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！

申请/专利权人：杭州名光微电子科技有限公司

摘要：本发明公开一种畸变校正人脸识别大角度识别算法，接收到包含人脸的图像，通过Haar级联分类算法在图像中定位人脸的位置并框选出人脸区域，根据人脸图像的角度和位置动态调整畸变校正参数，进行多层级畸变校正，通过CNN卷积神经网络模型对校正后的图像进行人脸特征提取，通过自适应直方图均衡化方法根据图像质量和环境条件动态调整图像的亮度和对比度参数，提高图像的清晰度，将增强后的人像特征与预先储存的人脸特征库进行对比判断人脸的身份，通过在大规模数据集上训练模型并将其迁移到目标任务，使该算法在大角度人脸图像的特征提取上具有更好的通用性和适用性。

主权项：1.一种畸变校正人脸识别大角度识别算法，其特征在于：包括以下步骤：步骤1、图像采集，接收包含人脸的图像；步骤2、人脸检测与定位，通过Haar级联分类算法在图像中定位人脸的位置并框选出人脸区域；步骤3、根据人脸图像的角度和位置动态调整畸变校正参数，进行多层级畸变校正；计算人脸角度，根据人脸角度初始化畸变校正参数进行多层次畸变校正，包括第一层基于角度的粗校正、第二层基于局部特征的精细校正和第三层基于深度学习的校正优化，在多层次的畸变校正过程中，通过梯度下降来动态调整畸变校正参数实现对校正效果的迭代优化；步骤4、进行人脸特征提取；通过CNN卷积神经网络模型对校正后的图像进行人脸特征提取，所述CNN卷积神经网络模型包括信息输入模块、CNN算法模型、多尺度特征融合模块、注意力机制模块和输出模块，所述CNN算法模型中包括卷积层、激活层、池化层、和全连接层，所述信息输入模块的输出端和CNN算法模型的输入端连接，所述注意力机制模块的输出端和CNN算法模型的输入端连接，所述CNN算法模型的输出端和多尺度特征融合模块的输入端连接，所述多尺度特征融合模块的输出端和输出模块的输入端连接；步骤5、自适应图像增强；通过自适应直方图均衡化方法根据图像质量和环境条件动态调整图像的亮度和对比度参数，提高图像的清晰度；步骤6、进行人脸识别；将增强后的人像特征与预先储存的人脸特征库进行对比判断人脸的身份；步骤7、模型迁移学习；通过在大规模数据集上训练模型并将其迁移到目标任务，使该算法在大角度人脸图像的特征提取上具有更好的通用性和适用性。

全文数据：

权利要求：

百度查询： 杭州名光微电子科技有限公司 一种畸变校正人脸识别大角度识别算法