申请/专利权人:北京中科虹霸科技有限公司
申请日:2020-08-28
公开(公告)日:2024-04-09
公开(公告)号:CN112163456B
主分类号:G06F21/32
分类号:G06F21/32;G06V10/00;G06V40/00;G06V40/70;G06N3/04;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.04.09#授权;2021.01.19#实质审查的生效;2021.01.01#公开
摘要:本发明提供了一种身份识别模型训练方法、测试方法、识别方法及装置,其中,该训练方法包括:将覆盖眼周区域的脸部图像、相对于虹膜位置的眼周区域位置信息及相对于虹膜位置的覆盖眼周区域的脸部区域位置信息输入至深度卷积网络得到共享特征图;根据眼周、脸部区域位置信息从共享特征图扣取得到眼周、脸部特征图;将眼周特征向量输入至卷积网络得到一定维数的眼周特征向量;将脸部特征向量输入至卷积网络得到一定维数的脸部特征向量;将眼周特征向量和脸部特征向量融合后输入至全连接层,得到一定维数的融合特征向量;计算各特征向量对应的相似度,并根据相似度计算损失进行模型训练,得到身份识别模型。通过上述方案能够提高身份识别的性能。
主权项:1.一种身份识别模型训练方法,其特征在于,包括:将训练样本输入至深度卷积网络得到共享特征图,其中,所述训练样本包括覆盖眼周区域的脸部图像、相对于虹膜位置的眼周区域位置信息、及相对于虹膜位置的覆盖眼周区域的脸部区域位置信息;根据相对于虹膜位置的眼周区域位置信息从所述共享特征图扣取得到眼周特征图;根据相对于虹膜位置的覆盖眼周区域的脸部区域位置信息从所述共享特征图获取得到脸部特征图;根据所述眼周特征图得到眼周特征向量,将所述眼周特征向量输入至第一卷积网络得到设定维数的眼周特征向量;根据所述脸部特征图得到脸部特征向量,将脸部特征向量输入至第二卷积网络得到所述设定维数的脸部特征向量;所述眼周特征图包括虹膜图像和虹膜外围眼周区域图像;将设定维数的眼周特征向量和所述设定维数的脸部特征向量融合在一起后输入至全连接层,得到所述设定维数的融合特征向量;计算所述设定维数的眼周特征向量、所述设定维数的脸部特征向量、及所述设定维数的融合特征向量中的至少一个特征向量和与所述训练样本中脸部图像属于同一身份对象的覆盖眼周区域的脸部图像对应的所述设定维数的相应类型特征向量的相似度;根据计算得到的相似度计算相应类型特征向量的损失,并利用计算得到的损失进行反向传播,以对包含所述深度卷积网络、所述第一卷积网络、所述第二卷积网络及所述全连接层的初始模型进行训练,得到身份识别模型。
全文数据:
权利要求:
百度查询: 北京中科虹霸科技有限公司 身份识别模型训练方法、测试方法、识别方法及装置
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。