专利标题 公开号/公告号 公开日期 摘要 专利状态
基于生成式对抗网络的人脸非监督特征学习方法及装置 CN201710581981.7 2020-09-01 本发明公开了一种基于生成式对抗网络的人脸非监督特征学习方法及装置，通过对已收集的原始人脸图像进行预处理，以转换成设定尺寸的人脸训练图像；将转换好的人脸训练图像作为训练数据对构建的深度卷积生成对抗网络中的目标生成网络进行训练；将生成的随机向量集输入到训练好的目标生成网络中，得到与随机向量集相对应的生成图像集；将得到的生成图像集输入到构建的深度卷积神经网络的深度回归网络中，对深度回归网络进行训练，提取生成图像集的人脸特征向量。本发明提供的基于生成式对抗网络的人脸非监督特征学习方法和装置，采用DCGAN和DCNN相结合的方式来做非监督学习，利用深度回归网络来学习一个逆向的目标生成网络，学习效果佳，识别精度高。   专利权的变更
基于深度学习的图像去网格方法及装置 CN201710575071.8 2019-11-12 本发明公开了一种基于深度学习的图像去网格方法及装置，通过网格模板在线构造网格图像，生成与网格模板相对应的多类别网格数据，并将多类别网格数据作为训练数据分别训练分类网络和全卷积网络；使用训练好的分类网络对待去除网格图像进行分类处理，并根据分类处理的结果，利用训练好的全卷积网络对分类好的待去除网格图像进行去网格处理。本发明提供的基于深度学习的图像去网格方法及装置，将全总卷积网络作为训练网络，通过训练好的总卷积网络对待去除网格图像进行去网格处理，学习相关参数；并通过训练好的分类网络事先对待去除网格图像进行分类处理，再由对应的训练好的总卷积网络对分类好的待去除网格图像进行相应去网格处理，去网格效果佳。 专利权的变更
人脸属性识别方法及装置 CN201710552180.8 2021-02-09 本发明公开了一种人脸属性识别方法及装置，利用深度残差网络对已收集的人脸图像的人脸属性进行训练，得到带有多种人脸属性特征的多属性网络训练模型；运用得到的多属性网络训练模型来对待识别图像的人脸属性进行多属性预测，以识别待识别图像中的多种人脸属性。本发明提供的人脸属性识别方法及装置，利用一个深度残差网络对已收集的人脸图像的人脸属性进行训练，根据特定任务训练得到的多属性网络训练模型对待识别图像的人脸属性进行多属性预测，因多属性网络模型能提取出更强表达能力的人脸特征，从而可快速准确识别人脸图像中的多种人脸属性。   专利权的变更
基于深度学习的人脸检测速度优化方法及装置 CN201710508939.2 2020-11-10 本发明公开了一种基于深度学习的人脸检测速度优化方法及装置，该方法包括：将深度学习模型中的浮点数据定点化；将人脸图像中的数据定点化；对深度学习模型中定点化后的数据以及人脸图像中定点化后的数据进行平行运算；重复平行运算的步骤，直到整个深度学习模型运算完并输出人脸目标框坐标信息以及人脸目标框校正信息；将人脸目标框校正信息还原成相应的浮点数据；将人脸目标框坐标信息与还原后的人脸目标框校正信息进行结合，对人脸目标框进行调整，最终获得人脸真正目标框位置。本发明可以节省数据占用空间，定点运算可以提高处理数据的效率；平行运算可以减少总体运算次数，提高效率和节省时间，达到降低硬件成本和提升人脸检测速度的效果。   专利权的变更
基于多任务级联卷积神经网络的人脸检测方法及检测装置 CN201710291289.0 - 本发明公开了一种基于多任务级联卷积神经网络的人脸检测方法及检测装置，该方法包括：组建级联的多级卷积神经网络；采用人脸正样本、人脸负样本、部分人脸和人脸关键点样本作为训练样本来训练多级卷积神经网络进行人脸分类、人脸区域位置回归以及人脸关键点定位的任务的学习；利用训练好的多级卷积神经网络对待检测图像进行人脸检测；其中，在训练阶段，同时采用在线方式和离线两种方式结合来挖掘难的人脸负样本作为训练样本。本发明基于级联的多级卷积神经网络，能够学习到鲁棒性更强的特征，同时采用在线方式和离线方式两种挖掘难的负样本的方式，能提高网络的分类能力，从而提高网络的检测能力和准确率，并保证该方法在实际产品中的运行速度。 专利申请的驳回
基于多图像输入的人脸识别方法及装置 CN201611145649.8 - 本发明公开了一种基于多图像输入的人脸识别方法及装置，该方法包括：接收待识别对象对应的多个人脸图像；经多图像共享网络参数对接收的多个人脸图像进行特征提取得到中间特征；对中间特征进行特征合并及融合，得到多图像融合特征；计算多图像融合特征与预设模板照特征的距离阈值，根据该距离阈值得到人脸识别结果。本发明人脸识别方法提高了在监控等非限制性环境下利用多人脸图像作为输入进行人脸识别的准确性，且基于多图像共享网络参数可以一次性生成多张人脸图像融合后的特征向量，较传统单独提取各人脸图像的特征向量相比，运行效率及特征稳定性均得到有效改善，具有广泛的推广应用价值。 专利申请的驳回
多人脸跟踪方法及跟踪系统 CN201611145627.1 2020-04-21 本发明公开了一种多人脸跟踪方法及跟踪系统，本发明方法包括：根据初始帧图像建立多个人脸跟踪模型，多个人脸跟踪模型与多个人脸目标一一对应；采用单人脸跟踪算法分别对多个人脸目标进行跟踪；跟踪过程中对多个人脸跟踪模型进行更新；采用更新后的多个人脸跟踪模型及单人脸跟踪算法进行多个人脸目标的连续跟踪。通过对每个人脸目标建立对应的人脸跟踪模型以及定期的人脸跟踪模型更新实现了长期的多人脸跟踪，并且通过人脸跟踪模型的更新，提高了多人脸跟踪的准确性及跟踪响应速度，适用于安防监控领域多人脸的长时间跟踪，具有广泛的推广应用价值。 专利权的变更
基于现场照和证件照的人脸识别方法及识别装置 CN201611015745.0 2019-06-21 本发明公开了一种基于现场照和证件照的人脸识别方法及识别装置，该方法包括：建立训练数据；训练数据预处理；采用DCNN对第一数据集对应的预处理后的数据进行收敛训练得到第一网络参数模型；对第一网络参数模型的参数利用第二数据集对应的预处理后的数据进行收敛训练得到第二网络参数模型；采用第二网络参数模型对第二数据集对应的预处理后的数据提取特征，同一图像数据对应的多个patch的特征连在一起作为输入，输出预设维数的特征向量，并以基于度量学习的误差函数进行训练，得到第三网络参数模型；第三网络参数模型中输入现场照、证件照对应的预处理后的数据得到第一、二特征向量，根据二者距离判断证件照与现场照的相似度。 专利权的变更
证件照去除网格水印的方法及装置、人脸验证方法及装置 CN201611015748.4 2019-12-13 本发明公开了一种证件照去除网格水印的方法及装置、人脸验证方法及装置，该方法包括：获取待人脸识别认证的证件照，证件照上的人脸处覆盖有固定网格水印；获取固定网格水印模板，固定网格水印模板基于多个带固定网格水印的证件照经水印解析图像处理算法生成；通过固定网格水印模板对待人脸识别认证的证件照进行去除固定网格水印处理，还原原始证件照的人脸信息。通过固定网格水印模板对证件照去除固定网格水印处理，相较于传统的深度学习方法去除网格水印，具有处理效率高、耗时短的优点，且水印信息去除更为彻底，从而利用提高后续人脸认证的可靠性。 专利权的变更
人脸识别快速检索方法及装置 CN201610125398.0 2019-10-29 本发明公开了一种人脸识别快速检索方法及装置，该方法包括：建立样本数据库，将样本数据进行二值化转换并Hash映射至多个Hash表中；对待查询样本的特征数据同样进行二值化转换并利用建立样本数据库采用的Hash函数投影得到二值码序列，并将多个Hash表中匹配的样本从Hash表的对应桶中抽取出来进行归并排序；计算待查询样本的二值特征与经归并排序后的有效样本的二值特征的海明距离；将海明距离小于设定阈值的有效样本与待查询样本进行1:1精确比对，得到最相似样本数据。通过分级查询，大幅减小检索量，且大大减少了浮点计算量，检索效率高，且该检索方案适应性强、应用范围广，具有较好的推广价值。 专利权的变更