一种人脸验证方法、装置及存储介质，所述方法包括步骤：获取预设状态下的测试人脸图像；获取注册人脸图像；根据所述测试人脸图像和所述注册人脸图像训练生成测试分类模型；获取所述测试分类模型的验证阈值；获取验证人脸图像；获取所述验证人脸图像的验证聚类特征；根据所述验证聚类特征和所述测试分类模型获取分类类别；根据所述验证阈值和所述验证聚类特征输出人脸验证结果。本申请提供的一种人脸验证方法、装置及存储介质可解决人脸验证过程中由于人脸图像在姿态、拍摄角度、环境光等方面的差异而造成的干扰问题，提高人脸验证通过率和准确度。率和准确度。率和准确度。
【技术实现步骤摘要】
一种人脸验证方法、装置及存储介质
[0001]本专利技术属于人脸验证
，具体涉及一种人脸验证方法、装置及存储介质。
技术介绍
[0002]传统的人脸验证技术主要包含三个步骤，分别是：人脸图像预处理、人脸图像特征提取以及匹配与识别。在最后一步的人脸图像匹配与识别步骤中，传统的做法是设定一个确定的阈值，当两张人脸图像的相似度超过这个阈值时，则人脸验证通过，否则不通过。
[0003]然而，人脸图像的质量受诸多因素影响，如光照、拍摄角度、人物姿态等，而人脸图像质量会影响到人脸图像的相似度，故针对不同人脸质量的图像如果设定统一的阈值则会造成人脸验证通过率低。
技术实现思路
[0004]鉴于上述问题，本专利技术提供克服上述问题或者至少部分地解决上述问题的一种人脸验证方法、装置及存储介质。
[0005]为解决上述技术问题，本专利技术提供了一种人脸验证方法，所述方法包括步骤：
[0006]获取预设状态下的测试人脸图像；
[0007]获取注册人脸图像；
[0008]根据所述测试人脸图像和所述注册人脸图像训练生成测试分类模型；
[0009]获取所述测试分类模型的验证阈值；
[0010]获取验证人脸图像；
[0011]获取所述验证人脸图像的验证聚类特征；
[0012]根据所述验证聚类特征和所述测试分类模型获取分类类别；
[0013]根据所述验证阈值和所述验证聚类特征输出人脸验证结果。
[0014]优选地，所述获取预设状态下的测试人脸图像包括步骤：
[0015]获取不同姿态状态下的测试人脸图像；
[0016]获取不同拍摄角度状态下的测试人脸图像；
[0017]获取不同环境光状态下的测试人脸图像。
[0018]优选地，所述根据所述测试人脸图像和所述注册人脸图像训练生成测试分类模型包括步骤：
[0019]计算所述注册人脸图像与所有所述测试人脸图像的测试相似度；
[0020]选择所述测试相似度最高的所述测试人脸图像与所述注册人脸图像组成测试
‑
注册对；
[0021]计算所述测试
‑
注册对的测试人脸质量评估参数；
[0022]将所述测试人脸质量评估参数和所述测试相似度组合成测试聚类特征；
[0023]基于所述测试聚类特征进行聚类学习并得到测试分类模型。
[0024]优选地，所述根据所述获取所述测试分类模型的验证阈值包括步骤：
[0025]获取所述测试分类模型的给定误识率；
[0026]根据所述给定误识率设定所述测试分类模型对应的验证阈值。
[0027]优选地，所述根据所述获取所述验证人脸图像的验证聚类特征包括步骤：
[0028]计算所述注册人脸图像与所述验证人脸图像的验证相似度；
[0029]计算所述注册人脸图像与所述验证人脸图像的验证人脸质量评估参数；
[0030]将所述验证人脸质量评估参数和所述验证相似度组合成验证聚类特征。
[0031]优选地，所述根据所述根据所述验证聚类特征和所述测试分类模型获取分类类别包括步骤：
[0032]获取所述测试分类模型和所述验证聚类特征；
[0033]将所述验证聚类特征输入到所述测试分类模型中；
[0034]所述测试分类模型输出分类类别。
[0035]优选地，所述根据所述验证阈值和所述验证聚类特征输出人脸验证结果包括步骤：
[0036]获取所述验证聚类特征中的验证相似度；
[0037]判断所述验证相似度是否高于所述验证阈值；
[0038]若是，输出人脸验证通过结果；
[0039]若否，输出人脸验证不通过结果。
[0040]本申请还提供了一种人脸验证装置，所述装置包括：
[0041]测试人脸图像获取模块，用于获取预设状态下的测试人脸图像；
[0042]注册人脸图像获取模块，用于获取注册人脸图像；
[0043]测试分类模型生成模块，用于根据所述测试人脸图像和所述注册人脸图像训练生成测试分类模型；
[0044]验证阈值获取模块，用于获取所述测试分类模型的验证阈值；
[0045]验证人脸图像获取模块，用于获取验证人脸图像；
[0046]验证聚类特征获取模块，用于获取所述验证人脸图像的验证聚类特征；
[0047]分类类别获取模块，用于根据所述验证聚类特征和所述测试分类模型获取分类类别；
[0048]人脸验证结果输出模块，用于根据所述验证阈值和所述验证聚类特征输出人脸验证结果。
[0049]本申请还提供了一种电子设备，所述电子设备包括：
[0050]至少一个处理器；以及，
[0051]与所述至少一个处理器通信连接的存储器；其中，
[0052]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述任一所述人脸验证方法。
[0053]本申请还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述任一所述人脸验证方法。
[0054]本专利技术实施例中的一个或多个技术方案，至少具有如下技术效果或优点：本申请提供的一种人脸验证方法、装置及存储介质可解决人脸验证过程中由于人脸图像在姿态、拍摄角度、环境光等方面的差异而造成的干扰问题，提高人脸验证通过率和准确度。
附图说明
[0055]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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它的附图。
[0056]图1是本专利技术提供的一种人脸验证方法的流程示意图；
[0057]图2是本专利技术提供的一种人脸验证装置的结构示意图；
[0058]图3是本专利技术提供的一种电子设备的结构示意图；
[0059]图4是本专利技术提供的一种非暂态计算机可读存储介质的结构示意图。
具体实施方式
[0060]下文将结合具体实施方式和实施例，具体阐述本专利技术，本专利技术的优点和各种效果将由此更加清楚地呈现。本领域技术人员应理解，这些具体实施方式和实施例是用于说明本专利技术，而非限制本专利技术。
[0061]在整个说明书中，除非另有特别说明，本文使用的术语应理解为如本领域中通常所使用的含义。因此，除非另有定义，本文使用的所有技术和科学术语具有与本专利技术所属领域技术人员的一般理解相同的含义。若存在矛盾，本说明书优先。
[0062]除非另有特别说明，本专利技术中用到的各种原材料、试剂、仪器和设备等，均可通过市场购买得到或者可通过现有方法制备得到。
[0063]如图1，在本申请实施例中，本
[0064]专利技术提供了一种人脸验证方法，所述方法包括步骤：
[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人脸验证方法，其特征在于，所述方法包括步骤：获取预设状态下的测试人脸图像；获取注册人脸图像；根据所述测试人脸图像和所述注册人脸图像训练生成测试分类模型；获取所述测试分类模型的验证阈值；获取验证人脸图像；获取所述验证人脸图像的验证聚类特征；根据所述验证聚类特征和所述测试分类模型获取分类类别；根据所述验证阈值和所述验证聚类特征输出人脸验证结果。2.根据权利要求1所述的人脸验证方法，其特征在于，所述获取预设状态下的测试人脸图像包括步骤：获取不同姿态状态下的测试人脸图像；获取不同拍摄角度状态下的测试人脸图像；获取不同环境光状态下的测试人脸图像。3.根据权利要求1所述的人脸验证方法，其特征在于，所述根据所述测试人脸图像和所述注册人脸图像训练生成测试分类模型包括步骤：计算所述注册人脸图像与所有所述测试人脸图像的测试相似度；选择所述测试相似度最高的所述测试人脸图像与所述注册人脸图像组成测试
‑
注册对；计算所述测试
‑
注册对的测试人脸质量评估参数；将所述测试人脸质量评估参数和所述测试相似度组合成测试聚类特征；基于所述测试聚类特征进行聚类学习并得到测试分类模型。4.根据权利要求1所述的人脸验证方法，其特征在于，所述根据所述获取所述测试分类模型的验证阈值包括步骤：获取所述测试分类模型的给定误识率；根据所述给定误识率设定所述测试分类模型对应的验证阈值。5.根据权利要求1所述的人脸验证方法，其特征在于，所述根据所述获取所述验证人脸图像的验证聚类特征包括步骤：计算所述注册人脸图像与所述验证人脸图像的验证相似度；计算所述注册人脸图像与所述验证人脸图像的验证人脸质量评估参数；将所述验证人脸质量评估参数和所述验证相似度组合成验证聚类特征。6.根据权利要求1所...
【专利技术属性】
技术研发人员：王志伟，余辰，吕现伟，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
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。