買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉深圳市賽為智能股份有限公司申請的專利低照度的人臉檢測方法、裝置、計算機設備及存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114663950B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210315003.9，技術領域涉及：G06V40/16；該發明授權低照度的人臉檢測方法、裝置、計算機設備及存儲介質是由胡懋成;李德民;王秋陽;宋素林設計研發完成，并于2022-03-28向國家知識產權局提交的專利申請。

本低照度的人臉檢測方法、裝置、計算機設備及存儲介質在說明書摘要公布了：本發明實施例公開了低照度的人臉檢測方法、裝置、計算機設備及存儲介質。所述方法包括：獲取待檢測圖像；將所述待檢測圖像輸入人臉檢測模型內進行人臉檢測，以得到檢測結果；輸出所述檢測結果；其中，所述人臉檢測模型通過若干組由低光照度人臉圖像以及正常光照度人臉圖像構成圖像對作為樣本集訓練由對抗神經網絡以及深度學習網絡構成的模型所得的。通過實施本發明實施例的方法可實現無需通過閾值調整進行超低光照度地人臉檢測，可以針對不同程度的低光照度光線進行人臉檢測；更好的預測不同尺度大小的人臉。

本發明授權低照度的人臉檢測方法、裝置、計算機設備及存儲介質在權利要求書中公布了：1.低照度的人臉檢測方法，其特征在于，包括： 獲取待檢測圖像； 將所述待檢測圖像輸入人臉檢測模型內進行人臉檢測，以得到檢測結果； 輸出所述檢測結果； 其中，所述人臉檢測模型通過若干組由低光照度人臉圖像以及正常光照度人臉圖像構成圖像對作為樣本集訓練由對抗神經網絡以及深度學習網絡構成的模型所得的； 所述人臉檢測模型通過若干組由低光照度人臉圖像以及正常光照度人臉圖像構成圖像對作為樣本集訓練由對抗神經網絡以及深度學習網絡構成的模型所得的，包括： 獲取若干組由低光照度人臉圖像以及正常光照度人臉圖像構成圖像對，以得到樣本集； 將所述樣本集輸入對抗神經網絡內進行處理，以得到處理結果； 將所述處理結果輸入至深度學習網絡內進行人臉目標框的檢測，以得到目標框檢測結果； 根據所述處理結果、目標框檢測結果結合對應的損失函數進行對抗神經網絡以及深度學習網絡的參數調整，以得到人臉檢測模型； 所述將所述樣本集輸入對抗神經網絡內進行處理，以得到處理結果，包括： 采用對抗神經網絡中的多個SwinTransformer塊對所述樣本集內的低光照度人臉圖像進行特征提取； 對提取的特征對應的特征層進行融合處理，以提取感光信息，以得到處理結果； 所述對提取的特征對應的特征層進行融合處理，以提取感光信息，以得到處理結果，包括： 對提取的特征對應的第二個特征層進行上采樣，并與第一個特征層進行原始特征直接拼接，以得到第一拼接結果； 對提取的特征對應的第四個特征層進行上采樣，并與第三個特征層進行原始特征直接拼接，以得到第二拼接結果； 將所述第一拼接結果、第二拼接結果以及第五個特征層進行可變形卷積操作，以得到對應的卷積結果； 將對應的卷積結果進行原始特征直接拼接，以得到融合特征； 對所述融合特征進行CBAM注意力機制處理，以得到注意力處理結果； 對所述注意力處理結果進行上采樣處理，以得到上采樣處理結果； 將所述上采樣處理結果進行合并，以得到合并結果； 對所述合并結果進行五次反卷積，并進行特征通道數還原和尺寸恢復，以得到增強光照圖片，且將第四次反卷積輸出的特征進行卷積和原始特征直接拼接，以得到特征拼接結果； 將合并結果通過動態條件卷積處理，以得到動態處理特征圖； 將第四次反卷積輸出的特征以及所述動態處理特征圖進行原始特征直接拼接，并進行組合卷積，以得到處理結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人深圳市賽為智能股份有限公司，其通訊地址為：518000 廣東省深圳市龍崗區南灣街道下李朗社區聯李東路8號賽為大樓A101至15樓；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。