【技术实现步骤摘要】
人脸比对的方法、装置、计算机设备及存储介质
本申请涉及人脸识别
，特别是涉及一种人脸比对的方法、装置、计算机设备及存储介质。
技术介绍
随着信息技术和计算机技术的发展，人脸识别已成为现今的热门研究方向，广泛应用于门禁和拍照等场景中。人脸比对为人脸识别的一个分支领域，其主要思想是将获取到的用户图像与已注册的底图进行对比，如果用户图像与底图较为相似，则将该底图作为比对的结果。在相关技术中，一般使用彩色图像或者红外图像去进行人脸比对，但是这是这两种比对图像方式是在图像在同一类型的基础上的结果。而当现实场景变成了彩色图像和红外图像进行比对的时候，会出现识别效果变差的问题，这在一定程度上限制了人脸比对的使用场景。针对相关技术中，人脸比对中彩色图像和红外图像之间存在识别差异的问题，目前尚未提出有效的解决方案。
技术实现思路
针对相关技术中，人脸比对中彩色图像和红外图像之间存在识别差异的问题，本专利技术提供了一种人脸比对的方法、装置、计算机设备及存储介质，以至少解决上述问题。根据本专利技术...
【技术保护点】
1.一种人脸比对的方法，其特征在于，所述方法包括：/n利用深度神经网络训练出基于预设彩色图像的第一比对模型；并根据所述第一比对模型搭建孪生网络；/n根据用户彩色图像、用户红外图像生成正样本和负样本；将所述正样本和所述负样本分别输入到所述孪生网络中，得到所述用户彩色图像的第一特征向量，并得到同一样本中的所述用户红外图像的第二特征向量；/n计算所述第一特征向量和所述第二特征向量之间的余弦相似距离和KL散度，将所述余弦相似距离代入预设对比损失函数得到对比损失值，并根据所述对比损失值和所述KL散度训练所述孪生网络，待样本数据迭代后得到第二比对模型；/n将目标彩色图像和目标红外图像输...
【技术特征摘要】
1.一种人脸比对的方法，其特征在于，所述方法包括：
利用深度神经网络训练出基于预设彩色图像的第一比对模型；并根据所述第一比对模型搭建孪生网络；
根据用户彩色图像、用户红外图像生成正样本和负样本；将所述正样本和所述负样本分别输入到所述孪生网络中，得到所述用户彩色图像的第一特征向量，并得到同一样本中的所述用户红外图像的第二特征向量；
计算所述第一特征向量和所述第二特征向量之间的余弦相似距离和KL散度，将所述余弦相似距离代入预设对比损失函数得到对比损失值，并根据所述对比损失值和所述KL散度训练所述孪生网络，待样本数据迭代后得到第二比对模型；
将目标彩色图像和目标红外图像输入所述第二比对模型，并进行相似度计算；根据所述相似度计算输出人脸比对的结果。
2.根据权利要求1所述的方法，其特征在于，所述根据用户彩色图像、用户红外图像生成正样本和负样本包括：
根据同一人之间的一对所述用户彩色图像和所述用户红外图像生成所述正样本，并根据不同人之间的一对所述用户彩色图像和所述用户红外图像生成所述负样本。
3.根据权利要求1或2所述的方法，其特征在于，所述根据用户彩色图像、用户红外图像生成正样本和负样本包括：
对所述用户彩色图像进行第一关键点提取，根据所述第一关键点得到第一仿射矩阵，根据所述第一仿射矩阵得到对齐彩色图像，并将所述对齐彩色图像裁减为预设图像尺寸的裁减彩色图像；
对所述用户红外图像进行第二关键点提取，根据所述第二关键点得到第二仿射矩阵，根据所述第二仿射矩阵得到对齐红外图像，并将所述对齐红外图像裁减为所述预设图像尺寸的裁减红外图像；
根据同一人之间的所述裁减彩色图像和所述裁减红外图像生成所述正样本，并根据不同人之间的所述裁减彩色图像和所述裁减红外图像生成所述负样本。
4.根据权利要求1所述的方法，其特征在于，所述将所述正样本和所述负样本分别输入到所述孪生网络中包括：
对所述正样本进行归一化处理，得到归一化正样本；并将所述负样本进行归一化处理，得到归一化负样本；
将所述归一化正样本和所述归一化负样本分别输入到所述孪生网络中。
5.根据权...
【专利技术属性】
技术研发人员：方利红，戴兆辉，侯方超，
申请(专利权)人：杭州艾芯智能科技有限公司，
类型：发明
国别省市：浙江;33
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。