[发明专利]基于脸部实时监控检测人脸对称性及异常方法在审
| 申请号： | 201610574228.0 | 申请日： | 2016-07-20 |
| 公开（公告）号： | CN106250819A | 公开（公告）日： | 2016-12-21 |
| 发明（设计）人： | 朱崚灏;陈博;宋振宇;王聪;李倩茹;田晓华;王新兵 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00 |
| 代理公司： | 上海汉声知识产权代理有限公司31236 | 代理人： | 郭国中 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于脸部实时监控检测人脸对称性及异常方法，包括训练阶段步骤：建立深度卷积神经网络模型，采集的用户脸部主要部位图像数据，并根据用户给定的图像数据决定出最优分类策略；测试阶段步骤：实时监控用户脸部活动，采集用户脸部主要部位图像数据，通过深度卷积神经网络模型处理用户脸部主要部位图像，提取深度卷积特征；解决基于深度卷积特征的二分类问题，对用户脸部主要部位分别进行状态识别后对该主要部位进行实时对称性检测与异常检测；记录用户眼部状态时间序列，实时调整监控摄像头的采样频率。本发明在不同光照、不同用户的条件下均能精确地进行人脸对称性及异常的实时检测，并且具有较高的稳定性与普适性。 | ||
| 搜索关键词： | 基于 脸部 实时 监控 检测 对称性 异常 方法 | ||
【主权项】：
一种基于脸部实时监控检测人脸对称性及异常方法，其特征在于，包括如下步骤：训练阶段步骤：建立深度卷积神经网络模型，根据采集的用户脸部主要部位图像数据优化深度卷积神经网络模型中网络层的权重参数，并根据用户给定的图像数据决定出最优分类策略；测试阶段步骤：实时监控用户脸部活动，采集用户脸部主要部位图像数据，通过深度卷积神经网络模型处理用户脸部主要部位图像，提取深度卷积特征；解决基于深度卷积特征的二分类问题，对用户脸部主要部位分别进行状态识别后对该主要部位进行实时对称性检测与异常检测；记录用户眼部状态时间序列，实时调整监控摄像头的采样频率。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学，未经上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610574228.0/，转载请声明来源钻瓜专利网。
