[發明專利]身份認證方法和裝置

有效

• 申請號: 201810259996.6
• 申請日: 2018-03-27
• 公開（公告）號: CN108491805B
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 何濤
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/74;G06V10/75;G06K9/62;G06F21/32
• 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

1.一種身份認證方法，包括：

將待檢測圖像輸入至預先訓練的人臉識別模型，得到特征信息；

將所述特征信息與預存特征信息進行匹配；

基于匹配結果生成身份認證結果；

其中，所述人臉識別模型通過如下步驟訓練得到：

提取訓練樣本，其中，所述訓練樣本包括第一圖像、第二圖像和第三圖像，所述第一圖像與所述第二圖像的類型不同且帶有相同的用戶身份標注，所述第一圖像與所述第三圖像帶有不同的用戶身份標注，所述類型包括可見光圖像類型和近紅外圖像類型；

將所述第一圖像、所述第二圖像和所述第三圖像輸入至預先建立的卷積神經網絡，基于輸入至所述卷積神經網絡中的各圖像所帶有的用戶身份標注和預設的損失函數，利用機器學習方法對所述卷積神經網絡進行訓練，生成人臉識別模型。

2.根據權利要求1所述的身份認證方法，其中，所述預存特征信息是從用戶注冊時所使用的人臉圖像中提取的，所述人臉圖像與所述待檢測圖像的類型不同。

3.根據權利要求1所述的身份認證方法，其中，所述將所述第一圖像、所述第二圖像和所述第三圖像輸入至預先建立的卷積神經網絡，基于輸入至所述卷積神經網絡中的各圖像所帶有的用戶身份標注和預設的損失函數，利用機器學習方法對所述卷積神經網絡進行訓練，生成人臉識別模型，包括：

執行如下訓練步驟：將所述訓練樣本中的所述第一圖像、所述第二圖像、所述第三圖像輸入至預先建立的卷積神經網絡，得到分別與所述第一圖像、所述第二圖像、所述第三圖像對應的第一特征信息、第二特征信息、第三特征信息；分別確定所述第一特征信息與所述第二特征信息的相似度、所述第一特征信息與所述第三特征信息的相似度；將所確定的各相似度輸入至預設的損失函數，確定損失值；響應于確定所述損失值不大于預設數值，將當前的卷積神經網絡確定為人臉識別模型。

4.根據權利要求3所述的身份認證方法，其中，所述訓練樣本通過如下步驟提?。?/p>

從預置圖像集合中隨機選取一個圖像作為第一圖像，其中，所述預置圖像中的每一個圖像帶有一個用戶身份標注；

從所述預置圖像集合中隨機選取一個與所述第一圖像不同類型且帶有相同用戶身份標注的圖像作為第二圖像；

從所述預置圖像集合中隨機選取一個與所述第一圖像帶有不同用戶身份標注的圖像作為第三圖像；

將所述第一圖像、所述第二圖像、所述第三圖像匯總為訓練樣本。

5.根據權利要求4所述的身份認證方法，其中，所述將所述第一圖像、所述第二圖像和所述第三圖像輸入至預先建立的卷積神經網絡，基于輸入至所述卷積神經網絡中的各圖像所帶有的用戶身份標注和預設的損失函數，利用機器學習方法對所述卷積神經網絡進行訓練，生成人臉識別模型，還包括：

響應于確定所述損失值大于所述預設數值，基于所述損失函數，利用梯度下降算法，對所述卷積神經網絡的參數進行更新，重新提取訓練樣本并使用更新后的所述卷積神經網絡執行所述訓練步驟。

6.根據權利要求1所述的身份認證方法，其中，所述方法還包括：

響應于確定身份認證未通過，顯示用于提示用戶重新獲取待檢測圖像或者更換認證方式的提示信息。

7.一種身份認證裝置，包括：

輸入單元，配置用于將待檢測圖像輸入至預先訓練的人臉識別模型，得到特征信息；

匹配單元，配置用于將所述特征信息與預存特征信息進行匹配；

生成單元，配置用于基于匹配結果生成身份認證結果；

其中，所述人臉識別模型通過如下步驟訓練得到：

提取訓練樣本，其中，所述訓練樣本包括第一圖像、第二圖像和第三圖像，所述第一圖像與所述第二圖像的類型不同且帶有相同的用戶身份標注，所述第一圖像與所述第三圖像帶有不同的用戶身份標注，所述類型包括可見光圖像類型和近紅外圖像類型；

將所述第一圖像、所述第二圖像和所述第三圖像輸入至預先建立的卷積神經網絡，基于輸入至所述卷積神經網絡中的各圖像所帶有的用戶身份標注和預設的損失函數，利用機器學習方法對所述卷積神經網絡進行訓練，生成人臉識別模型。