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：南京邮电大学

摘要：本发明公开了基于新型对抗学习去模糊理论的动态人脸识别方法，提升了生成对抗网络的训练速度，避免了找不到纳什平衡点陷入死循环的问题，利用这种新型生成对抗网络对原始模糊图片进行去模糊处理；然后对去模糊后的图片进行模糊度变化率计算，根据模糊度变化率对去模糊后的图片进行分类，对于变化率过高或过低的图片直接进行人脸识别，对于变化率不高且不低的图片添加去模糊后处理模块后再进行人脸识别；本发明采用了新型DeblurGAN_V2对图像进行去模糊操作，提出了新的训练截止方法，解决了生成对抗网络模型训练困难的问题，引入了人脸模糊度计算方法对于输出的图片分类操作，添加了去模糊后处理优化结果，有广阔的应用场景。

主权项：1.基于新型对抗学习去模糊理论的动态人脸识别方法，其特征在于，基于各个原始模糊人脸图片，执行步骤A获得各个原始模糊人脸图片对应的一次去模糊处理后图片，然后执行步骤B至步骤C获得基于预设人脸图片模糊度各变化率分类阈值下的一次去模糊处理后图片的划分集合，之后根据一次去模糊处理后图片的划分集合，执行人脸识别方法，得到各原始模糊人脸图片的人脸识别结果；步骤A：基于以原始模糊人脸图片为输入、以相对应一次去模糊处理后图片为输出，结合目标训练截止点函数、已训练完成的对抗网络DeblurGAN_V2去模糊模型，针对各个原始模糊人脸图片进行去模糊处理，获得各个模糊人脸图片所对应的一次去模糊处理后图片，随后进入步骤B；其中，对抗网络DeblurGAN_V2去模糊模型的目标训练截止点函数包括全局对抗损失函数、以及训练截止点函数，全局对抗损失函数如下： 其中，xg是原始模糊人脸图片，Pr是清晰图片数据分布，Pg是去模糊图片数据分布，Gen是生成器，Dis是判别器，是损失函数，Disxg是判别器的输出结果；训练截止点函数为：ek＝[max||gk-gk+1||∞,||dk-dk+1||∞]×Gtrue1-Dtrue，其中，ek表示训练截止点，||·||∞表示∞-范数，Gtrue表示生成器的图片通过率，Dtrue表示判别器的识别正确率，gk表示经过k次迭代的生成器状态，dk表示经过k次迭代的判别器状态；步骤B：应用人脸模糊度方法，针对一次去模糊处理后图片进行处理，获得一次去模糊处理后图片的模糊度、以及一次去模糊处理后图片的模糊度变化率；随后进入步骤C；步骤C：根据一次去模糊处理后图片的模糊度变化率、预设人脸图片模糊度各变化率分类阈值、以及一次去模糊处理后图片的模糊度，获得一次去模糊处理后图片模糊度变化率与一次去模糊处理后图片模糊度相结合的划分区间下的一次去模糊处理后图片的各个划分集合。

全文数据：

权利要求：

百度查询： 南京邮电大学 基于新型对抗学习去模糊理论的动态人脸识别方法