公开(公告)号：CN111209878A

公开(公告)日：2020-05-29

申请号：CN202010028274.7

申请日：2020-01-10

Applicant: 公安部户政管理研究中心 ,  清华大学

Inventor： 康凯 ,  范英 ,  徐飞 ,  宰旭昕 ,  施一琳 ,  孔宇廉 ,  王重道 ,  王生进

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明实施例提供一种跨年龄人脸识别方法及装置。其中，方法包括：将待识别人脸图片输入至图片生成模型，获取待识别人脸图片对应的多个年龄段的生成图片；将待识别人脸图片和各生成图片分别输入至基本特征提取模型和各年龄段的特征提取模型，输出基本人脸特征和各年龄段人脸特征；根据基本人脸特征和各年龄段人脸特征，获取特征向量；根据特征向量和预先获取的人脸库，获取待识别人脸图片的识别结果。本发明实施例提供的跨年龄人脸识别方法及装置，通过生成不同年龄段的人脸，分别提取待识别人脸图片中的人脸和生成的不同年龄段的人脸的特征并进行融合，根据融合后的人脸特征进行人脸识别，能提高跨年龄人脸识别的识别准确率。

公开(公告)号：CN113255394B

公开(公告)日：2025-02-07

申请号：CN202010082628.6

申请日：2020-02-07

Applicant: 清华大学

Inventor： 王重道 ,  王生进

IPC: G06V40/10 ,  G06V10/82 ,  G06V20/40 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明实施例提供了一种基于无监督学习的行人再识别方法及系统，首先获取包含有若干行人的两个待识别视频帧；然后将两个待识别视频帧输入至行人再识别模型，由行人再识别模型确定两个待识别视频帧中是否包含有同一行人。本发明实施例中采用的行人再识别模型基于深度卷积神经网络构建，且对行人再识别模型进行训练时，确定包含有若干行人的两个样本视频帧之间行人的循环分配矩阵，基于循环分配矩阵，确定优化损失函数。整个训练过程中并不需要任何额外算法模块或间接的监督信号，如行人跟踪模块或聚类算法等，可以直接从无标注的样本视频帧中学习行人特征，实现行人再识别，简化了行人再识别模型的整个训练过程，且使得行人再识别的准确性更高。

公开(公告)号：CN113255394A

公开(公告)日：2021-08-13

申请号：CN202010082628.6

申请日：2020-02-07

Applicant: 清华大学

Inventor： 王重道 ,  王生进

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供了一种基于无监督学习的行人再识别方法及系统，首先获取包含有若干行人的两个待识别视频帧；然后将两个待识别视频帧输入至行人再识别模型，由行人再识别模型确定两个待识别视频帧中是否包含有同一行人。本发明实施例中采用的行人再识别模型基于深度卷积神经网络构建，且对行人再识别模型进行训练时，确定包含有若干行人的两个样本视频帧之间行人的循环分配矩阵，基于循环分配矩阵，确定优化损失函数。整个训练过程中并不需要任何额外算法模块或间接的监督信号，如行人跟踪模块或聚类算法等，可以直接从无标注的样本视频帧中学习行人特征，实现行人再识别，简化了行人再识别模型的整个训练过程，且使得行人再识别的准确性更高。