The invention discloses an authentication method and device of L1 norm based on neural network, using the feature descriptor cost function and test samples with the L1 norm to get the target network and target connection layer, the image and the test image to be verified by the target network and target connection layer, finally got two images similarity, judging whether the current user is legitimate to be verified according to the similarity image with the stored image. Because of the cost function parameters of LI norm are based on the target network is determined, each validation will not according to the test images of different re defined parameters, so in the next match, the matching speed, small time, at the same time, the cost function of the L1 norm of the target network based on deep learning target network. So there is a very strong learning ability, able to fully learn the test image feature information, so the accuracy is very high.
【技术实现步骤摘要】
一种基于L1范数神经网络的身份验证方法及装置
本专利技术涉及人脸识别技术,更具体地说,涉及一种基于L1范数神经网络的身份验证方法方法及装置。
技术介绍
随着科学技术的发展,身份验证技术也得到了快速的发展。在手机解锁、门禁、移动支付等过程都需要进行身份验证,以确定用户身份是合法的。传统的身份验证方法主要是通过用户名、密码等进行验证,但是这种方式容易被黑客入侵客户端将身份信息窃取利用。人脸也可以作为用户身份的唯一标识信息,因此人脸识别技术也可以应用于用户身份的校验,而且通过人脸识别技术会避免黑客将用户身份信息的窃取利用,但是目前的人脸识别技术的识别精度普遍不高,而精度高的技术耗时又非常大。因此,如何利用耗时少而且精度高的人脸识别技术进行用户身份识别验证,是本领域技术人员需要解决的问题。
技术实现思路
本专利技术的目的在于提供一种基于L1范数神经网络的身份验证方法身份验证的方法及装置,以利用耗时少而且精度高的人脸识别技术进行用户身份识别验证。为实现上述目的,本专利技术实施例提供了如下技术方案:一种基于L1范数神经网络的身份验证方法,包括:利用测试样本的特征描述子与基于L1范数的代价函数得到目标网络;利用所述特征描述子与初始全连接层得到目标全连接层;利用预存图像的尺寸对待验证图像预处理得到目标待验证图像;利用预存图像块的总数对所述目标待验证图像进行遍历分块得到目标待验证图像块,其中所述目标待验证图像块的总数与所述预存图像块的总数相同;将所述预存图像块与所述目标待验证图像块送入所述目标网络与目标全连接层得到所述预存图像与所述待验证图像的相似度;利用所述相似度验证所述待验 ...
【技术保护点】
一种基于L1范数神经网络的身份验证方法,其特征在于,包括:利用测试样本的特征描述子与基于L1范数的代价函数得到目标网络;利用所述特征描述子与初始全连接层得到目标全连接层;利用预存图像的尺寸对待验证图像预处理得到目标待验证图像;利用预存图像块的总数对所述目标待验证图像进行遍历分块得到目标待验证图像块,其中所述目标待验证图像块的总数与所述预存图像块的总数相同;将所述预存图像块与所述目标待验证图像块送入所述目标网络与目标全连接层得到所述预存图像与所述待验证图像的相似度;利用所述相似度验证所述待验证图像是否合法。
【技术特征摘要】
1.一种基于L1范数神经网络的身份验证方法,其特征在于,包括:利用测试样本的特征描述子与基于L1范数的代价函数得到目标网络;利用所述特征描述子与初始全连接层得到目标全连接层;利用预存图像的尺寸对待验证图像预处理得到目标待验证图像;利用预存图像块的总数对所述目标待验证图像进行遍历分块得到目标待验证图像块,其中所述目标待验证图像块的总数与所述预存图像块的总数相同;将所述预存图像块与所述目标待验证图像块送入所述目标网络与目标全连接层得到所述预存图像与所述待验证图像的相似度;利用所述相似度验证所述待验证图像是否合法。2.根据权利要求1所述的身份验证方法,其特征在于,所述利用测试样本的特征描述子与基于L1范数的代价函数得到目标网络,包括:将测试样本输入初始网络,得到测试样本的特征描述子;利用所述特征描述子最小化基于L1范数的代价函数,训练得到目标网络。3.根据权利要求2所述的身份验证方法,其特征在于,所述利用所述特征描述子与初始全连接层得到目标全连接层,包括:利用初始全连接层得到所述特征描述子的匹配结果;利用所述匹配结果与测试样本标签的差值,训练得到目标全连接层。4.根据权利要求3所述的身份验证方法,其特征在于,所述预存图像块与所述目标待验证图像块利用所述目标网络与目标全连接层得到所述预存图像与所述待验证图像的相似度,包括:将每一块未匹配的目标待验证图像块与对应的未匹配的预存图像块作为一个待匹配对,利用所述目标网络得到每一个待匹配对的第一特征描述子与第二特征描述子;将每一个待匹配对的第一特征描述子与第二特征描述子利用目标全连接层得到每一个待匹配对的匹配结果;统计匹配成功的待匹配对成功总数,将所述待匹配对成功总数与所有待匹配对的总数的比例作为相似度。5.根据权利要求1至4任意一项所述的身份验证方法,其特征在于,所述利用预存图像的尺寸对待验证图像预处理得到目标待验证图像,包括:将所述待验证图像的人脸部分图像截取,并进行灰度化处理,得到灰度待验证图像;将所述灰度待验证图像缩放至预存图像的尺寸,得到目标待验证图像。6.一种基于L1范数神经网络的身份验证装置,其特征在于,包括:...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。