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！

龙图腾网获悉徐州市广联科技有限公司申请的专利基于深度可分离卷积与加性角度间隔损失的人脸识别方法及装置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：CN115393928B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202210942319.0，技术领域涉及：G06V40/16；该发明授权基于深度可分离卷积与加性角度间隔损失的人脸识别方法及装置是由陈浩;蒋文岩;晁磊;吴丽娜;邵志文;李贺贺;孟奇;安波;周勇;程依凡设计研发完成，并于2022-08-08向国家知识产权局提交的专利申请。

本基于深度可分离卷积与加性角度间隔损失的人脸识别方法及装置在说明书摘要公布了：本发明公开了一种基于深度可分离卷积与加性角度间隔损失的人脸识别方法及装置，从公开的人脸数据集中抽取原始图像组成训练数据集，对原始图像进行预处理，构建深度可分离卷积神经网络模块I提取灰度图像的多尺度区域特征，构建特征金字塔II，构建卷积神经网络模块III特征提取，得到先验框分类预测结果、人脸框回归预测结果及人脸五官的关键点坐标序列预测结果，根据人脸关键点对人脸框进行人脸矫正，构建采用采用加性角度间隔损失函数的卷积神经网络模块IV，提取人脸特征向量，通过计算特征向量间的相似度，匹配人脸身份信息。本发明采用端到端的深度学习框架学习人脸区域检测和特征向量提取，有效提取图片中的人脸特征，实现人脸识别系统构建。

本发明授权基于深度可分离卷积与加性角度间隔损失的人脸识别方法及装置在权利要求书中公布了：1.一种基于深度可分离卷积与加性角度间隔损失的人脸识别方法，其特征在于，包括以下步骤： S1.从公开的人脸数据集中抽取原始图像组成训练数据集，再对所述原始图像进行预处理得到灰度图像，所述原始图像包括包含人脸信息的图片与对应的人脸位置标注信息； S2.构建深度可分离卷积神经网络模块I，提取步骤S1内的灰度图像的多尺度区域特征； 所述深度可分离卷积神经网络模块I包括两个主要网络模块，归一化模块I-I和深度可分离卷积模块I-II；所述深度可分离卷积神经网络模块I的输入为归一化模块I-I的输入，所述归一化模块的输出为所述深度可分离卷积模块I-II的输入，所述深度可分离卷积模块I-II的输出为所述深度可分离卷积神经网络I的输出； 所述归一化模块I-I首先对深度可分离卷积神经网络I的输入通过零填充层I-I-I，将零填充层I-I-I的输出结果输入到卷积核尺寸为2×2的卷积层I-I-II进行卷积，将卷积层I-I-II的输出结果输入到批量归一化层I-I-III，将批量归一化层的输出结果输入到ReLU层，将ReLU层的输出结果输入到通道数为16的深度可分离卷积单位I-I-IV，深度可分离卷积单位I-I-IV的输出即为归一化模块I-I的输出；深度可分离卷积模块I-II由4个深度可分离卷积子模块构成，分别为通道数为32的深度可分离卷积子模块I-II-I，通道数为64的深度可分离卷积子模块I-II-II，通道数为128的深度可分离卷积子模块I-II-III，通道数为256的深度可分离卷积子模块I-II-IV，前一个子模块的输出即为后一个子模块的输入，其中通道数为32的深度可分离卷积子模块I-II-I包含2个深度可分离卷积单位，通道数为64的深度可分离卷积子模块I-II-I包含2个深度可分离卷积单位，通道数为128的深度可分离卷积子模块I-II-I包含6个深度可分离卷积单位，通道数为256的深度可分离卷积子模块I-II-I包含2个深度可分离卷积单位，深度可分离卷积子模块I-II-II的输出C1，深度可分离卷积子模块I-II-III的输出C2，深度可分离卷积子模块I-II-IV的输出C3即为深度可分离卷积神经网络I的网络输出； 所述深度可分离卷积单位I-I-IV、深度可分离卷积子模块I-II-I、所述深度可分离卷积子模块I-II-II、所述深度可分离卷积子模块I-II-III、所述深度可分离卷积子模块I-II-IV由若干深度可分离卷积单位I-III组成，所述深度可分离卷积单位I-III将输入通过一个卷积核尺寸为3×3的卷积层I-III-I，将卷积层I-III-I的输出结果输入到批量归一化层I-III-II，将批量归一化层I-III-II的结果输入到ReLU层I-III-III，将ReLU层I-III-III的输出结果输入到卷积核尺寸为1×1的卷积层I-III-IV，将卷积层I-III-IV的输出结果输入到批量归一化层I-III-V，最后将批量归一化层I-III-V的输出结果输入到ReLU层I-III-VI，ReLU层的输出结果作为深度可分离卷积单位I-III的输出结果； S3.构建特征金字塔II，进行特征融合； 将C1，C2，C3分别输入卷积核尺寸为1×1，通道数为64的卷积层II-I，输出D1，D2，D3，其中D3为特征金字塔II的输出之一P3，将P3与D2相加，输入到卷积层II-II，输出融合特征得到特征金字塔II的输出之一P2，将P2与D1相加，输入到卷积层II-III，输出融合特征得到特征金字塔II的输出之一P1； S4.利用步骤S3得到的融合特征，构建卷积神经网络模块III加强感受野，完成特征提取，得到人脸先验框分类预测结果、人脸框回归预测结果及人脸五官的关键点坐标序列预测结果；利用步骤S3得到的融合特征P1，P2，P3，构建卷积神经网络模块III加强感受野，将P1，P2，P3分别输入卷积核尺寸为3×3的卷积层III-I，将卷积层III-I的输出结果输入到卷积核尺寸为3×3的卷积层III-II，将卷积层III-II的输出结果输入到卷积核尺寸为3×3的卷积层III-III，卷积层III-III的输出结果S1，S2，S3做为卷积果神经网络模块III的输出结果，S1为人脸先验框分类预测结果，S2为人脸框回归预测结果，S3为人脸五官的关键点坐标序列预测结果； S5：根据人脸关键点坐标，比对标准人脸五点关键点坐标，计算仿射变换矩阵，对人脸框进行人脸矫正； S6：构建采用加性角度间隔损失函数的卷积神经网络模块IV，训练网络模型，提取人脸特征向量； S7：将两张给定包含待识别人脸图片分别输入训练好的卷积神经网络模型中，分别得到两张图片所包含人脸的特征向量，计算特征向量间的相似度，比对识别阈值，匹配人脸身份信息。

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徐州市广联科技有限公司，其通讯地址为：221000 江苏省徐州市铜山区安全科技产业园A13栋；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”。

以上内容由龙图腾AI智能生成。