[發明專利]一種基于卷積神經網絡的人臉驗證方法

有效

• 申請號: 201810366071.1
• 申請日: 2018-04-23
• 公開（公告）號: CN108537206B
• 公開（公告）日: 2021-08-10
• 發明（設計）人: 襲肖明;于治樓;陳祥;吳永健
• 申請（專利權）人: 山東浪潮科學研究院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F21/32
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 姜鵬

本發明公開了一種基于卷積神經網絡的人臉驗證方法，其實現過程為，首先收集訓練圖像，挑選正類樣本，生成正類模板；構造訓練集，將收集的訓練圖像與正類模板進行比對；設計損失函數，通過優化該函數，結合訓練集訓練卷積神經網絡模型，使該卷積神經網絡模型可樣本對輸入；將待驗證樣本與產生的正類模板構造成一個樣本對輸入到卷積神經網絡中，根據驗證結果，確定樣本為正類或負類，正類則驗證通過，負類則驗證不通過。本發明的一種基于卷積神經網絡的人臉驗證方法與現有技術相比，將單樣本輸入改為樣本對輸入，能夠學到樣本與正類模板的相似性，直接輸出樣本與正類模板的比對結果，不需要與其他正類樣本進行一一比對，可以有效地降低驗證時間。

技術領域

本發明涉及計算機應用技術領域，具體地說是一種基于卷積神經網絡的人臉驗證方法。

背景技術

隨著社會和經濟的不斷發展，市場對身份驗證的需求越來越大，身份驗證越來越重要。人臉驗證是當今身份驗證的主流方法。現有的方法專注于降低識別錯誤率，隱含了一個假設，即每個用戶的身份重要性是相同的。然而對于某些需要低拒識率或者低誤識率的場景，這種假設是有問題的。例如，對于一個金融機構來說，可能只有少數的幾個高級員工擁有支付、轉賬等重要權限。在這種應用場景下，將外來人員錯誤的識別為高級員工產生的損失要遠遠的高于將高級員工誤識別為外來人員的損失。再例如，對于一個通緝犯追捕識別系統，錯將數據庫中的通緝犯們誤分為良好市民產生的損失要遠遠的高于將良好市民誤分為通緝犯們的損失。因此，針對這種需要低拒識率或者低誤識率的場景，如何發明一種基于這類特殊場景下的人臉驗證方法，使其能夠高效地對特定用戶的人臉進行正確識別，對于降低企業產品競爭力，具有重要的意義。

為了解決這個問題，本專利提供一種基于卷積神經網絡的人臉驗證方法。

發明內容

本發明的技術任務是針對以上不足之處，提供一種基于卷積神經網絡的人臉驗證方法。

一種基于卷積神經網絡的人臉驗證方法，其實現過程為，

一、首先收集訓練圖像，挑選正類樣本，生成正類模板；

二、構造訓練集，將收集的訓練圖像與正類模板進行比對，分成與模板同類的樣本和與模板不同類的樣本；

三、設計損失函數，通過優化該函數，結合訓練集訓練卷積神經網絡模型，使該卷積神經網絡模型可樣本對輸入；

四、將待驗證樣本與產生的正類模板構造成一個樣本對輸入到卷積神經網絡中，根據驗證結果，確定樣本為正類或負類，正類則驗證通過，負類則驗證不通過。

所述步驟一中，正類樣本是指人為指定的應用場景中的關注樣本，在生成正類模板時，首先根據正類樣本的重要性，對每個正類樣本進行加權設定，然后通過已有的正類模板和它的權重，利用以下公式獲得正類模板T：

在該公式中，N是現有正類樣本的個數，R_i是第i個用戶的權重，衡量第i個用戶身份的重要性，U_i第i個用戶的數據。

所述步驟二中的訓練集構造過程中，將收集的訓練圖像與正類模板進行比對后，將與模板同類的樣本，標記為1；與模板不同類的樣本，標記為-1。

所述步驟三中卷積神經網絡通過以下損失函數及優化過程訓練：

s.t L_i＝wz_i+b；

s.t z_i＝x_i-T；