[發明專利]人臉認證方法和裝置

在審

• 申請號: 201610852196.6
• 申請日: 2016-09-26
• 公開（公告）號: CN107871107A
• 公開（公告）日: 2018-04-03
• 發明（設計）人: 王洋;張偉琳;陸小軍
• 申請（專利權）人: 北京眼神科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京潤澤恒知識產權代理有限公司11319
• 代理人: 蘇培華

技術領域

本發明涉及人臉識別技術領域，特別是涉及一種人臉認證方法和裝置。

背景技術

人臉認證是通過兩幅圖像的有效表征來判斷圖像是否屬于同一個人的方法。人臉認證作為生物特征識別方法的一種，與指紋識別，虹膜識別等方法相比具有非接觸性、非強制性等優點。所以，人臉認證方法在金融、信息安全等領域得到了廣泛的應用。但由于人臉圖像的采集極易受到外界環境變化的影響(如光照等)，并且人臉又為非剛性對象，因此，現實場景下的人臉認證具有極大的挑戰。

根據人臉表征方式的不同，現有的人臉認證方法包括基于幾何特征的人臉認證方法。其中，基于幾何特征的人臉認證方法是通過提取人臉部件(比如眼睛、嘴巴、鼻子等部分)的幾何關系和紋理特征，以將人臉圖像與圖模型相聯系的方式，將人臉匹配轉化為一種圖模型匹配的方法。但是，這種基于幾何和/或紋理特征的方法，在幾何特征點的選取上存在較大的主觀性，而且特征點定位的準確度對該方法的精度影響很大，從而存在人臉認證錯誤率高的問題。

為了解決上述特征點選取所帶來的主觀性大而造成的人臉認證錯誤率高的問題，現有技術還提出了一種基于子空間的人臉認證方法。其中，該基于子空間的人臉認證方法采用的方案為：將人臉圖像或是人臉圖像的編碼結果通過線性或非線性映射的方法投影到低維度的子空間中，并利用新的空間中的向量作為人臉圖像的特征，最后通過相似度度量或是距離度量等度量方式來對特征進行分類，以此判斷兩個人臉圖像是否為同一類，即同一個人。但是，基于子空間的方法需要較好的人臉表征算子，而單一的算子往往不能表達人臉的多重變化，所以，這種基于子空間的人臉認證方法對光照、姿態和表情變化的處理并不理想，從而存在對表情或是環境等因素不同的同一個人的認證錯誤的問題。

而為了保證人臉認證的準確率以及對同一個人的表情或是環境變化的分辨能力，現有技術中還提出了一種基于學習的人臉認證方法，該基于學習的人臉認證方法通過最小化損失函數的思想，從算法中自動提取表征人臉的特征，以此來實現人臉認證。其中，人工神經網絡就是其中的一種基于學習的人臉認證方法，其主要通過最小化與目標相等價的損失函數，來學習得到人臉特征，進而用于人臉識別任務。另一種基于深度學習的方法與人工神經網絡方法相類似，但是深度學習方法對人腦有更好的模擬，其獲取的特征層次更高級，更抽象。而現有技術中基于深度卷積網絡的方法在人臉識別上雖然可以取得較高的準確率，網絡也可以自適應的從人臉圖像中提取易于分類的特征。但是，由于隨著網絡深度的加深，其計算量也在快速的增長。并且，參數的增多也需要大量的標注數據進行訓練，以防止出現過擬合等問題。此外，現有的由單一識別信號監督訓練的網絡雖然可以使得其具有較好的分類能力，但是其不能保證同一類的樣本之間的高相似度。而且，現有技術所采用的triplet-loss方法在訓練卷積網絡時，算法的收斂性和效果也會過于依賴負樣本對(非同一個人的人臉樣本對)的選取，負樣本對選取不理想極易導致算法不收斂。

由此可見，現有技術中深度卷積網絡的人臉認證方案普遍存在著計算量大以及分類能力與同一類樣本相似度高不能兼顧的問題。

發明內容

本發明實施例所要解決的技術問題是提供一種人臉認證方法和裝置，以解決現有技術中的深度卷積網絡的人臉認證方案所存在的計算量大以及分類能力與同一類相似度高不能兼顧的問題。

為了解決上述問題，根據本發明的一個方面，本發明公開了一種人臉認證方法，包括：

采用預先由分類損失和認證損失監督訓練的卷積神經網絡模型對多個待測人臉圖像提取特征，得到所述多個待測人臉圖像的多個人臉特征向量；

采用主成分分析方法對所述多個人臉特征向量進行降維，得到降維后的 多個人臉特征向量；

采用聯合貝葉斯分類器對降維后的所述多個人臉特征向量進行分類計算，確定所述多個待測人臉圖像是否為同一人的人臉圖像。

根據本發明的另一方面，本發明還公開了一種人臉認證裝置，包括：

提取模塊，用于采用預先由分類損失和認證損失監督訓練的卷積神經網絡模型對多個待測人臉圖像提取特征，得到所述多個待測人臉圖像的多個人臉特征向量；

降維模塊，用于采用主成分分析裝置對所述多個人臉特征向量進行降維，得到降維后的多個人臉特征向量；

分類模塊，用于采用聯合貝葉斯分類器對降維后的所述多個人臉特征向量進行分類計算，確定所述多個待測人臉圖像是否為同一人的人臉圖像。

與現有技術相比，本發明實施例包括以下優點：