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！

龙图腾网获悉西安交通大学申请的专利基于多注意力多尺度特征学习的遮挡人脸识别方法和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：CN115862097B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202211493911.3，技术领域涉及：G06V40/16；该发明授权基于多注意力多尺度特征学习的遮挡人脸识别方法和装置是由杨新宇;张硕;胡冠宇;宋怡馨;魏洁;张与弛;曹至欣;郭靖宜设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本基于多注意力多尺度特征学习的遮挡人脸识别方法和装置在说明书摘要公布了：本发明公开了一种基于多注意力多尺度特征学习的遮挡人脸识别方法和装置。该方法基于通道注意力和空间注意力机制，削减遮挡物对人脸识别的影响，解决有遮挡情况下人脸识别准确率降低的问题。首先在传统卷积神经网络的基础上添加多层次注意力网络，提取人脸图像的通道注意力图和空间注意力图；其次，构建多尺度特征融合器，整合人脸图像的局部与全局信息；接下来，通过遮挡掩码生成器定位遮挡区域并生成遮挡掩码，削减遮挡区域的影响；最后，通过一个多任务学习网络进行遮挡类别的分类和人脸身份的分类，得到最终的人脸识别结果。本发明简单且易于实现，模型深度较浅开销较低，实现遮挡人脸准确识别的同时保证了识别效率。

本发明授权基于多注意力多尺度特征学习的遮挡人脸识别方法和装置在权利要求书中公布了：1.基于多注意力多尺度特征学习的遮挡人脸识别方法，其特征在于，该方法首先在卷积神经网络的基础上添加多层次注意力网络，提取人脸图像的通道注意力图和空间注意力图；其次，构建多尺度特征融合器，整合人脸图像的局部与全局信息，获得鲁棒性更强的人脸特征；然后，基于遮挡掩码生成器定位遮挡区域并生成遮挡掩码，削减遮挡区域的影响；最后，通过多任务学习网络同时进行遮挡类别的分类和人脸身份的分类，取得最好的人脸识别泛化效果；该方法具体包括以下步骤： 提取人脸图像特征：采用残差神经网络作为人脸图像特征提取模块，提取人脸图像特征； 获得人脸图像的通道注意力图：得到人脸图像特征之后，针对各个通道的特征图计算注意力权重，获取各通道与关键信息的相关程度； 获得人脸图像的空间注意力图：将通道注意力图细化后的特征图作为输入，计算不同像素点与关键信息的相关程度，得到人脸图像的多层次特征； 人脸图像的多尺度特征融合：针对人脸图像的多层次特征，使用三层反卷积结构构建多尺度特征融合器，通过将不同尺度的特征图逐元素相加，得到包含不同分辨率和语义强度的人脸图像多尺度特征信息； 遮挡掩码生成：学习对输入图像的遮挡位置高度敏感的特征掩码，计算遮挡区域对应的权重，通过对特征赋予不同权重的方式，消除被损坏特征对人脸识别的影响； 遮挡类别分类：将遮挡掩码生成器学习到的特征掩码作为输入，将其分类为遮挡类别，以监督遮挡掩码生成器的学习； 人脸类别分类：将遮挡掩码生成器得到的区域权重与人脸图像多尺度特征信息相乘，得到清理后的人脸特征，并将其作为人脸类别分类器的输入，得到人脸类别的分类结果； 人脸图像的多尺度特征融合，具体包括： 以获取人脸图像特征提取模块作为多尺度特征融合器的主体，使用从上到下的横向连接架构构建金字塔结构模型；金字塔结构模型的输入为预处理的人脸图像，通过卷积操作和上采样操作得到包含不同分辨率和语义强度的人脸图像多尺度特征信息； 遮挡掩码生成，具体包括： 输入包含不同尺度、全局信息的人脸特征，通过卷积网络并结合PReLu激活函数、批正则化层和Sigmoid函数得到最终的遮挡掩码，用于清理因部分遮挡而受损的原始人脸特征。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。