申请/专利权人：北京国旺盛源智能终端科技有限公司

申请日：2023-08-29

公开（公告）日：2024-03-22

公开（公告）号：CN117115928B

主分类号：G06V40/70

分类号：G06V40/70;G06V40/16;G06V40/13;G06V10/94;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2023.12.12#实质审查的生效;2023.11.24#公开

摘要：本申请公开了一种基于多种身份认证的村网共建便民服务终端，其通过利用基于深度学习技术，来对用户人脸进行分析与处理，以智能化地判断身份认证是否成功。

主权项：1.一种基于多种身份认证的村网共建便民服务终端，其特征在于，包括：触摸屏显示器，用于显示用户界面和接收用户请求；可通信地连接于所述触摸屏显示器的计算机，用于进行身份认证和处理所述用户请求；可通信地连接于所述计算机的打印机，用于打印单据；可通信地连接于所述计算机的读卡器，用于从用户身份证中提取用户身份标签；可通信地连接于所述计算机的指纹仪，用于采集用户指纹信息；可通信地连接于所述计算机的摄像头，用于采集用户人脸图像；可通信地连接于所述计算机的扫描仪，用于扫描用户证件；可通信地连接于所述计算机的语音识别模块，用于识别用户的语音指令；可通信地连接于所述计算机的语音合成模块，用于输出语音提示；所述计算机，包括：图像特征提取模块，用于对所述用户人脸图像进行图像特征提取以得到多尺度上下文聚合人脸特征图；以及身份认证模块，用于基于所述用户身份标签和所述多尺度上下文聚合人脸特征图，确定是否身份认证成功；所述图像特征提取模块，包括：邻域特征提取单元，用于对所述用户人脸图像进行邻域特征提取以得到人脸局部特征图；以及上下文信息多尺度聚合单元，用于对所述人脸局部特征图进行上下文信息多尺度聚合以得到所述多尺度上下文聚合人脸特征图；所述邻域特征提取单元，用于：将所述用户人脸图像通过基于卷积神经网络模型的人脸局部特征提取器以得到所述人脸局部特征图；所述上下文信息多尺度聚合单元，包括：下采样子单元，用于使用具有不同尺度的池化核对所述人脸局部特征图进行下采样以得到多个人脸局部池化特征图；以及融合子单元，用于使用上下文内容编码器来融合所述多个人脸局部池化特征图以得到所述多尺度上下文聚合人脸特征图；所述身份认证模块，包括：分类结果生成单元，用于将所述多尺度上下文聚合人脸特征图通过分类器以得到分类结果，所述分类结果用于表示所述用户人脸图像对应的身份标签；以及身份认证结果生成单元，用于基于所述分类结果与所述用户身份标签之间的匹配，确定是否身份认证成功；所述终端还包括用于对所述基于卷积神经网络模型的人脸局部特征提取器、所述上下文内容编码器和所述分类器进行训练的训练模块；其中，所述训练模块，包括：训练图像采集单元，用于获取训练数据，其中，所述训练数据包括训练用户人脸图像，以及，所述训练用户人脸图像对应的身份标签的真实值；训练卷积单元，用于将所述训练用户人脸图像通过所述基于卷积神经网络模型的人脸局部特征提取器以得到训练人脸局部特征图；训练图像下采样单元，用于使用具有不同尺度的池化核对所述训练人脸局部特征图进行下采样以得到多个训练人脸局部池化特征图；训练多尺度上下文聚合单元，用于使用所述上下文内容编码器来融合所述多个训练人脸局部池化特征图以得到训练多尺度上下文聚合人脸特征图；分类损失单元，用于将所述训练多尺度上下文聚合人脸特征图通过分类器以得到分类损失函数值；以及训练单元，用于基于所述分类损失函数值来对所述基于卷积神经网络模型的人脸局部特征提取器、所述上下文内容编码器和所述分类器进行训练，其中，在所述训练的每一轮迭代中，对所述多尺度上下文聚合人脸特征图展开后得到的多尺度上下文聚合人脸特征向量进行权重空间的细粒度密度预测搜索优化迭代；所述训练单元，用于：以如下优化公式对所述多尺度上下文聚合人脸特征图展开后得到的多尺度上下文聚合人脸特征向量进行权重空间的细粒度密度预测搜索优化迭代；其中，所述公式为： ； ； ；其中和分别是上次和本次迭代的权重矩阵，其中在首次迭代时，采用不同的初始化策略设置和，是所述多尺度上下文聚合人脸特征向量，和分别表示特征向量和的全局均值，且是偏置向量，初始设置为单位向量，表示按位置相加，表示按位置点乘，表示向量相乘。

全文数据：

权利要求：

百度查询： 北京国旺盛源智能终端科技有限公司 基于多种身份认证的村网共建便民服务终端

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD