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。

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