[发明专利]人证比对模型训练方法、计算机设备及计算机存储介质

说明书

本申请实施例公开了一种人证比对模型训练方法、计算机设备及计算机存储介质。本申请实施例包括：第一训练样本包括自然场景人脸图像及其对应的身份标签，第二训练样本包括证件人脸图像及其对应的身份标签，主干网络及第一训练样本对应的分类层使用第一训练样本进行训练，在第一训练样本对应的训练过程的基础上，主干网络及第二训练样本对应的分类层使用第二训练样本进行训练，且第一训练样本及第二训练样本分别对应各自的分类层和损失函数，因此，自然场景人脸图像的训练与证件人脸图像的训练共用同一个主干网络，确保主干网络可以同时学习到两个数据集的人脸特征，对自然场景人脸图像和证件人脸图像都有良好的辨识和区分能力，提高模型训练效果。

技术领域

本申请实施例涉及人证比对领域，具体涉及一种人证比对模型训练方法、计算机设备及计算机存储介质。

背景技术

随着图像处理与模式识别技术的快速进步及计算机视觉的便捷性，人脸识别技术在现代生活中的运用也越来越多。而人脸识别在实际应用中又分为1:1人脸验证和1：N人脸辨识。1:1人脸验证可应用于手机人脸解锁、酒店住宿、高铁站刷脸进站等场景。1：N人脸辨识又可称为人证比对，主要是通过刷身份证件获取身份证件上的人脸照片，然后现场拍摄该身份证件的持有者的人脸图像，将现场拍摄到的人脸图像与身份证件上的人脸照片进行比对，判断是否为同一个人，其中身份证件可以是居民身份证、驾驶证、护照等用于表明身份的证件。

人证比对算法由于其特殊性和个人隐私性，很难获取到身份证件上的人脸照片，而且一个身份对应的身份证件人脸照片的数量十分有限，这给人证比对深度学习模型的训练带来巨大的挑战，导致现有的人证比对模型的训练效果不佳，影响人证比对结果的准确性。

发明内容

本申请实施例提供了一种人证比对模型训练方法、计算机设备及计算机存储介质，用于提高人证比对模型的训练效果。

本申请实施例第一方面提供了一种人证比对模型训练方法，所述方法包括：

获得多组第一训练样本及多组第二训练样本，每组所述第一训练样本包括自然场景人脸图像以及所述自然场景人脸图像对应的身份标签，每组所述第二训练样本包括证件人脸图像以及所述证件人脸图像对应的身份标签；

构建初始人证比对模型，在所述初始人证比对模型中部署主干网络和分类层，所述主干网络包括backbone结构和特征层，所述分类层包括所述第一训练样本对应的分类层和所述第二训练样本对应的分类层；

将多组所述第一训练样本及多组所述第二训练样本输入至所述初始人证比对模型，以使得所述主干网络及所述第一训练样本对应的分类层使用所述第一训练样本进行训练，在所述第一训练样本对应的训练过程的基础上，所述主干网络及所述第二训练样本对应的分类层使用所述第二训练样本进行训练，输出所述第一训练样本对应的第一输出标签以及所述第二训练样本对应的第二输出标签；

当所述第一输出标签与所述自然场景人脸图像对应的身份标签之间的第一损失函数满足收敛条件，以及，所述第二输出标签与所述证件人脸图像对应的身份标签之间的第二损失函数满足收敛条件时停止训练，得到目标人证比对模型。

本申请实施例第二方面提供了一种计算机设备，所述计算机设备包括：

获取单元，用于获得多组第一训练样本及多组第二训练样本，每组所述第一训练样本包括自然场景人脸图像以及所述自然场景人脸图像对应的身份标签，每组所述第二训练样本包括证件人脸图像以及所述证件人脸图像对应的身份标签；

构建单元，用于构建初始人证比对模型，在所述初始人证比对模型中部署主干网络和分类层，所述主干网络包括backbone结构和特征层，所述分类层包括所述第一训练样本对应的分类层和所述第二训练样本对应的分类层；