[發明專利]用于解鎖的方法及裝置

有效

• 申請號: 201810256337.7
• 申請日: 2018-03-27
• 公開（公告）號: CN108509781B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 楊銳
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F21/32
• 分類號: G06F21/32;G06V40/16;G06V20/40
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于解鎖的方法，包括：

響應于檢測到解鎖信號，獲取用戶的人臉圖像；

查找與所述人臉圖像對應的上鎖視頻，并獲取所述上鎖視頻對應的提示信息選項，所述上鎖視頻為預先錄制的用戶視頻，所述提示信息選項用于指示用戶選擇錄入的視頻內容，所述視頻內容包括與所述人臉圖像對應的用戶預先對其獨有物品錄制的圖像；

按照所述提示信息選項錄制用戶的解鎖視頻；

將所述上鎖視頻和解鎖視頻導入預先訓練的視頻識別模型，得到識別結果標簽，所述視頻識別模型用于按照所述提示信息選項識別上鎖視頻的內容和解鎖視頻的內容是否相同；

響應于所述識別結果標簽為內容相同，執行解鎖操作；

響應于所述識別結果標簽為內容不同，提示用戶再次錄制所述解鎖視頻或發出告警信號；

其中，所述將所述上鎖視頻和解鎖視頻導入預先訓練的視頻識別模型，得到識別結果標簽，包括：

將所述上鎖視頻和解鎖視頻輸入至所述視頻識別模型中的卷積神經網絡，分別得到所述上鎖視頻的各幀圖像的第一圖像特征向量和所述解鎖視頻的各幀圖像的第二圖像特征向量，所述卷積神經網絡用于表征視頻與視頻的各幀圖像的圖像特征向量之間的對應關系；

將所述第一圖像特征向量和第二圖像特征向量輸入至所述視頻識別模型中的循環神經網絡，得到所述上鎖視頻的第一視頻特征向量和所述解鎖視頻的第二視頻特征向量；其中，構建得到所述循環神經網絡的過程包括：基于對大量樣本視頻的各幀圖像的圖像特征向量和樣本視頻的視頻特征向量進行統計而生成存儲有多個樣本視頻的各幀圖像的圖像特征向量與樣本視頻的視頻特征向量的對應關系的對應關系表，并將所述對應關系表作為所述循環神經網絡，所述視頻特征向量用于表征視頻的各幀圖像的圖像特征向量之間的關聯關系；

將所述第一視頻特征向量和第二視頻特征向量輸入至所述視頻識別模型中的全連接層，得到所述上鎖視頻和解鎖視頻的識別結果標簽，所述全連接層用于表征視頻特征向量與識別結果標簽之間的對應關系；

還包括：在利用所述全連接層的參數對輸入的視頻特征向量進行線性變換后，利用在所述全連接層后增設的非線性激勵函數對經所述線性變換后的結果進行轉換，以通過引入非線性因素增強所述視頻識別模型的表達能力。

2.根據權利要求1所述的方法，其中，所述方法還包括錄制上鎖視頻的步驟，所述錄制上鎖視頻的步驟包括：

響應于檢測到上鎖視頻錄制信號，顯示提示信息選項集合；

響應于用戶從所述提示信息選項集合中選擇的至少一個提示信息選項，按照所述至少一個提示信息選項錄制上鎖視頻。

3.根據權利要求2所述的方法，其中，所述按照所述至少一個提示信息選項錄制上鎖視頻，包括：

為所述至少一個提示信息選項包含的每個提示信息選項設置順序編號，按照所述順序編號向用戶展示對應該順序編號的提示信息選項，并錄制對應該提示信息選項的視頻片段。

4.根據權利要求1所述的方法，其中，所述視頻識別模型按照如下步驟訓練得到：

獲取多個樣本上鎖視頻和所述多個樣本上鎖視頻中的每個樣本上鎖視頻對應的樣本解鎖視頻和識別結果標簽；

將所述多個樣本上鎖視頻中的每個樣本上鎖視頻和對應該樣本上鎖視頻的樣本解鎖視頻作為輸入，將對應樣本解鎖視頻的識別結果標簽作為輸出，訓練得到所述視頻識別模型。

5.根據權利要求4所述的方法，其中，所述將所述多個樣本上鎖視頻中的每個樣本上鎖視頻和對應該樣本上鎖視頻的樣本解鎖視頻作為輸入，將對應樣本解鎖視頻的識別結果標簽作為輸出，訓練得到所述視頻識別模型，包括：

執行以下訓練步驟：將所述多個樣本上鎖視頻和所述多個樣本上鎖視頻中的每個樣本上鎖視頻對應的樣本解鎖視頻輸入到初始視頻識別模型，得到對應樣本解鎖視頻的預測識別結果標簽，將所述預測識別結果標簽與對應樣本解鎖視頻的識別結果標簽進行比較，得到所述初始視頻識別模型的識別準確率，確定所述識別準確率是否大于預設準確率閾值，若大于所述預設準確率閾值，則將所述初始視頻識別模型作為訓練完成的視頻識別模型。