人脸验证方法及人脸验证装置制造方法及图纸

本发明专利技术涉及计算机视觉领域，公开了一种人脸验证方法及人脸验证装置。本发明专利技术中，一种人脸验证方法包括：选定N个人脸姿态，对每个人脸姿态预设对应的双边深度卷积神经网络模型，所述N为自然数；分别确定所述两幅待验证图像的人脸姿态；根据所确定的人脸姿态，选取对应的双边深度卷积神经网络模型；利用所选取的双边深度卷积神经网络模型判别所述两幅待验证图像；利用判别结果确认所述两幅待验证图像中的人脸是否相同。通过本发明专利技术提供的人脸验证方法及人脸验证装置，解决了因环境复杂和验证图像存在差异时导致的判别率低，识别不够准确的问题。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域，特别涉及一种人脸验证方法及人脸验证装置。
技术介绍
随着计算机视觉技术和图像识别技术的发展，通过辨识色彩和区域验证是否是同一人脸的人脸验证方式，在实名制验证、用户登陆、交易等多种场景得到广泛应用。目前人脸验证的方法有很多，大体上分为两类，一类是基于传统特征提取与比对的方法；另一类是基于深度学习的方法。但是，本专利技术人发现现有技术中至少存在如下问题：虽然传统的特征比对速度快，但是受环境影响较大，整体来看识别率波动较大；基于神经网络的方法识别率较高，对于环境变化的容忍度好，现在常用的是基于单一深度神经网络模型提取特征然后比对的方法，但在识别时则需要先后计算两次图像的特征，时间上耗时，本质上它也是一种特征提取器，并没有更加针对性的考虑人脸验证时两幅图像的差异。这就导致在人脸验证的过程中很容易受环境影响和待验证图像中本身存在的差异，而造成人脸验证判别率低，验证结果不够准确。
技术实现思路
本专利技术实施方式的目的在于提供一种人脸验证方法及人脸验证装置，使得在待验证图像中人物所处场景复杂，待验证图像本身存在差异的情况下，仍然可以对待识别图像中的人脸进行准确验证，大大提高了人脸验证的验证率和准确率，并且具有良好的鲁棒性。为解决上述技术问题，本专利技术的实施方式提供了一种人脸验证方法，包括：选定N个人脸姿态，对每个人脸姿态预设对应的双边深度卷积神经网络模型，所述N为自然数；分别确定所述两幅待验证图像的人脸姿态；根据所确定的人脸姿态，选取对应的双边深度卷积神经网络模型；利用所选取的双边深度卷积神经网络模型判别所述两幅待验证图像；利用判别结果确认所述两幅待验证图像中的人脸是否相同。本专利技术的实施方式还提供了一种人脸验证装置，包括：预设模块，用于选定N个人脸姿态，对每个人脸姿态预设对应的双边深度卷积神经网络模型，所述N为自然数；确定模块，用于分别确定所述两幅待验证图像的人脸姿态；选取模块，用于根据所确定的人脸姿态，选取对应的双边深度卷积神经网络模型；判别模块，用于利用所选取的双边深度卷积神经网络模型判别所述两幅待验证图像；验证模块，用于利用判别结果确认所述两幅待验证图像中的人脸是否相同。本专利技术实施方式相对于现有技术而言，在人脸验证时，采取级联双边验证网络进行人脸验证，对两幅待验证图像分别进行人脸姿态确定，然后为确定的人脸姿态选定对应的双边深度卷积神经网络模型，使得可以利用不同的双边深度卷积神经网络模型判别不同人脸姿态的图像。由于相同姿态的图像更具有可比性，因此大大提升了人脸验证的验证率和准确率，同时适用于存在复杂场景的图像，具有良好的鲁棒性好。另外，人脸姿态为：正脸、左侧脸、右侧脸、仰头或低头。通过将人脸姿态划分为常见的人脸姿态，使得待验证图像可以快速高效的匹配到对应的人脸姿态，提高了验证效率。另外，其特征在于，预设的双边深度卷积神经网络模型，利用以下方法获得：预设包括M幅人脸图像的样本库，所述M为大于2的自然数；确定所述M幅人脸图像的人脸姿态；将预设的样本库中的人脸图像两两配对，选出同为第一人脸姿态的组合，作为相同姿态组，选出一幅人脸图像属于第一人脸姿态，另一幅人脸图像不属于第一人脸姿态的组合，作为不同姿态组；其中，所述第一人脸姿态为所述N个人脸姿态中的一个人脸姿态；利用预设的双边深度卷积神经网络框架，分别对所述相同姿态组和所述不同姿态组中的人脸图像组合进行训练，获得对应所述第一人脸姿态的预设的双边深度卷积神经网络模型。通过利用计算器学习法，使得可以快速获得预设的双边深度卷积神经网络模型。另外，确定M幅人脸图像的人脸姿态中，所述人脸图像为经过矫正的人脸图像。通过将人脸图像进行矫正，增加了待验证图像中人脸的可识别度。另外，分别确定所述两幅待验证图像的人脸姿态中，具体包括：分别定位两幅待验证图像中人脸的关键点；利用定位结果确定所述两幅待验证图像的人脸姿态。通过采用SDM(SecurityDeviceManager有监督下降算法)方法进行人脸关键点的定位，可以准确获得两幅待验证图像中的人脸姿态。另外，利用定位结果确定所述两幅待验证图像的人脸姿态中，所述待验证图像为经过矫正的待验证图像。通过将待验证图像进行矫正，增加了待验证图像中人脸姿态的可识别度。另外，所述根据所确定的人脸姿态，选取对应的双边深度卷积神经网络模型中，如果所述两幅待验证图像被确定的人脸姿态不同，则分别选取所述两幅待验证图像被确定的人脸姿态所对应的双边深度卷积神经网络模型；所述利用所选取的双边深度卷积神经网络模型判别所述两幅待验证图像中，利用每个选取的双边深度卷积神经网络模型分别对所述两幅待验证图像进行判别，获得四个判别结果。通过对两幅待验证图像中的人脸姿态进行判别，将两幅待验证图像中的人脸姿态分为相同和不同，分别选取相应的双边深度卷积神经网络模型进行判别，提高了判别速度和准确性。另外，其特征在于，利用判别结果确认所述两幅待验证图像中的人脸是否相同中，如果判别结果不相同，则利用证据理论方法，融合所述四个判别结果，确定所述两幅待验证图像中的人脸是否相同。通过利用证据理论方法将两幅待验证图像中的人脸姿态不同的情况下得到的4个判别结果进行融合，使得最终得到的人脸验证结果更加准确。附图说明图1是本专利技术第一实施方式一种人脸验证方法的流程图；图2是本专利技术第二实施方式一种人脸验证方法的流程图；图3是本专利技术第二实施方式一种人脸验证方法中人脸检测的示意图；图4是本专利技术第二实施方式一种人脸验证方法中人脸关键点定位的示意图；图5是本专利技术第三实施方式一种人脸验证方法的流程图；图6是本专利技术第四实施方式一种人脸验证方法的流程图；图7是本专利技术第五实施方式一种人脸验证装置的结构框图；图8是本专利技术第六实施方式的用户终端实际装置结构框图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本专利技术各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。本专利技术的第一实施方式涉及一种人脸验证方法，具体操作流程如图1所示。在步骤101中，选定3个人脸姿态，并预设双边深度卷积神经网络模型。具体的说，选定3个人脸姿态后，需要对每个人脸姿态预设对应的双边深度卷积神经网络模型。需要说明的是，在实际应用中，选定的人脸姿态不局限于3个，可以为多个。在步骤102中，分别确定两幅待验证图像的人脸姿态。在步骤103中，选取双边深度卷积神经网络模型。具体的说，选取的双边深度卷积神经网络模型为根据所确定的人脸姿态来进行选取的。在步骤104中，判别两幅待验证图像。具体的说，判别两幅待验证图像需要利用所选取的双边深度卷积神经网络模型来进行判别。在步骤105中，确认两幅待验证图像中的人脸是否相同。具体的说，确认两幅待验证图像中的人脸是否相同需要利用对两幅待验证图像的判别结果来进行确认。本实施方式在人脸验证时，对待验证图像进行分姿态判别，不同的姿态利用不同的双边深度卷积神经网络模型，由于相同姿态的图像更具有可比性，因此大大提升了验证准确率，同时适用于存在复杂场景的图像，鲁棒性好。本专利技术的第二实施方式涉及一种人脸验证本文档来自技高网...

【技术保护点】
一种人脸验证方法，其特征在于，包括：选定N个人脸姿态，对每个人脸姿态预设对应的双边深度卷积神经网络模型，所述N为大于等于2的自然数；分别确定两幅待验证图像的人脸姿态；根据所述确定的人脸姿态，选取对应的双边深度卷积神经网络模型；利用所述选取的双边深度卷积神经网络模型判别所述两幅待验证图像，得到判别结果；利用所述判别结果确认所述两幅待验证图像中的人脸是否相同。

【技术特征摘要】
1.一种人脸验证方法，其特征在于，包括：选定N个人脸姿态，对每个人脸姿态预设对应的双边深度卷积神经网络模型，所述N为大于等于2的自然数；分别确定两幅待验证图像的人脸姿态；根据所述确定的人脸姿态，选取对应的双边深度卷积神经网络模型；利用所述选取的双边深度卷积神经网络模型判别所述两幅待验证图像，得到判别结果；利用所述判别结果确认所述两幅待验证图像中的人脸是否相同。2.根据权利要求1所述的人脸验证方法，其特征在于，所述人脸姿态至少包括正脸、左侧脸、右侧脸、仰头或低头。3.根据权利要求1所述的人脸验证方法，其特征在于，所述预设的双边深度卷积神经网络模型，利用以下方法获得：预设包括M幅人脸图像的样本库，所述M为大于2的自然数；确定所述M幅人脸图像的人脸姿态；将预设的样本库中的人脸图像两两配对，选出同为第一人脸姿态的组合，作为相同姿态组，选出一幅人脸图像属于第一人脸姿态，另一幅人脸图像不属于第一人脸姿态的组合，作为不同姿态组；其中，所述第一人脸姿态为所述N个人脸姿态中的一个人脸姿态；利用预设的双边深度卷积神经网络框架，分别对所述相同姿态组和所述不同姿态组中的人脸图像组合进行训练，获得对应所述第一人脸姿态的预设的双边深度卷积神经网络模型。4.根据权利要求3所述的人脸验证方法，其特征在于，所述确定M幅人脸图像的人脸姿态中，所述人脸图像为经过矫正的人脸图像。5.根据权利要求1所述的人脸验证方法，其特征在于，所述分别确定所述两幅待验证图像的人脸姿态中，具体包括：分别定位两幅待验证图像中人脸的关键点；利用定位结果确定所述两幅待验证图像的人脸...

【专利技术属性】
技术研发人员：公绪超，刘阳，魏伟，白茂生，
申请(专利权)人：乐视控股北京有限公司，乐视云计算有限公司，
类型：发明
国别省市：北京;11