买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉暨南大学申请的专利一种针对遮挡车牌的车脸识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116052150B 。

龙图腾网通过国家知识产权局官网在2025-12-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310061292.9，技术领域涉及：G06V20/62；该发明授权一种针对遮挡车牌的车脸识别方法是由邓玉辉;汤智敏设计研发完成，并于2023-01-18向国家知识产权局提交的专利申请。

本一种针对遮挡车牌的车脸识别方法在说明书摘要公布了：本发明公开了一种针对遮挡车牌的车脸识别方法，解决现有识别遮挡车牌的技术问题。本发明根据颜色预测模块、全局感知模块、细节感知模块得到颜色预测信息和图片向量信息，然后根据颜色预测信息找到对应文件夹，与文件夹中图片向量信息依次进行余弦距离计算，按从大到小排序，选择前5个作为识别结果。本发明相对于传统方法，增加车辆颜色分类的辅助流程，通过全局感知模块和细节感知模块进行识别，并在全局感知模块中从批量和通道进行多重的归一化计算，即从颜色外观、全局信息和细节信息多维度对遮挡车牌的车辆在车辆图片库中进行搜索识别，提高搜索能力和模型对遮挡车辆的内容表达，并成功找出相应未遮挡车牌状态的车辆。

本发明授权一种针对遮挡车牌的车脸识别方法在权利要求书中公布了：1.一种针对遮挡车牌的车脸识别方法，其特征在于，所述车脸识别方法包括以下步骤： S1、将数据集中的某一车脸图片P输入到主干网络，得到特征图Fp∈RC×W×H，其中C表示特征图通道的数量，W和H为特征图的宽和高，R表示实数域； S2、将特征图Fp输入到颜色预测模块中对车辆颜色进行预测，得到预测车辆颜色结果为i； S3、将特征图Fp输入到全局感知模块进行预测，得到向量其中D为列向量的维度； S4、将特征图Fp输入到细节感知模块进行预测，得到向量其中，所述细节感知模块结构从输入层至输出层依次连接为：特征细节压缩层horizontal_pooling_1、BN层conv12_1_bn、卷积层conv12_1、Relu层conv12_1_relu、卷积层conv12_2、Relu层conv12_2_relu； 所述特征细节压缩层的工作过程如下： 假定特征细节压缩层的输入为特征图M∈RC×W×H，输出为特征图Y∈RC×H×1， 对于特征图M以特征图的高度方向切分为数目为H的特征图集合A*＝{Am|1≤m≤H}，其中Am∈RC×W×1是指集合A*中第m位的特征图； 对集合A*某一特征图Az进行压缩，得到结果kz，压缩公式如下： 其中Az,x,y为集合A*中第z个位置的特征图Az中通道数为y的第x个行向量； 对集合A*中的每个特征图都执行公式1计算，汇集成列向量T∈RH×1，其中列向量T中的第t个位置的数值表示集合A*的第t个位置的特征图通过公式1计算后的结果； S5、将向量Q1和向量Q2进行拼接，得到向量Qr∈RD×1； S6、根据步骤S2的预测车辆颜色结果i，把向量Qr存放在名为i的文件夹； S7、将数据集中图片库的所有车脸图片依次重复执行步骤S1至步骤S6操作，得到向量集合Qi＝{Qi,k|1≤k≤In}，其中In为文件夹i中向量的数目，Qi,k指的是文件夹i中第k张图片对应的向量； S8、输入待测车脸图片依次执行步骤S1，得到特征图Fq； S9、输入特征图Fq执行步骤S2，得到颜色预测结果为iq； S10、输入特征图Fq依次执行步骤S3、S4和S5操作，得到拼接后的向量Qq∈RD×1； S11、将向量Qq与文件夹iq中所有向量进行余弦距离计算，得到集合Inq为文件夹iq中向量的数目，指的是文件夹iq中第g张图片对应的向量； S12、将集合按距离的取值从大到小进行排序，选择最高的前5个向量对应的图片作为预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。