[發明專利]人臉識別方法及金融系統

有效

• 申請號: 202011380435.5
• 申請日: 2020-11-30
• 公開（公告）號: CN112364828B
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 姜召英
• 申請（專利權）人: 天津金城銀行股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06Q40/02
• 代理公司: 天津盛理知識產權代理有限公司 12209
• 代理人: 趙瑤瑤

1.一種人臉識別方法，其特征在于，所述方法包括：

采集得到用戶的人臉視頻，從人臉視頻中取出質量達標的一張人臉圖像作為待識別的人臉圖像；

將所述人臉圖像輸入預先訓練好的人臉識別模型中，通過人臉識別模型提取出待識別的人臉圖像的人臉特征向量；

在大數據庫中獲得與人臉特征向量匹配的身份信息作為用戶的身份信息；

所述人臉識別模型包括自編碼結構和監督結構；

自編碼結構包括第一卷積層、第二卷積層、第三卷積層、第四卷積層、第五卷積層和第六卷積層；所述監督結構包括全連接層；

第一卷積層的輸入是所述人臉圖像，所述第二卷積層的輸入是第一卷積層的輸出，所述第三卷積層的輸入是第二卷積層的輸出，所述第四卷積層的輸入包括第三卷積層的輸出，所述第五卷積層的輸入是第四卷積層的輸出，所述第六卷積層的輸入是第五卷積層的輸出，所述全連接層的輸入包括第三卷積層的輸出；

所述人臉識別模型的訓練方法包括：

獲得訓練樣本，所述訓練樣本包括已標注的人臉圖像和未標注的人臉圖像；

將所述訓練樣本輸入第一卷積層，第一卷積層對訓練樣本進行下采樣特征提取，得到第一下采樣特征；

第二卷積層對第一下采樣特征進行下采樣特征提取，得到第二下采樣特征；

第三卷積層對第二下采樣特征進行下采樣特征提取，得到第三下采樣特征；

所述全連接層對已標注的人臉圖像對應的所述第三下采樣特征進行有監督學習，全連接層對已標注的人臉圖像對應的所述第三下采樣特征進行有監督學習時的損失函數采用的是第一有監督損失函數；

通過第一卷積層、第二卷積層、第三卷積層、第四卷積層、第五卷積層和第六卷積層對未標注的人臉圖像進行無監督學習，第一卷積層、第二卷積層、第三卷積層、第四卷積層、第五卷積層和第六卷積層對未標注的人臉圖像進行無監督學習采用的損失函數采用的是無監督損失函數；

當全連接層對已標注的人臉圖像對應的所述第三下采樣特征進行有監督學習結束，以及第一卷積層、第二卷積層、第三卷積層、第四卷積層、第五卷積層和第六卷積層對未標注的人臉圖像進行無監督學習結束時，確定人臉識別模型訓練結束，人臉識別模型的損失函數如下公式確定：

Loss = γ*LossA+ (1-γ)*lossB；

其中，Loss為人臉識別模型的損失函數，LossA為收斂的第一有監督損失函數；lossB為收斂的無監督損失函數，γ為控制指數，γ∈(0.5, 1)。

2.根據權利要求1所述的方法，其特征在于，當第一有監督損失函數收斂時，全連接層對已標注的人臉圖像對應的所述第三下采樣特征進行有監督學習結束；當無監督損失函數收斂時，第一卷積層、第二卷積層、第三卷積層、第四卷積層、第五卷積層和第六卷積層對未標注的人臉圖像進行無監督學習結束。

3.根據權利要求2所述的方法，其特征在于，通過第一卷積層、第二卷積層、第三卷積層、第四卷積層、第五卷積層和第六卷積層對未標注的人臉圖像進行無監督學習，包括：

第四卷積層對未標注的人臉圖像對應的第三下采樣特征進行上采樣特征提取，得到第一上采樣特征；

第五卷積層對第一上采樣特征進行上采樣特征提取，得到第二上采樣特征；

第六卷積層對第二上采樣特征進行上采樣特征提取，得到第三上采樣特征；

通過第一損失函數控制第三下采樣特征和第一上采樣特征；

通過第二損失函數控制第二下采樣特征和第二上采樣特征；

通過第三損失函數控制第一下采樣特征和第三上采樣特征；

若第一損失函數、第二損失函數和第三損失函數均收斂，確定第一卷積層、第二卷積層、第三卷積層、第四卷積層、第五卷積層和第六卷積層對未標注的人臉圖像進行無監督學習結束。

4.根據權利要求3所述的方法，其特征在于，收斂的無監督損失函數等于收斂的第一損失函數、第二損失函數和第三損失函數之和，即：

LossB= Loss1 + Loss2 + Loss3，其中，Loss1 、 Loss2 、 Loss3分別為第一損失函數、第二損失函數和第三損失函數。