[發明專利]一種人臉特征提取方法、裝置及設備

有效

• 申請號: 202010197691.4
• 申請日: 2020-03-19
• 公開（公告）號: CN111368795B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 徐崴
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/40;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京晉德允升知識產權代理有限公司 11623
• 代理人: 王戈

1.一種人臉特征提取方法，所述方法使用了用于隱私保護的人臉特征提取模型，所述人臉特征提取模型包括：圖像編碼器及全連接的深度神經網絡模型；所述圖像編碼器為自編碼器中的編碼器；所述自編碼器是利用第一訓練樣本集合對初始自編碼器進行訓練得到的；所述自編碼器還包括被鎖定的解碼器；所述圖像編碼器的輸出與所述深度神經網絡模型的輸入連接；所述方法包括：

將待識別用戶的人臉圖像輸入所述圖像編碼器，得到所述圖像編碼器輸出的所述人臉圖像的編碼向量，所述編碼向量為對所述人臉圖像進行特征化處理后得到的向量數據；

所述深度神經網絡模型接收所述編碼向量后，輸出所述待識別用戶的人臉特征向量。

2.如權利要求1所述的方法，所述圖像編碼器包括：所述自編碼器的輸入層、第一隱藏層及瓶頸層；所述輸入層與所述第一隱藏層連接，所述第一隱藏層與所述瓶頸層連接，所述瓶頸層與所述深度神經網絡模型連接；

所述輸入層，用于接收所述待識別用戶的人臉圖像；

所述第一隱藏層，用于對所述人臉圖像進行編碼處理，得到第一特征向量；

所述瓶頸層，用于對所述第一特征向量進行降維處理，得到所述人臉圖像的編碼向量，所述編碼向量的維度數量小于所述第一特征向量的維度數量。

3.如權利要求2所述的方法，所述自編碼器還包括第二隱藏層及輸出層；所述第二隱藏層與所述瓶頸層連接，所述第二隱藏層還與所述輸出層連接；

其中，所述第二隱藏層與所述輸出層組成解碼器，所述解碼器用于對所述編碼向量進行解碼處理，所述解碼器為被鎖定的模型。

4.如權利要求1所述的方法，所述全連接的深度神經網絡模型包括：輸入層及多個全連接層；

其中，所述輸入層與所述圖像編碼器的輸出連接，所述輸入層還與所述全連接層連接；

所述輸入層，用于接收所述圖像編碼器輸出的所述編碼向量；

所述全連接層，用于對所述編碼向量進行特征提取，得到所述待識別用戶的人臉特征向量。

5.如權利要求4所述的方法，所述全連接的深度神經網絡模型還包括輸出層，所述輸出層與所述全連接層連接；所述輸出層，用于根據所述全連接層輸出的所述待識別用戶的人臉特征向量，生成人臉分類結果；

其中，所述待識別用戶的人臉特征向量為與所述輸出層相鄰的全連接層的輸出向量。

6.如權利要求1所述的方法，所述人臉特征提取模型還包括用戶匹配模型，所述用戶匹配模型的輸入與所述深度神經網絡模型的輸出連接；所述方法還包括：

所述用戶匹配模型接收所述待識別用戶的人臉特征向量及指定用戶的人臉特征向量，并根據所述待識別用戶的人臉特征向量和所述指定用戶的人臉特征向量之間的向量距離，生成表示所述待識別用戶是否為所述指定用戶的輸出信息，其中，所述指定用戶的人臉特征向量為利用所述圖像編碼器及所述全連接的深度神經網絡模型對所述指定用戶的人臉圖像進行處理而得到的。

7.一種針對用于隱私保護的人臉特征提取模型的訓練方法，所述方法包括：

獲取第一訓練樣本集合，所述第一訓練樣本集合中的訓練樣本為人臉圖像；

利用所述第一訓練樣本集合對初始自編碼器進行訓練，得到訓練后的自編碼器；

獲取第二訓練樣本集合，所述第二訓練樣本集合中的訓練樣本為編碼向量，所述編碼向量為利用所述訓練后的自編碼器中的編碼器對人臉圖像進行特征化處理后得到的向量數據；

利用所述第二訓練樣本集合對全連接的初始深度神經網絡模型進行訓練，得到訓練后的深度神經網絡模型；

根據所述編碼器及所述訓練后的深度神經網絡模型，生成用于隱私保護的人臉特征提取模型。