身份识别方法、掌纹关键点检测模型训练方法和装置制造方法及图纸

本申请涉及一种身份识别方法、装置、计算机设备和存储介质。方法包括：获取待识别的目标用户对应的目标掌纹图像；将目标掌纹图像输入到已训练的掌纹关键点检测模型中，检测得到掌纹关键点对应的目标掌纹关键点位置，在训练时，根据样本掌纹图像对应的标准掌面展示角度调整掌纹关键点检测模型对应的模型损失值，基于调整后的模型损失值调整掌纹关键点检测模型的模型参数；基于目标掌纹关键点位置确定目标掌纹图像对应的目标掌纹图像区域；根据目标掌纹图像区域进行身份识别，得到目标用户对应的身份识别结果。本申请中的掌纹关键点检测模型可以部署于云服务器中，云服务器提供人工智能云服务，采用本方法能够提高身份识别的准确度。

【技术实现步骤摘要】
身份识别方法、掌纹关键点检测模型训练方法和装置
本申请涉及计算机
，特别是涉及一种身份识别方法、掌纹关键点检测模型训练方法、装置、计算机设备和存储介质。
技术介绍
随着计算机技术的发展，出现了身份识别技术。身份识别技术可以对用户的身份进行识别，可以保证用户的财产安全。例如，身份识别技术可以应用在支付领域，当需要支付时，可以先利用基于人工智能的身份识别模型进行身份识别，当确定用户的身份合法时，在进行支付。传统技术中，身份识别技术主要依靠账户名和登录密码进行登录，账户名和登录密码一般由数字、字母或特殊符号等组成。然而，账户名和登录密码容易被盗取，盗取者可以使用盗取的密码进行身份识别，身份识别时并不能区分密码的真实拥有者与密码的盗取者，导致身份识别的准确度低。
技术实现思路
基于此，有必要针对上述身份识别准确度低的技术问题，提供一种能够提高身份识别准确度的掌纹关键点检测模型、身份识别方法、装置、计算机设备和存储介质。一种身份识别方法，所述方法包括：获取待识别的目标用户对应的目标掌纹图像；将所述目标掌纹图像输入到已训练的掌纹关键点检测模型中，检测得到掌纹关键点对应的目标掌纹关键点位置，所述掌纹关键点检测模型是根据样本掌纹图像训练得到的，在训练时，根据所述样本掌纹图像对应的标准掌面展示角度调整所述掌纹关键点检测模型对应的模型损失值，基于调整后的模型损失值调整所述掌纹关键点检测模型的模型参数；基于所述目标掌纹关键点位置确定所述目标掌纹图像对应的目标掌纹图像区域；根据所述目标掌纹图像区域进行身份识别，得到所述目标用户对应的身份识别结果。一种身份识别装置，所述装置包括：目标掌纹图像获取模块，用于获取待识别的目标用户对应的目标掌纹图像；目标掌纹关键点位置得到模块，用于将所述目标掌纹图像输入到已训练的掌纹关键点检测模型中，检测得到掌纹关键点对应的目标掌纹关键点位置，所述掌纹关键点检测模型是根据样本掌纹图像训练得到的，在训练时，根据所述样本掌纹图像对应的标准掌面展示角度调整所述掌纹关键点检测模型对应的模型损失值，基于调整后的模型损失值调整所述掌纹关键点检测模型的模型参数；目标掌纹图像区域确定模块，用于基于所述目标掌纹关键点位置确定所述目标掌纹图像对应的目标掌纹图像区域；身份识别结果得到模块，用于根据所述目标掌纹图像区域进行身份识别，得到所述目标用户对应的身份识别结果。在一些实施例中，所述身份识别结果得到模块包括：掌纹相似度获取单元，用于获取所述目标掌纹图像区域与候选用户集合中，各个候选用户对应的参考掌纹图像的掌纹相似度；掌静脉相似度获取单元，用于获取所述目标用户对应的目标掌静脉图像，与所述候选用户集合中，各个所述候选用户对应的参考掌静脉图像的掌静脉相似度；身份相似度得到单元，用于基于所述掌纹相似度以及所述掌静脉相似度进行计算，得到所述目标用户与所述候选用户的身份相似度；身份识别结果得到单元，用于根据所述身份相似度，得到所述目标用户对应的身份识别结果。在一些实施例中，所述装置还包括：当前掌纹图像获取模块，用于获取对当前用户的掌纹进行实时采集得到的当前掌纹图像；掌纹相似度获取模块，用于获取所述当前掌纹图像与候选用户集合中，各个候选用户对应的参考掌纹图像的掌纹相似度；身份认证用户确定模块，用于将掌纹相似度大于相似度阈值的候选用户，作为所述当前掌纹图像对应的身份认证用户；参考掌静脉图像确定模块，用于获取所述当前用户对应的当前掌静脉图像，将所述当前掌静脉图像作为所述身份认证用户对应的参考掌静脉图像。在一些实施例中，已训练的所述掌纹关键点检测模型得到模块包括：样本掌纹图像获取单元，用于获取样本掌纹图像；预测掌纹关键点位置确定单元，用于将所述样本掌纹图像输入到待训练的掌纹关键点检测模型中，所述掌纹关键点检测模型利用特征提取层对所述样本掌纹图像进行特征提取，得到训练掌纹特征，基于所述训练掌纹特征确定各个掌纹关键点分别对应的预测掌纹关键点位置；预测掌面展示角度确定单元，用于将所述训练掌纹特征输入到角度确定模型中，确定所述样本掌纹图像对应的预测掌面展示角度；第一模型损失值确定单元，用于基于所述预测掌纹关键点位置与所述样本掌纹图像对应的标准掌纹关键点位置的差异确定第一模型损失值；目标损失值确定单元，用于根据所述预测掌面展示角度与所述样本掌纹图像对应的标准掌面展示角度的差异确定模型损失调整数值，利用所述模型损失调整数值对所述第一模型损失值进行调整，得到目标损失值；已训练的掌纹关键点检测模型得到单元，用于基于所述目标损失值对所述掌纹关键点检测模型中的模型参数进行调整，得到已训练的掌纹关键点检测模型。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述身份识别方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述身份识别方法的步骤。上述身份识别方法、装置、计算机设备和存储介质，获取待识别的目标用户对应的目标掌纹图像，将目标掌纹图像输入到已训练的掌纹关键点检测模型中，检测得到掌纹关键点对应的目标掌纹关键点位置，掌纹关键点检测模型是根据样本掌纹图像训练得到的，基于目标掌纹关键点位置确定目标掌纹图像对应的目标掌纹图像区域，根据目标掌纹图像区域进行身份识别，得到目标用户对应的身份识别结果，由于在训练时，根据样本掌纹图像对应的标准掌面展示角度调整掌纹关键点检测模型对应的模型损失值，基于调整后的模型损失值调整掌纹关键点检测模型的模型参数，因此掌纹关键点检测模型可以对不同掌面展示角度的掌面图像进行准确的关键点检测，提高了身份识别的准确度。一种掌纹关键点检测模型训练方法，所述方法包括：获取样本掌纹图像；将所述样本掌纹图像输入到待训练的掌纹关键点检测模型中，所述掌纹关键点检测模型利用特征提取层对所述样本掌纹图像进行特征提取，得到训练掌纹特征，基于所述训练掌纹特征确定各个掌纹关键点分别对应的预测掌纹关键点位置；将所述训练掌纹特征输入到角度确定模型中，确定所述样本掌纹图像对应的预测掌面展示角度；基于所述预测掌纹关键点位置与所述样本掌纹图像对应的标准掌纹关键点位置的差异确定第一模型损失值；根据所述预测掌面展示角度与所述样本掌纹图像对应的标准掌面展示角度的差异确定模型损失调整数值，利用所述模型损失调整数值对所述第一模型损失值进行调整，得到目标损失值；基于所述目标损失值对所述掌纹关键点检测模型中的模型参数进行调整，得到已训练的掌纹关键点检测模型。一种掌纹关键点检测模型训练装置，所述装置包括：样本掌纹图像获取模块，用于获取样本掌纹图像；预测掌纹关键点位置确定模块，用于将所述样本掌纹图像输入到待训练的掌纹关键点检测模型中，所述掌纹关键点检测模型利用特征提取层对所述样本掌纹图像进行特征提取，得到训练掌纹特征，基于所述训练掌纹特征确定各个掌纹关键点分别对应的预测掌纹关键点位置；预测掌面展示角度确定模块，用于将所述训练掌纹特征输入到角度确定模型中，确定所述样本掌纹图像对应的预测掌面展示角度；第一模型损失值确定模块，用于基于所述预测掌纹本文档来自技高网...

【技术保护点】
1.一种身份识别方法，其特征在于，所述方法包括：/n获取待识别的目标用户对应的目标掌纹图像；/n将所述目标掌纹图像输入到已训练的掌纹关键点检测模型中，检测得到掌纹关键点对应的目标掌纹关键点位置，所述掌纹关键点检测模型是根据样本掌纹图像训练得到的，在训练时，根据所述样本掌纹图像对应的标准掌面展示角度调整所述掌纹关键点检测模型对应的模型损失值，基于调整后的模型损失值调整所述掌纹关键点检测模型的模型参数；/n基于所述目标掌纹关键点位置确定所述目标掌纹图像对应的目标掌纹图像区域；/n根据所述目标掌纹图像区域进行身份识别，得到所述目标用户对应的身份识别结果。/n

【技术特征摘要】
1.一种身份识别方法，其特征在于，所述方法包括：
获取待识别的目标用户对应的目标掌纹图像；
将所述目标掌纹图像输入到已训练的掌纹关键点检测模型中，检测得到掌纹关键点对应的目标掌纹关键点位置，所述掌纹关键点检测模型是根据样本掌纹图像训练得到的，在训练时，根据所述样本掌纹图像对应的标准掌面展示角度调整所述掌纹关键点检测模型对应的模型损失值，基于调整后的模型损失值调整所述掌纹关键点检测模型的模型参数；
基于所述目标掌纹关键点位置确定所述目标掌纹图像对应的目标掌纹图像区域；
根据所述目标掌纹图像区域进行身份识别，得到所述目标用户对应的身份识别结果。


2.根据权利要求1所述的方法，其特征在于，所述根据所述目标掌纹图像区域进行身份识别，得到所述目标用户对应的身份识别结果包括：
获取所述目标掌纹图像区域与候选用户集合中，各个候选用户对应的参考掌纹图像的掌纹相似度；
获取所述目标用户对应的目标掌静脉图像，与所述候选用户集合中，各个所述候选用户对应的参考掌静脉图像的掌静脉相似度；
基于所述掌纹相似度以及所述掌静脉相似度进行计算，得到所述目标用户与所述候选用户的身份相似度；
根据所述身份相似度，得到所述目标用户对应的身份识别结果。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取对当前用户的掌纹进行实时采集得到的当前掌纹图像；
获取所述当前掌纹图像与候选用户集合中，各个候选用户对应的参考掌纹图像的掌纹相似度；
将掌纹相似度大于相似度阈值的候选用户，作为所述当前掌纹图像对应的身份认证用户；
获取所述当前用户对应的当前掌静脉图像，将所述当前掌静脉图像作为所述身份认证用户对应的参考掌静脉图像。


4.根据权利要求1所述的方法，其特征在于，得到已训练的所述掌纹关键点检测模型的步骤包括：
获取样本掌纹图像；
将所述样本掌纹图像输入到待训练的掌纹关键点检测模型中，所述掌纹关键点检测模型利用特征提取层对所述样本掌纹图像进行特征提取，得到训练掌纹特征，基于所述训练掌纹特征确定各个掌纹关键点分别对应的预测掌纹关键点位置；
将所述训练掌纹特征输入到角度确定模型中，确定所述样本掌纹图像对应的预测掌面展示角度；
基于所述预测掌纹关键点位置与所述样本掌纹图像对应的标准掌纹关键点位置的差异确定第一模型损失值；
根据所述预测掌面展示角度与所述样本掌纹图像对应的标准掌面展示角度的差异确定模型损失调整数值，利用所述模型损失调整数值对所述第一模型损失值进行调整，得到目标损失值；
基于所述目标损失值对所述掌纹关键点检测模型中的模型参数进行调整，得到已训练的掌纹关键点检测模型。


5.一种掌纹关键点检测模型训练方法，其特征在于，所述方法包括：
获取样本掌纹图像；
将所述样本掌纹图像输入到待训练的掌纹关键点检测模型中，所述掌纹关键点检测模型利用特征提取层对所述样本掌纹图像进行特征提取，得到训练掌纹特征，基于所述训练掌纹特征确定各个掌纹关键点分别对应的预测掌纹关键点位置；
将所述训练掌纹特征输入到角度确定模型中，确定所述样本掌纹图像对应的预测掌面展示角度；
基于所述预测掌纹关键点位置与所述样本掌纹图像对应的标准掌纹关键点位置的差异确定第一模型损失值；
根据所述预测掌面展示角度与所述样本掌纹图像对应的标准掌面展示角度的差异确定模型损失调整数值，利用所述模型损失调整数值对所述第一模型损失值进行调整，得到目标损失值；
基于所述目标损失值对所述掌纹关键点检测模型中的模型参数进行调整，得到已训练的掌纹关键点检测模型。


6.根据权利要求5所述的方法，其特征在于，所述根据所述预测掌面展示角度与所述样本掌纹图像对应的标准掌面展示角度的差异确定模型损失调整数值，利用所述模型损失调整数值对所述第一模型损失值进行调整，得到目标损失值包括：
计算所述预测掌面展示角度与所述标准掌面展示角度之间的差异，得到角度差值；
根据所述角度差值计算得到目标损失值调整系数；所述目标损失值调整系数与所述角度差异成正相关关系；
根据所述目标损失值调整系数对所述第一模型损失值进行调整，得到所述目标损失值。


7.根据权利要求6所述的方法，其特征在于，所述根据所述角度差值计算得到目标损失值调整系数包括：
计算所述角度差值对应的余弦值，根据所述余弦值计算得到第一损失值调整系数，所述第一损失值调整系数与所述余弦值成正相关关系；
将预设损失值调整系数减去所述第一损失值调整系数，得到所述目标损失值调整系数。


8.根据权利要求5所述的方法，其特征在于，所述掌纹关键点有多个，所述基于所述预测掌纹关键点位置与所述样本...

【专利技术属性】
技术研发人员：钟德星，罗凯，
申请(专利权)人：腾讯科技深圳有限公司，西安交通大学，
类型：发明
国别省市：广东;44