[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

说明书

本申请提供的一种基于遮挡环境下人脸身份验证方法、装置、设备和介质，通过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。本申请能够在卫生安全级别较高、寒冷环境及人脸大面积遮挡的情况下进行身份验证。

技术领域

本发明涉及计算机视觉技术领域，特别是涉及一种基于遮挡环境下人脸身份验证方法、装置、设备和介质。

背景技术

人脸验证作为验证人类身份的显著方法被广泛应用在安防、互联网、监察等行业，通过主动无接触式采集被观测者面部信息，避免因输入密码、录入指纹等需要记忆或接触操作导致遗忘或不卫生的情况发生。目前的人脸验证技术大都是通过摄像头传感器拍摄人脸，然后经过摆正后提取全脸的信息，通过度量学习得到属于个人独有的专属向量。以上通常的做法在卫生安全级别较高、寒冷环境及人脸大面积遮挡的情况下就会产生无法进行验证的效果。

因此，需要一种在人脸大面积遮挡情况下可进行人脸验证的方法。

发明内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种基于遮挡环境下人脸身份验证方法、装置、设备和介质，以解决上述至少一个问题。

为实现上述目的及其他相关目的，本申请提供一种基于遮挡环境下人脸身份验证方法，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。

于本申请的一实施例中，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。

于本申请的一实施例中，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。

于本申请的一实施例中，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。