人脸识别方法及装置制造方法及图纸

本发明专利技术涉及人脸识别技术领域，提供一种人脸识别方法及装置。该人脸识别方法应用于与终端设备通信连接的服务器，首先从终端设备获得用户的当前人脸图像，然后从终端设备获得用户提供的用户身份信息，并基于用户身份信息获得存储于服务器上的与用户身份信息对应的基准人脸图像，随后利用基于长短期记忆网络构建的预测模型判断当前人脸图像与基准人脸图像是否为同一人的人脸图像，最后在判断结果为是时，确定用户身份信息与用户相匹配，并向终端设备提供与金融服务请求对应的金融服务。该人脸识别方法的判断结果的准确性高，从而对用户身份信息的验证结果可靠，能够防范身份伪造、金融欺诈等信息安全问题。

【技术实现步骤摘要】
人脸识别方法及装置
本专利技术涉及人脸识别
，具体而言，涉及一种人脸识别方法及装置。
技术介绍
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别系统主要包括人脸图像采集与检测、人脸图像预处理、人脸图像特征提取以及人脸图像的匹配与识别等组成部分。近年来，随着互联网金融的浪潮愈演愈烈，人们在享受网络金融带来的便捷的同时，也面临着日益严重的网络信息安全问题。如何精确识别用户的身份信息，避免身份伪造以及金融欺诈，已经成为当前互联网金融行业所要解决的主要问题之一。在互联网金融系统中，人脸识别技术已经得到政府部门的认可并开始作为验证用户的身份信息的辅助手段。现有的人脸识别技术未能充分考虑人脸图像上各个特征之间的相关性，从而导致人脸识别结果的精确度欠佳，不利于用户身份信息的验证，可能引发潜在的金融风险。
技术实现思路
有鉴于此，本专利技术实施例提供一人脸验证方法及装置，以解决上述问题。为实现上述目的，本专利技术提供如下技术方案：第一方面，本专利技术实施例提供一种人脸识别方法，应用于与终端设备通信连接的服务器，包括：在检测到终端设备发送的金融服务请求时，从终端设备获得用户的当前人脸图像；从终端设备获得用户提供的用户身份信息，并基于用户身份信息获得存储于服务器上的与用户身份信息对应的基准人脸图像；利用基于长短期记忆网络构建的预测模型判断当前人脸图像与基准人脸图像是否为同一人的人脸图像；在为是时，确定用户身份信息与用户相匹配，并向终端设备提供与金融服务请求对应的金融服务。第二方面，本专利技术实施例提供一种人脸识别装置，应用于与终端设备通信连接的服务器，包括：当前人脸图像获取模块，用于在检测到终端设备发送的金融服务请求时，从终端设备获得用户的当前人脸图像；基准人脸图像获取模块，用于从终端设备获得用户提供的用户身份信息，并基于用户身份信息获得存储于服务器上的与用户身份信息对应的基准人脸图像；判断模块，用于利用基于长短期记忆网络构建的预测模型判断当前人脸图像与基准人脸图像是否为同一人的人脸图像；结果确认模块，用于在为是时，确定用户身份信息与用户相匹配，并向终端设备提供与金融服务请求对应的金融服务。本专利技术实现的有益效果：本专利技术实施例提供的人脸识别方法及装置，应用于与终端设备通信连接的服务器，在检测到终端设备发送的金融服务请求时，首先从终端设备获得用户的当前人脸图像，然后从终端设备获得用户提供的用户身份信息，并基于用户身份信息获得存储于服务器上的与用户身份信息对应的基准人脸图像，随后利用基于长短期记忆网络构建的预测模型判断当前人脸图像与基准人脸图像是否为同一人的人脸图像，最后在判断结果为是时，确定用户身份信息与用户相匹配，并向终端设备提供与金融服务请求对应的金融服务。在上述人脸识别的过程中，由于所采用的预测模型是基于长短期记忆网络构建的，因此在使用该预测模型在进行判断时充分考虑了人脸图像上各特征之间的相互依赖关系，所获得的判断结果准确性高，从而可以保证用户身份信息的验证结果的可靠性，因此能够在极大程度上防范身份伪造、金融欺诈等行为，降低金融服务过程中存在的风险。显然，该人脸识别方法及装置还可以应用于金融行业以外的各种需要进行人脸识别以验证用户身份的应用场景中。为使本专利技术的上述目的、技术方案和有益效果能更明显易懂，下文特举实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1示出了本专利技术实施例提供的服务器与客户端进行交互的结构示意图；图2示出了本专利技术实施例提供的服务器的结构示意图；图3示出了本专利技术实施例提供的人脸识别方法的流程图；图4示出了本专利技术实施例提供的人脸识别方法的步骤S3的流程图；图5示出了本专利技术实施例提供的人脸识别方法的步骤S30的流程图；图6示出了VGG16卷积神经网络的结构图；图7示出了本专利技术实施例提供的双向长短期记忆网络层的结构图；图8示出了本专利技术实施例提供的人脸识别方法的步骤S00至步骤S03的流程图；图9示出了本专利技术实施例提供的人脸识别装置的功能模块图。具体实施方式下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。图1示出了本专利技术实施例提供的服务器100与终端设备200进行交互的示意图。服务器100通过网络与多个终端设备200进行通信连接，以进行数据通信或交互。可以理解，图1所示的结构仅为示意，服务器100不限于一台服务器，其可以是多台具有不同功能的服务器的组合，也可以不与物理服务器相对应，例如可以是虚拟服务器或云服务器。终端设备可以是手机、笔记本、台式机、平板电脑、智能穿戴设备、车载设备等具备网络通信能力的电子设备。图2示出了本专利技术实施例提供的服务器的结构示意图，参照图2，服务器100包括存储器110、处理器120以及网络模块130。存储器110可用于存储软件程序以及模块，如本专利技术实施例提供的人脸识别方法及装置对应的程序指令/模块，处理器120通过运行存储在存储器110内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现本专利技术实施例提供的人脸识别方法及装置。存储器110可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。进一步地，上述存储器110内的软件程序以及模块还可包括：操作系统111以及服务模块112。其中操作系统111，例如可为LINUX、UNIX、WINDOWS，其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动，并可与各种硬件或软件组件相互通讯，从而提供其他软件组件的运行环境。服务模块112运行在操作系统111的基础上，并通过操作系统111的网络服务监听来自网络的请求，根据请求完成相应的数据处理，并返回处理结果给终端设备200，也就是说，服务模块112用于向终端设备200提供网络服务。网络模块130用于接收以及发送网络信号，上述网络信号可包括无线信号或者有线信号。可以理解，图2所示的结构仅为示意，服务器100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。第一实施例本专利技术实施例提供的人脸识别方法应用于与终端设备通信连接的服务器，图3本文档来自技高网...

【技术保护点】
一种人脸识别方法，应用于与终端设备通信连接的服务器，其特征在于，包括：在检测到所述终端设备发送的金融服务请求时，从所述终端设备获得用户的当前人脸图像；从所述终端设备获得所述用户提供的用户身份信息，并基于所述用户身份信息获得存储于所述服务器上的与所述用户身份信息对应的基准人脸图像；利用基于长短期记忆网络构建的预测模型判断所述当前人脸图像与所述基准人脸图像是否为同一人的人脸图像；在为是时，确定所述用户身份信息与所述用户相匹配，并向所述终端设备提供与所述金融服务请求对应的金融服务。

【技术特征摘要】
1.一种人脸识别方法，应用于与终端设备通信连接的服务器，其特征在于，包括：在检测到所述终端设备发送的金融服务请求时，从所述终端设备获得用户的当前人脸图像；从所述终端设备获得所述用户提供的用户身份信息，并基于所述用户身份信息获得存储于所述服务器上的与所述用户身份信息对应的基准人脸图像；利用基于长短期记忆网络构建的预测模型判断所述当前人脸图像与所述基准人脸图像是否为同一人的人脸图像；在为是时，确定所述用户身份信息与所述用户相匹配，并向所述终端设备提供与所述金融服务请求对应的金融服务。2.根据权利要求1所述的人脸识别方法，其特征在于，所述利用基于长短期记忆网络构建的预测模型判断所述当前人脸图像与所述基准人脸图像是否为同一人的人脸图像，包括：利用所述预测模型预测获得所述当前人脸图像与所述基准人脸图像为同一人的人脸图像的第一概率；基于所述第一概率判断所述当前人脸图像与所述基准人脸图像是否为同一人的人脸图像。3.根据权利要求2所述的人脸识别方法，其特征在于，所述利用所述预测模型预测获得所述当前人脸图像与所述基准人脸图像为同一人的人脸图像的第一概率，包括：获得用于表征所述当前人脸图像的当前特征向量；获得用于表征所述基准人脸图像的基准特征向量；基于所述当前特征向量以及所述基准特征向量，利用所述预测模型预测获得所述第一概率。4.根据权利要求3所述的人脸识别方法，其特征在于，所述获得用于表征所述当前人脸图像的当前特征向量，包括：利用预训练卷积神经网络对所述当前人脸图像进行特征提取，获得所述当前特征向量。5.根据权利要求4所述的人脸识别方法，其特征在于，所述获得用于表征所述基准人脸图像的基准特征向量，包括：利用所述卷积神经网络对所述基准人脸图像进行特征提取，获得所述基准特征向量。6.根据权利要求4或5所述人脸识别方法，其特征在于，所述预测模型为神经网络模型，所述神经网络模型包括依次连接的长短期记忆网络层、全连接层以及softmax分类器，所述基于所述当前特征向量以及所述基准特征向量，利用所述预测模型预测获得所述第一概率，包括：将所述当前特征向量以及所述基准特征向量分别输入至所述神经网络模型，所述当前特征向量以及所述基准特征向量依次经所述长短期记忆网络层、所述全...

【专利技术属性】
技术研发人员：李得元，兰翔，钟磊，
申请(专利权)人：成都智宝大数据科技有限公司，
类型：发明
国别省市：四川,51