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！

龙图腾网获悉北京理工大学申请的专利一种基于超图和多任务协同的小样本多姿态人脸识别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：CN115641630B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202211196489.5，技术领域涉及：G06V40/16；该发明授权一种基于超图和多任务协同的小样本多姿态人脸识别方法是由樊肖锦;祝烈煌设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本一种基于超图和多任务协同的小样本多姿态人脸识别方法在说明书摘要公布了：本发明涉及一种基于超图和多任务协同的小样本多姿态人脸识别方法，属于人工智能人脸识别技术领域。本发明利用超图和非负矩阵分解来获得近似于正面图像的图像，设计了一种基于超图去偏转的多姿态人脸识别框架。该框架首先对无姿态偏转图像进行分离。在此基础上，提出一种基于改进的支持向量描述的特征编码方法，提取无姿态偏转图像的特征，并与基于字典学习的分类器进行联合优化，用于特征提取和特征分类。特征编码方法利用改进的支持向量数据描述和三角编码，使提取的特征更具鉴别性。同时，建立了一种有效的特征提取和特征分类优化模型，易于得到更接近全局最优的解，提高了识别性能。

本发明授权一种基于超图和多任务协同的小样本多姿态人脸识别方法在权利要求书中公布了：1.一种基于超图和多任务协同的小样本多姿态人脸识别方法，其特征在于，包括图像正面化、特征提取、特征分类和联合优化； 步骤1：图像正面化处理； 基于非负矩阵分解和超图嵌入，进行特征判别增强，包括以下步骤； 步骤1.1：进行非负矩阵分解； 给定任何非负矩阵X0，均分解为两个非负矩阵PT之和，如下所示： 其中，为基矩阵，为子矩阵，F表示Frobenius范数，T表示矩阵转置，表示维度符号，m表示样本X0的维度，n表示源数据的样本个数，r表示目标数据的样本个数；s.t.用于提示后面是约束项； 然后，更新和PT： 其中，X表示源数据，P表示变换矩阵，ij表示第ij次迭代、jk表示第jk次迭代； 步骤1.2：进行超图嵌入； 超图G是一个有序的二进制组G＝V,e；V是一个以节点顶点为元素的非空集，称为顶点集；e是一个非空子集的簇，其元素被称为超边； 超图的每条边不仅连接两个顶点，还能够连接更多顶点； 给定超图G＝V,e，V＝{v1,v2,…,vk}是一组有限的数据点，其中vii＝1,2,…,k是一个顶点；ej是一个超边，超边集合e满足以下条件： e1∪e2∪e3…∪et＝V 其中，t表示超边编号； 每个超边ei都有一个相应的权重wj，顶点超边将形成一个关联矩阵矩阵中的元素用下式计算得出： 超图G中，每个顶点的度di定义为它所属的超边的权值之和；超边的度ρi定义为超边所属的节点数，其计算方法如下： 其中，wj表示超边权重； 令Dv为对角矩阵，其主对角元素为设De和W为由ρj和wj分别生成的对角矩阵，j＝1,2,…,t； 然后，通过下式计算非正则化的超图拉普拉斯矩阵LH： 其中，表示对角矩阵De的逆； 步骤2：特征提取； 步骤3：特征分类； 步骤4：联合优化； 步骤5：使用学习得到的分类器预测分类结果，对样本进行分类，实现人脸识别。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。