[发明专利]基于用户牙齿的身份认证方法

说明书

本发明实施例公开了一种基于用户牙齿的身份认证方法，所述方法包括：通过获取人脸图像，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。将二者特征进行融合，并抑制噪音特征，可以准确的提取生物特征，便于快速准确的确定乘客身份。

技术领域

本发明涉及生物特征识别技术领域，尤其涉及一种基于用户牙齿的身份认证方法。

背景技术

基于生物识别的移动支付广泛应用于交通领域，目前，普遍采用人脸识别进行支付，利用提取到的人脸图像的特征，对其进行身份验证和识别。但人脸识别在对于整容人脸、面部差异很小的双胞胎、同一个人在不同时间段脸部变化等的识别时效果不佳。牙齿识别作为一种新兴的、极具潜力的生物特征模态，也在生物特征识别领域崭露头角。

在实现本发明的过程中发明人发现：在用于移动支付时，由于时间要求，只能采集少量人脸图像照片，且牙齿露出取决于人脸此时的表情，牙齿呈周列排布，单一的牙齿图像无法完全体现出牙齿排布的特性，而采集到的人脸图像中并不能采集到合适的牙齿图像，会导致生物特征识别产生错误。

发明内容

本发明实施例提供了一种基于用户牙齿的身份认证方法，以解决现有技术中在移动支付场景下，受到牙齿图像的限制导致生物特征识别错误率较高的的技术问题。

本发明实施例提供了一种基于用户牙齿的身份认证方法，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。

进一步的，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。

进一步的，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)：