1.基于人臉識(shí)別的精子庫(kù)身份核驗(yàn)方法，其特征在于：包括
2.如權(quán)利要求1所述的基于人臉識(shí)別的精子庫(kù)身份核驗(yàn)方法，其特征在于：所述基于人臉識(shí)別的精子庫(kù)身份核驗(yàn)方法，還包括：
3.如權(quán)利要求1所述的基于人臉識(shí)別的精子庫(kù)身份核驗(yàn)方法，其特征在于：所述對(duì)面部特征信息歸一化處理的方法，具體包括：
4.如權(quán)利要求3所述的基于人臉識(shí)別的精子庫(kù)身份核驗(yàn)方法，其特征在于：所述對(duì)面部特征信息歸一化處理的方法，具體還包括：
5.如權(quán)利要求1所述的基于人臉識(shí)別的精子庫(kù)身份核驗(yàn)方法，其特征在于：所述采用訓(xùn)練集和測(cè)試集對(duì)身份識(shí)別模型迭代訓(xùn)練的方法，具體包括：
6.如權(quán)利要求5所述的基于人臉識(shí)別的精子庫(kù)身份核驗(yàn)方法，其特征在于：所述身份識(shí)別模型以yolov5網(wǎng)絡(luò)模型為初始模型，在初始模型由輸入層、特征提取層、特征融合層、目標(biāo)預(yù)測(cè)層組成，身份識(shí)別模型構(gòu)建時(shí)，凍結(jié)初始模型的輸入層，在輸入層中引入編碼器和解碼器，編碼器用于對(duì)面部特征信息進(jìn)行下采樣降維，解碼器用于對(duì)面部特征信息上采樣升維，所述特征提取層由focus模塊、csp模塊、cbl模塊和spp模塊組成，凍結(jié)特征提取層的cbl模塊和spp模塊，采用cbam注意力機(jī)制替換cbl模塊和spp模塊，所述特征融合層為bifpn特征融合網(wǎng)絡(luò)，bifpn特征融合網(wǎng)絡(luò)中引入三組3×3、5×5、13×13的最大池化層進(jìn)行多尺度特征融合。
7.如權(quán)利要求6所述的基于人臉識(shí)別的精子庫(kù)身份核驗(yàn)方法，其特征在于：所述身份識(shí)別模型以精子庫(kù)關(guān)聯(lián)人員信息為先驗(yàn)信息，對(duì)面部特征信息識(shí)別分析的方法，具體包括：
8.如權(quán)利要求7所述的基于人臉識(shí)別的精子庫(kù)身份核驗(yàn)方法，其特征在于：所述特征注意力輸出表示為：
9.基于人臉識(shí)別的精子庫(kù)身份核驗(yàn)系統(tǒng)，用于實(shí)施如權(quán)利要求1-8任一所述的基于人臉識(shí)別的精子庫(kù)身份核驗(yàn)方法，其特征在于：所述基于人臉識(shí)別的精子庫(kù)身份核驗(yàn)系統(tǒng)，具體包括：
10.如權(quán)利要求9所述的基于人臉識(shí)別的精子庫(kù)身份核驗(yàn)系統(tǒng)，其特征在于：所述信息采集模塊包括：