CN110414347B - 人脸验证方法、装置、设备和存储介质 - Google Patents

人脸验证方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN110414347B
CN110414347B CN201910559032.8A CN201910559032A CN110414347B CN 110414347 B CN110414347 B CN 110414347B CN 201910559032 A CN201910559032 A CN 201910559032A CN 110414347 B CN110414347 B CN 110414347B
Authority
CN
China
Prior art keywords
verified
verification
face image
person
sample
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910559032.8A
Other languages
English (en)
Other versions
CN110414347A (zh
Inventor
鲁明捷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Megvii Technology Co Ltd
Original Assignee
Beijing Megvii Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Megvii Technology Co Ltd filed Critical Beijing Megvii Technology Co Ltd
Priority to CN201910559032.8A priority Critical patent/CN110414347B/zh
Publication of CN110414347A publication Critical patent/CN110414347A/zh
Application granted granted Critical
Publication of CN110414347B publication Critical patent/CN110414347B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Abstract

本申请涉及一种人脸验证方法、装置、设备和存储介质，终端通过采集待验证人员的待验证人脸图像，并通过预设的验证模型，将待验证人脸图像与目标图像集中的人脸图像进行匹配，得到待验证人员的验证结果，其中，目标图像集包括已注册人员的正脸图像和侧脸图像，验证结果包括验证成功或验证不成功，使得待验证人员的验证结果是通过待验证人脸图像与已注册人员的正脸图像进行匹配，和，通过待验证人脸图像与已注册人员的侧脸图像进行匹配得到的，避免了当待验证人脸图像为待验证人员侧脸时导致的验证不通过的情况，避免了传统的人脸验证方法容易出现没有将已注册的待验证人员识别为已注册人员的问题。

Description

人脸验证方法、装置、设备和存储介质
技术领域
本申请涉及人脸识别技术领域，特别是涉及了一种人脸验证方法、装置、设备和存储介质。
背景技术
随着人脸识别技术的广泛应用，出现了越来越多的通过人脸验证用户身份的场景。例如，门禁系统可以通过人脸识别的方法来判断人员是否验证通过，若验证通过，则放行该人员。
目前，通常在进行人员注册时，采集人员的正脸图像并进行保存。在对待验证人员进行验证时，采集待验证人员的人脸图像，将待验证人员的人脸图像与所有已注册人员的正脸图像进行匹配，并根据匹配结果确定验证通过或验证不通过。具体的，当所有已注册人员的正脸图像中存在与待验证人员的人脸图像相似度大于一定阈值的正脸图像时，则确定验证通过；当所有已注册人员的正脸图像中不存在与待验证人员的人脸图像相似度大于一定阈值的正脸图像时，则确定验证不通过。
然而，上述人脸验证方法，当待验证人员的人脸图像为侧脸图像时，容易出现没有将已注册的待验证人员识别为已注册人员的情况。
发明内容
基于此，有必要针对容易出现没有将已注册的待验证人员识别为已注册人员的问题，提供了一种人脸验证方法、装置、设备和存储介质。
第一方面，一种人脸验证方法，该方法包括：
采集待验证人员的待验证人脸图像；
通过预设的验证模型，将待验证人脸图像与目标图像集中的人脸图像进行匹配，得到待验证人员的验证结果；目标图像集包括已注册人员的正脸图像和侧脸图像；验证结果为验证成功或验证不成功。
在其中一个实施例中，上述预设的验证模型是基于样本人脸图像和预设策略训练得到，样本人脸图像包括同一人的样本正脸图像和样本侧脸图像；预设策略包括：最大化同一人的样本正脸图像的相似度和样本侧脸图像的相似度，且最小化不同人的两张样本人脸图像的相似度。
在其中一个实施例中，该方法还包括：
基于样本人脸图像以及损失函数，对初始的验证模型进行训练，得到预设的验证模型，损失函数表征预设策略；
损失函数满足如下公式：
Figure BDA0002107723920000021
其中，W表示损失函数的损失参数，Y表示是否为同一人，取值为0或1，当Y取0时表示为同一人，当取1时表示为不同人，X1表示一个样本人脸图像的特征，X2表示另一个样本人脸图像的特征，Dw表示述X1和X2在特征空间的欧式距离，m表示X1和X2在特征空间的最小距离，N表示所述初始的验证模型中样本人脸图像的数量。
在其中一个实施例中，上述将待验证人脸图像与目标图像集中的人脸图像进行匹配，得到待验证人员的验证结果，包括：
判断目标图像集中是否存在与待验证人脸图像的相似度大于相似度阈值的人脸图像；
若存在与待验证人脸图像的相似度大于相似度阈值的人脸图像，则验证结果为验证成功。
在其中一个实施例中，该方法还包括：
若不存在与待验证人脸图像的相似度大于相似度阈值的人脸图像，则验证结果为验证不成功。
在其中一个实施例中，上述得到待验证人员的验证结果之后，该方法还包括：
根据验证结果，判断是否放行待验证人员。
在其中一个实施例中，上述根据验证结果，判断是否放行待验证人员包括：
若验证结果为验证成功，则放行待验证人员；
若验证结果为验证不成功，则不放行待验证人员。
第二方面，一种人脸验证装置，该装置包括：
采集模块，用于采集待验证人员的待验证人脸图像；
验证模块，用于通过预设的验证模型，将待验证人脸图像与目标图像集中的人脸图像进行匹配，得到待验证人员的验证结果；目标图像集包括已注册人员的正脸图像和侧脸图像；验证结果为验证成功或验证不成功。
第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述人脸验证方法所述的方法步骤。
第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述人脸验证方法所述的方法步骤。
上述人脸验证方法、装置、设备和存储介质，终端通过采集待验证人员的待验证人脸图像，并通过预设的验证模型，将待验证人脸图像与目标图像集中的人脸图像进行匹配，得到待验证人员的验证结果，其中，目标图像集包括已注册人员的正脸图像和侧脸图像，验证结果包括验证成功或验证不成功，使得待验证人员的验证结果是通过待验证人脸图像与已注册人员的正脸图像和侧脸图像进行匹配得到的，避免了当待验证人脸图像为待验证人员侧脸时，由于侧脸图像损失正脸图像的部分特征而导致人脸验证时相似度小于阈值，进而导致的验证不通过的情况，避免了传统的人脸验证方法容易出现没有将已注册的待验证人员识别为已注册人员的问题。
附图说明
图1为一个实施例中人脸验证方法的应用环境的示意图；
图2为一个实施例中人脸验证方法的流程示意图；
图3为另一个实施例中人脸验证方法的流程示意图；
图4为一个实施例中提供的人脸验证装置的结构示意图；
图5为另一个实施例中提供的人脸验证装置的结构示意图；
图6为另一个实施例中提供的人脸验证装置的结构示意图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
本申请提供的人脸验证方法、装置、设备和存储介质，旨在解决传统的人脸验证方法存在漏验证的问题。下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
需要说明的是，本申请实施例提供的人脸验证方法，其执行主体可以是人脸验证装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为人脸验证终端的部分或者全部。人脸验证终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。
图1为一个实施例中人脸验证方法的流程示意图。本实施例涉及的是通过待验证人脸图像和预设的验证模型得到验证结果的具体过程。如图1所示，该方法包括以下步骤：
S101、采集待验证人员的待验证人脸图像。
具体地，待验证人脸图像可以是待验证人员的正脸图像，也可以是待验证人员的侧脸图像，本申请实施例对此不做限制。其中侧脸图像可以是左侧脸图像、右侧脸图像、上侧脸图像、下侧脸图像，本申请实施例对此不做限制。在具体地采集待验证人员的待验证人脸图像时，终端可以通过相机拍摄待验证人员的待验证人脸图像，也可以通过视频摄像装置采集一段视频，从所采集的视频中截取待验证人员的待验证人脸图像，还可以通过红外拍摄装置拍摄待验证人员的红外图像，作为待验证人脸图像，本申请实施例对此不做限制。终端可以实时采集待验证人员的待验证人脸图像，也可以是在接收到用户输入的验证指令时，采集待验证人员的待验证人脸图像，本申请实施例对此不做限制。
S102、通过预设的验证模型，将待验证人脸图像与目标图像集中的人脸图像进行匹配，得到待验证人员的验证结果；目标图像集包括已注册人员的正脸图像和侧脸图像；验证结果包括验证成功或验证不成功。
具体地，预设的验证模型可以用于将待验证人脸图像与目标图像集中的人脸图像进行匹配，得到待验证人员的验证结果。预设的验证模型可以是神经网络模型，通过深度学习，建立待验证人脸图像与对应的验证结果之间的映射关系。目标图像集中可以存在多个人脸图像，其中，目标图像集包括已注册人员的正脸图像和侧脸图像，当将待验证人脸图像输入预设的验证模型时，将待验证人脸图像与目标图像集中的正脸图像进行匹配，同时将待验证人脸图像与目标图像集中的侧脸图像进行匹配，得到待验证人员的验证结果。其中，验证结果包括验证成功或验证不成功，验证成功可以表示待验证人脸图像与目标图像集中的一个或多个人脸图像匹配成功，验证不成功可以表示待验证人脸图像与目标图像集中各人脸图像匹配不成功。
上述人脸验证方法，终端通过采集待验证人员的待验证人脸图像，并通过预设的验证模型，将待验证人脸图像与目标图像集中的人脸图像进行匹配，得到待验证人员的验证结果，其中，目标图像集包括已注册人员的正脸图像和侧脸图像，验证结果包括验证成功或验证不成功，使得待验证人员的验证结果是通过待验证人脸图像与已注册人员的正脸图像和侧脸图像进行匹配得到的，避免了当待验证人脸图像为待验证人员侧脸时，由于侧脸图像损失正脸图像的部分特征而导致人脸验证时相似度小于阈值，进而导致的验证不通过的情况，避免了传统的人脸验证方法容易出现没有将已注册的待验证人员识别为已注册人员的问题。
可选地，上述预设的验证模型是基于样本人脸图像和预设策略训练得到，样本人脸图像包括同一人的样本正脸图像和样本侧脸图像；预设策略包括：最大化同一人的样本正脸图像的相似度和样本侧脸图像的相似度，且最小化不同人的两张样本人脸图像的相似度。
具体地，样本人脸图像可以包括多个人脸图像，其中包括同一人的样本正脸图像和样本侧脸图像，例如，样本人脸图像可以包括100个人的正脸图像和侧脸图像，共200个人脸图像。样本人脸图像中可以标记该人脸图像对应的人员标识，还可以标记该人脸图像是正脸图像，还是侧脸图像。预设策略可以是神经网络模型优化的目标，该目标可以是最大化同一人的样本正脸图像的相似度和样本侧脸图像的相似度，且最小化不同人的两张样本人脸图像的相似度。终端将多个样本人脸图像作为输入，将多个样本人脸图像对应的验证结果作为输出，调整损失函数的参数，使得通过预设的验证模型，可以最大化同一人的样本正脸图像的相似度和样本侧脸图像的相似度，且最小化不同人的两张样本人脸图像的相似度。此时，根据调整后的损失函数的参数，得到预设的验证模型。
上述人脸验证方法，基于样本人脸图像和预设策略训练得到预设的验证模型，其中，样本人脸图像包括同一人的样本正脸图像和样本侧脸图像；预设策略包括：最大化同一人的样本正脸图像的相似度和样本侧脸图像的相似度，且最小化不同人的两张样本人脸图像的相似度，使得预设的验证模型可以最大化同一人的正脸图像和侧脸图像的相似度，并最小化不同人的人脸图像的相似度，进而使得同一人的正脸图像和测量图像通过预设的验证模型得到相似度提高，不同人的人脸图像通过预设的验证模型得到的相似度降低，提高了预设的验证模型的准确度，进而提高了通过预设的验证模型得到了验证结果的准确度。
可选地，基于样本人脸图像以及损失函数，对初始的验证模型进行训练，得到预设的验证模型，损失函数表征预设策略；其中，损失函数满足如下公式：
Figure BDA0002107723920000071
其中，W表示损失函数的损失参数，Y表示是否为同一人，取值为0或1，当Y取0时表示为同一人，当取1时表示为不同人，X1表示一个样本人脸图像的特征，X2表示另一个样本人脸图像的特征，Dw表示述X1和X2在特征空间的欧式距离，m表示X1和X2在特征空间的最小距离，N表示所述初始的验证模型中样本人脸图像的数量。
具体地，通过
Figure BDA0002107723920000081
来训练初始的验证模型时，当两个样本人脸图像X1和X2为同一人时，Y为0，则通过调整损失函数的损失参数，使得X1和X2在特征空间的欧式距离Dw，与，X1和X2在特征空间的最小距离m之间的差值最小，实现最大化同一人正脸图像和侧脸图像的相似度。当两个样本人脸图像X1和X2为不同人时，Y为1，则通过调整损失函数的损失参数，使得X1和X2在特征空间的欧式距离Dw最小，实现最小化不同人的人脸图像的相似度。
上述实施例重点描述了如何得到预设的验证模型的具体过程，下面通过图3所示实施例来描述，如何通过预设的验证模型，得到待验证人员的验证结果的具体过程。
图2为另一个实施例中人脸验证方法的流程示意图，本实施例涉及的是如何将待验证人脸图像与目标图集中的人脸图像进行匹配，得到待验证人员的验证结果的具体过程，如图2所示，上述S102“将待验证人脸图像与目标图像集中的人脸图像进行匹配，得到待验证人员的验证结果”一种可能的实现方法包括以下步骤：
S201、判断目标图像集中是否存在与待验证人脸图像的相似度大于相似度阈值的人脸图像。
具体地，相似度可以用于表示两张图像之间的一致性，其可以通过两张图像在特征空间上的欧式距离来表示，两张图像在特征空间上的欧式距离越近，则相似度越高。相似度阈值可以是根据用户需求得到的，也可以是根据算法自动确定的，本申请实施例对此不做限制。当待验证人脸图像输入预设的验证模型时，可以先提取待验证人脸图像的特征，进而将待验证人脸图像的特征，与目标图像集中各人脸图像的特征逐一对比，得到待验证人脸图像与目标图像集中各人脸图像的相似度，进而将各人脸图像与待验证人脸图像的相似度与相似度阈值进行比较，判断目标图像集中是否存在与待验证人脸图像的相似度大于相似度阈值的人脸图像。
S202、若存在与待验证人脸图像的相似度大于相似度阈值的人脸图像，则验证结果为验证成功。
具体地，在上述实施例的基础上，目标图像集中可以存在一个相似度大于相似度阈值的人脸图像，也可以存在多个相似度大于相似度阈值的人脸图像，本申请实施例对此不做限制。例如，待验证人员A的待验证人脸图像为待验证人员A的侧脸图像，通过预设的验证模型，获得待验证人员A的侧脸图像与目标图像集中的各人脸图像的相似度，其中，目标图像集中包括待验证人员A的已注册正脸图像和已注册侧脸图像，待验证人员A的待验证侧脸图像与已注册正脸图像的相似度小于相似度阈值，而待验证人员A的待验证侧脸图像与已注册侧脸图像的相似度大于相似度阈值，此时目标图像集中存在一个相似度大于相似度阈值的人脸图像，则确定验证结果为验证成功。
可选地，若不存在与待验证人脸图像的相似度大于相似度阈值的人脸图像，则验证结果为验证不成功。
具体地，在上述实施例的基础上，在逐一对比得到目标图像集中各人脸图像与待验证人脸图像的相似度时，目标图像集中各人脸图像与待验证人脸图像的相似度均不大于相似度阈值，则验证结果为验证不成功。
上述人脸验证方法，判断目标图像集中是否存在与待验证人脸图像的相似度大于相似度阈值的人脸图像，若存在与待验证人脸图像的相似度大于相似度阈值的人脸图像，则验证结果为验证成功，使得待验证人员的验证结果是通过获得待验证人脸图像与已注册人员的正脸图像相似度，和，通过待验证人脸图像与已注册人员的侧脸图像相似度，并判断待验证人脸图像与已注册人员的正脸图像相似度，或，与已注册人员的侧脸图像相似度大于相似度阈值时得到的，也即是说，当待验证人脸图像与已注册人员的正脸图像或侧脸图像的相似度大于预设的相似度阈值时，验证结果为验证成功，避免了当采集到待验证人脸图像为待验证人员侧脸图像时，由于待验证人员的侧脸图像与已注册人员的正脸图像的相似度不大于相似度阈值，而导致的验证不通过的情况，进而避免了待验证人脸图像为侧脸图像时，容易出现没有将已注册的待验证人员识别为已注册人员的问题。
在上述实施例的基础上，当得到待验证人员的验证结果之后，还可以根据验证结果，判断是否放行待验证人员。可选地，根据验证结果，判断是否放行待验证人员。
具体地，在上述实施例上，获得了待验证人员的验证结果之后，可以根据该验证结果判断是否放行待验证人脸图像对应的待验证人员。终端可以在验证成功时放行待验证人员，验证不成功时不放行待验证人员；也可以在验证成功时不放行待验证人员，验证不成功时放行待验证人员；本申请实施例对此不做限制。例如，免费景区的门禁设备，对应的已注册人员可以是被该景区列入黑名单的人员，此时，当通过上述方法获得的验证结果为验证成功时，表示该待验证人员为列入黑名单的人员，则不放行该待验证人员；当通过上述方法获得验证结果为验证不成功时，表示该待验证人员为正常游客，则放行该待验证人员。
图3为另一个实施例中人脸验证方法的流程示意图，本实施例涉及的是如何根据验证结果，判断是否放行待验证人员的具体过程，如图3所示，上述“根据验证结果，判断是否放行待验证人员”一种可能的实现方法包括以下步骤：
S301、若验证结果为验证成功，则放行待验证人员。
具体地，在上述实施例的基础上，若获得的验证结果为验证成功，则放行该待验证人员。可以通过控制闸机打开的方式自动放行该待验证人员，也可以是通过输出提示信息的方式提醒用户输入放行指令，在接收到放行指令时放行该待验证人员，本申请实施例对此不做限制。
S302、若验证结果为验证不成功，则不放行待验证人员。
具体地，在上述实施例的基础上，若获得的验证结果为验证不成功，则不放行该待验证人员。可以通过控制闸机不打开的方式使得该待验证人员无法通行，也可以通过输出提示信息，提示用户不输入放行指令，本申请实施例对此不做限制。
上述人脸验证方法，在获得验证结果之后，若验证结果为验证成功，则放行待验证人员，若验证结果为验证不成功，则不放行待验证人员，在获得验证结果之后，终端可以自动的根据验证结果，确定是否放行该待验证人员，提高了放行待验证人员的智能性。
应该理解的是，虽然图1-3的流程图中的各个步骤按照箭头的指示，依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图4为一个实施例中提供的人脸验证装置的结构示意图，如图4所示，该人脸验证装置包括：采集模块10和验证模块20，其中：
采集模块10，用于采集待验证人员的待验证人脸图像；
验证模块20，用于通过预设的验证模型，将待验证人脸图像与目标图像集中的人脸图像进行匹配，得到待验证人员的验证结果；目标图像集包括已注册人员的正脸图像和侧脸图像；验证结果为验证成功或验证不成功。
在一个实施例中，上述预设的验证模型是基于样本人脸图像和预设策略训练得到，样本人脸图像包括同一人的样本正脸图像和样本侧脸图像；预设策略包括：最大化同一人的样本正脸图像的相似度和样本侧脸图像的相似度，且最小化不同人的两张样本人脸图像的相似度。
本申请实施例提供的人脸验证装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
图5为另一个实施例中提供的人脸验证装置的结构示意图，在图4所示实施例的基础上，如图5所示，人脸验证装置还包括：训练模块30，其中：
训练模块30，用于基于样本人脸图像以及损失函数，对初始的验证模型进行训练，得到预设的验证模型，损失函数表征预设策略；损失函数满足如下公式：
Figure BDA0002107723920000121
其中，W表示损失函数的损失参数，Y表示是否为同一人，取值为0或1，当Y取0时表示为同一人，当取1时表示为不同人，X1表示一个样本人脸图像的特征，X2表示另一个样本人脸图像的特征，Dw表示述X1和X2在特征空间的欧式距离，m表示X1和X2在特征空间的最小距离，N表示所述初始的验证模型中样本人脸图像的数量。
在一个实施例中，验证模块20具体用于判断目标图像集中是否存在与待验证人脸图像的相似度大于相似度阈值的人脸图像；若存在与待验证人脸图像的相似度大于相似度阈值的人脸图像，则验证结果为验证成功。
在一个实施例中，验证模块20具体用于若不存在与待验证人脸图像的相似度大于相似度阈值的人脸图像，则验证结果为验证不成功。
本申请实施例提供的人脸验证装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
图6为另一个实施例中提供的人脸验证装置的结构示意图，在图5所示实施例的基础上，如图6所示，人脸验证装置还包括：放行模块40，其中：
放行模块40，用于根据验证结果，判断是否放行待验证人员。
在一个实施例中，放行模块40具体用于若验证结果为验证成功，则放行待验证人员；若验证结果为验证不成功，则不放行待验证人员。
需要说明的是，图6是基于图5的基础上进行示出的，当然图6也可以基于图4的结构进行示出，这里仅是一种示例。
本申请实施例提供的人脸验证装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于一种人脸验证装置的具体限定可以参见上文中对人脸验证方法的限定，在此不再赘述。上述人脸验证装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端设备，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人脸验证方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种终端设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
采集待验证人员的待验证人脸图像；
通过预设的验证模型，将待验证人脸图像与目标图像集中的人脸图像进行匹配，得到待验证人员的验证结果；目标图像集包括已注册人员的正脸图像和侧脸图像；验证结果为验证成功或验证不成功。
在一个实施例中，预设的验证模型是基于样本人脸图像和预设策略训练得到，样本人脸图像包括同一人的样本正脸图像和样本侧脸图像；预设策略包括：最大化同一人的样本正脸图像的相似度和样本侧脸图像的相似度，且最小化不同人的两张样本人脸图像的相似度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于样本人脸图像以及损失函数，对初始的验证模型进行训练，得到预设的验证模型，损失函数表征预设策略；损失函数满足如下公式：
Figure BDA0002107723920000151
其中，W表示损失函数的损失参数，Y表示是否为同一人，取值为0或1，当Y取0时表示为同一人，当取1时表示为不同人，X1表示一个样本人脸图像的特征，X2表示另一个样本人脸图像的特征，Dw表示述X1和X2在特征空间的欧式距离，m表示X1和X2在特征空间的最小距离，N表示所述初始的验证模型中样本人脸图像的数量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：判断目标图像集中是否存在与待验证人脸图像的相似度大于相似度阈值的人脸图像；若存在与待验证人脸图像的相似度大于相似度阈值的人脸图像，则验证结果为验证成功。
在一个实施例中，若不存在与待验证人脸图像的相似度大于相似度阈值的人脸图像，则验证结果为验证不成功。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据验证结果，判断是否放行待验证人员。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：若验证结果为验证成功，则放行待验证人员；若验证结果为验证不成功，则不放行待验证人员。
本实施例提供的终端设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
采集待验证人员的待验证人脸图像；
通过预设的验证模型，将待验证人脸图像与目标图像集中的人脸图像进行匹配，得到待验证人员的验证结果；目标图像集包括已注册人员的正脸图像和侧脸图像；验证结果为验证成功或验证不成功。
在一个实施例中，预设的验证模型是基于样本人脸图像和预设策略训练得到，样本人脸图像包括同一人的样本正脸图像和样本侧脸图像；预设策略包括：最大化同一人的样本正脸图像的相似度和样本侧脸图像的相似度，且最小化不同人的两张样本人脸图像的相似度。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：基于样本人脸图像以及损失函数，对初始的验证模型进行训练，得到预设的验证模型，损失函数表征预设策略；损失函数满足如下公式：
Figure BDA0002107723920000161
其中，W表示损失函数的损失参数，Y表示是否为同一人，取值为0或1，当Y取0时表示为同一人，当取1时表示为不同人，X1表示一个样本人脸图像的特征，X2表示另一个样本人脸图像的特征，Dw表示述X1和X2在特征空间的欧式距离，m表示X1和X2在特征空间的最小距离，N表示所述初始的验证模型中样本人脸图像的数量。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：判断目标图像集中是否存在与待验证人脸图像的相似度大于相似度阈值的人脸图像；若存在与待验证人脸图像的相似度大于相似度阈值的人脸图像，则验证结果为验证成功。
在一个实施例中，若不存在与待验证人脸图像的相似度大于相似度阈值的人脸图像，则验证结果为验证不成功。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据验证结果，判断是否放行待验证人员。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：若验证结果为验证成功，则放行待验证人员；若验证结果为验证不成功，则不放行待验证人员。
本实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种人脸验证方法，其特征在于，所述方法包括：
采集待验证人员的待验证人脸图像；
通过预设的验证模型，将所述待验证人脸图像与目标图像集中的人脸图像进行匹配，得到所述待验证人员的验证结果；所述目标图像集包括已注册人员的正脸图像和侧脸图像；所述验证结果为验证成功或验证不成功；
所述通过预设的验证模型，将所述待验证人脸图像与目标图像集中的人脸图像进行匹配，得到所述待验证人员的验证结果包括：判断所述目标图像集中是否存在与所述待验证人脸图像的相似度大于相似度阈值的人脸图像，得到所述待验证人员的验证结果；
所述预设的验证模型是基于样本人脸图像和预设策略训练得到；所述预设策略包括：最大化同一人的样本正脸图像的相似度和样本侧脸图像的相似度，且最小化不同人的两张样本人脸图像的相似度，其中，最大化同一人的样本正脸图像的相似度和样本侧脸图像的相似度是指使得同一人的两张样本人脸图像在特征空间的欧式距离与在特征空间的最小距离之间的差值最小。
2.根据权利要求1所述方法，其特征在于，所述样本人脸图像包括同一人的样本正脸图像和样本侧脸图像。
3.根据权利要求2所述方法，其特征在于，所述方法还包括：
基于样本人脸图像以及损失函数，对初始的验证模型进行训练，得到所述预设的验证模型，所述损失函数表征所述预设策略；
所述损失函数满足如下公式：
Figure DEST_PATH_IMAGE001
其中，W表示损失函数的损失参数，Y表示是否为同一人，取值为0或1，当Y取0时表示为同一人，当取1时表示为不同人，
Figure 618339DEST_PATH_IMAGE002
表示一个样本人脸图像的特征，
Figure DEST_PATH_IMAGE003
表示另一个样本人脸图像的特征，
Figure 503118DEST_PATH_IMAGE004
表示所述
Figure 583201DEST_PATH_IMAGE002
和
Figure 844418DEST_PATH_IMAGE003
在特征空间的欧式距离，
Figure DEST_PATH_IMAGE005
表示
Figure 824881DEST_PATH_IMAGE002
和
Figure 880562DEST_PATH_IMAGE003
在特征空间的最小距离，N表示所述初始的验证模型中样本人脸图像的数量。
4.根据权利要求1-3任一项所述方法，其特征在于，所述将所述待验证人脸图像与目标图像集中的人脸图像进行匹配，得到所述待验证人员的验证结果，包括：
若存在与所述待验证人脸图像的相似度大于相似度阈值的人脸图像，则验证结果为验证成功。
5.根据权利要求4所述方法，其特征在于，所述方法还包括：
若不存在与所述待验证人脸图像的相似度大于相似度阈值的人脸图像，则验证结果为验证不成功。
6.根据权利要求1-3任一项所述方法，其特征在于，所述得到所述待验证人员的验证结果之后，所述方法还包括：
根据所述验证结果，判断是否放行所述待验证人员。
7.根据权利要求6所述方法，其特征在于，所述根据所述验证结果，判断是否放行所述待验证人员包括：
若所述验证结果为验证成功，则放行所述待验证人员；
若所述验证结果为验证不成功，则不放行所述待验证人员。
8.一种人脸验证装置，其特征在于，所述装置包括：
采集模块，用于采集待验证人员的待验证人脸图像；
验证模块，用于通过预设的验证模型，将所述待验证人脸图像与目标图像集中的人脸图像进行匹配，得到所述待验证人员的验证结果；所述目标图像集包括已注册人员的正脸图像和侧脸图像；所述验证结果为验证成功或验证不成功；所述预设的验证模型是基于样本人脸图像和预设策略训练得到；所述预设策略包括：最大化同一人的样本正脸图像的相似度和样本侧脸图像的相似度，且最小化不同人的两张样本人脸图像的相似度，其中，最大化同一人的样本正脸图像的相似度和样本侧脸图像的相似度是指使得同一人的两张样本人脸图像在特征空间的欧式距离与在特征空间的最小距离之间的差值最小；
所述验证模块，还用于判断所述目标图像集中是否存在与所述待验证人脸图像的相似度大于相似度阈值的人脸图像，得到所述待验证人员的验证结果。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法的步骤。
CN201910559032.8A 2019-06-26 2019-06-26 人脸验证方法、装置、设备和存储介质 Active CN110414347B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910559032.8A CN110414347B (zh) 2019-06-26 2019-06-26 人脸验证方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910559032.8A CN110414347B (zh) 2019-06-26 2019-06-26 人脸验证方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN110414347A CN110414347A (zh) 2019-11-05
CN110414347B true CN110414347B (zh) 2021-05-11

Family

ID=68359868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910559032.8A Active CN110414347B (zh) 2019-06-26 2019-06-26 人脸验证方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN110414347B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111259774A (zh) * 2020-01-13 2020-06-09 深圳市鸿合创新信息技术有限责任公司 用于获取课件信息的方法、授课设备、备课设备及服务器

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107368770A (zh) * 2016-05-12 2017-11-21 深圳市维杰乐思科技有限公司 一种回头客自动识别方法及系统
CN109858400A (zh) * 2019-01-15 2019-06-07 安徽杰锐达智能科技有限公司 人脸识别抓拍数据库匹配系统
CN109872407A (zh) * 2019-01-28 2019-06-11 北京影谱科技股份有限公司 一种人脸识别方法、装置、设备及打卡方法、装置和系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104765768B (zh) * 2015-03-09 2018-11-02 深圳云天励飞技术有限公司 海量人脸库的快速准确检索方法
CN107871107A (zh) * 2016-09-26 2018-04-03 北京眼神科技有限公司 人脸认证方法和装置
CN107679451A (zh) * 2017-08-25 2018-02-09 百度在线网络技术（北京）有限公司 建立人脸识别模型的方法、装置、设备和计算机存储介质
CN109684951A (zh) * 2018-12-12 2019-04-26 北京旷视科技有限公司 人脸识别方法、底库录入方法、装置及电子设备
CN109829677B (zh) * 2019-02-22 2022-08-09 西南科技大学 一种物流运输过程监控方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107368770A (zh) * 2016-05-12 2017-11-21 深圳市维杰乐思科技有限公司 一种回头客自动识别方法及系统
CN109858400A (zh) * 2019-01-15 2019-06-07 安徽杰锐达智能科技有限公司 人脸识别抓拍数据库匹配系统
CN109872407A (zh) * 2019-01-28 2019-06-11 北京影谱科技股份有限公司 一种人脸识别方法、装置、设备及打卡方法、装置和系统

Also Published As

Publication number Publication date
CN110414347A (zh) 2019-11-05

Similar Documents

Publication Publication Date Title
JP6644777B2 (ja) 本人認証方法および装置
CA2795601C (en) Methods and systems for determining biometric data for use in authentication transactions
WO2019205369A1 (zh) 电子装置、基于人脸图像与声纹信息的身份识别方法及存储介质
EP2863339B1 (en) Methods and systems for determing user liveness
US8457370B2 (en) Methods and systems for authenticating users with captured palm biometric data
WO2016172872A1 (zh) 用于验证活体人脸的方法、设备和计算机程序产品
WO2018192448A1 (zh) 一种人证比对的认证方法、系统及相机
JP2006338092A (ja) パタン照合方法、パタン照合システム及びパタン照合プログラム
US10733279B2 (en) Multiple-tiered facial recognition
US11348370B2 (en) Iris authentication device, iris authentication method, and recording medium
WO2020248780A1 (zh) 活体检测方法、装置、电子设备及可读存储介质
US11682236B2 (en) Iris authentication device, iris authentication method and recording medium
CN112364827A (zh) 人脸识别方法、装置、计算机设备和存储介质
CN108875336A (zh) 人脸认证以及录入人脸的方法、认证设备和系统
JP2023063314A (ja) 情報処理装置、情報処理方法及び記録媒体
JP4899552B2 (ja) 認証装置、認証方法、認証プログラム、これを記録したコンピュータ読み取り可能な記録媒体
CN110414347B (zh) 人脸验证方法、装置、设备和存储介质
CN113591603A (zh) 证件的验证方法、装置、电子设备及存储介质
JP7260145B2 (ja) 認証装置、認証用端末、認証方法、プログラム及び記録媒体
CN114495201A (zh) 包含活体检测的多任务人脸识别方法、系统、设备和介质
KR20210078377A (ko) 얼굴 연속 인증을 위한 방법 및 장치
CN114596615B (zh) 基于对抗学习的人脸活体检测方法、装置、设备及介质
US11941911B2 (en) System and method for detecting liveness of biometric information
KR102502686B1 (ko) 화자 인증 및 안면 인증을 이용하여 비대면 본인 인증을 수행하는 전자 장치 및 서버를 포함하는 시스템의 제어 방법
WO2021060256A1 (ja) 顔認証装置、顔認証方法、及びコンピュータ読み取り可能な記録媒体

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant