存在遮挡的人脸识别方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116030520A(43)申请公布日2023.04.28(21)申请号202310027083.2G06N3/048(2023.01)(22)申请日2023.01.09(71)申请人北京龙智数科科技服务有限公司地址100020北京市朝阳区北苑小街8号6号楼五层5305(72)发明人杨战波黄泽元蒋召(74)专利代理机构北京嘉科知识产权代理事务所(特殊普通合伙)11687专利代理师杨波(51)Int.Cl.G06V40/16(2022.01)G06V10/82(2022.01)G06V10/80(2022.01)G06V10/77(2022.01)G06N3/0455(2023.01)权利要求书2页说明书8页附图2页(54)发明名称存在遮挡的人脸识别方法及装置(57)摘要本公开涉及人脸识别技术领域，提供了一种存在遮挡的人脸识别方法及装置。该方法包括：利用全局平均池化层、全连接层和激活层构建遮挡感知网络；利用遮挡感知网络、尺度网络和Transformer模块构建右分支网络，利用注意力机制模块和尺度网络构建左分支网络，利用构建右分支网络和左分支网络构建眼周注意力网络；分别在残差网络模型的第二阶段网络、第三阶段网络和第四阶段网络之后插入眼周注意力网络，得到人脸识别模型；对人脸识别模型进行训练，利用训练好的人脸识别模型进行人脸识别。采用上述技术手段，解决现有技术中，传统人脸识别模型识别存在遮挡情况的图片准确率低的问题。CN116030520ACN116030520A权利要求书1/2页1.一种存在遮挡的人脸识别方法，其特征在于，包括：利用全局平均池化层、全连接层和激活层构建遮挡感知网络；利用所述遮挡感知网络、尺度网络和Transformer模块构建右分支网络，利用注意力机制模块和所述尺度网络构建左分支网络，利用所述构建右分支网络和所述左分支网络构建眼周注意力网络；分别在残差网络模型的第二阶段网络、第三阶段网络和第四阶段网络之后插入所述眼周注意力网络，得到人脸识别模型；对所述人脸识别模型进行训练，利用训练好的人脸识别模型进行人脸识别。2.根据权利要求1所述的方法，其特征在于，利用全局平均池化层、全连接层和激活层构建遮挡感知网络，包括：依次连接所述全局平均池化层、第一全连接层、第一激活层、第二全连接层和第二激活层，得到所述遮挡感知网络；其中，所述第一全连接层用于特征压缩，所述第二全连接层用于特征激励，所述全连接层，包括：所述第一全连接层和所述第二全连接层，所述激活层，包括：所述第一激活层和所述第二激活层。3.根据权利要求1所述的方法，其特征在于，利用所述遮挡感知网络、尺度网络和Transformer模块构建右分支网络，利用注意力机制模块和所述尺度网络构建左分支网络，利用所述构建右分支网络和所述左分支网络构建眼周注意力网络，包括：依次连接所述遮挡感知网络、所述尺度网络和所述Transformer模块，得到所述右分支网络；依次连接所述注意力机制模块和所述尺度网络，得到所述左分支网络；将所述构建右分支网络和所述左分支网络并行连接，得到所述眼周注意力网络，其中，所述构建右分支网络的输出和所述左分支网络的输出相加为所述眼周注意力网络的输出。4.根据权利要求1所述的方法，其特征在于，所述残差网络模型由第零阶段网络、第一阶段网络、所述第二阶段网络、所述第三阶段网络和所述第四阶段网络依次连接组成。5.根据权利要求1所述的方法，其特征在于，包括：将所述人脸识别模型的每个阶段网络输出的第一特征图输入该阶段网络之后插入的所述眼周注意力网络之后，包括：利用所述右分支网络中的所述遮挡感知网络对所述第一特征图进行自适应遮挡感知处理，得到第二特征图；利用所述右分支网络中的所述尺度网络对所述第一特征图和所述第二特征图进行点乘运算，得到第三特征图；利用所述右分支网络中的所述Transformer模块对所述第三特征图进行注意力变换处理，得到第四特征图；利用所述左分支网络中的所述注意力机制模块对所述第一特征图进行自适应通道重要性调整处理，得到第五特征图；利用所述左分支网络中的所述尺度网络对所述第一特征图和所述第五特征图进行所述点乘运算，得到第六特征图；将所述四特征图和所述第六特征图相加，得到所述眼周注意力网络最终输出的第七特2CN116030520A权利要求书2/2页征图。6.根据权利要求5所述的方法，其特征在于，利用所述右分支网络中的所述遮挡感知网络对所述第一特征图进行自适应遮挡感知处理，得到第二特征图，包括：利用所述全局平均池化层对所述第一特征图进行池化处理，得到第八特征图；利用第一全连接层和第一激活层依次对所述第八特征图进行特征压缩处理和激活处理，得到第九特征图；利用第二全连接层和第二激活层依次对所述第九特征图