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！

龙图腾网获悉重庆邮电大学申请的专利一种基于特征解耦及融合的低照度人脸识别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：CN119339426B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411560391.2，技术领域涉及：G06V40/16；该发明授权一种基于特征解耦及融合的低照度人脸识别方法及系统是由周香伶;高忠民;龚欢吉;陈星星;汪书民;李生林设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本一种基于特征解耦及融合的低照度人脸识别方法及系统在说明书摘要公布了：本发明请求保护一种特征解耦及融合的低照度人脸识别方法及系统，包括下列主要步骤：S1，根据图像照度与面部特征之间的关系构建一个特征解耦及融合的人脸识别方法；S2，采用非成对人脸数据进行训练，构建照明三元组；S3，引入一个解耦模块，将图像分解为照度相关特征和面部相关特征，通过照明三元组损失来消除照度因素对人脸识别系统性能的影响；S4，引入一个特征融合模块，提取出照明相关特征中残留的面部特征，并将它们与最初的面部相关特征融合。引入了一种光照‑面部相关损失。S5，获取模型在数据集上的结果，计算Accuracy指标。本发明在低光场景下更具泛化能力。与同类低照度人脸识别的方法相比，具有更高的识别精度。

本发明授权一种基于特征解耦及融合的低照度人脸识别方法及系统在权利要求书中公布了：1.一种基于特征解耦及融合的低照度人脸识别方法，其特征在于，包括以下步骤： S1、构造人脸数据集三元组，即将低照度人脸图像作为锚点anchor，将同样低照度面部图像作为正样本positive，正常亮度图像作为负样本negative；拉近anchor与positive的特征空间距离，拉开与negative在特征空间的距离； S2、在特征提取阶段，图像经过特征提取模块的处理，生成128维的特征向量；特征提取模块用于提取人脸的基本特征； S3、特征向量接下来进入解耦模块，解耦模块包含卷积Conv、批归一化BN和ReLU激活函数；解耦模块用于进一步优化特征表示，提取更具代表性的面部特征，从而增强模型对细微面部特征的辨识能力； S4、在解耦后的面部特征被送入融合模块；融合模块通过平均池化AvgPool、线性变换和Sigmoid激活步骤，整合来自不同特征的信号；这一过程生成了最终的面部特征表示； S5、最终的面部特征被输入到面部识别模块，面部识别模块负责进行分类和识别；通过将提取和融合的特征输入到识别模块对不同面部进行准确分类，从而实现面部识别； 所述步骤S3中解耦模块，具体包括： 给定输入的人脸图像集Data＝{lowdark,normal}，lowdark为低照度人脸图像集，normal为正常亮度人脸图像集，每张图像含有他们的身份id；解耦模块的目的是剥离出独立的照度特征和身份特征，在本模块中不需要关注照度标签；在训练阶段，由给定的人脸图像集训练解耦模块；D-Net的目标是将输入的图像特征解耦为两个分量，将图像的照度信息独立于面部信息，这个过程被表述为： 其中，I是输入人脸图像，F是解耦后的512维特征，当i＝1时，F是解耦后的512维人脸特征，当i＝2时，F是解耦后的照度特征，D-Net表示解耦模块；输入特征图同时分别经过这两个子模块F1和F2中的连续卷积层，得到丰富的抽象特征，再通过ReLU激活函数，增加非线性处理，以强化模型对面部特征和照度特征的学习能力，最后再通过一个全局平均池化层对特征进行压缩，分别统一两个子模块输出特征的维度。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区崇文路2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。