CN113361488B 多场景适应性模型融合方法及人脸识别系统 （小视科技(江苏)股份有限公司）

多场景适应性模型融合方法及人脸识别系统本申请提供一种多场景适应性模型融合方合的精度和阈值筛选出精度高且阈值兼容性强型能够以单一阈值实现对多种人脸识别场景的2第二步，筛选出第一步各组合中运算速度满足目标平台要求第三步，对第二步所获得的每一个模型组合分别计算其在各场景中的精度和阈值C+wn*An}，计算每一个模型组合在各场景中归一化阈值的方差VAR=var(T1,T2,T3第五步，根据所述归一化精度的加权和ACC、归一化合该模型组合中各人脸识别模型所提取出的特征向量并根据拼接组合后所得特征向量组进行人脸识别；在ROC曲线中查找符合误检率要求的召回率或误检测率，计算获其中，按照第n号场景所对应的测试集计算模型组合在该场景下的ROC曲线的步骤包步骤r1，按照模型组合中所包含的每一个人脸识步骤r2，将步骤r1中各人脸识别模型所分别提取出的模步骤r3，比较拼接组合所获得的多维向量与各人脸脸识别模型分别提取待识别人脸图像所对应的模型步骤S2，将步骤S1中各人脸识别模型所分别提取出的模步骤S3，比较组合所获得的多维向量与各识别对象所对应3个人脸识别模型分别提取识别对象所对应的将所述识别向量存储在存储单元中并标记其与识别对象之间的对第一存储单元，其内部存储有模型库，所述模型库中的各人脸模型分别提取待识别人脸图像所对应的模型步骤S2，将步骤S1中各人脸识别模型所分别提取出的模步骤S3，比较拼接组合所获得的多维向量与各识别首先，按照融合模型中所包含的每一个人脸识别模型分别提取识将所述多维的识别向量存储在识别对象存储单元中并标记其与识别对象之间的对应4[0004]现有的人脸特征提取方法包括LBP(局部二值模式)方法和它的变种方法等，这些第n号场景中模型的阈值；第四步，计算每一个模型组合在各场景中归一化精度的加权和ACC=C{w1*A1+w2*A2+…+wn*An}，计算每一个模型组合在各场景中归一化阈值的方差VAR=5含的每一个人脸识别模型分别提取测试集中各人脸图像所对应的模型特征向量；步骤r2，将步骤r1中各人脸识别模型所分别提取出的模型特征向量拼接组合为多维向量；步骤r3，6存储在识别对象存储单元中并标记其与识别对象之间的对融合模型能够以单一阈值实现对多种人脸识别场景的兼容，能够快速部署于不同识别场[0022]为使本申请实施例的目的和技术方案更加清楚，下面将结合本申请实施例的附人脸识别系统中，以通过图1步骤按照统一的阈值实现对不同工作环境下人脸图像的有效7[0029]第一存储单元，其可设置在人脸识别系统内部也可通过[0032]第二步，筛选出第一步各组合中人脸识别模型运算速度满足目标平台要求的组[0033]第三步，对第二步所获得的每一个模型组合分别计算其在各场景中的精度和阈脸识别模型能够分别输出一个512维的特征向量，则拼接组合后的特征向量中将会包含三8[0041]在ROC曲线中查找符合误检率要求的召回率或误检测率，即可计算获得该模型组[0047]先将各识别对象所对应的识别向量按照以下a-c步骤预先存储在存储单元中以作[0048]步骤a，按照融合模型中所包含的每一个人脸识别模型分别提取识别对象所对应对模型组合在第n号场景下所对应的归一化精度的加权值脸识别模型融合方法。该方法能够将若干个人