[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：

获取用户的可见光图像和近红外图像；

从所述可见光图像中提取第一特征向量，从所述近红外图像中提取第二特征向量；

对所述第一特征向量和所述第二特征向量进行融合，生成第一融合特征向量；

将所述第一融合特征向量与预存的第二融合特征向量进行匹配，基于匹配结果生成身份认证结果，其中，所述第二融合特征向量是预先对从认证用户的可见光图像中提取的特征向量和从所述认证用户的近红外图像中提取的特征向量进行融合后所生成的。

2.根据权利要求1所述的身份认证方法，其中，所述从所述可见光图像中提取第一特征向量，从所述近红外图像中提取第二特征向量，包括：

将所述可见光图像输入至预先训练的第一人脸识别模型，将所述近红外图像输入至预先训练的第二人脸识别模型，分别得到第一特征向量和第二特征向量，其中，所述第一人脸识别模型、所述第二人脸识别模型分别用于提取可见光图像、近红外图像的人脸特征。

3.根据权利要求1所述的身份认证方法，其中，所述对所述第一特征向量和所述第二特征向量进行融合，生成第一融合特征向量，包括：

将所述第一特征向量和所述第二特征向量进行拼接，生成第一融合特征向量。

4.根据权利要求1所述的身份认证方法，其中，所述对所述第一特征向量和所述第二特征向量进行融合，生成第一融合特征向量，包括：

将所述第一特征向量和所述第二特征向量进行拼接，生成拼接特征向量；

将所述拼接特征向量输入至预先训练的注意力模型，得到所述拼接特征向量各分量的权重，其中，所述注意力模型用于生成特征向量的各分量的权重；

基于所得到的权重，对所述拼接特征向量的各分量进行加权，生成第一融合特征向量。

5.根据权利要求4所述的身份认证方法，其中，所述注意力模型通过如下步骤训练得到：

获取包含多个拼接特征向量的训练样本，其中，每一个拼接特征向量带有用户身份标注，每一个拼接特征向量是由从可见光人脸图像中提取的特征向量和从近红外人脸图像中提取的特征向量拼接而成的；

将所述训练样本中的每一个拼接特征向量输入至预先建立的第一神经网络，基于所述第一神经网络输出的信息对该拼接特征向量进行加权，将加权后的该拼接特征向量作为预先建立的第二神经网络的输入，利用机器学习方法，基于该拼接特征向量带有的用户身份标注，对所述第一神经网络和所述第二神经网络进行训练，将训练后的第一神经网络确定为注意力模型。

6.一种身份认证装置，包括：

获取单元，配置用于获取用户的可见光图像和近红外图像；

提取单元，配置用于从所述可见光图像中提取第一特征向量，从所述近红外图像中提取第二特征向量；

融合单元，配置用于对所述第一特征向量和所述第二特征向量进行融合，生成第一融合特征向量；

匹配单元，配置用于将所述第一融合特征向量与预存的第二融合特征向量进行匹配，基于匹配结果生成身份认证结果，其中，所述第二融合特征向量是预先对从认证用户的可见光图像中提取的特征向量和从所述认证用户的近红外图像中提取的特征向量进行融合后所生成的。

7.根据权利要求6所述的身份认证装置，其中，所述提取单元进一步配置用于：

将所述可见光图像输入至预先训练的第一人脸识别模型，将所述近红外图像输入至预先训练的第二人脸识别模型，分别得到第一特征向量和第二特征向量，其中，所述第一人脸识别模型、所述第二人脸识别模型分别用于提取可见光图像、近红外图像的人脸特征。

8.根据权利要求6所述的身份认证装置，其中，所述融合单元进一步配置用于：

将所述第一特征向量和所述第二特征向量进行拼接，生成第一融合特征向量。