公开(公告)号：CN110490053A

公开(公告)日：2019-11-22

申请号：CN201910608988.2

申请日：2019-07-08

Applicant: 南京邮电大学盐城大数据研究院有限公司

Inventor： 骆冰清 ,  成曦 ,  李腾 ,  杨士猛

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于三目摄像头估计人脸深度信息的人脸属性识别方法，利用三目摄像头获取原始RGB图像并估计深度感知图像，对原始RGB图像和深度图像数据做预处理和数据增强，并做属性标签且分成训练集、验证集和测试集三部分；通过设计多尺度投影卷积神经网络以及属性关系计算长短期记忆网络进行人脸属性特征提取模型训练；选取在验证集上准确率最高的模型作为最佳候选模型，长短期记忆网络的输出即为对应的人脸属性；本发明结合三目摄像头计算的深度图像恰好弥补了深度信息的缺失，提升对复杂人脸属性预测准确率。长短期记忆单元计算各种不同属性之间的关系，达到相互补充、强化的目的，从而进一步提升所有属性预测准确率。

公开(公告)号：CN110473266A

公开(公告)日：2019-11-19

申请号：CN201910609020.1

申请日：2019-07-08

Applicant: 南京邮电大学盐城大数据研究院有限公司

Inventor： 骆冰清 ,  成曦 ,  李腾 ,  李桂

IPC: G06T11/00 ,  G06T7/10 ,  G06T5/50 ,  G06T7/70

Abstract: 本发明公开了一种基于姿态指导的保留源场景人物动作视频生成方法，首先利用视频帧中人物前景图代替源人物图像进行位姿估计，再利用基于对抗生成网络的运动转换网络合成高分辨率的人物运动视频，最后使用泊松融合方法将提取的与源对象有相同姿势的目标对象与源背景进行融合。本发明输入源人物和目标人物视频数据集最终生成一段视频，生成视频不仅保留源背景，还拥有目标人物的外观和源人物的动作，可以减少画面遮挡，背景的影响。

公开(公告)号：CN110490053B

公开(公告)日：2023-03-14

申请号：CN201910608988.2

申请日：2019-07-08

Applicant: 南京邮电大学盐城大数据研究院有限公司

Inventor： 骆冰清 ,  成曦 ,  李腾 ,  杨士猛

IPC: G06V40/16 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种基于三目摄像头估计人脸深度信息的人脸属性识别方法，利用三目摄像头获取原始RGB图像并估计深度感知图像，对原始RGB图像和深度图像数据做预处理和数据增强，并做属性标签且分成训练集、验证集和测试集三部分；通过设计多尺度投影卷积神经网络以及属性关系计算长短期记忆网络进行人脸属性特征提取模型训练；选取在验证集上准确率最高的模型作为最佳候选模型，长短期记忆网络的输出即为对应的人脸属性；本发明结合三目摄像头计算的深度图像恰好弥补了深度信息的缺失，提升对复杂人脸属性预测准确率。长短期记忆单元计算各种不同属性之间的关系，达到相互补充、强化的目的，从而进一步提升所有属性预测准确率。

公开(公告)号：CN110472495B

公开(公告)日：2023-03-14

申请号：CN201910608900.7

申请日：2019-07-08

Applicant: 南京邮电大学盐城大数据研究院有限公司

Inventor： 骆冰清 ,  成曦 ,  李腾 ,  程凯

IPC: G06V40/16 ,  G06V10/774 ,  G06V10/82 ,  G06N3/043 ,  G06N3/0464 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明公开了一种基于图形推理全局特征的深度学习人脸识别方法，其步骤包括：（1）收集人脸数据并做好分类标签并分成训练集和验证集；（2）设计图形推理提取人脸全局特征的网络；（3）将图形推理全局特征提取网络集成于残差网络；（4）将（1）获得的训练数据进行训练，得到训练模型；（5）根据测试结果调整训练参数重新训练，如此反复直至获得最佳的训练模型；（6）对测试人脸图像提取特征得到特征向量；（7）用余弦激励度量（6）中得到的最终特征向量，并判断是否是目标人脸，再输出结果。本发明克服了单一的卷积层无法映射人脸图像全局特征之间的联系，针对人脸图像特点设计的网络能够提取更具有判别力的特征以提升人脸识别准确率。

公开(公告)号：CN110472495A

公开(公告)日：2019-11-19

申请号：CN201910608900.7

申请日：2019-07-08

Applicant: 南京邮电大学盐城大数据研究院有限公司

Inventor： 骆冰清 ,  成曦 ,  李腾 ,  程凯

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明公开了一种基于图形推理全局特征的深度学习人脸识别方法，其步骤包括：（1）收集人脸数据并做好分类标签并分成训练集和验证集；（2）设计图形推理提取人脸全局特征的网络；（3）将图形推理全局特征提取网络集成于残差网络；（4）将（1）获得的训练数据进行训练，得到训练模型；（5）根据测试结果调整训练参数重新训练，如此反复直至获得最佳的训练模型；（6）对测试人脸图像提取特征得到特征向量；（7）用余弦激励度量（6）中得到的最终特征向量，并判断是否是目标人脸，再输出结果。本发明克服了单一的卷积层无法映射人脸图像全局特征之间的联系，针对人脸图像特点设计的网络能够提取更具有判别力的特征以提升人脸识别准确率。