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！

龙图腾网恭喜深圳泓越信息科技有限公司申请的专利一种大规模遮罩人脸数据集标注方法及系统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：CN117173765B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202311147711.7，技术领域涉及：G06V40/16；该发明授权一种大规模遮罩人脸数据集标注方法及系统是由梁泽逍;宫如意;李建中;符哲;蔡述庭设计研发完成，并于2023-09-06向国家知识产权局提交的专利申请。

本一种大规模遮罩人脸数据集标注方法及系统在说明书摘要公布了：本发明涉及数据集标注技术领域，提出一种大规模遮罩人脸数据集标注方法及系统，包括以下步骤：采集人脸图像数据集，对人脸图像数据集中的所有人脸图像进行高频转换，去除人脸图像中的低频噪声，得到人脸图像数据集对应的高频纹理分量集；计算高频纹理分量集中任意两个高频纹理分量间的关系矩阵；利用关系矩阵对人脸图像数据集进行预聚类，得到预聚类矩阵；利用预聚类矩阵和目标检测算法对人脸图像数据集进行人脸目标边界框预测，得到人脸目标边界框预测结果集合；基于人脸目标边界框预测结果集合，对人脸图像数据集进行标注，得到预标注的人脸图像数据集；修正预标注的人脸图像数据集，得到完成标注的人脸图像数据集。

本发明授权一种大规模遮罩人脸数据集标注方法及系统在权利要求书中公布了：1.一种大规模遮罩人脸数据集标注方法，其特征在于，包括以下步骤：S1：采集面部被遮挡的人脸图像，组成人脸图像数据集；S2：对人脸图像数据集中的每一张面部被遮挡的人脸图像进行高频转换，去除面部被遮挡的人脸图像中的低频噪声，得到面部被遮挡的人脸图像对应的高频纹理分量，组成高频纹理分量集；S3：计算高频纹理分量集中，任意两个高频纹理分量间的关系矩阵；S3步骤具体为：S3.1：计算高频纹理分量集中，任意两个高频纹理分量间的协相关性；设任意两个高频纹理分量分别为第a个高频纹理分量和第b个高频纹理分量，第a个高频纹理分量为ha，第b个高频纹理分量为hb，第a个高频纹理分量和第b个高频纹理分量间的协相关性covha,hb的计算表达式为： 式中，vec·表示用于向量化的函数，表示弗罗贝尼乌斯范数；S3.2：计算高频纹理分量集中，任意两个高频纹理分量间的关系矩阵，获得关系矩阵W；第a个高频纹理分量ha和第b个高频纹理分量hb间的关系矩阵的计算表达式为： 式中，N表示高频纹理分量的总个数；S4：利用关系矩阵对人脸图像数据集进行预聚类，得到预聚类矩阵；S4步骤具体为：S4.1：计算高频纹理分量集对应的度矩阵D； S4.2：利用度矩阵D，计算高频纹理分量集对应的拉普拉斯矩阵L：L＝D-WS4.3：利用拉普拉斯矩阵L，构建预聚类矩阵优化模型，具体为： 式中，Tr表示矩阵的迹，I表示单位矩阵；其中，Fq表示预聚类矩阵优化模型的目标函数，F表示预聚类矩阵，为预聚类矩阵优化模型的待求量，预聚类矩阵的每一行表示每一种聚类类型，每一列表示每一张面部被遮挡的人脸图像对应的高频纹理分量，每一列均有且仅有一个元素值为1，其他元素值皆为0，元素值为1的元素表示该元素所在列对应的聚类类型为所在行所指示的类型；预聚类矩阵中的每个元素的初始值均为零或随机值；S4.4：在FTDF＝I的约束条件下，迭代更新预聚类矩阵优化模型，在目标函数Fq达到最小时，或迭代次数达到预设值时，结束迭代，得到预聚类矩阵；S5：利用预聚类矩阵和目标检测算法对人脸图像数据集进行人脸目标边界框预测，得到人脸目标边界框预测结果集合；S6：基于人脸目标边界框预测结果集合，对人脸图像数据集进行标注，得到预标注的人脸图像数据集；S7：修正预标注的人脸图像数据集，得到完成标注的人脸图像数据集。

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深圳泓越信息科技有限公司，其通讯地址为：518000 广东省深圳市龙华区大浪街道横朗社区华兴路13号智云产业园A栋1104；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”。