[发明专利]身份认证方法和装置

权利要求书

1.一种身份认证方法，包括：

将待检测图像输入至预先训练的人脸识别模型，得到特征信息；

将所述特征信息与预存特征信息进行匹配；

基于匹配结果生成身份认证结果；

其中，所述人脸识别模型通过如下步骤训练得到：

提取训练样本，其中，所述训练样本包括第一图像、第二图像和第三图像，所述第一图像与所述第二图像的类型不同且带有相同的用户身份标注，所述第一图像与所述第三图像带有不同的用户身份标注，所述类型包括可见光图像类型和近红外图像类型；

将所述第一图像、所述第二图像和所述第三图像输入至预先建立的卷积神经网络，基于输入至所述卷积神经网络中的各图像所带有的用户身份标注和预设的损失函数，利用机器学习方法对所述卷积神经网络进行训练，生成人脸识别模型。

2.根据权利要求1所述的身份认证方法，其中，所述预存特征信息是从用户注册时所使用的人脸图像中提取的，所述人脸图像与所述待检测图像的类型不同。

3.根据权利要求1所述的身份认证方法，其中，所述将所述第一图像、所述第二图像和所述第三图像输入至预先建立的卷积神经网络，基于输入至所述卷积神经网络中的各图像所带有的用户身份标注和预设的损失函数，利用机器学习方法对所述卷积神经网络进行训练，生成人脸识别模型，包括：

执行如下训练步骤：将所述训练样本中的所述第一图像、所述第二图像、所述第三图像输入至预先建立的卷积神经网络，得到分别与所述第一图像、所述第二图像、所述第三图像对应的第一特征信息、第二特征信息、第三特征信息；分别确定所述第一特征信息与所述第二特征信息的相似度、所述第一特征信息与所述第三特征信息的相似度；将所确定的各相似度输入至预设的损失函数，确定损失值；响应于确定所述损失值不大于预设数值，将当前的卷积神经网络确定为人脸识别模型。

4.根据权利要求3所述的身份认证方法，其中，所述训练样本通过如下步骤提取：

从预置图像集合中随机选取一个图像作为第一图像，其中，所述预置图像中的每一个图像带有一个用户身份标注；

从所述预置图像集合中随机选取一个与所述第一图像不同类型且带有相同用户身份标注的图像作为第二图像；

从所述预置图像集合中随机选取一个与所述第一图像带有不同用户身份标注的图像作为第三图像；

将所述第一图像、所述第二图像、所述第三图像汇总为训练样本。

5.根据权利要求4所述的身份认证方法，其中，所述将所述第一图像、所述第二图像和所述第三图像输入至预先建立的卷积神经网络，基于输入至所述卷积神经网络中的各图像所带有的用户身份标注和预设的损失函数，利用机器学习方法对所述卷积神经网络进行训练，生成人脸识别模型，还包括：

响应于确定所述损失值大于所述预设数值，基于所述损失函数，利用梯度下降算法，对所述卷积神经网络的参数进行更新，重新提取训练样本并使用更新后的所述卷积神经网络执行所述训练步骤。

6.根据权利要求1所述的身份认证方法，其中，所述方法还包括：

响应于确定身份认证未通过，显示用于提示用户重新获取待检测图像或者更换认证方式的提示信息。

7.一种身份认证装置，包括：

输入单元，配置用于将待检测图像输入至预先训练的人脸识别模型，得到特征信息；

匹配单元，配置用于将所述特征信息与预存特征信息进行匹配；

生成单元，配置用于基于匹配结果生成身份认证结果；

其中，所述人脸识别模型通过如下步骤训练得到：

提取训练样本，其中，所述训练样本包括第一图像、第二图像和第三图像，所述第一图像与所述第二图像的类型不同且带有相同的用户身份标注，所述第一图像与所述第三图像带有不同的用户身份标注，所述类型包括可见光图像类型和近红外图像类型；

将所述第一图像、所述第二图像和所述第三图像输入至预先建立的卷积神经网络，基于输入至所述卷积神经网络中的各图像所带有的用户身份标注和预设的损失函数，利用机器学习方法对所述卷积神经网络进行训练，生成人脸识别模型。