Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020001084 - PROCÉDÉ DE RECONNAISSANCE FACIALE À APPRENTISSAGE EN LIGNE

Numéro de publication WO/2020/001084
Date de publication 02.01.2020
N° de la demande internationale PCT/CN2019/078474
Date du dépôt international 18.03.2019
CIB
G06K 9/00 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
KRECONNAISSANCE DES DONNÉES; PRÉSENTATION DES DONNÉES; SUPPORTS D'ENREGISTREMENT; MANIPULATION DES SUPPORTS D'ENREGISTREMENT
9Méthodes ou dispositions pour la lecture ou la reconnaissance de caractères imprimés ou écrits ou pour la reconnaissance de formes, p.ex. d'empreintes digitales
CPC
G06K 9/00268
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
00221Acquiring or recognising human faces, facial parts, facial sketches, facial expressions
00268Feature extraction; Face representation
G06K 9/00718
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
00624Recognising scenes, i.e. recognition of a whole field of perception; recognising scene-specific objects
00711Recognising video content, e.g. extracting audiovisual features from movies, extracting representative key-frames, discriminating news vs. sport content
00718Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
G06N 3/0454
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0454using a combination of multiple neural nets
G06N 3/084
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
084Back-propagation
Déposants
  • 东南大学 SOUTHEAST UNIVERSITY [CN]/[CN]
Inventeurs
  • 陆生礼 LU, Shengli
  • 庞伟 PANG, Wei
  • 周世豪 ZHOU, Shihao
  • 向家淇 XIANG, Jiaqi
  • 李宇峰 LI, Yufeng
  • 范雪梅 FAN, Xuemei
Mandataires
  • 南京瑞弘专利商标事务所(普通合伙) NANJING RUIHONG PATENT & TRADEMARK AGENCY (ORDINARY PARTNERSHIP)
Données relatives à la priorité
201810719313.030.06.2018CN
Langue de publication chinois (ZH)
Langue de dépôt chinois (ZH)
États désignés
Titre
(EN) ONLINE LEARNING FACIAL RECOGNITION METHOD
(FR) PROCÉDÉ DE RECONNAISSANCE FACIALE À APPRENTISSAGE EN LIGNE
(ZH) 一种在线学习的人脸识别方法
Abrégé
(EN)
An online learning facial recognition method in the technical field of computation and calculation, and in particular the technical field of computer vision for facial recognition. The method comprises: training a face feature extractor by using an external data set, extracting a reference feature in a local data set corresponding to each member to construct a reference feature space, comparing a feature vector of a sample under test and the reference features to determine a reference feature most similar to the feature vector of the sample under test; if the reference feature most similar to the feature vector of the sample under test satisfies a threshold requirement, using, as the identity of the sample under test, a member identity to which the reference feature most similar to the feature vector of the sample under test belongs, and if not, returning a message indicating that the identity recognition of the sample under test has failed; updating the reference feature space according to the difference between a predicted feature vector of the sample under test and a corresponding actual feature vector thereof in the reference feature space. The invention adapts to changes in facial features that occur over time, and is especially applicable to situations in which the composition of members frequently changes.
(FR)
La présente invention concerne un procédé de reconnaissance faciale à apprentissage en ligne se rapportant au domaine technique du calcul, et en particulier au domaine technique de la vision artificielle pour la reconnaissance faciale. Le procédé comprend les étapes suivantes : entraîner un extracteur de caractéristiques faciales à l'aide d'un ensemble de données externes, extraire une caractéristique de référence dans un ensemble de données locales correspondant à chaque membre pour construire un espace de caractéristiques de référence, comparer un vecteur de caractéristiques d'un échantillon à l’essai et les caractéristiques de référence pour déterminer la caractéristique de référence la plus similaire au vecteur de caractéristiques de l'échantillon à l'essai ; si la caractéristique de référence la plus similaire au vecteur de caractéristiques de l'échantillon à l’essai satisfait une exigence de seuil, utiliser, comme identité de l'échantillon à l’essai, une identité de membre à laquelle appartient la caractéristique de référence la plus similaire au vecteur de caractéristiques de l'échantillon à l’essai, et si ce n'est pas le cas, renvoyer un message indiquant que la reconnaissance d'identité de l'échantillon à l’essai a échoué ; mettre à jour l'espace de caractéristiques de référence en fonction de la différence entre un vecteur de caractéristiques prédit de l'échantillon à l’essai et un vecteur de caractéristiques réel correspondant de ce dernier dans l'espace de caractéristiques de référence. L'invention s'adapte aux changements des caractéristiques faciales qui se produisent avec le temps, et elle peut s'appliquer tout particulièrement à des situations dans lesquelles la composition des membres change fréquemment.
(ZH)
一种在线学习的人脸识别方法,属于计算推算的技术领域,尤其涉及人脸识别的计算机视觉技术领域。该方法利用外部数据集训练人脸特征提取器,提取本地数据集中各成员对应的参考特征以构成参考特征空间,对比待测试样本的特征向量和参考特征以确定与待测试样本的特征向量最相似的参考特征,在与待测试样本的特征向量最相似的参考特征满足阈值要求时,以与待测试样本的特征向量最相似的参考特征所属成员的身份为待测试样本的身份,否则,返回待测试样本身份识别失败的消息,根据待测试样本的预测特征向量与其在参考特征空间中对应的真实特征向量的差异更新参考特征空间,适应人脸特征随时间推移发生的变化,尤其适合频繁变更成员的场合。
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international