[发明专利]计算机辅助图片认证的方法、装置、电子设备及存储介质

说明书

本发明实施例提供了计算机辅助图片认证的方法、装置、电子设备及存储介质。应用于计算机识别技术领域，通过计算当前鉴别度，确定第一图片和第二图片对应的像素块间的区别的大小；将当前鉴别度叠加到鉴别性矩阵中，能根据机器深度学习算法分析出第一图片和第二图片的差别；对鉴别性矩阵进行可视化处理输出对比图，辅助人工认证，有效结合了机器认证与人工认证，可以提高复杂现实环境中的人脸认证率。

技术领域

本发明涉及计算机识别技术领域，特别是涉及计算机辅助图片认证的方法、装置、电子设备及存储介质。

背景技术

随着机器深度学习技术的发展，图片认证技术得到迅速发展。网络中存储的海量数据结合深度学习技术为人脸认证技术带来了新的契机。在通用人脸认证数据库LFW(Labeled Faces in the Wild)中，基于深度学习算法的人脸认证可以达到很高的正确率，但是在光照、姿态、表情等因素变换的复杂现实环境中，人脸认证的准确率会大大降低。现实世界中存在许多相似的人脸，人脸认证的关键正是如何区分和辨别这些看似相像的人脸。为了认证复杂现实环境中的相似人脸，在LFW的基础上建立了FGLFW(Fine-grainedLabeled Faces in the Wild，细粒度人脸认证数据库)。

FGLFW由127位志愿者独立标注，旨在从LFW数据库中挑选出人眼认定的相似人脸。FGLFW保持LFW数据库中的3000对正样本对不变，将LFW数据库中的3000对随机选取的负样本对，替换为人工挑选出的3000对不同人的相似人脸的图像对。

现有的机器深度学习的人脸认证方法，将两幅图片输入到预先训练的深度神经网络中，计算得到这两幅图片的图像特征的余弦距离，在余弦距离大于或等于预设阈值时，判定两幅图片为同一人脸图片，否则判定两幅图片为不同人脸图片。但是在FGLFW中现有的机器深度学习的人脸认证方法和人工认证的准确率都低于LFW中的认证率。针对复杂现实环境中的相似人脸的认证问题，现有的机器人脸认证方法和人工认证的准确度低，无法满足实用要求。

发明内容

本发明实施例的目的在于提供一种计算机辅助图片认证的方法、装置、电子设备及存储介质，以实现提高复杂现实环境中的人脸认证率。具体技术方案如下：

第一方面，本发明实施例提供了一种计算机辅助图片认证的方法，所述方法包括：

A获取经过尺寸调整的第一图片和第二图片，其中，所述第一图片和所述第二图片的分辨率相同；

B通过预先训练的深度神经网络，提取所述第一图片的图像特征和所述第二图片的图像特征，计算所述第一图片的图像特征与所述第二图片的图像特征间的余弦距离，作为初始余弦距离；

C按照预设的分块规则，分别在所述第一图片与所述第二图片中确定多个像素块；

D分别在所述第一图片及所述第二图片的相同映射位置处选取一个像素块，作为当前选取的像素块；

E利用预设的均值像素块，代替当前选取的像素块，得到当前第一图片及当前第二图片；

F通过所述深度神经网络，提取当前第一图片的图像特征及当前第二图片的图像特征，计算当前第一图片的图像特征与当前第二图片的图像特征间的余弦距离，作为当前余弦距离；

G计算所述当前余弦距离与所述初始余弦距离的差值，得到当前鉴别度；

H将所述当前鉴别度叠加到鉴别性矩阵的相应位置，其中，所述鉴别性矩阵的维数与所述第一/二图片的图像特征的维数相同；

I在所述第一图片及所述第二图片的尚未选取的像素块中，在相同映射位置处分别选取一个像素块，作为当前选取的像素块，重复上述步骤E-步骤H，直至所述第一图片及所述第二图片中的所有像素块均被选取；

J将所述鉴别性矩阵做可视化处理，得到并输出对比图。