[發(fā)明專利]一種跨光譜人臉識別方法、裝置、電子設(shè)備及其存儲介質(zhì)有效
| 申請?zhí)枺?/td> | 202010162753.8 | 申請日： | 2020-03-10 |
| 公開（公告）號： | CN111539246B | 公開（公告）日： | 2023-04-07 |
| 發(fā)明（設(shè)計(jì)）人： | 龐遼軍;曹志誠;胡嘉鈺;趙恒 | 申請（專利權(quán)）人： | 西安電子科技大學(xué);西安西電信安智能科技有限公司 |
| 主分類號： | G06V40/16 | 分類號： | G06V40/16;G06V10/46;G06V10/82;G06T5/00;G06N3/0464;G06N3/048;G06N3/084 |
| 代理公司： | 西安嘉思特知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61230 | 代理人： | 李園園 |
| 地址： | 710000 陜*** | 國省代碼： | 陜西;61 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 光譜 識別 方法 裝置 電子設(shè)備 及其 存儲 介質(zhì) | ||
1.一種跨光譜人臉識別方法，其特征在于，包括：
獲取可見光人臉圖像集、紅外人臉圖像集，所述紅外人臉圖像集包括遠(yuǎn)紅外人臉噪聲圖像集、近紅外人臉干凈圖像集；
對所述可見光人臉圖像集、所述遠(yuǎn)紅外人臉噪聲圖像集和所述近紅外人臉干凈圖像集進(jìn)行預(yù)處理得到可見光人臉預(yù)處理圖像集、遠(yuǎn)紅外人臉預(yù)處理噪聲圖像集和近紅外人臉預(yù)處理干凈圖像集；
根據(jù)所述遠(yuǎn)紅外人臉預(yù)處理噪聲圖像集和所述近紅外人臉預(yù)處理干凈圖像集得到紅外人臉訓(xùn)練圖像對集；
構(gòu)建紅外人臉圖像去噪網(wǎng)絡(luò)模型，根據(jù)紅外人臉訓(xùn)練圖像對集對所述紅外人臉圖像去噪網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到訓(xùn)練好的紅外人臉圖像去噪網(wǎng)絡(luò)模型；
將所述遠(yuǎn)紅外人臉噪聲圖像集輸入至所述訓(xùn)練好的紅外人臉圖像去噪網(wǎng)絡(luò)模型得到去噪后的紅外人臉圖像集；
對所述可見光人臉圖像集和所述去噪后的紅外人臉圖像集進(jìn)行人臉識別以實(shí)現(xiàn)跨光譜人臉識別。
2.根據(jù)權(quán)利要求1所述的跨光譜人臉識別方法，其特征在于，對所述可見光人臉圖像集、所述遠(yuǎn)紅外人臉噪聲圖像集和所述近紅外人臉干凈圖像集進(jìn)行預(yù)處理得到可見光人臉預(yù)處理圖像集、遠(yuǎn)紅外人臉預(yù)處理噪聲圖像集和近紅外人臉預(yù)處理干凈圖像集，包括：
對所述可見光人臉圖像集進(jìn)行灰度轉(zhuǎn)換、歸一化處理得到所述可見光人臉預(yù)處理圖像集；
對所述遠(yuǎn)紅外人臉噪聲圖像集和所述近紅外人臉干凈圖像集進(jìn)行圖像增強(qiáng)、歸一化處理得到所述紅外人臉預(yù)處理噪聲圖像集和所述近紅外人臉預(yù)處理干凈圖像集。
3.根據(jù)權(quán)利要求1所述的跨光譜人臉識別方法，其特征在于，根據(jù)所述遠(yuǎn)紅外人臉預(yù)處理噪聲圖像集和所述近紅外人臉預(yù)處理干凈圖像集得到紅外人臉訓(xùn)練圖像對集，包括：
對所述遠(yuǎn)距離紅外人臉預(yù)處理噪聲圖像集進(jìn)行噪聲特征提取得到遠(yuǎn)距離紅外人臉噪聲集；
將所述遠(yuǎn)距離紅外人臉噪聲集與所述近距離紅外預(yù)處理干凈圖像集進(jìn)行相加處理得到短距離紅外預(yù)處理噪聲圖像集；
由所述近距離紅外人臉預(yù)處理干凈圖像集和所述近距離紅外人臉預(yù)處理噪聲圖像集組成所述紅外人臉訓(xùn)練圖像對集。
4.根據(jù)權(quán)利要求1所述的跨光譜人臉識別方法，其特征在于，構(gòu)建的紅外人臉圖像去噪網(wǎng)絡(luò)模型主體結(jié)構(gòu)采用VGG網(wǎng)絡(luò)結(jié)構(gòu)，并在所述VGG網(wǎng)絡(luò)結(jié)構(gòu)中加入多尺度特征融合模塊、殘差密集模塊、卷積模塊，其中，
所述多尺度特征融合模塊采用多個卷積激活層并聯(lián)方式，每個所述卷積激活層包括一卷積層和一激活層，且每個所述卷積激活層中卷積層的卷積核大小不同；
所述殘差密集模塊包括三個依次連接的殘差密集塊，每個所述殘差密集塊包括三個依次連接的子殘差密集塊，每個子殘差密集塊包括依次連接的一卷積層、一批量歸一化層和一激活層，且每個所述殘差密集塊中卷積層的卷積核大小相同；
所述卷積模塊采用多個卷積層級聯(lián)方式，且每個所述卷積層的卷積核大小不同；
所述多尺度特征融合模塊中每個卷積激活層的輸出均通過第一多尺度拼接層與所述殘差密集模塊連接，所述殘差密集模塊中每個殘差密集塊通過第二多尺度拼接層與所述卷積模塊連接。
5.根據(jù)權(quán)利要求4所述的跨光譜人臉識別方法，其特征在于，所述三個子殘差密集塊中第一個殘差密集塊的輸入與第一個子殘差密集塊的輸出、第二個子殘差密集塊的輸出、第三個子殘差密集塊的輸出連接，所述第二個殘差密集塊的輸入與所述第二個子殘差密集塊的輸出、所述第三個子殘差密集塊的輸出連接，所述第三個殘差密集塊的輸入與所述第三個子殘差密集塊的輸出連接，所述第三個子殘差密集塊的輸出與所述第二多尺度拼接層連接。
6.根據(jù)權(quán)利要求1所述的跨光譜人臉識別方法，其特征在于，根據(jù)紅外人臉訓(xùn)練圖像對集對所述紅外人臉圖像去噪網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到訓(xùn)練好的紅外人臉圖像去噪網(wǎng)絡(luò)模型，包括：
構(gòu)建基于MSE+Gradient+SSIM的復(fù)合損失函數(shù)；
根據(jù)紅外人臉訓(xùn)練圖像對集并利用所述基于MSE+Gradient+SSIM的復(fù)合損失函數(shù)對所述紅外人臉圖像去噪網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到所述訓(xùn)練好的紅外人臉圖像去噪網(wǎng)絡(luò)模型。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于西安電子科技大學(xué);西安西電信安智能科技有限公司，未經(jīng)西安電子科技大學(xué);西安西電信安智能科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202010162753.8/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
