“人脸超”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果253916个，建议您升级VIP下载更多相关专利

[发明专利]身份识别方法、装置、存储介质及电子设备-CN201810131810.9有效
发明人：许志维;安耀祖 -专利权人：京东数字科技控股有限公司
申请日： 2018-02-09 - 公布日： 2020-09-01 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例提供一种身份识别方法、装置、存储介质及电子设备，该方法包括：本发明实施例中，从目标图像中框出人脸图像；对所述人脸图像进行超分辨，以获取达到预设像素值的人脸图像；对所述达到预设像素值的人脸图像进行身份识别，通过对人脸图像进行超分辨，并基于超分辨后的人脸图像进行身份识别，提升了能被身份识别的人脸图像的概率，实现了对目标图像中的人脸图像的精确识别。
身份识别方法装置存储介质电子设备

[发明专利]基于超像素的人脸画像生成方法-CN201510395890.5有效
发明人：高新波;彭春蕾;王楠楠;李洁;朱明瑞;于昕晔;张声传;张铭津;孙雷雨;张宇航 -专利权人：西安电子科技大学
申请日： 2015-07-08 - 公布日： 2018-05-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于超像素的人脸画像生成方法，主要解决现有方法在对人脸图像分块细节不明显的问题。其实现步骤是(1)划分训练画像样本集、训练照片样本集和测试样本集；(2)对训练画像样本集中的画像、训练照片样本集中的照片和测试照片进行超像素块划分；(3)根据划分的超像素块组成待选择照片超像素块集和待选择画像超像素块集；(4)计算待选择画像超像素块权值集；(5)根据待选择画像超像素块权值集计算伪画像超像素块集；(6)根据伪画像超像素块集，生成伪画像。本发明由于在分块过程采用超像素块划分，考虑了人脸图像本身的结构信息，使得生成的人脸画像细节部位明显，可用于公共安全领域中人脸检索与识别。
基于像素画像生成方法

[发明专利]一种人脸超分辨率重建方法及系统-CN202110487901.8有效
发明人：郭克华;胡敏;奎晓燕;赵颖;胡斌 -专利权人：中南大学
申请日： 2021-05-06 - 公布日： 2021-07-16 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种人脸超分辨率重建方法及系统，采用人工智能中的深度学习方法，结合人脸超分辨率技术，实现了在不需要人脸先验知识的情况下重建清晰的人脸图像。本发明方法构建一个渐进式超分辨率重建模块，逐步提升人脸图像的分辨率，充分利用低分辨率人脸以及噪声信息，可将低分辨率的低光照的人脸重建成面部轮廓、细节信息清晰的超分辨率人脸图像，低分辨率图像的训练有助于更高级别分辨率的训练
一种人脸超分辨率重建方法系统

[发明专利]基于超椭球的人脸识别方法、装置及存储介质-CN202210305283.5在审
发明人：古华茂;王勋 -专利权人：浙江工商大学
申请日： 2022-03-25 - 公布日： 2022-06-28 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于超椭球的人脸识别方法、装置及存储介质，首先，根据已知类别的人脸图像样本进行建模，生成对待识别人脸图像样本进行类别判断的超椭球分类器；然后，将待识别人脸图像样本输入训练好的超椭球分类器，判断待识别人脸图像样本的所属类别。具体地说，本发明将同类别的人脸图像在直角坐标系上所占据的区域建模成超椭球。为了提高建模的精度，本发明先把同一类别的人脸图像数据通过K‑means聚类算法细分成若干组，再由每个组独立地生成一个超椭球，以若干个超椭球来表征该类别的数据区域。与现有的人脸识别算法相比，本发明内在地支持增量学习，并且所需样本量少，性能稳定，能适合更广泛的应用场景。
基于椭球识别方法装置存储介质

[发明专利]视觉目标图像分辨率增强的方法、系统、装置及存储介质-CN202110698882.3在审
发明人：金龙存;卢盛林 -专利权人：广东奥普特科技股份有限公司
申请日： 2021-06-23 - 公布日： 2021-10-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种视觉目标图像分辨率增强的方法、系统、装置及存储介质，该方法包括：采用预先训练好的人脸图像超分辨率模型对待处理的低分辨率人脸图像以及其对应的人脸属性进行处理，输出高分辨率人脸图像；其中，人脸图像超分辨率模型的训练方法，包括：采集训练样本，训练样本含高分辨率人脸图像样本、低分辨率人脸图像样本以及其对应的预设数量人脸属性样本；根据训练样本，基于预设损失函数和高分辨率人脸图像样本建立人脸图像超分辨率模型。本发明通过训练好的人脸图像超分辨率模型实现人脸属性先验指导低分辨率人脸图像增强并恢复人脸图像的高频信息，以使输出的高分辨率人脸图像包含更多的人脸面部结构细节，提高人脸图像的清晰度。
视觉目标图像分辨率增强方法系统装置存储介质

[发明专利]面对不同损伤图像的超分辨率高清重建方法和系统及设备-CN202111435322.5在审
发明人：林立;吴航 -专利权人：上海艾麒信息科技股份有限公司
申请日： 2021-11-29 - 公布日： 2022-03-18 - 主分类号： G06T3/40 文献下载
摘要：本发明提供了一种面对不同损伤图像的超分辨率高清重建方法和系统及智能设备、介质，包括：超分增强步骤：对原始图像进行损伤去除和超分辨增强；人脸增强步骤：对超分增强步骤处理后的图像进行人脸增强，得到重建图像。本发明使用基于深度神经网络的结构，在去噪、去模糊、去伪影的同时实现图像的超分辨率放大重建，并重点针对图像中的人脸提供了基于编解码修复和生成对抗网络的人脸增强模型，以进一步提升图像中人脸的质量。
面对不同损伤图像分辨率重建方法系统设备

[发明专利]一种低分辨率人脸识别方法、装置及处理终端-CN201810988327.2在审
发明人：黄晋;谭杨 -专利权人：广州图语信息科技有限公司
申请日： 2018-08-28 - 公布日： 2019-02-05 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种低分辨率人脸识别方法、装置及处理终端，其中方法包括：S1、将获取的低分辨率三维人脸点云转换为二维深度图；S2、通过预设人脸检测模块对所述二维深度图进行人脸检测，得到人脸区域深度图；S3、通过预设超分辨率模块对人脸区域深度图进行超分辨率处理，得到超分辨率深度图；S4、通过预设人脸识别模块对超分辨率深度图进行人脸识别，得到识别结果。本发明的优点在于：通过引入超分辨率网络结构对低分辨率深度图进行分辨率提高，再通过人脸识别网络结构对人脸进行识别，从而实现高准确率的人脸识别。
深度图人脸识别超分辨率低分辨率预设处理终端人脸区域网络结构二维人脸超分辨率处理人脸检测模块人脸识别模块人脸检测分辨率准确率点云三维引入转换

[发明专利]一种基于深度学习的人脸超分辨率重建方法-CN201711458187.X在审
发明人：章东平;倪佩青;毕崇圆;杨力;肖刚 -专利权人：江西高创保安服务技术有限公司
申请日： 2017-12-28 - 公布日： 2018-04-24 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于深度学习的人脸超分辨率重建方法，其目的在于利用深度学习技术对低分辨率人脸数据进行训练得到低分辨率人脸到高分辨率人脸之间的映射函数，其技术关键在于（1）对训练人脸数据集进行关键点提取；（2）根据提取的关键点计算人脸角度并筛选出比较正的人脸图像；（3）对比较正的人脸图像进行校正；（4）将校正的人脸图像以左眉毛、左眼、右眉毛、右眼、鼻子和嘴巴进行分割后分别训练；（5）把经过超分辨率处理后的眉毛、眼睛、鼻子和嘴巴图像与经过超分辨率处理后面部图像进行结合得到最终的超分辨率人脸图像。本发明在不改变成像系统硬件设备的前提下，有效提高所获取的人脸图像质量。
一种基于深度学习人脸超分辨率重建方法

[发明专利]一种基于坐标注意力机制的IP-FSRGAN-CA人脸图像超分辨率重建算法-CN202110803247.7在审
发明人：杨晓雅;万冬厚;高辉;王红涛;邓淼磊;张德贤 -专利权人：河南工业大学
申请日： 2021-07-15 - 公布日： 2021-11-19 - 主分类号： G06T3/40 文献下载
摘要：针对传统的人脸超分辨率图片重建技术中人脸特征信息提取及恢复中存在特征丢失的问题，本文提出了一种基于坐标注意力机制（coordinate attention，CA）的IP‑FSRGAN‑CA人脸图像超分辨率重建算法，以帮助生成器学习到更多的人脸特征信息并合成更真实的超分辨率人脸图片。0.14%，结构相似性（SSIM）提升0.59%，Y通道上的PSNR提升2.43%，SSIM提升0.38%，在PSNR、SSIM的度量下，在定量上优于现有的SRGAN、ESRGAN、IP‑FSRGAN等人脸重建方法实验证明，本文提出的基于坐标注意力机制的IP‑FSRGAN‑CA人脸图像超分辨率重建算法在人脸超分辨图片重建上具有有效性。
一种基于坐标注意力机制 ip fsrgan ca 图像分辨率重建算法

[发明专利]一种基于人脸3D先验信息的人脸超分辨率重建装置及方法-CN202310031762.7在审
发明人：刘广文;姚汉群;付强;马智勇;王伟刚;李英超 -专利权人：长春理工大学
申请日： 2023-01-10 - 公布日： 2023-09-05 - 主分类号： G06T3/40 文献下载
摘要：一种基于人脸3D先验信息的人脸超分辨率重建装置及方法属于图像质量增强技术领域。本发明在现有融合人脸先验信息的人脸超分辨率技术方案中加入3D渲染模块(3DRenderingBlock)，令具有不同尺度的高维人脸先验信息经过转换后传入先验网络，与不同尺度的人脸超分图像融合，最后与3D渲染模块重建的3D高分辨率细节图像融合，优先保留高分辨率面部细节以提高人脸超分辨率的性能，以便更准确地捕捉人脸的立体结构，同时有助于提高图像的真实感和逼真度，使得生成的图像更加自然。
一种基于先验信息人脸超分辨率重建装置方法

[发明专利]人脸图像超分辨率重建方法、装置、计算机设备及介质-CN202011625249.3在审
发明人：匡立中;蔡亮;李伟;邱炜伟;张帅;李吉明 -专利权人：杭州趣链科技有限公司
申请日： 2020-12-30 - 公布日： 2021-04-16 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种人脸图像超分辨率重建方法、装置、计算机设备及介质，所述方法包括：通过获取低分辨人脸图像，将低分辨人脸图像输入到人脸超分辨生成对抗网络中，人脸超分辨生成对抗网络包括生成网络和判别网络，生成网络包括人脸图像编码层、人脸图像解码层和人脸关键点信息获取层，通过人脸图像编码层和人脸关键点信息获取层，分别对低分辨人脸图像进行特征提取，再采用人脸图像解码层，提取到的特征进行解码处理，得到高分辨人脸图像，采用判别网络判别生成的高分辨人脸图像的真假
图像分辨率重建方法装置计算机设备介质

[发明专利]基于域迁移融合网络的多摄像头人脸超分辨率方法及系统-CN202210692899.2在审
发明人：韩镇;温佳兴;李雅双;胡辉;王中元 -专利权人：武汉大学
申请日： 2022-06-17 - 公布日： 2022-09-30 - 主分类号： G06T3/40 文献下载
摘要：本发明提供一种基于域迁移融合网络的多摄像头人脸超分辨率方法及系统，将原始真实监控数据集中的人脸图像进行预处理，构建身份对齐图像数据集；构建多摄像头人脸融合超分辨率网络，包括特征配准模块、特征融合模块和权重调节模块；构建基于域迁移融合网络的多摄像头人脸超分辨率网络，利用域迁移架构进行无监督训练；利用训练后的网络模型，输入两张不同模态的低分辨率人脸图像，重建高清人脸。本发明利用多摄像头人脸之间的互补性，既增强了人脸图像主观视觉效果，又保留了人脸输入的身份信息；采用伪孪生结构，充分利用了不同模态摄像头间的信息互补性；采用域迁移架构以适应真实场景，使得超分辨率重建人脸图像质量更佳
基于迁移融合网络摄像头人分辨率方法系统

[发明专利]多阶特征循环增强的渐进高倍人脸超分辨率系统及其方法-CN202011207247.2有效
发明人：高志荣;熊承义;柳霜;施晓迪 -专利权人：中南民族大学
申请日： 2020-11-03 - 公布日： 2022-05-03 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种多阶特征循环增强的渐进高倍人脸超分辨率系统及其方法，涉及图像复原技术领域。本系统是：低分辨率人脸图像（A）、初级特征提取与上采样模块（10）、多阶特征循环增强与上采样模块（20）、残差人脸生成模块（30）、加法器模块（50）和高分辨率人脸图像（B）依次交互；低分辨率人脸图像（A）、初始人脸超分辨率模块（40）和加法器模块（50）依次交互。本方法是：①初级特征提取与上采样；②多阶特征循环增强与上采样；③残差人脸生成；④初始人脸超分辨率；⑤高分辨人脸生成。本发明在更好提升高倍人脸超分辨率重构图像质量的同时，可得到系统复杂度的有效降低；适用于视频监控等应用。
特征循环增强渐进高倍人脸超分辨率系统及其方法

[发明专利]人脸图像超分辨率恢复方法及移动终端-CN202310258961.1在审
发明人：陈海涛;欧阳一村;罗富章;朱光强;陈余泉;付磊;肖金胜 -专利权人：盛视科技股份有限公司
申请日： 2023-03-07 - 公布日： 2023-06-23 - 主分类号： G06T3/40 文献下载
摘要：本申请提供了一种人脸图像超分辨率恢复方法及移动终端，该方法包括：准备若干初始的高分辨率人脸图像以及对应的低分辨率人脸图像作为训练样本对；将低分辨率人脸图像经过解纠缠处理分离出潜在特征向量FLatent和不同分辨率尺度的特征向量FRi；以styleGAN人脸预训练生成器作为人脸面部先验知识，将潜在特征向量FLatent映射到styleGAN人脸预训练生成器的潜在空间，生成每个分辨率尺度的特征向量FGAN；将特征向量FRi与特征向量FGAN的经过特征调制处理，输出生成的高分辨率人脸图像；设计人脸超分辨率恢复网络的损失函数并进行训练；推理训练好的人脸超分辨率恢复网络，输出对应的高分辨率人脸照片；本申请的人脸图像超分辨率恢复方法及移动终端实现了高保真的人脸超分辨率恢复。
图像分辨率恢复方法移动终端

[发明专利]基于最近特征线的特征转换人脸超分辨率重建方法-CN201710831228.9有效
发明人：渠慎明;张东生;王青博;王永强;苏靖 -专利权人：河南大学
申请日： 2017-09-12 - 公布日： 2020-05-19 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于最近特征线的特征转换人脸超分辨率重建方法，通过将基于最近特征线流形学习的人脸超分辨率算法与基于局部特征转换的人脸超分辨率算法融合在一起进行人脸超分辨率重建，因此本方法与基于最近特征线流形学习的人脸超分辨率算法相比，使用了特征转换思想，在去除了大量噪声干扰的同时，还能够保持图像的大部分原始信息，主要表现为对噪声具有更好的鲁棒性；本方法与基于局部特征转换的人脸超分辨率算法相比，因为使用最近特征线思想提高了训练样本库的表达能力
基于最近特征转换人脸超分辨率重建方法