【技术实现步骤摘要】
本专利技术涉及人工智能，具体涉及一种基于机器学习的3d人脸特征处理与识别方法。
技术介绍
1、随着信息技术的发展，3d人脸识别技术因其提供的深度与几何信息而变得日益重要，被广泛应用于各种安全认证与个人身份验证系统中，如移动支付、门禁控制与侦查等。3d人脸识别技术相对于传统的基于2d图像的人脸数据采集，能够更有效地处理光照、姿态与表情变化的影响，但其实现仍面临诸多挑战。主要问题包括如何从复杂的3d特征点数据中高效准确地提取有用的特征，以及如何处理与识别来自不同人群、不同角度与设备的数据。
2、为了高效准确地提取有用的特征、更有效地处理与识别来自不同人群、不同角度与设备的数据，申请公布号为cn117392017a，主题名称为“一种基于特征点与可变形混合注意力的对抗网络的面部修复方法”的申请文件公布了一种基于特征点与可变形混合注意力的对抗网络的面部修复方法，来提高人脸图像的修复质量的方法。通过基于mobilenetv3网络的人脸特征点预测模型能够准确预测不同角度的人脸特征点，通过u形网络结构结合可变形混合注意力来构成生成模型，判别...
【技术保护点】
1.一种基于机器学习的3D人脸特征处理与识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器学习的3D人脸特征处理与识别方法，其特征在于，所述S2中训练数据扩充模型包括：
3.根据权利要求2所述的一种基于机器学习的3D人脸特征处理与识别方法，其特征在于，所述S202中所述生成样本数据的特征向量的条件均值与所述生成样本数据的特征向量的协方差的计算公式分别为：
4.根据权利要求3所述的一种基于机器学习的3D人脸特征处理与识别方法，其特征在于，所述的计算公式为：
5.根据权利要求2所述的一种基于机器学习的3D人脸...
【技术特征摘要】
1.一种基于机器学习的3d人脸特征处理与识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器学习的3d人脸特征处理与识别方法，其特征在于，所述s2中训练数据扩充模型包括：
3.根据权利要求2所述的一种基于机器学习的3d人脸特征处理与识别方法，其特征在于，所述s202中所述生成样本数据的特征向量的条件均值与所述生成样本数据的特征向量的协方差的计算公式分别为：
4.根据权利要求3所述的一种基于机器学习的3d人脸特征处理与识别方法，其特征在于，所述的计算公式为：
5.根据权利要求2所述的一种基于机器学习的3d人脸特征处理与识别方法，其特征在于，所述s203中所述计算公式为：
6.根据权利要求1~5任一项所述的一种基于机器学习的3d人脸特征处理与识别方法，其特征在于，所述s3中训练所述特征提取模型...
【专利技术属性】
技术研发人员：黄智，周加金，王静姣，
申请(专利权)人：浙江久婵物联科技有限公司，
类型：发明
国别省市：
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。