一种带有双采样机制和多分支并行训练的3D人脸识别系统技术方案

本发明专利技术公开了一种带有双采样机制和多分支并行训练的3D人脸识别系统，其特征在于，包括：端到端主干网络PointMLP，进一步包括点云下采样模块RSFPS、法向估计模块、Embeding层、N个残差MLP层、FC BN RELU层、Dropout层以及FC层；端到端网络训练模块。本发明专利技术提出双采样机制，不仅在Res

【技术实现步骤摘要】
一种带有双采样机制和多分支并行训练的3D人脸识别系统


[0001]本专利技术涉及一种3D人脸识别系统，属于人工智能
‑
3D人脸识别


技术介绍

[0002]人脸识别技术作为一种有效的非接触式身份验证在医疗、金融、工业生产等领域具有极其广泛的应用。目前，3D人脸识别技术越来越流行，成为研究和应用的热点。3D人脸识别相比于传统的2D人脸识别多一维深度信息，对于光照、表情、姿态变化、活体检测具有更好的鲁棒性。但是，目前的3D人脸识别算法的采样精度不高且训练效率低下。

技术实现思路

[0003]本专利技术要解决的技术问题是：目前的3D人脸识别算法的采样精度不高且训练效率低下。
[0004]为了解决上述计算问题，本专利技术的技术方案是提供了一种带有双采样机制和多分支并行训练的3D人脸识别系统，其特征在于，包括：
[0005]端到端主干网络PointMLP，进一步包括点云下采样模块RSFPS、用于对点云下采样模块RSFPS的输出进行法向估计的法向估计模块、用于对法向估计模块输出的特征进行处理的Emb本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种带有双采样机制和多分支并行训练的3D人脸识别系统，其特征在于，包括：端到端主干网络PointMLP，进一步包括点云下采样模块RSFPS、用于对点云下采样模块RSFPS的输出进行法向估计的法向估计模块、用于对法向估计模块输出的特征进行处理的Embeding层、用于依次对Embeding层的输出进行处理的N个残差MLP层、用于对N个残差MLP层输出的特征进行处理的FC BN RELU层、用于对FC BN RELU层进行处理的Dropout层以及用于对Dropout层输出的特征进行处理并获得最终分类结果的FC层，N≥2，其中：点云下采样模块RSFPS输入点集输出点集则有：则有：式中，Γ
j
∈S表示被点云下采样模块RSFPS选中的点，Γ
i
∈Γ表示迭代过程中筛选的点，d(
·
)表示欧式距离，e
j
是Γ
j
的特征值，p为权重因子，λ
i
为权重，R为有效半径；端到端网络训练模块，用于对自适应下采样分支微网络ADP
‑
CLA以及端到端主干网络PointMLP进行并行训练，由自适应下采样分支微网络ADP
‑
CLA以及端到端主干网络PointMLP构成总网络Res
‑
GLNet，其中，有N个自适应下采样分支微网络ADP
‑
CLA，第n个自适应下采样分支微网络ADP
‑
CLA的输入为第n个残差MLP层的输入，输入第n个自适应下采样分支微网络ADP
‑
CLA的点云坐标通过自适应下采样分支微网络ADP
‑
CLA得到转换维度后的坐标，将每个点所有维度的值进行求和取平均，保留在平均值以上的点并反馈给第n个残差MLP层，作为第n个残差MLP层的额外的输入，同时，自适应下采样分支微网络ADP
...

【专利技术属性】
技术研发人员：袁三男，吴立新，蔡梦园，黄勇，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：