申请/专利权人：杭州魔点科技有限公司

申请日：2024-01-16

公开（公告）日：2024-04-26

公开（公告）号：CN117576766B

主分类号：G06V40/16

分类号：G06V40/16;G06V10/44;G06V10/74;G06V10/762;G06V10/764;G06V10/82;G06N3/0455;G06N3/0464;G06N3/048;G06N3/088

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本申请实施例提供的跨时空兼容性无监督自学习人脸识别方法，相比较于传统的人脸识别方法，本申请方案首先采用基于visiontransformer网络结构的无监督训练优化方法，同时考虑局部和全局的特征，能够最大化同一张人脸的局部和全局特征的相似度，从而使模型具备更好的人脸表征能力。通过对跨时空场景下的人脸进行聚类，并根据聚类结果选择不同维度下的目标人脸照片特征与原始特征进行融合，动态的构建包含跨时空场景下不同维度的多种特征样本的特征银行，应应该特征银行进行人脸特征比对，无需针对不同场景因素单独训练模型，可以应对跨时空场景下由年龄阻断增长、光场视场变化、行为变化等造成的域（domain）偏移问题，兼顾跨时空多场景中的复杂多样的识别需求。

主权项：1.一种跨时空兼容性无监督自学习人脸识别方法，其特征在于，所述方法包括：采集原始人脸数据，并基于所述原始人脸数据训练预先构建的visiontransformer网络，得到人脸表征模型，具体包括：通过对所述原始人脸数据进行随机变化，得到局部人脸图像和全局人脸图像；分别通过局部视角网络和全局视角网络，对所述局部人脸图像和全局人脸图像提取特征，分别得到局部人脸特征和全局人脸特征；以最小化所述局部人脸特征和全局人脸特征之间的交叉熵为约束条件，迭代训练所述的visiontransformer网络，将训练完成之后的全局视角网络保存为所述人脸表征模型；在迭代训练所述的visiontransformer网络的过程中，所述方法还包括：通过对所述局部视角网络的梯度执行反向传播，更新所述局部视角网络的权重参数；基于所述局部视角网络的权重参数，通过指数移动平滑，更新所述全局视角网络的权重参数；对所述人脸表征模型进行有监督训练，得到人脸特征提取模型，并通过所述人脸特征提取模型提取多组人脸特征构建人脸特征库；判断目标用户的人脸特征在所述人脸特征库中的匹配得分是否大于预设阈值，若是，采集所述目标用户的多维度人脸图像集，并对所述多维度人脸图像集中各个人脸图像进行聚类，得到多个人脸图像子类，其中，所述多维度人脸图像集包括所述目标用户在不同光照、不同视场、不同年龄段以及不同遮挡状态下的人脸图像；从多个人脸图像子类确定目标人脸图像子类，并在所述目标人脸图像子类中获取不同维度下的目标人脸图像；分别对所述不同维度下的目标人脸图像提取特征，将所述提取到的特征与所述人脸特征融合，得到融合后特征，并基于融合后特征进行跨时空的人脸识别。

全文数据：

权利要求：

百度查询： 杭州魔点科技有限公司 一种跨时空兼容性无监督自学习人脸识别方法和系统

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