[发明专利]基于用户牙齿的身份认证方法

权利要求书

1.一种基于用户牙齿的身份认证方法，其特征在于，包括：

获取人脸图像，并预测所述人脸图像上每个动作单元出现的概率；

预测所述人脸图像上每个动作单元的强度；

根据所述概率和强度确定当前是否处于微笑状态；

在处于微笑状态时，利用ResNet残差网络提取牙齿图像的关键特征点，并基于所述关键特征点提取牙齿特征；

将所述人脸图像输入神经网络，提取到表情特征；

将所述牙齿特征和表情特征输入至通道注意力加权神经网络中，得到牙齿特征和表情特征的通道权重；

根据所述通道权重与所述表情特征和牙齿特征计算得到生物特征；

所述通道注意力加权神经网络，包括：

挤压模块，所述挤压模块用于接收表情特征和牙齿特征，并采用全局平均池化的方式，将多维的特征压缩到1×1特征，并将1×1特征利用全连接层进行特征学习，并用激活函数进行激活，得到压缩特征；

激励模块，所述扩张模块用于将压缩特征，利用还原全连接层将压缩特征映射回原来的通道数量特征，对每个通道1×1的特征维度进行sigmoid归一化，得到牙齿特征和表情特征的通道注意力矩阵。

2.根据权利要求1所述的方法，其特征在于，所述预测所述人脸图像上每个动作单元出现的概率，包括：

将所述人脸对象基于面部特征点进行对齐；

将对齐后的人脸图像输入训练完成的自回归深度神经网络，预测得到每个动作单元出现的概率和强度。

3.根据权利要求2所述的方法，其特征在于，所述自回归深度神经网络，包括：

语义识别单元，用于计算输出每个运动单元的位置；

全连接层，预测每个AU出现的概率p_i，对于AU检测，通常采用多标签交叉熵损失(Loss)：

其中，p_i为第i个AU真实出现的概率，值为1表示出现，值为0则表示不出现。

4.根据权利要求3所述的方法，其特征在于，所述预测所述人脸图像上每个动作单元的强度，包括：

将第i个AU被预测的概率转换为强度：

其中，T＝5为最大的强度级别.然后采用L2损失：

5.根据权利要求1所述的方法，其特征在于，所述根据所述通道权重与所述表情特征和牙齿特征计算得到生物特征，包括：

将通道注意力矩阵与所述表情特征和牙齿特征相乘得到生物特征。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述生物特征确定对应的乘客；

并根据乘客的起始和到达站点计算路程。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

根据所述路程计算费用；

根据识别的乘客身份和费用对所述乘客的账户进行扣费。