[發明專利]雙通道神經網絡模型訓練及人臉比對方法、終端及介質

在審

• 申請號: 201810299180.6
• 申請日: 2018-04-04
• 公開（公告）號: CN108446666A
• 公開（公告）日: 2018-08-24
• 發明（設計）人: 王義文;王健宗;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 楊毅玲;何玲君

一種雙通道神經網絡模型訓練方法，包括：將每張人臉圖片輸入第一深度神經網絡中提取出第一人臉特征，同時將對應的經過直方圖均衡化處理后的人臉圖片輸入第二深度神經網絡中提取出第二人臉特征；對第一人臉特征和第二人臉特征進行歸一化后連接作為最終人臉特征表示；將所述最終人臉特征表示進行歸一化后輸入至預先設置的損失函數中計算損失函數值，當損失函數值小于或等于預先設置的損失函數閾值時，則雙通道神經網絡模型訓練結束并更新所述雙通道神經網絡模型中的權重和偏置。本發明還提供一種人臉比對方法、終端及介質。本發明可以訓練出適合人臉比對的雙通道神經網絡模型，獲得較佳的人臉比對效果。

技術領域

本發明涉及圖像識別技術領域，具體涉及一種雙通道神經網絡模型訓練及人臉比對方法、終端及介質。

背景技術

最近幾年，隨著機器學習和深度學習的發展，生物特征憑借便于攜帶、不會丟失、不會遺忘、不會借用和不會盜用等特點，被廣泛應用在身份認證中。人臉識別技術作為生物特征識別技術之一，它具有最直接、友好和方便的特點，是我們的理想選擇。人臉比對是人臉識別的子領域，人臉比對是判斷兩張人臉圖片是不是同一個人，最常用的場景是判斷證件是不是本人，人臉識別則是給定一張人臉圖片，然后判斷這個人是誰，其實質相當于多次的人臉比對。

由于動態環境下的人臉圖片存在光照不足、遮擋、分辨率不夠、姿態不正確等多種影響，使得動態環境下的人臉比對難度非常大，造成人臉比對準確度下降。

發明內容

鑒于以上內容，有必要提出一種雙通道神經網絡模型訓練方法及人臉比對方法、終端及介質，其可以訓練出適合人臉比對的分類模型，訓練出的特征的區分能力較強，獲得較佳的人臉比對效果。

本發明的第一方面提供一種雙通道神經網絡模型訓練方法，所述方法包括：

a.獲取不同人的一張原始人臉圖片，每張原始人臉圖片的尺寸為182*182；

b.將每張原始人臉圖片進行隨機裁剪成預設數量的人臉圖片，得到人臉樣本數據集；

c.分別對所述人臉樣本數據集中的每張人臉圖片進行直方圖均衡化處理，得到直方圖均衡化人臉圖片；

d.將人臉樣本數據中的每張所述人臉圖片輸入第一深度神經網絡中提取出第一人臉特征，同時將對應的直方圖均衡化人臉圖片輸入第二深度神經網絡中提取出第二人臉特征；

e.對所述第一人臉特征進行歸一化得到第一歸一化人臉特征，同時對所述第二人臉特征進行歸一化得到第二歸一化人臉特征；

f.根據預設連接規則連接所述第一歸一化人臉特征和所述第二歸一化人臉特征得到新的歸一化人臉特征，作為最終人臉特征表示；及

g.將所述最終人臉特征表示進行歸一化后輸入至預先設置的損失函數中計算損失函數值，當損失函數值小于或等于預先設置的損失函數閾值時，則雙通道神經網絡模型訓練結束并更新所述雙通道神經網絡模型中的權重和偏置。

本發明的第二方面提供一種利用所述的雙通道神經網絡模型進行人臉比對的方法，所述方法包括：

在收到待進行人臉比對的目標用戶的人臉圖片后，對目標用戶的人臉圖片進行直方圖均衡化處理，得到目標用戶的直方圖均衡化人臉圖片；

將所述目標用戶的人臉圖片輸入訓練好的雙通道神經網絡模型中的第一深度神經網絡中提取出第三人臉特征，同時將所述目標用戶的直方圖均衡化人臉圖片輸入訓練好的雙通道神經網絡模型中的第二深度神經網絡中提取出第四人臉特征；

對所述第三人臉特征進行歸一化得到第三歸一化人臉特征，同時對所述第四人臉特征進行歸一化得到第四歸一化人臉特征；

根據所述預設連接規則連接所述第三歸一化人臉特征和所述第四歸一化人臉特征得到新的歸一化人臉特征，作為所述目標用戶的最終特征表示；