[发明专利]用于验证人脸的方法和装置在审
| 申请号: | 201810257451.1 | 申请日: | 2018-03-27 |
| 公开(公告)号: | CN108510466A | 公开(公告)日: | 2018-09-07 |
| 发明(设计)人: | 何涛;刘文献 | 申请(专利权)人: | 百度在线网络技术(北京)有限公司 |
| 主分类号: | G06T5/50 | 分类号: | G06T5/50;G06K9/00 |
| 代理公司: | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人: | 王达佐;马晓亚 |
| 地址: | 100085 北京市*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 人脸图像 特征向量 人脸 特征提取模型 方法和装置 人脸验证 相机类型 相机拍摄 融合 验证 提取图像特征 图像 连接层 相机 采集 申请 | ||
1.一种用于验证人脸的方法,包括:
获取第一人脸图像和第二人脸图像,其中,所述第一人脸图像是采用第一相机类型的相机拍摄人脸所得到的图像,所述第二人脸图像是采用第二相机类型的相机拍摄人脸所得到的图像;
将所述第一人脸图像和所述第二人脸图像分别输入预先训练的特征提取模型,得到第一特征向量和第二特征向量,其中,所述特征提取模型用于提取图像特征;
融合所述第一特征向量和所述第二特征向量,得到融合特征向量;
将所述融合特征向量输入预先训练的全连接层,得到与所述第一人脸图像和所述第二人脸图像对应的人脸验证结果,其中,人脸验证结果用于指示两个图像中的人脸是否是同一人的人脸,所述全连接层用于表征特征向量和人脸验证结果之间的对应关系。
2.根据权利要求1所述的方法,其中,所述融合所述第一特征向量和所述第二特征向量,得到融合特征向量,包括:
将所述第一特征向量和所述第二特征向量输入预设双线性模型,得到所述融合特征向量。
3.根据权利要求1所述的方法,其中,所述融合所述第一特征向量和所述第二特征向量,得到融合特征向量,包括:
拼接所述第一特征向量和所述第二特征向量,得到所述融合特征向量。
4.根据权利要求1-3中任一所述的方法,其中,所述特征提取模型为卷积神经网络。
5.一种用于验证人脸的装置,包括:
获取单元,配置用于获取第一人脸图像和第二人脸图像,其中,所述第一人脸图像是采用第一相机类型的相机拍摄人脸所得到的图像,所述第二人脸图像是采用第二相机类型的相机拍摄人脸所得到的图像;
输入单元,配置用于将所述第一人脸图像和所述第二人脸图像分别输入预先训练的特征提取模型,得到第一特征向量和第二特征向量,其中,所述特征提取模型用于提取图像特征;
融合单元,配置用于融合所述第一特征向量和所述第二特征向量,得到融合特征向量;
验证单元,配置用于将所述融合特征向量输入预先训练的全连接层,得到与所述第一人脸图像和所述第二人脸图像对应的人脸验证结果,其中,人脸验证结果用于指示两个图像中的人脸是否是同一人的人脸,所述全连接层用于表征特征向量和人脸验证结果之间的对应关系。
6.根据权利要求5所述的装置,其中,所述融合单元进一步用于:
将所述第一特征向量和所述第二特征向量输入预设双线性模型,得到所述融合特征向量。
7.根据权利要求5所述的装置,其中,所述融合单元进一步用于:
拼接所述第一特征向量和所述第二特征向量,得到所述融合特征向量。
8.根据权利要求5-7中任一所述的装置,其中,所述特征提取模型为卷积神经网络。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
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百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)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/201810257451.1/1.html,转载请声明来源钻瓜专利网。





