[发明专利]人脸识别方法、装置、设备及存储介质有效
| 申请号: | 202010142025.0 | 申请日: | 2020-03-04 |
| 公开(公告)号: | CN110991433B | 公开(公告)日: | 2020-06-23 |
| 发明(设计)人: | 翁祖建 | 申请(专利权)人: | 支付宝(杭州)信息技术有限公司 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06F16/583 |
| 代理公司: | 北京博雅睿泉专利代理事务所(特殊普通合伙) 11442 | 代理人: | 郭少晶 |
| 地址: | 310000 浙江省杭州市*** | 国省代码: | 浙江;33 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 识别 方法 装置 设备 存储 介质 | ||
本说明书实施例涉及人脸识别方法、装置、设备及存储介质。其中一个方法包括:获取第一用户的人脸特征,在第一刷脸数据库内检索人脸特征对应的第二用户,再获取第二用户的特征数据、刷脸终端的特征数据和第二用户与刷脸终端之间的关联特征数据,并根据上述特征数据,通过预先构建的识别模型,识别第二用户与第一用户的一致性。
技术领域
本说明书实施例涉及计算机领域,更具体地,涉及人脸识别方法、人脸识别装置、人脸识别设备以及计算机可读存储介质。
背景技术
随着计算机互联网的快速发展,为了能够为用户提供个性化业务,且保证用户业务信息的安全性,越来越多的业务需要对用户进行身份识别。
目前,为了保证用户身份识别的便捷性和安全性,识别用户身份的方式也在不断发生着变化,不断产生新的身份识别方式,由账号密码识别用户身份,到指纹识别用户身份,到虹膜识别用户身份,再到人脸识别用户身份,通过上述方式识别出用户身份后,才为用户提供相应的业务,如,支付业务。
为了保证人脸识别的准确性,本说明书实施例需要提供一种能够准确识别人脸的方案。
发明内容
本说明书实施例提供一种人脸识别的新的技术方案。
根据本说明书的第一方面,提供了人脸识别方法的一个实施例,其包括:
获取第一用户的人脸特征;
根据所述人脸特征,在第一刷脸数据库内检索所述人脸特征对应的第二用户;
获取采集所述人脸特征的刷脸终端的特征数据、所述第二用户的特征数据和所述第二用户与所述刷脸终端之间的关联特征数据;
根据采集所述人脸特征的刷脸终端的特征数据、所述第二用户的特征数据和所述第二用户与所述刷脸终端之间的关联特征数据,通过预先基于图神经网络和线性神经网络构建的识别模型,识别所述第二用户与所述第一用户的一致性。
可选地,在根据所述人脸特征,在第一刷脸数据库内检索所述人脸特征对应的第二用户之前,所述方法还包括:
在第二刷脸数据库内未查找到所述人脸特征对应的第二用户。
可选地,根据所述人脸特征,在第一刷脸数据库内检索所述人脸特征对应的第二用户,包括:
根据所述人脸特征,检索所述人脸特征对应的用户集合;
根据所述刷脸终端的特征数据,对所述用户集合内的用户进行重排序;
在重排序后的用户集合内确定第二用户。
可选地,所述图神经网络由样本用户的特征数据、样本刷脸终端的特征数据和样本用户与样本刷脸终端之间的关联特征数据构建。
可选地,根据采集所述人脸特征的刷脸终端的特征数据、所述第二用户的特征数据和所述第二用户与所述刷脸终端之间的关联特征数据,通过预先基于图神经网络和线性神经网络构建的识别模型,识别所述第二用户与所述第一用户的一致性,包括:
根据所述刷脸终端的特征数据、所述第二用户的特征数据和所述刷脸终端与所述第二用户之间的关联特征数据,通过所述识别模型包含的图神经网络,确定深度半结构化图特征;
根据所述刷脸终端的特征数据、所述第二用户的特征数据和所述刷脸终端与所述第二用户之间的关联特征数据,通过所述识别模型包含的线性神经网络,确定结构化构造特征;
根据所述深度半结构化图特征和所述结构化构造特征,确定所述第二用户对应的概率值;
根据所述第二用户对应的概率值,识别所述第二用户与所述第一用户的一致性。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于支付宝(杭州)信息技术有限公司,未经支付宝(杭州)信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010142025.0/2.html,转载请声明来源钻瓜专利网。





