(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210778143.X (22)申请日 2022.07.04 (71)申请人 威海职业学院 （威海市技 术学院） 地址 264210 山 东省威海市科技 新城 （初村 北海） (72)发明人 张丽燕　 (74)专利代理 机构 重庆金橙专利代理事务所 (普通合伙) 50273 专利代理师 李梅 (51)Int.Cl. G06V 40/16(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/774(2022.01) G06V 10/80(2022.01) (54)发明名称 一种低分辨 率人脸识别方法 (57)摘要 本发明公开了一种低分辨率人脸识别方法， 属于人工智能和图像处理技术领域， 包括获取预 先训练完成的图像 分类网络， 获取需要识别的低 分辨率人脸图像， 将低分辨率人脸图像输入图像 分类网络， 初次卷积层对低分辨率人脸图像进行 卷积运算， 特征图顺次经过各个IMH特征提制模 块， 深层特征图顺次经过特征向量生成层、 全连 接层和softmax分类器步骤。 本发明的IMH 特征提 制模块将不同大小卷积核并联设置， 更加充分提 取低分辨率人脸图像在不同层 级上的特征信息， 并采用注 意力机制对获取的有效信息进行增强， 识别精度高， 模型具有很好的鲁棒性， 能够很好 地抑制噪音给人脸识别造成干 扰。 权利要求书2页 说明书5页 附图6页 CN 115100720 A 2022.09.23 CN 115100720 A 1.一种低分辨 率人脸识别方法， 其特 征是： 包括以下步骤： S100、 获取预先训练完成的图像分类网络， 所述图像分类网络包括依次设置的初次卷 积层、 IMH特征提制模块、 特征向量生成层、 全 连接层和softmax分类器； 所述IMH特征提制模 块为多个， 所述IMH特征提制 模块的输入侧设有第一接入端、 第二接入端和第三接入端， 所 述IMH特征提制 模块的输出侧设有第一导出端、 第二导出端和第三导出端， 上游IMH特征提 制模块的第一导出端、 第二导出端和第三导出端分别与其下游IMH特征提制模块的第一接 入端、 第二接入端和第三接入端连接； 所述特征向量生成层用于对特征图的各个图层进行 全局平均池化操作， 所述特征向量生成层的输出端通过所述全连接层与所述softmax分类 器的输入端连接；  S200、 获取需要识别的低分辨率人脸图像， 将所述低分辨率人脸图像输入所述图像分 类网络， 所述初次卷积层对所述低分辨 率人脸图像进行 卷积运算后， 输出浅层特 征图； S300、 所述浅层特征图分别输入第一个所述IMH特征提制模块的第一接入端、 第二接入 端和第三接入端， 然后特征图顺次经过各个所述IMH特征提制 模块， 使各个所述IMH特征提 制模块依次对特征图进行特征提取操作， 最后位于末尾的IMH特征提制模块的第二导出端 输出深层特 征图； S400、 所述深层 特征图顺次经过所述特征向量生成层、 所述全连接层和所述softmax分 类器， 所述特征向量生成层、 所述全连接层和所述softmax分类器依次对特征图处理后， 所 述softmax分类器输出得到所述低分辨率人脸图像的类别信息， 该类别信息所对应的身份， 即为需要识别的低分辨 率人脸图像的身份。 2.根据权利要求1所述的低分辨率人脸识别方法， 其特征是： 所述IMH特征提制模块按 照如下数学公式对特 征图进行操作： 其中， 表示从所述第一接入端输入IMH特征提制模块的特征图， 表示从所述第二 接入端输入IMH特征提制模块的特征图， 表示从所述第三接入端输入IMH特征提制模块 的特征图， 函数 和函数 均表示卷积核大小为3*3、 且步长为1的卷积运算， 函数 和函数 均表示卷积核大小为5*5、 且步长为1的卷积运算， 函数 、 函数 、 函数 和 函数 均代表ReLU激活函数， 函数 表示双重融合机构， 函数 表示上支注意力机 构， 函数 表示下支注 意力机构， 表示元素对应乘积， 表示将其中的特征图在通道权　利　要　求　书 1/2 页 2 CN 115100720 A 2方向上拼接起来， 函数 和函数 均表示卷积核大小为3*3、 且步长为2的卷积操作， 函 数 表示池化窗口尺寸为2*2、 且步长为2的最大池化操作， 表示从所述IMH特征提制 模块的第一导出端输出的特征图， 表示从所述IMH特征提制模块的第二导出端输出的 特征图， 表示从所述 IMH特征提制模块的第三 导出端输出的特 征图。 3.根据权利要求2所述的低分辨率人脸识别方法， 其特征是： 所述双重融合机构的数学 模型为： 其中， 特征图 和特征图 为所述双重融合机构的输入， 表示对其中的特征图进 行拼接操作， 函数 示卷积核大小为1*1的卷积运算， 函数 表示非线性激活函数 ReLU， 函数 表示卷积核大小为3*3的卷积运算， 函数 代表激活函数Logistic， 表 示所述双重融合机构的输出。 4.根据权利要求2所述的低分辨率人脸识别方法， 其特征是： 所述上支注意力 机构按照 如下数学公式对特 征图进行操作： 其中， 表示所述双重融合机构输出的特征图， 代表从所述第一接入端输入IMH特 征提制模块的特征图， 和 同时作为所述上支注意力机构的输入， 函数 表示沿着 通道方向对特征图进行全局平均池化运算， 函数 表示沿着 通道方向对特征图进行全局 最大池化运算， 函数 表示卷积核大小为1*1的卷积运算， 函数 为sigmoid激活函数， 表示对其中的特征图进行拼接操作， 表示所述上支注意力机构生成的第一空间校 准图。 5.根据权利要求2所述的低分辨率人脸识别方法， 其特征是： 所述下支注意力 机构按照 如下数学公式对特 征图进行操作： 其中， 表示所述双重融合机构输出的特征图， 代表从所述第三接入端输入IMH特 征提制模块的特征图， 和 同时作为所述下支注意力机构的输入， 函数 表示沿着通 道方向对特征图进行全局平均池化运算， 函数 表示沿着通道 方向对特征图进行全局最 大池化运算， 表示卷积 核大小为1*1的卷积运算， 函数 为sigmoid激活函数， 表示 对其中的特 征图进行拼接操作， 表示所述下支 注意力机构生成的第二空间校准图。权　利　要　求　书 2/2 页 3 CN 115100720 A 3