用于验证人脸的方法和装置制造方法及图纸

本申请实施例公开了用于验证人脸的方法和装置。该方法的一具体实施方式包括：获取第一人脸图像和第二人脸图像，其中，第一人脸图像是采用第一相机类型的相机拍摄人脸所得到的图像，第二人脸图像是采用第二相机类型的相机拍摄人脸所得到的图像；将第一人脸图像和第二人脸图像分别输入预先训练的特征提取模型，得到第一特征向量和第二特征向量，其中，特征提取模型用于提取图像特征；融合第一特征向量和第二特征向量，得到融合特征向量；将融合特征向量输入预先训练的全连接层，得到与第一人脸图像和第二人脸图像对应的人脸验证结果。该实施方式实现了对两种不同类型的相机采集的人脸图像进行人脸验证。

Method and device for verifying face

The embodiment of the application discloses a method and device for verifying the face. A specific embodiment of the method includes: acquiring a first face image and a second face image, wherein the first face image is an image obtained by taking a face with a camera of the first camera type, the second face image is an image obtained by taking a face with a camera of the second camera type, and the first face image and the second face image are taken with a camera of the second camera type. The second face image is input into the pre-trained feature extraction model to obtain the first feature vector and the second feature vector respectively. The feature extraction model is used to extract the image features; the first feature vector and the second feature vector are fused to obtain the fused feature vector; and the fused feature vector is input into the pre-trained fully connected layer. The result of face verification corresponding to the first face image and the second face image is obtained. The implementation implements face verification for two different types of camera face images.

【技术实现步骤摘要】
用于验证人脸的方法和装置
本申请实施例涉及计算机
，具体涉及计算机视觉
，尤其涉及用于验证人脸的方法和装置。
技术介绍
人脸验证，即将用户提供的人脸图像与待验证的用户身份对应的注册人脸图像进行比对，以对用户身份进行验证。目前大部分的人脸验证在注册阶段和验证阶段都采用相同类型的人脸图像(例如，都是可见光图像)来进行人脸验证。然而这种人脸验证方式，经常因为拍照环境的不同导致人脸验证的正确率较低或者验证失败。比如，注册阶段采用的是可见光图像，而验证时，拍照环境的光线不好，如果还是采用可见光图像进行验证就很有可能造成验证失败。
技术实现思路
本申请实施例提出了用于验证人脸的方法和装置。第一方面，本申请实施例提供了一种用于验证人脸的方法，该方法包括：获取第一人脸图像和第二人脸图像，其中，第一人脸图像是采用第一相机类型的相机拍摄人脸所得到的图像，第二人脸图像是采用第二相机类型的相机拍摄人脸所得到的图像；将第一人脸图像和第二人脸图像分别输入预先训练的特征提取模型，得到第一特征向量和第二特征向量，其中，特征提取模型用于提取图像特征；融合第一特征向量和第二特征向量，得到融合特征向量；将融合特征向量输入预先训练的全连接层，得到与第一人脸图像和第二人脸图像对应的人脸验证结果，其中，人脸验证结果用于指示两个图像中的人脸是否是同一人的人脸，全连接层用于表征特征向量和人脸验证结果之间的对应关系。在一些实施例中，融合第一特征向量和第二特征向量，得到融合特征向量，包括：将第一特征向量和第二特征向量输入预设双线性模型，得到融合特征向量。在一些实施例中，融合第一特征向量和第二特征向量，得到融合特征向量，包括：拼接第一特征向量和第二特征向量，得到融合特征向量。在一些实施例中，特征提取模型为卷积神经网络。第二方面，本申请实施例提供了一种用于验证人脸的装置，该装置包括：获取单元，配置用于获取第一人脸图像和第二人脸图像，其中，第一人脸图像是采用第一相机类型的相机拍摄人脸所得到的图像，第二人脸图像是采用第二相机类型的相机拍摄人脸所得到的图像；输入单元，配置用于将第一人脸图像和第二人脸图像分别输入预先训练的特征提取模型，得到第一特征向量和第二特征向量，其中，特征提取模型用于提取图像特征；融合单元，配置用于融合第一特征向量和第二特征向量，得到融合特征向量；验证单元，配置用于将融合特征向量输入预先训练的全连接层，得到与第一人脸图像和第二人脸图像对应的人脸验证结果，其中，人脸验证结果用于指示两个图像中的人脸是否是同一人的人脸，全连接层用于表征特征向量和人脸验证结果之间的对应关系。在一些实施例中，融合单元进一步用于：将第一特征向量和第二特征向量输入预设双线性模型，得到融合特征向量。在一些实施例中，融合单元进一步用于：拼接第一特征向量和第二特征向量，得到融合特征向量。在一些实施例中，特征提取模型为卷积神经网络。第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。本申请实施例提供的用于验证人脸的方法和装置，通过融合两种类型的相机采集的人脸图像的特征，得到融合特征，再将融合特征输入预先训练的全连接层进行人脸验证，实现了对两种不同类型的相机采集的人脸图像进行人脸验证。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请可以应用于其中的示例性系统架构图；图2是根据本申请的用于验证人脸的方法的一个实施例的流程图；图3是根据本申请的用于训练特征提取模型和全连接层的训练步骤的一个实施例的流程图；图4是根据本申请的用于验证人脸的方法的又一个实施例的流程图；图5是根据本申请的用于验证人脸的装置的一个实施例的结构示意图；图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请的用于验证人脸的方法或用于验证人脸的装置的实施例的示例性系统架构100。如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如深度图像采集类应用、红外图像采集类应用、可见光图像采集类应用、图像处理类应用、人脸验证类应用、搜索类应用等。终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏和至少一种相机类型的相机(例如，可见光相机、红外相机、深度相机等等)的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供深度图像采集服务)，也可以实现成单个软件或软件模块。在此不做具体限定。服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的第一人脸图像和第二人脸图像进行人脸验证的人脸验证服务器。人脸验证服务器可以对接收到的第一人脸图像和第二人脸图像等数据进行分析等处理，并将处理结果(例如，人脸验证结果)反馈给终端设备。需要说明的是，本申请实施例所提供的用于验证人脸的方法一般由服务器105执行，相应地，用于验证人脸的装置一般设置于服务器105中。需要指出的是，服务器105的本地也可以直接存储第一人脸图像和第二人脸图像，服务器105可以直接提取本地的第一人脸图像和第二人脸图像进行人脸验证，此时，示例性系统架构100可以不包括终端设备101、102、103和网络104。还需要指出的是，终端设备101、102、103中也可以安装有人脸验证类应用，终端设备101、102、103也可以基于第一人脸图像和第二人脸图像进行人脸验证，此时，用于验证人脸的方法也可以由终端设备101、102、103执行，相应地，用于验证人脸的装置也可以设置于终端设备101、102、103中。此时，示例性系统架构100也可以不包括服务器105和网络104。需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以本文档来自技高网...

【技术保护点】
1.一种用于验证人脸的方法，包括：获取第一人脸图像和第二人脸图像，其中，所述第一人脸图像是采用第一相机类型的相机拍摄人脸所得到的图像，所述第二人脸图像是采用第二相机类型的相机拍摄人脸所得到的图像；将所述第一人脸图像和所述第二人脸图像分别输入预先训练的特征提取模型，得到第一特征向量和第二特征向量，其中，所述特征提取模型用于提取图像特征；融合所述第一特征向量和所述第二特征向量，得到融合特征向量；将所述融合特征向量输入预先训练的全连接层，得到与所述第一人脸图像和所述第二人脸图像对应的人脸验证结果，其中，人脸验证结果用于指示两个图像中的人脸是否是同一人的人脸，所述全连接层用于表征特征向量和人脸验证结果之间的对应关系。

【技术特征摘要】
1.一种用于验证人脸的方法，包括：获取第一人脸图像和第二人脸图像，其中，所述第一人脸图像是采用第一相机类型的相机拍摄人脸所得到的图像，所述第二人脸图像是采用第二相机类型的相机拍摄人脸所得到的图像；将所述第一人脸图像和所述第二人脸图像分别输入预先训练的特征提取模型，得到第一特征向量和第二特征向量，其中，所述特征提取模型用于提取图像特征；融合所述第一特征向量和所述第二特征向量，得到融合特征向量；将所述融合特征向量输入预先训练的全连接层，得到与所述第一人脸图像和所述第二人脸图像对应的人脸验证结果，其中，人脸验证结果用于指示两个图像中的人脸是否是同一人的人脸，所述全连接层用于表征特征向量和人脸验证结果之间的对应关系。2.根据权利要求1所述的方法，其中，所述融合所述第一特征向量和所述第二特征向量，得到融合特征向量，包括：将所述第一特征向量和所述第二特征向量输入预设双线性模型，得到所述融合特征向量。3.根据权利要求1所述的方法，其中，所述融合所述第一特征向量和所述第二特征向量，得到融合特征向量，包括：拼接所述第一特征向量和所述第二特征向量，得到所述融合特征向量。4.根据权利要求1-3中任一所述的方法，其中，所述特征提取模型为卷积神经网络。5.一种用于验证人脸的装置，包括：获取单元，配置用于获取第一人脸图像和第二人脸图像，其中，所述第一人脸图像是采用第一相机类型的相机拍摄人脸所得...

【专利技术属性】
技术研发人员：何涛，刘文献，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11