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！

龙图腾网获悉哈尔滨工业大学(深圳)申请的专利一种具有光照鲁棒性的特征自分解人脸识别方法及系统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：CN115311722B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202210979989.X，技术领域涉及：G06V40/16；该发明授权一种具有光照鲁棒性的特征自分解人脸识别方法及系统是由文杰;邓世杰;刘毅成;刘成亮;郭越超设计研发完成，并于2022-08-16向国家知识产权局提交的专利申请。

本一种具有光照鲁棒性的特征自分解人脸识别方法及系统在说明书摘要公布了：本发明公开了一种具有光照鲁棒性的特征自分解人脸识别方法及系统，根据每张人脸图片的灰度值，得到对应的光照标签，制作数据集；设计网络结构包括主干特征提取网络和特征分解网络，主干网络用来提取人脸图像特征，特征分解网络用来将人脸图像特征分解为光照相关特征和光照无关特征，其中，光照无关特征即为更有区分性的人脸特征，用于后续的人脸识别。本发明通过利用特征分解网络将提取的人脸图像特征分解为光照相关特征向量和光照无关特征向量，用于解决光照下的人脸识别问题，减少光照信息对人脸特征向量的影响，提高人脸识别的精度。

本发明授权一种具有光照鲁棒性的特征自分解人脸识别方法及系统在权利要求书中公布了：1.一种具有光照鲁棒性的特征自分解人脸识别方法，其特征在于，包括以下步骤： 图像预处理：对于给定的人脸数据集，先进行人脸检测，对检测后的人脸进行人脸对齐，再将对齐后的人脸图片缩放到指定的尺寸； 图像标签制作：对预处理后的人脸图片求灰度值，并进行灰度值归一化，根据归一化后的灰度值生成对应的光照标签，即可获取具有光照标签的图像数据集； 构建特征自分解人脸识别网络模型：特征自分解人脸识别网络模型包括主干特征提取网络和特征分解网络，主干特征提取网络用于提取人脸图像特征，特征分解网络用于将提取的人脸图像特征分解为光照相关特征向量和光照无关特征向量； 网络模型训练：利用具有光照标签的图像数据集进行网络模型训练，第一阶段训练主干特征提取网络，第二阶段将训练好的主干特征提取网络参数冻结，集中训练特征分解网络； 识别过程：利用训练好的网络模型进行识别，识别过程包括人脸验证和人脸识别，其中人脸验证具体包括：给定两张人脸图片，通过图像预处理，将两张人脸图片分别送入特征自分解人脸识别网络模型中，获取两个光照无关特征向量，计算两个光照无关特征向量之间的相似度，当相似度大于所设置阈值时，判定两张人脸图片具有相同身份信息，否则，两张人脸图片来自不同人；人脸识别具体包括：在特征库中存储大量的人脸特征向量，所述人脸特征向量均是利用训练好的特征自分解人脸识别网络模型提取得到的光照无关特征向量，当给定一张人脸图片，将给定人脸图片输入特征自分解人脸识别网络模型中得到特征向量，根据特征向量在特征库中找到相似度值最大的人脸图片，根据相似度最大的人脸图片确定其对应的身份信息，如果相似度值大于设定的阈值，输出特征库中对应人脸的身份信息，否则，判定为陌生人脸； 所述特征分解网络接收到所述主干特征提取网络提取的n维特征向量V后，将特征向量V通过所述特征分解网络中的权重生成模块生成权重向量W，将生成的权重向量W与n维特征向量V相乘，得到光照相关特征向量B，根据权重向量W，得到向量1‑W，将向量1‑W与n维特征向量V相乘得到剔除光照信息后的光照无关特征向量F； 所述权重生成模块由两个全连接层，一个激活函数，一个批量归一化层以及一个sigmoid层组成，其中两个全连接层一个用来对特征向量V进行降维，另一个对降维后的特征向量V升维，Sigmoid层用于将权重向量W中对应位置的元素值输出限制在[0,1]之间。

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哈尔滨工业大学(深圳)，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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。