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！

龙图腾网获悉沈阳大学申请的专利一种复杂环境下密集人群人脸检测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：CN119206826B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202411275967.0，技术领域涉及：G06V40/16；该发明授权一种复杂环境下密集人群人脸检测方法是由高强;丁兵如;谢英红;韩晓微;贾旭设计研发完成，并于2024-09-12向国家知识产权局提交的专利申请。

本一种复杂环境下密集人群人脸检测方法在说明书摘要公布了：本发明针对复杂环境下密集人群人脸检测问题，设计计算机视觉中的人脸检测领域。本方法提供了一种名为深度密集人脸检测DeepandCompactFaceDetection模型，这里简称该模型为DCFD。该方法包括：搭建DCFD模型的输入层；搭建DCFD模型主干特征提取网络，使用EfficientNetV2网络替换原有的主干网络模块，同时使用大核注意力机制代替传统卷积块，赋予网络长端支撑和实现全局感受野的能力；搭建DCFD模型主干网络与特征模块之间的联系，引入ECA注意力机制，加强模型提取特征的能力，使模型更加关注被检测的目标；搭建DCFD模型的特征融合模块：采用改进的NAS‑FPN图像金字塔替代原始FPN结构。将行人数据集送入改进的RetinaFcae模型，使用Adam优化器进行训练，得到DCFD模型并用于复杂环境下密集人群人脸检测。

本发明授权一种复杂环境下密集人群人脸检测方法在权利要求书中公布了：1.一种基于改进的RetinaFace的行人人脸检测方法，其特征在于，包括： 步骤1：获取样本数据，所述样本数据包括不同人脸检测数据集，并进行数据预处理； 步骤2：搭建一种轻量、紧凑的人脸检测模型DCFD进行人脸检测； 搭建DCFD模型并训练，包括： 1搭建DCFD模型的输入层，并进行Mosaic数据增强，其中，规定进行训练的图片大小为640×640，对图像进行缩放，其次计算缩放后的横向像素与纵向像素的大小，分别表示为x与y，其中x＝x×min{x640，y640}，y＝y×min{x640，y640}，如果x＜640，则对应的x高度上下添加[640-x％64]2高度的黑边，最终凑成640×640大小的图片，y方向操作同理，其中，％表示为取余操作； 2搭建DCFD模型主干特征提取网络，使用改进的EfficientNetV2网络替换原有的主干网络模块，同时使用大核注意力机制代替传统卷积块，其中，对于EfficientNetV2网络进行改进时，将EfficientNetV2的MBConv模块池化后的卷积特征串联起来，然后作为一个整体输入到全连接层，其架构包括用于提高维度的1×1的普通卷积，然后是k×k的深度卷积，其中k可以是3×3或5×5，以及，利用Swish激活函数，并结合SE模块；采用LKA卷积块替代传统卷积块； 3搭建DCFD模型主干网络与特征模块之间的联系，引入入改进的ECA注意力机制，其中，在保留ECA注意力机制的一维卷积优势的同时，加入空间注意力模块，形成改进的ECA注意力机制； 4搭建DCFD模型的特征融合模块：采用改进的NAS-FPN图像金字塔替代原始FPN结构，其中，使用NAS-FPN结构对特征图进行重新组和与特征图的融合，通过对高尺度特征进行全局池化，经过1×1卷积与低尺度特征相乘再相加，最终输出； 5将行人数据集送入改进的RetinaFcae模型，输入图像大小为640×640、epoch＝150、使用Adam优化器进行训练，得到效果最优的DCFD模型用于后续的人脸检测，其中，在前145个周期中使用交叉熵损失函数，之后使用焦点损失函数代替交叉熵损失函数，以平衡正负样本的训练；并采用EIOU作为非极大值抑制NMS的方法，去除高度重叠的预测框。

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沈阳大学，其通讯地址为：110000 辽宁省沈阳市大东区望花南街21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。