申请/专利权人：中国铁道科学研究院集团有限公司电子计算技术研究所;中铁程科技有限责任公司;北京经纬信息技术有限公司

申请日：2021-07-20

公开（公告）日：2024-04-02

公开（公告）号：CN113673345B

主分类号：G06V40/16

分类号：G06V40/16;G06V10/762;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;2021.12.07#实质审查的生效;2021.11.19#公开

摘要：本申请实施例提供了一种人脸识别方法及系统，该方法包括：获取公开的人脸数据集；提取人脸数据集中每个采样图片的人脸特征向量，获得群组聚类数据集；提取单支流人脸特征向量；提取群组聚类中心特征向量；得到富含群组特征信息的人脸特征向量表达；对采样图片进行人脸识别。该系统包括图片采样模块、群组聚类模块、第一提取模块、第二提取模块、特征计算模块和人脸识别模块。本申请实施例提供的技术方案能够基于无监督人脸群组聚类、深度卷积神经网络、适用于任何人脸识别场景，且能够为单支流人脸特征向量赋予群组特征信息，可以在人脸特征向量空间分布方面帮助增大不同类人脸类间间距，缩小相同人脸间距，使得模型提取到更鲁棒的人脸特征。

主权项：1.一种人脸识别方法，其特征在于，所述方法包括以下步骤：获取公开的人脸数据集，对所述人脸数据集中的多个人脸图片分别进行图像处理，转换成大小相同且与所述人脸图片所包含的内容相同的采样图片；提取所述人脸数据集中每个所述采样图片的人脸特征向量，通过对每个所述采样图片对应的所述人脸特征向量进行聚类处理，获得包含多个所述采样图片的多个不同的群组聚类数据集；提取所述人脸数据集中每个所述采样图片的单支流人脸特征向量；通过对各个所述群组聚类数据集中各个所述人脸特征向量进行计算，提取每个所述群组聚类数据集的群组聚类中心特征向量；基于所述单支流人脸特征向量和所述群组聚类中心特征向量计算得到嵌入系数，基于所述嵌入系数和所述单支流人脸特征向量得到富含群组特征信息的人脸特征向量表达；通过计算所述人脸特征向量表达对两张所述采样图片进行人脸识别；在提取所述人脸数据集中每个所述采样图片的单支流人脸特征向量的步骤中，包括以下步骤：基于分类损失函数对人脸识别特征提取深度学习网络结构在所述人脸数据集的基础上进行训练；将训练成熟的所述人脸识别特征提取深度学习网络结构复制构成权值参数相同的主干影子网络；利用所述主干影子网络对所述人脸数据集中每个所述采样图片提取单支流人脸特征向量，并将所述采样图片与对应的单支流人脸特征向量绑定存储；在通过对各个所述群组聚类数据集中各个所述人脸特征向量进行计算，提取每个所述群组聚类数据集的群组聚类中心特征向量的步骤中，包括以下步骤：利用所述主干影子网络对所述多个群组聚类数据集中的多个采样图片提取人脸特征向量，并按照各个所述群组聚类数据集进行分类存储；对各个所述群组聚类数据集中的人脸特征向量进行几何中心向量计算；筛选出各个所述群组聚类数据集中与几何中心向量距离最小的人脸特征向量作为对应群组聚类数据集的群组聚类中心特征向量；在基于所述单支流人脸特征向量和所述群组聚类中心特征向量计算得到嵌入系数，基于所述嵌入系数和所述单支流人脸特征向量得到富含群组特征信息的人脸特征向量表达的步骤中，包括以下步骤：基于所述单支流人脸特征向量和所述群组聚类中心特征向量计算得出各个所述群组聚类数据集中所述单支流人脸特征向量与所述群组聚类中心特征向量的欧氏距离；将各个所述群组聚类数据集的欧氏距离进行缩放倒数变换；对经过缩放倒数变换后的各个所述群组聚类数据集的欧氏距离进行总距离占比计算，得到各个所述群组聚类数据集的群组聚类中心特征向量的嵌入系数；基于各个所述群组聚类数据集中的单支流人脸特征向量和群组聚类中心特征向量及其嵌入系数，构建富含群组特征信息的人脸特征向量表达；基于所述主干影子网络，使用所述人脸数据集微调网络参数直至收敛。

全文数据：

权利要求：

百度查询： 中国铁道科学研究院集团有限公司电子计算技术研究所;中铁程科技有限责任公司;北京经纬信息技术有限公司 人脸识别方法及系统

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