[發明專利]一種駕駛員身份驗證方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011103061.2
• 申請日: 2020-10-15
• 公開（公告）號: CN112183449A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 陳揚;金忠孝
• 申請（專利權）人: 上海汽車集團股份有限公司;上海汽車工業(集團)總公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F21/32;G06N3/04;G06N3/08
• 代理公司: 北京信遠達知識產權代理有限公司 11304
• 代理人: 趙興華

1.一種駕駛員身份驗證方法，其特征在于，應用于駕駛員監控系統，該方法包括：

獲取待驗證目標圖像，所述待驗證目標圖像中至少包括人臉區域；

將所述待驗證目標圖像輸入至人臉檢測模型中進行人臉檢測，得到待識別圖像，所述待識別圖像中包含所述人臉區域，所述人臉檢測模型為帶有光照與背景環境自適應卷積神經網絡層和人臉檢測網絡的神經網絡架構；

將所述待識別圖像輸入至人臉識別模型中進行人臉識別，得到識別結果，所述識別結果包括人臉標識和活體檢測結果，所述人臉識別模型為帶有活體識別神經網絡層的神經網絡架構；

當所述活體檢測結果為活體時，將所述人臉標識與預設數據庫中存儲的人臉標識進行比對，來確定駕駛員身份驗證結果。

2.根據權利要求1所述的方法，其特征在于，所述光照與背景環境自適應卷積神經網絡層采用bottleneck卷積層結構，包括1×1×3×64的逐點卷積核、7×7×64的可分離卷積核和1×1×64×3的逐點卷積核，每個卷積操作均包含批標準化和線性整流函數。

3.根據權利要求2所述的方法，其特征在于，所述將所述待驗證目標圖像輸入至人臉檢測模型中，得到待識別圖像，所述待識別圖像中包含所述人臉區域，所述人臉檢測模型為帶有光照與背景環境自適應卷積神經網絡層和人臉檢測網絡的神經網絡架構，具體為：

將所述待驗證目標圖像輸入所述光照與背景環境自適應卷積神經網絡層中的所述1×1×3×64的逐點卷積核，得到64維的特征圖；

將所述64維的特征圖輸入所述光照與背景環境自適應卷積神經網絡層中的所述7×7×64的可分離卷積核，提取局部特征，得到局部特征圖；

將所述局部特征圖輸入所述光照與背景環境自適應卷積神經網絡層中的所述1×1×64×3的逐點卷積核，將所述局部特征圖壓縮回與所述待驗證目標圖像同樣大小的三通道圖像，并與所述待驗證目標圖像作殘差操作，得到抵消光照與背景環境影響的自適應補償的特征圖；

將所述抵消了光照與背景環境影響的局部特征圖輸入所述人臉檢測網絡，得到所述待識別圖像，所述待識別圖像中包含所述人臉區域。

4.根據權利要求1所述的方法，其特征在于，所述活體識別神經網絡層由Mobilefacenet V2的7×7×160層引出抽頭，并接入多組神經網絡卷積核。

5.根據權利要求4所述的方法，其特征在于，所述將所述待識別圖像輸入至人臉識別模型中，得到識別結果，所述識別結果包括人臉標識和活體檢測結果，所述人臉識別模型為帶有活體識別神經網絡層的神經網絡架構，具體為：

將所述待識別圖像輸入至所述帶有活體識別神經網絡層的Mobilefacenet V2，并從Mobilefacenet V2的7×7×160層，引出抽頭數據；

將所述抽頭數據輸入至所述帶有活體識別神經網絡層的多層bottleneck卷積層結構，提取活體信息；

將所述活體信息經過多層卷積神經網絡結構映射到不同維度空間，得到不同維度空間的活體信息；

采用二分類網絡對所述不同維度空間的活體信息進行分析，得到所述識別結果，所述識別結果包括人臉標識和活體檢測結果。

6.根據權利要求1所述的方法，其特征在于，在進行人臉檢測和人臉識別步驟之前，還包括：

對所述人臉檢測模型和所述人臉識別模型進行整型稀疏量化優化、通道間量化參數平衡與架構處理器擴展指令集優化。

7.根據權利要求6所述的方法，其特征在于，所述整型稀疏量化優化、通道間量化參數平衡與架構處理器擴展指令集優化，具體為：

提取所述人臉檢測模型和所述人臉識別模型每一層的多個通道的通道間參數；

對所述通道間參數進行平衡處理，得到平衡處理后的參數；

對所述平衡處理后的參數進行稀疏化處理，得到稀疏化處理后的參數；

將所述稀疏化處理后的參數進行整型量化處理，得到所述人臉檢測模型和所述人臉識別模型；

將所述人臉檢測模型和所述人臉識別模型針對部署的硬件平臺進行架構處理器擴展指令集優化。