公开(公告)号：CN111860266A

公开(公告)日：2020-10-30

申请号：CN202010667119.X

申请日：2020-07-13

Applicant: 南京理工大学

Inventor： 朱淑敏 ,  钱建军 ,  杨健

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于深度特征的伪装人脸识别方法，包括以下步骤：构建第一训练样本集，训练面部遮挡检测模型；构建第二训练样本集，训练人脸识别模型；基于DFW的训练集和训练好的人脸识别模型，获取降维转换矩阵；基于降维转换矩阵和训练好的人脸识别模型，实现伪装人脸识别。本发明通过给训练集中的图片增加真实遮挡，增加了训练集样本的多样性，提高了人脸识别模型的泛化能力；同时提出多尺度残差块，采用不同的非线性变换来结合特征，促使人脸识别模型能够提取更加丰富的伪装人脸特征；此外将对齐人脸特征与未对齐人脸特征相结合，能消除姿态变换对人脸识别的影响，提高特征表示在伪装人脸验证中的识别能力，相比于现有方法，具有更好的性能。

公开(公告)号：CN111860266B

公开(公告)日：2022-09-30

申请号：CN202010667119.X

申请日：2020-07-13

Applicant: 南京理工大学

Inventor： 朱淑敏 ,  钱建军 ,  杨健

IPC: G06V40/16 ,  G06V10/74 ,  G06V10/774 ,  G06V10/77

Abstract: 本发明公开了一种基于深度特征的伪装人脸识别方法，包括以下步骤：构建第一训练样本集，训练面部遮挡检测模型；构建第二训练样本集，训练人脸识别模型；基于DFW的训练集和训练好的人脸识别模型，获取降维转换矩阵；基于降维转换矩阵和训练好的人脸识别模型，实现伪装人脸识别。本发明通过给训练集中的图片增加真实遮挡，增加了训练集样本的多样性，提高了人脸识别模型的泛化能力；同时提出多尺度残差块，采用不同的非线性变换来结合特征，促使人脸识别模型能够提取更加丰富的伪装人脸特征；此外将对齐人脸特征与未对齐人脸特征相结合，能消除姿态变换对人脸识别的影响，提高特征表示在伪装人脸验证中的识别能力，相比于现有方法，具有更好的性能。