买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜重庆邮电大学申请的专利一种基于对称孪生网络的姿态鲁棒性人脸特征提取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114399825B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210055607.4，技术领域涉及：G06V40/16；该发明授权一种基于对称孪生网络的姿态鲁棒性人脸特征提取方法是由栾晓;丁子彪设计研发完成，并于2022-01-18向国家知识产权局提交的专利申请。

本一种基于对称孪生网络的姿态鲁棒性人脸特征提取方法在说明书摘要公布了：本发明涉及一种基于对称孪生网络的姿态鲁棒性人脸特征提取方法，属于图像处理技术领域。本发明考虑的是现有的深度模型对于侧脸的识别效果不及正脸的识别效果，存在对正脸数据的偏好，从而设计一种对称孪生网络平衡神经网络对侧脸的偏好。本发明通过挑选出侧脸数据，同时构建对称孪生网络，将侧脸数据和所有人脸数据分为两路同时训练网络来平衡神经网络对侧脸数据和近正脸图片偏好，克服训练集中近正脸的人脸图片数量远远多余侧脸图片对深度模型的影响，同时结合对比学习的思想，提取姿态鲁棒性特征。本发明能够提高深度模型对大姿态偏转的人脸识别效果，实现人脸识别中的姿态鲁棒性，促进了相关技术领域的发展。

本发明授权一种基于对称孪生网络的姿态鲁棒性人脸特征提取方法在权利要求书中公布了：1.一种基于对称孪生网络的姿态鲁棒性人脸特征提取方法，其特征在于：该方法包括以下步骤： S1：数据预处理阶段：利用人脸检测网络裁剪出原始图像中处于非限制姿态下的人脸部分，并将切块的尺寸重新拉伸为128×128； S2：侧脸数据选取阶段：利用人脸检测网络检测出的关键点，来估计人脸姿态系数，根据人脸数据集中的人脸偏转角度分布及其对应的人脸姿态系数构建侧脸数据； S3：深度模型结构的构建及其训练阶段：将整个人脸训练数据集和侧脸人脸数据集分离开来训练，确保神经网络更新梯度时，每有两张近正脸图片就有两张侧脸图片，构建对称孪生网络，对称孪生网络由两部分组成:特征一致性学习子网络和身份一致性性学习子网络； S4：姿态鲁棒性人脸特征提取：将一张任意偏转角度的人脸图片输入至网络中，网络的倒数第二层输出结果作为姿态鲁棒性人脸特征； 所述S1包括以下具体步骤： S11：对所有人脸图像数据进行归一化，让整个图像的均值为0，标准差为1，即使原始图像在r,g,b通道上的分布服从正态分布； S12：利用人脸检测网络裁剪出原始图像中处于非限制姿态下的人脸部分，并将该切块的尺寸重新拉伸为128×128，为确保在后续对图片卷积操作后得到的特征图尺寸一致； 所述S2包括以下具体步骤： S21：利用余弦定义估算鼻子与两个眼睛之间的夹角，同时取最小值，将其作为人脸姿态系数； S22：在包含精准的姿态信息的约束条件数据集下，估算出不同角度对应的人脸姿态系数,同时统计出训练集中人脸姿态系数每个偏转角度区间人脸图片的分布；选取特定人脸姿态系数作为阈值，小于该阈值的图片被选取作为侧脸数据； 所述S3包括以下具体步骤： S31：将所有的人脸图片放入特征一致性学习子网络中，输入图片为两个虚拟姿态的人脸图片，特征一致性学习子网络的结构是孪生网络； S32：将所有侧脸数据放入身份一致性性学习子网络中，输入图片为同一个人的不同姿态图片，身份一致性性学习子网络的结构是孪生网络； S33：特征一致性学习子网络和身份一致性性学习子网络权值共享； 所述S31包括以下具体步骤： S311：虚拟姿态的人脸图片由数据增强的方式产生，其中数据增强包括：垂直翻转、旋转和随机裁剪； S312：利用特征一致性损失将孪生网络得到的两个特征向量相似性最大化，保证特征一致性，从而增强判别性特征； 所述S32包括以下具体步骤： S321：将同一个人的不同姿态进行两两组合，从而得到身份一致性的输入； S322：利用身份一致性损失将孪生网络得到的两个特征向量相似性最大化，保证特征一致性，从而增强判别性特征； 所述S33包括以下具体步骤： S331：权值共享保证特征一致性学习子网络和身份一致性性学习子网络共同训练，从而保证网络参数每次更新时有侧脸数据的参入。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。