认证方法和设备以及用于训练识别器的方法和设备技术

提供一种认证方法和设备以及用于训练识别器的方法和设备。所述认证方法可包括通过将与中间层关联的相似度与阈值进行比较来确定输入图像的认证是否成功。

【技术实现步骤摘要】
认证方法和设备以及用于训练识别器的方法和设备本申请要求于2015年11月4日提交到韩国知识产权局的第10-2015-0154553号韩国专利申请和2016年7月5日提交到韩国知识产权局的第10-2016-0084878号韩国专利申请的优先权，所述韩国专利申请的全部内容通过引用完整地包含于此。
至少一个示例实施例涉及一种认证方法和设备和/或用于训练识别器的方法和设备。
技术介绍
近来，已使用各种方案(例如，面部识别或指纹识别)来执行用户认证。用于用户认证的识别器可具有与人的神经网络类似的结构。当识别器的内部结构的复杂度增加时，尽管识别性能提高，但是识别器的输出会被延迟。例如，当包括在识别器中的层的数量增加时，识别器的输出会被延迟。
技术实现思路
一些示例实施例涉及一种认证方法。在一些示例实施例中，所述认证方法可包括：将输入图像应用于识别器，识别器包括多个层；基于输入图像的至少一个特征值和与识别器中的所述多个层中的至少一个中间层相应的注册图像的至少一个特征值来执行输入图像的认证，输入图像的所述至少一个特征值通过所述至少一个中间层输出。执行输入图像的认证的步骤可包括：确定输入图像被接受还是被拒绝。所述多个层可以是深度学习(DL)网络的层。所述多个层可包括至少一个卷积层和至少一个池化层。中间层可包括所述多个层之中除了最终层之外的层中的至少一个。所述至少一个中间层是多个中间层。执行输入图像的认证的步骤可包括：基于输入图像的特征值和注册图像的特征值来确定输入图像的认证是否成功，输入图像的特征值通过中间层分别输出，注册图像的特征值分别对应于所述多个中间层中的每个中间层。所述认证方法还可包括：基于通过识别器中的最终层输出的输入图像的特征值和与最终层相应的注册图像的特征值，确定输入图像的认证是否成功。执行输入图像的认证的步骤可包括：确定输入图像的所述至少一个特征值与注册图像的所述至少一个特征值之间的相似度；基于所述相似度与阈值的比较来执行认证。执行输入图像的认证的步骤包括：当确定的相似度超出与中间层的错误接受率(FAR)相应的相似度时，确定接受输入图像。执行输入图像的认证的步骤包括：当确定的相似度小于与中间层的验证率(VR)相应的相似度时，确定拒绝输入图像。执行输入图像的认证的步骤包括：当确定的相似度超出与VR相应的相似度且小于与FAR相应的相似度时，进入识别器的下一层。所述阈值可包括基于错误接受率(FAR)的第一阈值部分和基于验证率(VR)的第二阈值部分。第一阈值部分可大于第二阈值部分。执行输入图像的认证的步骤可包括：确定输入图像的所述至少一个特征值与注册图像的所述至少一个特征值之间的距离；基于距离阈值执行认证。执行输入图像的认证的步骤可包括：当确定的距离小于与中间层的错误接受率(FAR)相应的距离时，确定接受输入图像。执行输入图像的认证的步骤可包括：当确定的距离超出与中间层的验证率(VR)相应的距离时，确定拒绝输入图像。执行输入图像的认证的步骤还可包括：当确定的距离超出与FAR相应的距离且小于与VR相应的距离时，进入识别器的下一层。所述阈值可包括基于错误接受率(FAR)的第一阈值部分和基于验证率(VR)的第二阈值部分。第一阈值部分可小于第二阈值部分。所述认证方法还可包括：将注册图像应用于识别器；将通过所述至少一个中间层输出的至少一个特征值和通过最终层输出的最终层特征值存储为注册图像的特征值。所述认证方法还可包括：从相机接收注册图像。其他示例实施例涉及一种训练方法。在一些示例实施例中，所述训练方法可包括：训练识别器，识别器包括多个层；基于期望的性能指标，确定针对训练的识别器中的中间层的第一阈值；基于所述期望的性能指标，确定针对训练的识别器中的最终层的第二阈值。所述训练方法还可包括：将校验数据应用于训练的识别器；确定中间特征值之间的第一相似度，中间特征值通过中间层输出；确定最终特征值之间的第二相似度，最终特征值通过最终层输出；基于第一相似度确定第一阈值；基于第二相似度确定第二阈值。所述训练方法还可包括：将校验数据应用于训练的识别器；确定中间特征值之间的第一距离，中间特征值通过中间层输出；确定最终特征值之间的第二距离，最终特征值通过最终层输出；基于第一距离确定第一阈值；基于第二距离确定第二阈值。第一阈值和第二阈值可用于确定输入图像将被接受还是被拒绝。确定第一阈值的步骤可包括：基于中间特征值中的第一中间特征值与中间特征值中的第二中间特征值之间的相似度确定第一阈值。确定第一阈值的步骤可包括：基于中间特征值中的第一中间特征值与中间特征值中的第二中间特征值之间的距离确定第一阈值。训练识别器的步骤可包括：基于中间层的输出、最终层的输出和训练样本的标签来训练识别器，中间层的输出响应于训练样本的输入，最终层的输出响应于训练样本的输入。训练识别器的步骤可包括：基于通过第一网络输出的中间特征值、最终特征值和训练样本的标签来训练识别器，第一网络接收中间层的输出，最终特征值通过接收最终层的输出的第二网络输出。其他示例实施例涉及一种认证设备。在一些示例实施例中，所述认证设备可包括：至少一个处理器，被配置为执行计算机可读指令以进行以下操作：使用包括在识别器中的多个层之中的至少一个中间层来输出输入图像的至少一个特征值；基于输入图像的所述至少一个特征值和与中间层相应的注册图像的特征值来执行输入图像的认证。所述多个层可以是DL网络的层。所述至少一个中间层可包括所述多个层之中除了最终层之外的至少一个层。所述至少一个中间层是多个中间层。所述至少一个处理器还被配置为执行计算机可读指令以基于输入图像的特征值和注册图像的特征值确定输入图像的认证是否成功，输入图像的特征值通过中间层分别输出，注册图像的特征值分别对应于中间层。所述至少一个处理器还可被配置为确定输入图像将被接受还是被拒绝。所述至少一个处理器还可被配置为执行计算机可读指令以进行以下操作：确定输入图像的至少一个特征值与注册图像的至少一个特征值之间的相似度；基于所述相似度与阈值的比较来执行认证。所述至少一个处理器还可被配置为执行计算机可读指令以进行以下操作：确定输入图像的至少一个特征值与注册图像的至少一个特征值之间的距离；基于距离与阈值的比较来执行认证。所述至少一个处理器还可被配置为执行计算机可读指令以将注册图像应用于识别器并将通过所述至少一个中间层输出的至少一个特征值和通过最终层输出的最终层特征值存储为注册图像的特征值。示例实施例的另外的方面将会部分地在以下描述中阐述，并且部分从描述将是清楚的，或可通过本公开的实践而获知。附图说明这些和/或其他方面将通过以下结合附图进行的示例实施例的描述变得清楚和更容易理解，在附图中：图1是示出根据至少一个示例实施例的认证设备的框图；图2是示出根据至少一个示例实施例的认证处理器的框图；图3是示出根据至少一个示例实施例的包括多个层的识别器的框图；图4是示出根据至少一个示例实施例的产生注册图像的特征值的处理的框图；图5是示出根据至少一个示例实施例的多个中间层的示图；图6A和图6B是示出根据至少一个示例实施例的基于性能指标的阈值的示图；图7是示出根据至少一个示例实施例的曲线图的形状与识别器的性能指标之间的关系的示图；图8是示出根据至少一个示例实施例的认证处理器的操作的本文档来自技高网...

【技术保护点】
一种认证方法，包括：将输入图像应用于识别器，识别器包括多个层；基于输入图像的至少一个特征值和与识别器中的所述多个层中的至少一个中间层相应的注册图像的至少一个特征值来执行输入图像的认证，输入图像的所述至少一个特征值通过所述至少一个中间层输出。

【技术特征摘要】
2015.11.04 KR 10-2015-0154553;2016.07.05 KR 10-2011.一种认证方法，包括：将输入图像应用于识别器，识别器包括多个层；基于输入图像的至少一个特征值和与识别器中的所述多个层中的至少一个中间层相应的注册图像的至少一个特征值来执行输入图像的认证，输入图像的所述至少一个特征值通过所述至少一个中间层输出。2.如权利要求1所述的认证方法，其中，执行输入图像的认证的步骤包括：确定输入图像被接受还是被拒绝。3.如权利要求1所述的认证方法，其中，所述多个层是深度学习(DL)网络的层。4.如权利要求1所述的认证方法，其中，所述至少一个中间层是多个中间层，并且执行输入图像的认证的步骤包括：基于输入图像的特征值和注册图像的特征值来确定输入图像的认证是否成功，输入图像的特征值通过中间层分别输出，注册图像的特征值分别对应于中间层。5.如权利要求1所述的认证方法，其中，执行输入图像的认证的步骤包括：确定输入图像的所述至少一个特征值与注册图像的所述至少一个特征值之间的相似度；基于所述相似度与阈值的比较来执行认证。6.如权利要求5所述的认证方法，其中，执行输入图像的认证的步骤包括：当确定的相似度超出与中间层的错误接受率(FAR)相应的相似度时，确定接受输入图像。7.如权利要求6所述的认证方法，其中，执行输入图像的认证的步骤包括：当确定的相似度小于与中间层的验证率(VR)相应的相似度时，确定拒绝输入图像。8.如权利要求7所述的认证方法，其中，执行输入图像的认证的步骤包括：当确定的相似度超出与VR相应的相似度且小于与FAR相应的相似度时，进入识别器的下一层。9.如权利要求5所述的认证方法，其中，所述阈值包括基于错误接受率(FAR)的第一阈值部分和基于验证率(VR)的第二阈值部分。10.如权利要求9所述的认证方法，其中，第一阈值部分大于第二阈值部分。11.如权利要求1所述的认证方法，其中，执行输入图像的认证的步骤包括：确定输入图像的所述至少一个特征值与注册图像的所述至少一个特征值之间的距离；基于所述距离与阈值的比较执行认证。12.如权利要求11所述的认证方法，其中，执行输入图像的认证的步骤包括：当确定的距离小于与中间层的错误接受率(FAR)相应的距离时，确定接受输入图像。13.如权利要求12所述的认证方法，其中，执行输入图像的认证的步骤包括：当所述距离超出与中间层的验证率(VR)相应的距离时，确定拒绝输入图像。14.如权利要求13所述的认证方法，其中，执行输入图像的认证的步骤包括：当确定的距离超出与FAR相应的距离且小于与VR相应的距离时，进入识别器的下一层。15.如权利要求11所述的认证方法，其中，所述阈值包括基于错误接受率(FAR)的第一阈值部分和基于验证率(VR)的第二阈值部分。16.如权利要求15所述的认证方法，其中，第一阈值部分小于第二阈值部分。17.如权利要求1所述的认证方法，其中，执行输入图像的认证的步骤还包括：基于输入图像的最终层特征值和注册图像的最终层特征值来执行输入图像的认证，输入图像的最终层特征值通过识别器中的最终层输出并且注册图像的最终层特征值对应于最终层。18.如权利要求1所述的认证方法，还包括：将注册图像应用于识别器；将通过所述至少一个中间层输出的至少一个特征值和通过所述多个层中的最终层输出的最终层特征值存储为注册图像的特征值。19.如权利要求18所述的认证方法，还包括：从相机接收注册图像。20.如权利要求1所述的认证方法，其中，所述至少一个中间层包括所述多个...

【专利技术属性】
技术研发人员：韩承周，俞炳仁，韩在濬，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国,KR