习的人脸识别算法，来对图像中的人脸区域进行人脸识别包括：确定卷积神经网络的结构；根据卷积神经网络的结构，来将一个或多个卷积结果和输入数值归纳到在同一个坐标系下；根据卷积神经网络的结构，来将同一个坐标系下的一个或多个卷积结果和输入数值进行合并；根据所述合并的结果，来计算向下一层卷积神经网络传递时的移位和偏移量的量化结果；对于ResNet类卷积神经网络，通过以下公式，来将输入数值和卷积结果归纳到同一个坐标系下： = =其中，X′表示第一归纳结果，X表示输入数值，Y′表示第二归纳结果，Y表示第二卷积结果，a表示输入数值的移位，b表示第二卷积结果的移位，通过以下公式，来将同一个坐标系下的输入数值和卷积结果进行合并：H＝X′+Y′其中，H表示合并结果，X′表示第一归纳结果，Y′表示第二归纳结果；或对于ResNet类卷积神经网络，通过以下公式，来将输入数值和卷积结果归纳到同一个坐标系下：Y′＝Y＜＜shifta-b,posY′＝Y＞＞shift|a-b|,neg其中，Y′表示第二归纳结果，Y表示第二卷积结果，a表示输入数值的移位，b表示第二卷积结果的移位，通过以下公式，来将同一个坐标系下的输入数值和卷积结果进行合并：H＝X+Y′其中，H表示合并结果，X表示输入数值，Y′表示第二归纳结果。

全文数据：

权利要求：

百度查询： 上海齐感电子信息科技有限公司 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