申请/专利权人:桂林理工大学
申请日:2022-03-07
公开(公告)日:2024-04-16
公开(公告)号:CN114581984B
主分类号:G06V40/16
分类号:G06V40/16;G06V10/774;G06V10/82;G06N3/0464;G06N3/084;G06N3/0475;G06N3/094
优先权:
专利状态码:有效-授权
法律状态:2024.04.16#授权;2022.06.21#实质审查的生效;2022.06.03#公开
摘要:本发明是一种基于低秩注意力机制的口罩人脸识别技术。首先在注意力机制中引入低秩操作,通过低秩注意力机制能够感应口罩信息和人脸;然后结合掩膜技术降低口罩部分权重,减轻口罩对人脸识别任务的干扰。使用该模型进行人脸特征提取再进行人脸比对,保持对正常人脸识别高准确率,同时提升对口罩人脸的识别准确率。
主权项:1.一种基于低秩注意力机制的口罩人脸识别算法,其特征在于,包括以下步骤:1构建数据集并进行预处理;2构建低秩注意力机制:2.1初始化kk<<i个向量μt以迭代iterate方式对卷积神经网络中的人脸特征图X进行低秩化学习,其中t为迭代次数,获得口罩人脸组件:将分别与人脸特征图X中所有像素点Xj进行相似计算得到注意力图AttentionMaps其中k为注意力图张数: 再使用对进行更新,每一次更新为与所有像素点相似度的加权平均,即为Non-Local模块中的映射计算Mappingcalculate,往与其相似像素点的方向进行更新: 在组件学习模块中进行t次迭代;2.2通过口罩组件定位口罩:低秩人脸组件μ中含有口罩组件和人脸组件,将μ={μ1,μ2,…μk}与预先通过可视化确定的口罩组件进行余弦相似计算,超过阈值的组件判断为口罩组件μm={μ1,μ2,…μl},使用μm和X通过注意力机制构建口罩特征图Xm:Cm=softmaxμlTXXm=Cmμm2.3为了降低口罩部分权重,构建掩膜模块,将口罩特征图Xm通过Sigmoid函数,归一化到[0,1],获得口罩掩膜,使用“1”减去口罩掩膜,口罩特征置0,获得有效人脸掩膜,进而实现在口罩人脸上分离出有效人脸Y:MXm=SigmoidXmY=1-MXm*X3将改进的注意力机制嵌入在ResNet50的layer1层后,将layer1的输出特征作为输入特征,进行构建出口罩人脸特征提取模型;4设置输入图片大小,训练集batch_size和测试的batch_size的大小,迭代训练epoch,使用随机梯度下降SGD作为网络优化器,初始学习率;训练第一步:将算法在口罩人脸数据集进行训练,主要目的完成对组件模块的训练,训练第二步:如果组件学习模块在正常人脸数据集上再进行更新,将会降低口罩人脸组件学习性能,因此固定组件学习模块,将第一步得到的算法使用混合数据集进行训练,提升正常人脸识别性能;5先使用摄像头获得实时的人脸图像,使用retinaface进行人脸检测,使用步骤3所述的模型对检测到人脸进行特征提取,再进行特征比对,获得身份信息。
全文数据:
权利要求:
百度查询: 桂林理工大学 一种基于低秩注意力机制的口罩人脸识别算法
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。