[发明专利]SVM差分模型训练及人脸验证方法、装置、终端及存储介质

权利要求书

1.一种SVM差分模型训练方法，其特征在于，所述方法包括：

构造正负样本集，包括：

1)提取每张证件照片上的人脸区域的第一人脸特征，提取每张动态照片上的人脸区域的第二人脸特征；

2)对所述第一人脸特征进行归一化处理得到第一归一化人脸特征，对所述第二人脸特征进行归一化处理得到第二归一化人脸特征；

3)对所述第一归一化人脸特征与第二归一化人脸特征进行做差以得到差分人脸特征；

4)构造正负样本对，其中，所述正样本对为同一个人的动态照片和证件照片进行人脸特征归一化并差分处理得到的特征及第一类别属性，负样本对为不同人的动态照片和证件照片进行人脸特征归一化并差分处理得到的特征及第二类别属性；

训练SVM差分模型，包括：

1)：从所构造的正负样本集中生成正负样本训练集及正负样本测试集；

2)：寻找惩罚参数c及核函数的参数g的最优组合，包括：将所述正负样本训练集输入到SVM中，计算出第一最优组合参数c、g；逐步扩大c、g的范围并缩小步长，保存每一次的组合参数c、g；在所生成的正负样本测试集中随机选择预设数量的正负样本测试集在已保存的组合参数c、g所对应的SVM差分模型上进行多次测试，准确率最高时所对应的参数为第二最优组合参数c、g；

3)：保存所述第二最优组合参数c、g及对应的SVM差分模型。

2.如权利要求1所述的方法，其特征在于，所述从所构造的正负样本集中生成正负样本训练集及正负样本测试集包括：

在所生成的正负样本训练集中随机选择第一预设数量的正负样本训练集参与训练。

3.一种利用权利要求1或2所述的方法训练出的SVM差分模型进行人脸验证方法，其特征在于，所述方法包括：

提取待验证人的证件照片中的人脸区域的第三人脸特征；

提取待验证人的场景照片中的人脸区域的第四人脸特征；

对所述第三人脸特征进行归一化处理得到第三归一化人脸特征，对所述第四人脸特征进行归一化处理得到第四归一化人脸特征；

对所述第三归一化人脸特征与第四归一化人脸特征进行做差以得到所述待验证人的差分人脸特征；及

根据所述SVM差分模型计算所述差分人脸特征的相似度；

判断所述相似度是否大于预设阈值；及

当所述相似度大于所述预设阈值时，确定所述证件照片与所述场景照片为同一个人；或者

当所述相似度小于或等于预设阈值时，确定所述证件照片与所述场景照片不为同一个人。

4.一种SVM差分模型训练装置，其特征在于，所述装置包括：

构造模块，用于构造正负样本集，包括：

特征提取子模块，用于提取每张证件照片上的人脸区域的第一人脸特征，提取每张动态照片上的人脸区域的第二人脸特征；

归一化子模块，用于对所述第一人脸特征进行归一化处理得到第一归一化人脸特征，对所述第二人脸特征进行归一化处理得到第二归一化人脸特征；

差分子模块，用于对所述第一归一化人脸特征与第二归一化人脸特征进行做差以得到差分人脸特征；

构造子模块，用于构造正负样本对，其中，所述正样本对为同一个人的动态照片和证件照片进行人脸特征归一化并差分处理得到的特征及第一类别属性，负样本对为不同人的动态照片和证件照片进行人脸特征归一化并差分处理得到的特征及第二类别属性；

训练模块，用于训练SVM差分模型，包括：

生成子模块，用于从所构造的正负样本集中生成正负样本训练集及正负样本测试集；

寻优子模块，用于寻找惩罚参数c及核函数的参数g的最优组合，包括：将所述正负样本训练集输入到SVM中，计算出第一最优组合参数c、g；逐步扩大c、g的范围并缩小步长，保存每一次的组合参数c、g；在所生成的正负样本测试集中随机选择预设数量的正负样本测试集在已保存的组合参数c、g所对应的SVM差分模型上进行多次测试，准确率最高时所对应的参数为第二最优组合参数c、g；

保存子模块，用于保存所述第二最优组合参数c、g及对应的SVM差分模型。