[發明專利]身份驗證模型訓練方法及裝置、存儲介質、電子設備

在審

• 申請號: 201910750225.1
• 申請日: 2019-08-14
• 公開（公告）號: CN110490245A
• 公開（公告）日: 2019-11-22
• 發明（設計）人: 梁健;白琨
• 申請（專利權）人: 騰訊科技(深圳)有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F21/31
• 代理公司: 44232 深圳市隆天聯鼎知識產權代理有限公司
• 代理人: 劉抗美<國際申請>=<國際公布>=<進入

1.一種身份驗證模型訓練方法，其特征在于，包括：

獲取樣本身份特征數據以及所述樣本身份特征數據對應的身份標簽；

根據所述樣本身份特征數據對預建立的身份驗證模型中的身份分支網絡進行第一學習處理以對所述身份分支網絡進行訓練；

根據所述樣本身份特征數據對所述身份驗證模型中的領域分支網絡進行第二學習處理以對所述領域分支網絡進行訓練；

通過所述身份標簽以及訓練后的所述領域分支網絡對所述身份分支網絡進行第三學習處理以根據訓練后的所述身份分支網絡構建所述身份驗證模型。

2.根據權利要求1所述的身份驗證模型訓練方法，其特征在于，所述身份驗證模型還包括特征轉換網絡，在根據所述樣本身份特征數據對預建立的身份驗證模型中的身份分支網絡進行第一學習處理以對所述身份分支網絡進行訓練之前，所述方法還包括：

根據所述特征轉換網絡對所述樣本身份特征數據進行轉換處理以生成所述樣本身份特征數據對應的隱層特征向量。

3.根據權利要求2所述的身份驗證模型訓練方法，其特征在于，所述身份分支網絡包括身份信息提取網絡、身份信息判別網絡以及目標損失函數；

所述根據所述樣本身份特征數據對預建立的身份驗證模型中的身份分支網絡進行第一學習處理以對所述身份分支網絡進行訓練包括：

通過所述身份信息判別網絡以及所述目標損失函數對所述身份信息提取網絡進行無監督學習處理以使所述身份信息提取網絡根據所述隱層特征向量生成第一屬性向量；其中所述第一屬性向量包括身份特征信息且不包括領域特征信息。

4.根據權利要求3所述的身份驗證模型訓練方法，其特征在于，所述領域分支網絡包括領域信息提取網絡、領域信息判別網絡以及目標對抗損失函數；

所述根據所述樣本身份特征數據對所述身份驗證模型中的領域分支網絡進行第二學習處理以對所述領域分支網絡進行訓練包括：

通過所述領域信息判別網絡以及所述目標對抗損失函數對所述領域信息提取網絡進行無監督學習處理以使所述領域信息提取網絡根據所述隱層特征向量生成第二屬性向量；其中所述第二屬性向量包括領域特征信息且不包括身份特征信息。

5.根據權利要求3所述的身份驗證模型訓練方法，其特征在于，通過所述身份標簽以及訓練后的所述領域分支網絡對所述身份分支網絡進行第三學習處理以根據訓練后的所述身份分支網絡構建所述身份驗證模型包括：

通過所述身份標簽對所述身份信息提取網絡進行監督學習處理以及通過訓練后的所述領域分支網絡對所述身份信息提取網絡進行對抗學習處理以使所述身份信息提取網絡根據所述樣本身份特征數據生成身份特征向量。

6.根據權利要求3或4任意一項所述的身份驗證模型訓練方法，其特征在于，所述目標損失函數包括深度度量學習損失函數或者交叉熵損失函數；以及對所述目標損失函數進行計算處理生成所述目標對抗損失函數。

7.一種身份驗證方法，其特征在于，包括：

獲取當前身份特征數據，并將所述當前身份特征數據輸入到預訓練的身份驗證模型中以確定所述當前身份特征數據對應的當前特征向量；

獲取預存儲的原始身份特征數據，并將所述原始身份特征數據輸入到所述身份驗證模型中以確定所述原始身份特征數據對應的原始特征向量；

若所述當前特征向量與所述原始特征向量的差值小于預設閾值，則確定所述當前身份特征數據通過身份驗證。