[发明专利]基于遮挡环境下人脸身份验证方法、装置、设备和介质

权利要求书

1.一种基于遮挡环境下人脸身份验证方法，其特征在于，所述方法包括：

基于训练过的深度学习网络对人脸面部图像进行特征点检测，以确定所述人脸面部图像上对应人脸面部中一或多个特征点的具体位置；

依据检测出的各所述特征点对所述人脸面部图像上的人脸面部进行区域分割，以获得分割后的截取图像；

将所述截取图像输入所述深度学习网络以输出多维度的数字编码向量，令其与数据库中预存的包含有身份信息的人脸面部编码向量进行比对，以得到身份验证结果。

2.根据权利要求1所述的方法，其特征在于，所述比对方法包括：

其中，a对应为Anchor，表示所述深度学习网络中的随机样本；

p对应为Positive，表示所述深度学习网络中与所述随机样本属于同一身份信息的同类样本；

n对应为Negative，表示所述深度学习网络中与所述随机样本不属于同一身份信息的非同类样本；

表示作为随机样本的所述截取图像对应的由所述深度学习网络输出的多维度的数字编码向量；

表示作为同类样本的所述人脸面部图像在数据库中预存的包含有身份信息的人脸面部编码向量；

表示作为非同类样本的所述人脸面部图像在数据库中预存的包含有身份信息的人脸面部编码向量；

表示Anchor与Positive之间的欧式距离；

表示Anchor与Negative之间的欧式距离。

3.根据权利要求2所述的方法，其特征在于，将所述截取图像输入所述深度学习网络以输出多维度的数字编码向量，令其与数据库中预存的包含有身份信息的人脸面部编码向量进行比对，以得到身份验证结果，包括：

依据所述截取图像对应输出的多维度的数字编码向量，与数据库中每一组构成同类样本与非同类样本的人脸面部编码向量进行比对后得到对比结果；

若所述对比结果达到阈值，则将所述同类样本的人脸面部编码向量对应的身份信息作为身份验证结果；若所述对比结果未达到阈值，则得到未通过的身份验证结果。

4.根据权利要求3所述的方法，其特征在于，所述阈值是通过训练所述深度学习网络得到的表示的Anchor与Positive之间的欧式距离最小和/或Anchor与Negative之间的欧式距离最大的基准对比结果。

5.根据权利要求4所述的方法，其特征在于，所述深度网络模型的训练过程包括：

获取大量分割后的截取图像作为随机样本输入至所述深度网络模型，以输出多维度的数字编码向量；

令所述样本数据对应的数字编码向量与数据库中对应的同类样本和非同类样本的人脸面部编码向量进行比对，以得到比对结果；

基于令Anchor与Positive之间的欧式距离更小，Anchor与Negative之间的欧式距离更大的训练规则，不断将所述截取图像对应的多维度的数字编码向量在所述深度学习网络中反向传播以进行权重更新，直至满足该训练规则，从而确定权重，并将最终比对结果作为阈值。

6.根据权利要求1所述的方法，其特征在于，所述对所述人脸面部图像上的人脸面部进行区域分割中，所述区域包括：眼睛、眉毛、及额头中任意一或多种。

7.根据权利要求6所述的方法，其特征在于，所述依据检测出的各所述特征点对所述人脸面部图像上的人脸面部进行区域分割，包括：

以眼睛高度为单位长度，将所述眼睛下部延伸二分之一单位长度的位置，作为区域分割的最底端位置。

8.根据权利要求1-7中任意一项所述的方法，其特征在于，所述深度学习网络为端到端的深度卷积框架，依次包括：

第1卷积层、第2卷积层、第1池化层、第3卷积层、第4卷积层、第2池化层、第5卷积层、第6卷积层、第7卷积层、第3池化层、第8卷积层、第9卷积层、第10卷积层、第4池化层、第11卷积层、第12卷积层、第13卷积层、及第5池化层；

各所述卷积用于通过卷积核的权重提取低频和高频信息；各所述池化层用于去除冗余信息。