[发明专利]人脸识别的方法、装置、计算机设备及存储介质在审

专利信息
申请号: 202110425850.6 申请日: 2021-04-20
公开(公告)号: CN113177449A 公开(公告)日: 2021-07-27
发明(设计)人: 杨馥魁 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/02
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 王萌
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 识别 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种人脸识别的方法,包括:

利用第一编码器,对第一三原色人脸图像进行编码处理,以确定所述第一三原色人脸图像对应的第一特征向量;

利用第二编码器,对所述第一三原色人脸图像进行编码处理,以确定所述第一三原色人脸图像对应的第二特征向量,其中,所述第二编码器与所述第一编码器对应的训练数据不同;

将所述第一特征向量及所述第二特征向量进行融合,以生成融合后的特征向量;

对所述融合后的特征向量进行识别,以确定所述第一三原色人脸图像所属的用户。

2.如权利要求1所述的方法,其中,还包括:

获取训练数据集,其中,所述训练数据集中包括第二三原色人脸图像及对应的参考深度人脸图像;

利用第一初始编码器,对所述第二三原色人脸图像进行编码处理,以确定所述第二三原色人脸图像对应的第一特征向量;

利用第一初始解码器,对所述第一特征向量进行解码,以生成所述第二三原色人脸图对应的预测深度人脸图像;

根据所述预测深度人脸图像与所述参考深度人脸图像的差异,对所述第一初始编码器及所述第一初始解码器分别进行修正,以生成第一解码器及所述第一编码器。

3.如权利要求2所述的方法,其中,所述训练数据集中还包括与所述第二三原色人脸图像对应的标注标签,所述方法还包括:

利用第二初始编码器,对所述第二三原色人脸图像进行编码处理,以确定所述第二三原色人脸图像对应的第二特征向量;

利用第二初始解码器,对所述第二特征向量进行解码,以生成所述第二三原色人脸图像对应的预测标签;

根据所述标注标签与所述预测标签的差异,对所述第二初始编码器及所述第二初始解码器分别进行修正,以生成第二解码器及所述第二编码器。

4.如权利要求3所述的方法,其中,所述利用第二初始解码器,对所述第二特征向量进行解码,以生成所述第二三原色人脸图像对应的预测标签,包括:

利用初始融合子网络,将所述第二特征向量与所述第一特征向量进行融合,以生成融合后的特征向量;

利用所述第二初始解码器,对所述融合后的特征向量进行解码,以生成所述第二三原色人脸图像对应的预测标签;

所述根据所述标注标签与所述预测标签的差异,对所述第二初始编码器及所述第二初始解码器分别进行修正,以生成第二解码器及所述第二编码器,包括:

根据所述标注标签与所述预测标签的差异,对所述初始融合子网络、第一编码器、第二初始编码器及所述第二初始解码器分别进行修正,以生成融合子网络、第一编码器、第二解码器及所述第二编码器。

5.如权利要求4所述的方法,其中,所述将所述第一特征向量及所述第二特征向量进行融合,以生成融合后的特征向量,包括:

利用所述融合子网络,将所述第一特征向量及所述第二特征向量进行融合,以生成融合后的特征向量。

6.如权利要求1-5任一所述的方法,其中,所述将所述第一特征向量及所述第二特征向量进行融合,以生成融合后的特征向量,包括:

根据第一预设的权重值将所述第一特征向量与所述第二特征向量中各元素分别进行加权融合,以确定融合后特征向量中各元素取值;

根据所述融合后特征向量中各元素取值分别与预设的参数的比值,确定融合矩阵;

基于所述融合矩阵及第二预设的权重值,将所述第二特征向量进行修正,以生成所述融合后的特征向量。

7.一种人脸识别的装置,包括:

第一确定模块,用于利用第一编码器,对第一三原色人脸图像进行编码处理,以确定所述第一三原色人脸图像对应的第一特征向量;

第二确定模块,用于利用第二编码器,对所述第一三原色人脸图像进行编码处理,以确定所述第一三原色人脸图像对应的第二特征向量,其中,所述第二编码器与所述第一编码器对应的训练数据不同;

融合模块,用于将所述第一特征向量及所述第二特征向量进行融合,以生成融合后的特征向量;

第三确定模块,用于对所述融合后的特征向量进行识别,以确定所述第一三原色人脸图像所属的用户。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110425850.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top