一种蒙面人脸识别方法技术

本发明专利技术属于人工智能技术领域，公开了一种蒙面人脸识别方法，包括如下步骤：S1：根据非蒙面人脸图像数据，获取蒙面人脸图像数据集；S2：基于神经网络、置信度适应机制以及多帧聚类预测机制，使用蒙面人脸图像数据集，建立蒙面识别模型；S3：实时获取现场视频，并根据现场视频，使用蒙面识别模型进行识别，得到识别结果。本发明专利技术解决了现有技术存在的识别效果低、识别效率低、人脸识别神经网络结构复杂以及受场景影响大的问题。

【技术实现步骤摘要】
一种蒙面人脸识别方法
本专利技术属于人工智能
，具体涉及一种蒙面人脸识别方法。
技术介绍
社会安全愈发受重视，蒙面分子的身份认证变得特别重要，虽然各地有安装了一些视频监控，但是由于视频监控环境复杂，既有人群密度、运动离散等原因，也有成像环境等原因，给庞大监控下的蒙面分子人脸身份识别带来极大的现实挑战。随着经济的发展，口罩人脸识别需求也变得异常突出。很多头部厂商都针对性开发口罩遮挡下的人脸识别算法。但各家厂商的算法研究成果都不尽相同，识别准确率也参差不齐。但基本上都是应用于闸机/人脸考勤等相对静止的近距离的识别场景。现有技术存在的缺点：在人脸识别领域中，佩戴口罩/面罩属于大面积人脸遮挡，一直以来都是公认难题，难点主要体现在以下四点：1)人脸识别算法主要依据人脸面部特征进行身份判定，佩戴口罩进行识别时，算法无法准确检测人脸位置、定位五官关键点，大大降低了识别效果。2)人脸识别算法使用的深度学习技术依赖海量的训练数据，短期内难以收集到大量佩戴口罩照片，并进行人工标注，识别效率低；3)人脸识本文档来自技高网...

【技术保护点】
1.一种蒙面人脸识别方法，其特征在于：包括如下步骤：/nS1：根据非蒙面人脸图像数据，获取蒙面人脸图像数据集；/nS2：基于神经网络、置信度适应机制以及多帧聚类预测机制，使用蒙面人脸图像数据集，建立蒙面识别模型；/nS3：实时获取现场视频，并根据现场视频，使用蒙面识别模型进行识别，得到识别结果。/n

【技术特征摘要】
1.一种蒙面人脸识别方法，其特征在于：包括如下步骤：
S1：根据非蒙面人脸图像数据，获取蒙面人脸图像数据集；
S2：基于神经网络、置信度适应机制以及多帧聚类预测机制，使用蒙面人脸图像数据集，建立蒙面识别模型；
S3：实时获取现场视频，并根据现场视频，使用蒙面识别模型进行识别，得到识别结果。


2.根据权利要求1所述的一种蒙面人脸识别方法，其特征在于：所述步骤S1中，使用多样和交互的面部图像操作MaskGAN方法对非蒙面人脸图像数据进行处理，得到蒙面人脸图像数据集。


3.根据权利要求1所述的一种蒙面人脸识别方法，其特征在于：所述步骤S2中，所述神经网络为残差网络，所述残差网络设置有LSTM长短时记忆模块，所述LSTM长短时记忆模块设置有遗忘门。


4.根据权利要求3所述的一种蒙面人脸识别方法，其特征在于：所述步骤S2中，所述遗忘门的公式为：
ft＝σ(Wf·[ht-1，xt]+bf)
式中，ft为遗忘门函数；σ(*)为sigmoid激活函数；ht-1为前一个时间步(t-1)的输出；t为时间步指示量；xt为当前时间步的输入；bf为卷积层偏置项；Wf为卷积层权重。


5.根据权利要求1所述的一种蒙面人脸识别方法，其特征在于：所述步骤S2中，所述神经网络的输出公式为：



式中，oij为经过注意力加权后的输出特征；αij为归一化后的注意力权重；i为注意力指示量；j为单向时间步；n为单向时间步数；hj为各个时间步的输出。


6.根据权利要求1所述的一种蒙面人脸识别方法，其特征在于：所述步骤S2的具体步骤为：
S2-1：将蒙面人脸图像数据集分为训练集和测试集；
S2-2：使用训练集对神经网络进行训练，得到初始的蒙面识别模型；
S2-3：将置信度适应机制和多帧聚类预测机制加入初始的蒙面识别模型，并使用测试集对初始的蒙面识别模型进行优化，得到并输出...

【专利技术属性】
技术研发人员：苏文烈，
申请(专利权)人：广州市微智联科技有限公司，
类型：发明
国别省市：广东;44