[发明专利]一种汽车用户识别方法、装置、系统及存储介质

说明书

本发明提供了一种汽车用户识别方法、装置、系统及存储介质，所述方法包括：采集汽车用户的实时人脸图像；将所述实时人脸图像输入汽车终端神经网络进行特征提取得到所述实时人脸图像特征；获取至少一个终端的数据底库中的人脸底库特征；基于所述实时人脸图像特征与所述至少一个终端的所述人脸底库特征进行特征比对，得到识别结果。根据本发明的方法、装置、系统及存储介质，实现了基于多个终端录入底库的特征比对，提升了用户识别的准确性和识别速度，从而保证了汽车用户的解锁和验证体验。

技术领域

本发明涉及图像处理技术领域，更具体地涉及汽车用户识别的处理。

背景技术

现有技术中的汽车解锁或汽车用户验证，需要在汽车端录入底库，在汽车端做解锁，受限于单模组即汽车端的图像采集装置(如摄像头)，不能与通过其他终端如手机端的摄像头录入的底库中的数据做跨模组比对；并且车内底库受限于客观条件，如光线、角度、摄像头模组本身成像质量一般等，人脸信息容易受到损失，当在云端做人脸识别验证时，原图传输会受限于用户隐私与法律问题，且和网络环境有很强相关，影响用户的解锁和验证体验，给人脸识别算法的性能带来负面影响。此外，汽车端的模组种类繁多，利用通用框架训练出的模型没有针对性，不能定制化地根据汽车端平台型号，摄像头模组类型来匹配合适的模型结构加以训练，也不能保证能汽车端和手机端之间由不同终端的不同摄像头模组录入的底库可以进行跨模组比对。

因此，现有技术中存在汽车端的神经网络模型没有针对性，且无法与其他终端录入的数据进行比对，导致用户识别的准确度低以及速度慢的问题，影响汽车用户的使用体验。

发明内容

考虑到上述问题而提出了本发明。本发明提供了一种汽车用户解锁或验证方法、装置、系统及计算机存储介质，将实时采集图像得到的特征与基于多个终端录入底库的特征比对，提升了用户识别的准确性和识别速度，从而保证了汽车用户的使用体验。

根据本发明的第一方面，提供了一种汽车用户识别方法，包括：

采集汽车用户的实时人脸图像；

将所述实时人脸图像输入汽车终端神经网络进行特征提取得到所述实时人脸图像特征；

获取至少一个终端的数据底库中的人脸底库特征；

基于所述实时人脸图像特征与所述至少一个终端的所述人脸底库特征进行特征比对，得到识别结果。

示例性地，所述方法还包括：

根据所述识别结果确定是否对汽车进行解锁，或所述汽车用户是否有权使用汽车。

示例性地，所述方法还包括：

利用训练数据对主神经网络进行训练得到训练后的主神经网络，以及利用所述训练数据分别对汽车终端初级神经网络和所述至少一个终端的初级神经网络进行终端训练；

在所述终端训练中，计算针对所述汽车终端初级神经网络、所述至少一个终端的初级神经网络和所述训练后的主神经网络的整体训练损失；并根据所述整体训练损失优化所述汽车终端初级神经网络得到所述汽车终端神经网络。

示例性地，所述方法还包括：

搜索汽车终端的神经网络的最优超参数，得到所述汽车终端初级神经网络；和/或，

搜索所述至少一个终端的神经网络的最优超参数，得到所述至少一个终端的初级神经网络。

示例性地，计算针对所述汽车终端初级神经网络、所述至少一个终端的初级神经网络和所述训练后的主神经网络的整体训练损失，包括：

计算所述汽车终端初级神经网络与所述训练后的主神经网络之间的第一模型损失，所述至少一个终端的初级神经网络与所述训练后的主神经网络之间的第二模型损失，以及所述汽车终端初级神经网络和所述至少一个终端的初级神经网络中两两之间的第三模型损失；