[發(fā)明專利]識別人臉圖像的方法、裝置、計(jì)算設(shè)備和介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110288509.0
• 申請日: 2021-03-17
• 公開（公告）號: CN112949545B
• 公開（公告）日: 2022-12-30
• 發(fā)明（設(shè)計(jì)）人: 林曉銳;張錦元;沈超建;鄧泳
• 申請（專利權(quán)）人: 中國工商銀行股份有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V40/40;G06V10/82;G06N3/08;G06F21/32
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 樊曉

1.一種識別人臉圖像的方法，包括：

獲取待識別人臉圖像；

利用預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型來確定所述待識別人臉圖像的人臉特征數(shù)據(jù)；

根據(jù)所述人臉特征數(shù)據(jù)，確定多個(gè)分片數(shù)據(jù)；

所述根據(jù)所述人臉特征數(shù)據(jù)，確定多個(gè)分片數(shù)據(jù)包括：

根據(jù)隨機(jī)生成算法，基于所述人臉特征數(shù)據(jù)，生成與所述人臉特征數(shù)據(jù)具有相同維數(shù)的第一分片數(shù)據(jù)；對所述多個(gè)分片數(shù)據(jù)進(jìn)行加密，得到多個(gè)密文分片數(shù)據(jù)；

其中，所述多個(gè)密文分片數(shù)據(jù)包括第一密文分片數(shù)據(jù)和第二密文分片數(shù)據(jù)；

所述對所述多個(gè)分片數(shù)據(jù)進(jìn)行加密，得到多個(gè)密文分片數(shù)據(jù)包括：

根據(jù)第一加密算法，對所述第一分片數(shù)據(jù)進(jìn)行加密處理，得到第一密文分片數(shù)據(jù)，并根據(jù)第二加密算法，對第二分片數(shù)據(jù)進(jìn)行加密處理，得到第二密文分片數(shù)據(jù)；

將所述多個(gè)密文分片數(shù)據(jù)發(fā)送至服務(wù)端設(shè)備，以使所述服務(wù)端設(shè)備根據(jù)所述多個(gè)密文分片數(shù)據(jù)，生成針對所述待識別人臉圖像的識別結(jié)果；以及

接收來自所述服務(wù)端設(shè)備的識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型包括第一神經(jīng)網(wǎng)絡(luò)模型和第二神經(jīng)網(wǎng)絡(luò)模型；所述利用預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型來確定所述待識別人臉圖像的人臉特征數(shù)據(jù)包括：

通過第一神經(jīng)網(wǎng)絡(luò)模型，確定所述待識別人臉圖像中的人臉關(guān)鍵點(diǎn)和人臉邊界框；以及

通過第二神經(jīng)網(wǎng)絡(luò)模型，根據(jù)所述人臉關(guān)鍵點(diǎn)和所述人臉邊界框，確定所述待識別人臉圖像的人臉特征數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述第一神經(jīng)網(wǎng)絡(luò)模型包括第一層網(wǎng)絡(luò)結(jié)構(gòu)、第二層網(wǎng)絡(luò)結(jié)構(gòu)和第三層網(wǎng)絡(luò)結(jié)構(gòu)；所述通過第一神經(jīng)網(wǎng)絡(luò)模型確定所述待識別人臉圖像中的人臉關(guān)鍵點(diǎn)和人臉邊界框包括：

利用所述第一層網(wǎng)絡(luò)結(jié)構(gòu)，確定所述待識別人臉圖像中的多個(gè)候選人臉區(qū)域；

利用所述第二層網(wǎng)絡(luò)結(jié)構(gòu)，確定所述多個(gè)候選人臉區(qū)域中的至少一個(gè)目標(biāo)人臉區(qū)域；以及

利用所述第三層網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)所述至少一個(gè)目標(biāo)人臉區(qū)域確定人臉關(guān)鍵點(diǎn)和人臉邊界框。

4.根據(jù)權(quán)利要求3所述的方法，其中，所述第一神經(jīng)網(wǎng)絡(luò)模型為多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)，所述第一層網(wǎng)絡(luò)結(jié)構(gòu)包括P-Net，所述第二層網(wǎng)絡(luò)結(jié)構(gòu)包括R-Net，所述第三層網(wǎng)絡(luò)結(jié)構(gòu)包括O-Net，所述第二神經(jīng)網(wǎng)絡(luò)模型為FaceNet。

5.根據(jù)權(quán)利要求1所述的方法，其中，所述多個(gè)分片數(shù)據(jù)包括第一分片數(shù)據(jù)和第二分片數(shù)據(jù)；所述根據(jù)所述人臉特征數(shù)據(jù)，確定多個(gè)分片數(shù)據(jù)包括：

針對所述人臉特征數(shù)據(jù)和所述第一分片數(shù)據(jù)執(zhí)行預(yù)設(shè)運(yùn)算，得到與所述人臉特征數(shù)據(jù)具有相同維數(shù)的第二分片數(shù)據(jù)。

6.根據(jù)權(quán)利要求1所述的方法，其中，所述根據(jù)隨機(jī)生成算法，基于所述人臉特征數(shù)據(jù)，生成與所述人臉特征數(shù)據(jù)具有相同維數(shù)的第一分片數(shù)據(jù)，包括：

根據(jù)隨機(jī)生成算法，隨機(jī)確定目標(biāo)運(yùn)算；以及

針對所述人臉特征數(shù)據(jù)中的每個(gè)元素，分別執(zhí)行所述目標(biāo)運(yùn)算，得到與所述人臉特征數(shù)據(jù)具有相同的維數(shù)的運(yùn)算結(jié)果，作為所述第一分片數(shù)據(jù)。

7.根據(jù)權(quán)利要求5所述的方法，其中，所述預(yù)設(shè)運(yùn)算為差運(yùn)算；所述針對所述人臉特征數(shù)據(jù)和所述第一分片數(shù)據(jù)執(zhí)行預(yù)設(shè)運(yùn)算，得到與所述人臉特征數(shù)據(jù)具有相同維數(shù)的第二分片數(shù)據(jù)，包括：

計(jì)算所述人臉特征數(shù)據(jù)中的每個(gè)元素與所述第一分片數(shù)據(jù)中與該元素對應(yīng)的元素之差，得到多個(gè)差值，作為所述第二分片數(shù)據(jù)。

8.根據(jù)權(quán)利要求1所述的方法，其中，所述獲取待識別人臉圖像包括：

采集原始人臉圖像；

針對所述原始人臉圖像，執(zhí)行人臉活體檢測和/或圖像質(zhì)量檢測；以及

確定通過所述人臉活體檢測和/或圖像質(zhì)量檢測的原始人臉圖像作為所述待識別人臉圖像。

9.根據(jù)權(quán)利要求1至8中任一項(xiàng)所述的方法，其中，所述方法應(yīng)用于客戶端設(shè)備。