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！

龙图腾网获悉桂林电子科技大学申请的专利一种身份识别方法、装置、系统以及存储介质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：CN116434300B 。

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：202310265303.5，技术领域涉及：G06V40/16；该发明授权一种身份识别方法、装置、系统以及存储介质是由林乐平;陈锦威;蔡晓东设计研发完成，并于2023-03-17向国家知识产权局提交的专利申请。

本一种身份识别方法、装置、系统以及存储介质在说明书摘要公布了：本发明提供一种身份识别方法、装置、系统以及存储介质，属于身份识别领域，方法包括：对待识别行人图片进行人脸提取得到待识别人脸图片；对待识别行人图片以及待识别人脸图片进行特征提取得到待识别行人特征以及待识别人脸特征；根据待识别人脸特征以及待识别行人特征对深度全连接神经网络进行训练得到训练后深度全连接神经网络。本发明相比于单用人脸或行人，目标身份识别准确率更高，且深度挖掘了人脸与行人特征信息间的关联性，实现了二者更有效的融合，从而进一步提高了监控场景下目标身份识别的准确性和可靠性。

本发明授权一种身份识别方法、装置、系统以及存储介质在权利要求书中公布了：1.一种身份识别方法，其特征在于，包括如下步骤： 导入多个待识别行人图片，并对各个所述待识别行人图片进行人脸提取，得到与各个所述待识别行人图片对应的待识别人脸图片； 分别对各个所述待识别行人图片以及各个所述待识别人脸图片进行特征提取，得到与各个所述待识别行人图片对应的多个待识别行人特征以及与各个所述待识别人脸图片对应的待识别人脸特征； 构建深度全连接神经网络，并根据各个所述待识别人脸特征以及与各个所述待识别行人图片对应的多个待识别行人特征对所述深度全连接神经网络进行训练，得到训练后深度全连接神经网络； 导入携带行人身份信息的多个原始行人图片，通过所述训练后深度全连接神经网络和多个所述原始行人图片对各个所述待识别人脸特征以及与各个所述待识别行人图片对应的多个待识别行人特征进行身份识别，得到身份识别结果； 所述根据各个所述待识别人脸特征以及与各个所述待识别行人图片对应的多个待识别行人特征对所述深度全连接神经网络进行训练，得到训练后深度全连接神经网络的过程包括： 通过所述深度全连接神经网络分别对各个所述待识别人脸特征以及与各个所述待识别行人图片对应的多个待识别行人特征进行映射，得到与各个所述待识别人脸特征对应的映射后待识别人脸特征组以及与各个所述待识别行人特征对应的映射后待识别行人特征组； 分析各个所述映射后待识别人脸特征组以及与各个所述待识别行人特征对应的映射后待识别行人特征组的损失函数，得到损失函数； 根据所述损失函数对所述深度全连接神经网络进行参数更新，得到训练后深度全连接神经网络； 所述分析各个所述映射后待识别人脸特征组以及与各个所述待识别行人特征对应的映射后待识别行人特征组的损失函数，得到损失函数的过程包括： 通过所有所述映射后待识别人脸特征组构建得到人脸特征矩阵； 按照所述待识别行人特征的个数将所有所述映射后待识别行人特征组进行划分，并分别通过划分后的映射后待识别行人特征组构建与各个所述待识别行人特征对应的行人特征矩阵； 通过第一式对所述人脸特征矩阵、多个所述行人特征矩阵、所有所述映射后待识别人脸特征组以及所有所述映射后待识别行人特征组进行张量计算，得到构造张量，所述第一式为： 其中， 其中， 其中，M为构造张量，C为协方差矩阵，为人脸特征矩阵或第r-1个行人特征矩阵的内协方差中心矩阵，k为人脸特征矩阵与行人特征矩阵的总数，为第r个更新后秩1张量，为人脸特征矩阵或第r-1个行人特征矩阵的中心化矩阵，frXr为人脸特征矩阵或第r-1个行人特征矩阵，H为中心矩阵，为人脸特征矩阵对应的第i个映射后待识别人脸中心化特征或第r-1个行人特征矩阵对应的第i个映射后待识别行人中心化特征，为人脸特征矩阵对应的映射后待识别人脸特征组中第i个映射后待识别人脸特征或第r-1个行人特征矩阵对应的映射后待识别行人特征组中第i个映射后待识别行人特征，为向量外积，In为n阶单位矩阵，1n为长度为n的全1向量； 通过交替最小二乘算法对所述构造张量进行分解，得到归一化系数以及多个更新后秩1张量； 通过第二式计算所述构造张量、所述归一化系数以及多个所述更新后秩1张量的损失函数，得到损失函数，所述第二式为： 其中， 其中，loss为损失函数，||||为F范数，M为构造张量，为秩1逼近张量，C为协方差矩阵，为人脸特征矩阵或第r-1个行人特征矩阵的内协方差中心矩阵，k为人脸特征矩阵与行人特征矩阵的总数，为第r个更新后秩1张量，为人脸特征矩阵或第r-1个行人特征矩阵的中心化矩阵，fX为人脸特征矩阵或第r-1个行人特征矩阵，H为中心矩阵，为人脸特征矩阵对应的第i个映射后待识别人脸中心化特征或第r-1个行人特征矩阵对应的第i个映射后待识别行人中心化特征，λ为归一化系数，为向量外积。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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”。

以上内容由龙图腾AI智能生成。