[發(fā)明專利]一種人臉認(rèn)證方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201610852125.6
• 申請(qǐng)日: 2016-09-26
• 公開（公告）號(hào): CN107871105B
• 公開（公告）日: 2021-10-19
• 發(fā)明（設(shè)計(jì)）人: 王洋;張偉琳;陸小軍
• 申請(qǐng)（專利權(quán)）人: 北京眼神科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 趙娟

1.一種人臉認(rèn)證方法，其特征在于，包括：

分別采用第一卷積神經(jīng)網(wǎng)絡(luò)以及第二卷積神經(jīng)網(wǎng)絡(luò)對(duì)同一目標(biāo)人臉數(shù)據(jù)進(jìn)行特征提取，得到對(duì)應(yīng)的第一人臉特征以及第二人臉特征，其中，所述第一卷積神經(jīng)網(wǎng)絡(luò)與所述第二卷積神經(jīng)網(wǎng)絡(luò)以不同的損失函數(shù)訓(xùn)練得到；

將所述第一人臉特征以及所述第二人臉特征合并成組合人臉特征；

基于所述組合人臉特征對(duì)所述目標(biāo)人臉數(shù)據(jù)進(jìn)行認(rèn)證處理；

其中，所述分別采用第一卷積神經(jīng)網(wǎng)絡(luò)以及第二卷積神經(jīng)網(wǎng)絡(luò)對(duì)同一目標(biāo)人臉數(shù)據(jù)進(jìn)行特征提取，得到對(duì)應(yīng)的第一人臉特征以及第二人臉特征的步驟包括：

分別將所述目標(biāo)人臉數(shù)據(jù)輸入第一卷積神經(jīng)網(wǎng)絡(luò)以及第二卷積神經(jīng)網(wǎng)絡(luò)，其中，所述第一卷積神經(jīng)網(wǎng)絡(luò)以及第二卷積神經(jīng)網(wǎng)絡(luò)均分布有一個(gè)或多個(gè)卷積層，每一個(gè)或多個(gè)卷積層之間交替著采樣層，第一個(gè)卷積層的數(shù)據(jù)輸入為目標(biāo)人臉數(shù)據(jù)，輸出的數(shù)據(jù)作為下一層輸入的數(shù)據(jù)；所述卷積層具有第一深度范圍或第二深度范圍，所述第二深度范圍的層數(shù)大于所述第一深度范圍的層數(shù)；

在所述第一卷積神經(jīng)網(wǎng)絡(luò)和/或所述第二卷積神經(jīng)網(wǎng)絡(luò)中，當(dāng)當(dāng)前層為第一深度范圍的卷積層時(shí)，采用指定的第一卷積核與第一步長(zhǎng)對(duì)輸入的數(shù)據(jù)進(jìn)行卷積操作；當(dāng)當(dāng)前層為第二深度范圍的卷積層時(shí)，采用分層線性模型Inception對(duì)輸入的數(shù)據(jù)進(jìn)行卷積操作；當(dāng)當(dāng)前層為采樣層時(shí)，進(jìn)行最大化下采樣；

將所述第一卷積神經(jīng)網(wǎng)絡(luò)輸出的多個(gè)圖像數(shù)據(jù)進(jìn)行排序，獲得特征向量，作為所述目標(biāo)人臉數(shù)據(jù)的第一人臉特征，以及，將所述第二卷積神經(jīng)網(wǎng)絡(luò)輸出的多個(gè)圖像數(shù)據(jù)進(jìn)行排序，獲得特征向量，作為所述目標(biāo)人臉數(shù)據(jù)的第二人臉特征；

其中，所述分層線性模型Inception包括第一層、第二層、第三層、第四層；

所述采用分層線性模型Inception對(duì)輸入的數(shù)據(jù)進(jìn)行卷積操作的步驟包括：

在第一層中，采用指定的第二卷積核與第二步長(zhǎng)對(duì)輸入的數(shù)據(jù)進(jìn)行卷積操作，獲得第一特征圖像數(shù)據(jù)；

在第二層中，對(duì)輸入的數(shù)據(jù)進(jìn)行最大化下采樣操作，獲得第二特征圖像數(shù)據(jù)；

采用指定的第三卷積核與第三步長(zhǎng)對(duì)所述第二特征圖像數(shù)據(jù)進(jìn)行卷積操作，獲得第三特征圖像數(shù)據(jù)；

在第三層中，采用指定的第四卷積核與第四步長(zhǎng)對(duì)輸入的數(shù)據(jù)進(jìn)行卷積操作，獲得第四特征圖像數(shù)據(jù)；

采用指定的第五卷積核與第五步長(zhǎng)對(duì)所述第四特征圖像數(shù)據(jù)進(jìn)行卷積操作，獲得第五特征圖像數(shù)據(jù)；

在第四層中，采用指定的第六卷積核與第六步長(zhǎng)對(duì)輸入的數(shù)據(jù)進(jìn)行卷積操作，獲得第六特征圖像數(shù)據(jù)；

采用指定的第七卷積核與第七步長(zhǎng)對(duì)所述第六特征圖像數(shù)據(jù)進(jìn)行卷積操作，獲得第七特征圖像數(shù)據(jù)；

連接所述第一特征圖像數(shù)據(jù)、所述第三特征圖像數(shù)據(jù)、所述第五特征圖像數(shù)據(jù)和所述得第七特征圖像數(shù)據(jù)，獲得第八特征圖像數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述分別采用第一深度神經(jīng)網(wǎng)絡(luò)以及第二深度神經(jīng)網(wǎng)絡(luò)對(duì)同一目標(biāo)人臉數(shù)據(jù)進(jìn)行特征提取，得到對(duì)應(yīng)的第一人臉特征以及第二人臉特征的步驟之前，還包括：

對(duì)目標(biāo)圖像數(shù)據(jù)進(jìn)行人臉檢測(cè)，確定人臉數(shù)據(jù)；

在所述人臉數(shù)據(jù)中進(jìn)行人臉特征點(diǎn)定位，確定眼睛數(shù)據(jù)；

將所述眼睛數(shù)據(jù)進(jìn)行對(duì)齊；

對(duì)除所述眼睛數(shù)據(jù)之外的人臉數(shù)據(jù)，根據(jù)眼睛數(shù)據(jù)的位置關(guān)系進(jìn)行相似變換以及歸一化處理，得到目標(biāo)人臉數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述當(dāng)當(dāng)前層為第一深度范圍的卷積層時(shí)，采用指定的第一卷積核與第一步長(zhǎng)對(duì)輸入的數(shù)據(jù)進(jìn)行卷積操作的步驟之后，還包括：

對(duì)所述卷積層輸出的數(shù)據(jù)進(jìn)行規(guī)范化操作和/或激活操作。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述采用分層線性模型Inception對(duì)輸入的數(shù)據(jù)進(jìn)行卷積操作的步驟還包括：

在第一層中，對(duì)所述第一特征圖像數(shù)據(jù)進(jìn)行規(guī)范化操作和激活操作；

在第二層中，對(duì)所述第三特征圖像數(shù)據(jù)進(jìn)行規(guī)范化操作和激活操作；

在第三層中，對(duì)所述第四特征圖像數(shù)據(jù)進(jìn)行規(guī)范化操作和激活操作；以及，對(duì)所述第五特征圖像數(shù)據(jù)進(jìn)行規(guī)范化操作和激活操作；

在第四層中，對(duì)所述第六特征圖像數(shù)據(jù)進(jìn)行規(guī)范化操作和激活操作；以及，對(duì)所述第七特征圖像數(shù)據(jù)進(jìn)行規(guī)范化操作和激活操作；

對(duì)所述第八特征圖像數(shù)據(jù)激活操作。