【技术实现步骤摘要】
本专利技术涉及的是一种人脸识别领域的技术，具体是一种基于毫米波多人零样本的人脸识别方法。
技术介绍
1、基于毫米波雷达的人脸识别技术受限于有限天线数量、低分辨率、稀疏点云和环境干扰。多人情境下的面部分割、毫米波信号的敏感性和大数据集对模型训练的重要性，构成技术上的挑战。在小型数据集上训练的模型难以完整捕捉人脸特征，使其在面对新的人脸类别时面临巨大挑战。克服这些问题需要综合硬件和算法创新。现有基于毫米波4d雷达的人脸识别技术无法解决因为距离、角度和环境变化而导致误差问题、无法提取更加精细的面部语义特征的同时，无法做到隐私保护、无法解决零样本的开放集识别问题。
技术实现思路
1、本专利技术针对现有技术存在的上述不足，提出一种基于毫米波多人零样本的人脸识别方法，利用毫米波技术，具有零样本学习能力，可以用于机场安检、公共交通、金融机构等多个领域，提高安全性和便捷性。
2、本专利技术是通过以下技术方案实现的：
3、本专利技术涉及一种基于毫米波多人零样本的人脸识别方法，在离线阶段通过构造包括可变形卷积分支和注意力感知分支的神经网络，并以点集配准算法(cpd)处理后的聚类点云数据作为训练集对神经网络进行训练；并在在先阶段采用训练后的神经网络进行实时人脸识别。
4、本专利技术涉及一种实现上述方法的系统，包括：信号预处理单元、数据后处理单元、模型构建单元、特征提取单元和用户认证单元，其中：信号预处理单元根据毫米波雷达采集到的信号进行三次fft处理，得到原始数据立方
5、技术效果
6、与现有技术相比，本专利技术使用稀疏点云数据来获取空间信息，从而可以用于人脸分割和人脸对齐等任务。稀疏点云数据的使用还带来计算速度的提升，因为处理稀疏数据通常更加高效。本专利技术仅使用根据fmcw波本身的性质设计的自适应带通滤波器完成对数据的降噪，这意味着在数据预处理过程中不需要额外的复杂降噪方法，从而简化处理流程。本专利技术在特征提取方面充分利用点云数据的2.5d分层信息和球坐标系下的三维空间信息。球坐标系下的点云数据隐含一种注意力机制，更加注重雷达探测范围内的信息，这更符合雷达硬件的特性，可以提高检测和识别的准确性。
本文档来自技高网...【技术保护点】
1.一种基于毫米波多人零样本的人脸识别方法，其特征在于，在离线阶段通过构造包括可变形卷积分支和注意力感知分支的神经网络，并以点集配准算法处理后的聚类点云数据作为训练集对神经网络进行训练；并在在先阶段采用训练后的神经网络进行实时人脸识别。
2.根据权利要求1所述的基于毫米波多人零样本的人脸识别方法，其特征是，所述的训练集，通过以下方式得到：
3.根据权利要求1所述的基于毫米波多人零样本的人脸识别方法，其特征是，所述的神经网络为伪孪生骨干网络，包括：由可变形三维卷积残差块构成的可变形卷积分支、由分层注意力残差块构成的注意力感知分支和若干全连接层，其中：雷达输入矩阵X分别经过可变形卷积分支特征提取得到人脸三维特征向量x1，经过注意力感知分支得到人脸层次化二维特征向量x2；经全连接层分别将特征x1和特征x2进行自学习特征融合得到输出特征向量x。
4.根据权利要求3所述的基于毫米波多人零样本的人脸识别方法，其特征是，所述的可变形三维卷积残差块中的卷积核，通过可学习的ΔH,ΔW,ΔD三个偏移量，分别沿高度、宽度和深度三个方向移动其采样点，具体为：其中：p0
5.根据权利要求3所述的基于毫米波多人零样本的人脸识别方法，其特征是，所述的分层注意力残差块将输入特征图依次与一维通道注意力图和二维空间注意力图逐元素相乘，得到输出特征图，具体为：输出特征图其中：x为输入特征图，Mc为一维通道注意力图，Ms为二维空间注意力图，表示逐元素相乘，在矩阵逐元素相乘的过程中，如果矩阵的维度不匹配，则遵循广播原则。
6.根据权利要求1所述的基于毫米波多人零样本的人脸识别方法，其特征是，所述的训练，是指：主干网络的输出特征向量x通过多分类器和Guardian Loss损失函数以进一步增强特征向量开放集识别能力，具体包括：
7.一种实现权利要求1-6中任一所述方法的基于毫米波多人零样本的人脸识别系统，包括：信号预处理单元、数据后处理单元、模型构建单元、特征提取单元和用户认证单元，其中：信号预处理单元根据毫米波雷达采集到的信号进行三次FFT处理，得到原始数据立方体；数据后处理单元根原始数据立方体，进行多人人脸分割和人脸对齐，得到处理后的点云数据；模型构建单元根据点云数据和对应的label构建神经网络模型；特征提取单元在实时监测阶段将处理后的点云数据输入构建得到的神经网络模型中，得到对应的特征向量；用户认证单元在认证阶段根据特征向量与已注册用户对应特征向量进行比对，确定该用户是已注册用户还是非注册用户。
...【技术特征摘要】
1.一种基于毫米波多人零样本的人脸识别方法，其特征在于，在离线阶段通过构造包括可变形卷积分支和注意力感知分支的神经网络，并以点集配准算法处理后的聚类点云数据作为训练集对神经网络进行训练；并在在先阶段采用训练后的神经网络进行实时人脸识别。
2.根据权利要求1所述的基于毫米波多人零样本的人脸识别方法，其特征是，所述的训练集，通过以下方式得到：
3.根据权利要求1所述的基于毫米波多人零样本的人脸识别方法，其特征是，所述的神经网络为伪孪生骨干网络，包括：由可变形三维卷积残差块构成的可变形卷积分支、由分层注意力残差块构成的注意力感知分支和若干全连接层，其中：雷达输入矩阵x分别经过可变形卷积分支特征提取得到人脸三维特征向量x1，经过注意力感知分支得到人脸层次化二维特征向量x2；经全连接层分别将特征x1和特征x2进行自学习特征融合得到输出特征向量x。
4.根据权利要求3所述的基于毫米波多人零样本的人脸识别方法，其特征是，所述的可变形三维卷积残差块中的卷积核，通过可学习的δh,δw,δd三个偏移量，分别沿高度、宽度和深度三个方向移动其采样点，具体为：其中：p0是输出特征图y上的某个位置，pn表示使用3d卷积核采样的点，δpn表示δh,δw,δd中第n个值对应的偏移，n是采样卷积核的大小。
5.根据权利...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。