[發明專利]一種基于人臉識別的顯示器動態適應視角的方法

有效

• 申請號: 202010010053.7
• 申請日: 2020-01-06
• 公開（公告）號: CN111209859B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 王衛;楊天浩
• 申請（專利權）人: 南京巨鯊顯示科技有限公司;南京巨鯊醫療科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/764;G06V10/82;G06N3/048;G06N3/006
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 王方超

1.一種基于人臉識別的顯示器動態適應視角的方法，其特征在于，包括如下步驟：

步驟SS1：通過顯示器內置裝置錄入關鍵人物的臉部信息；

步驟SS2：識別攝像頭視野范圍內的所有人臉信息；

步驟SS3：將已錄入的臉部信息與視野范圍內的所有人臉信息進行比較，以判定當前顯示器前是否有目標關鍵人物；

步驟SS4：若所述步驟SS3判定為是，則顯示器動態適應關鍵人物；若所述步驟SS3判定為無，則顯示器通過有限的視野盡量多的納入臉部信息；

所述步驟SS1具體包括：采用Softmax損失函數和判別性人臉識別算法對人的臉部信息進行提取并存儲，完成對關鍵人物的臉部信息錄入；

所述步驟SS1還包括：所述Softmax損失函數表示為：

式中：M為每次訓練所輸入的樣本的數量；N為類別數量；x_i為第i個樣本的特征向量；y_i為對應的類別標記；W和b分別為最后全連接層的權重矩陣和偏置向量；W_j為第j類的權重矩陣；b_j為對應的偏置項；

所述步驟SS1還包括：為消除由Softmax損失函數所產生的較大類內變化，使類內變得更加緊湊，特征更具有判別性，采用類內余弦相似性損失函數，表示為：

式中，為第i個樣本的特征向量與其對應類別權重向量之間的夾角；

所述步驟SS1還包括：為便于前向傳播和后向傳播，將式(2)轉化為：

式中：

式(3)有效地描述類內變化，為實際的損失層輸入，令在前向傳播過程中只需計算：

在后向傳播過程中，L_c3對z_i的梯度為

所述步驟SS1還包括：為使學習到的特征具有判別性，在Softmax損失函數和類內余弦相似性損失函數共同監督下訓練，形成的判別性人臉識別算法表達式為：

式中λ為一個標量，用來平衡兩個損失函數，根據Softmax損失函數和判別性人臉識別算法進行關鍵人物臉部信息的錄入。

2.根據權利要求1所述的一種基于人臉識別的顯示器動態適應視角的方法，其特征在于，所述步驟SS3具體包括：將已經錄入數據庫的視野范圍內的所有臉部信息逐條與已錄入的關鍵人物臉部信息進行對比，以判定當前顯示器前是否有目標關鍵人物；若有目標關鍵人物，則此時發指令給顯示器旋轉裝置，通過屏幕的左右旋轉使關鍵人物處于屏幕的中軸線上。

3.根據權利要求2所述的一種基于人臉識別的顯示器動態適應視角的方法，其特征在于，所述步驟SS3具體還包括：顯示器攝像頭以垂直顯示器的中軸線為基準，當關鍵人物與中軸線之間存在角度a的夾角時，則動態轉動顯示器以使關鍵人物回到中軸線上。

4.根據權利要求3所述的一種基于人臉識別的顯示器動態適應視角的方法，其特征在于，所述步驟SS3具體還包括：在顯示器攝像頭視角30°，視距3m的情景下，當顯示器視野中無關鍵人物時，此時啟動蟻群算法模塊，針對視野中容納的人數為結果進行迭代。

5.根據權利要求4所述的一種基于人臉識別的顯示器動態適應視角的方法，其特征在于，所述蟻群算法具體包括：在每只螞蟻走完一步或者完成對所有n個節點的遍歷，也即一個循環結束后，要對殘留信息進行更新處理；

t+n時刻在路徑(i，j)上的信息素即視野中容納的人數更新公式可以表示為：

τ_ij(t+n)＝(1-ρ)×τ_ij(t)+Δτ_ij(t)?????????????(6)

通過式(6)和式(7)的蟻群算法進行迭代，當迭代結果收斂時，則確定顯示器最終確定的角度，最終取迭代的最優結果即為視野中容納的人數最多；其中，ρ為信息揮發因子，1-ρ則表示殘留因子；m表示共有m只螞蟻；τ_ij(t+n)則表示在t+n時刻在路徑(i，j)上的信息素的量，τ_ij(t)表示t時刻在路徑(i，j)上的信息素的量，Δτ_ij(t)則表示t+n時刻與t時刻之間信息素量的差值，而這個差值等于表示在t時刻，從第一只螞蟻到第m只螞蟻在路徑(i，j)上所造成的信息素差值的總和。