[发明专利]基于现场照和证件照的人脸识别方法及识别装置

说明书

本发明公开了一种基于现场照和证件照的人脸识别方法及识别装置，该方法包括：建立训练数据；训练数据预处理；采用DCNN对第一数据集对应的预处理后的数据进行收敛训练得到第一网络参数模型；对第一网络参数模型的参数利用第二数据集对应的预处理后的数据进行收敛训练得到第二网络参数模型；采用第二网络参数模型对第二数据集对应的预处理后的数据提取特征，同一图像数据对应的多个patch的特征连在一起作为输入，输出预设维数的特征向量，并以基于度量学习的误差函数进行训练，得到第三网络参数模型；第三网络参数模型中输入现场照、证件照对应的预处理后的数据得到第一、二特征向量，根据二者距离判断证件照与现场照的相似度。

技术领域

本发明涉及生物识别领域，特别地，涉及一种基于现场照和证件照的人脸识别方法及识别装置。

背景技术

由于人脸的方便性，人脸识别技术在监控，安防，金融，社保等领域成为热点。借助于近年来深度学习的特征学习，人脸识别技术得到了很大的进展，现在很多因素例如不同的光照，姿态，表情已经相对鲁棒。但是身份证芯片照跟现场照片比对还存在很多问题。由于身份证芯片照压缩比大，分辨率低，图像大小一般仅102宽*126高，瞳距只有不到30个像素。同时身份证芯片照因为年龄跨度的问题跟现场照很可能差别比较大。以上问题导致以身份证芯片照为模板的人脸识别性能不好。然而在人证统一验证领域，为了提升机器识别及智能判定的可靠性和识别效率，亟需设计一种能够改善的基于现场照和证据照的人脸识别方法及识别装置。

发明内容

本发明提供了一种基于现场照和证件照的人脸识别方法及识别装置，以解决现有的以证件照为模板的人脸识别由于证据照的压缩比大、分辨率低、且与现场照的差异较大导致其识别性能有待改善的技术问题。

本发明采用的技术方案如下：

根据本发明一个方面，提供一种基于现场照和证件照的人脸识别方法，本发明方法包括：

建立训练数据，训练数据包括第一数据集及第二数据集，其中，第一数据集及第二数据集均包括多人的图像数据，每人对应多个图像数据，第二数据集中每人对应至少一张证件照图像数据及多张现场照图像；

训练数据预处理，对训练数据中的图像数据进行人脸检测和关键点定位以提取多个人脸区域patch，并将多个patch归一化，得到预处理后的数据；

生成第一网络参数模型，采用深度卷积神经网络DCNN对第一数据集对应的预处理后的数据进行收敛训练得到第一网络参数模型；

生成第二网络参数模型，对第一网络参数模型的参数利用第二数据集对应的预处理后的数据进行收敛训练得到第二网络参数模型；

生成第三网络参数模型，采用第二网络参数模型对第二数据集对应的预处理后的数据提取特征，同一图像数据对应的多个patch的特征连在一起作为输入，输出预设维数的特征向量，并以基于度量学习的误差函数进行训练，使得本人的证件照图像跟本人的现场照图像的距离缩短，本人的证件照图像跟他人的现场照图像的距离拉长，得到第三网络参数模型；

人脸识别验证，在第三网络参数模型中输入现场照对应的预处理后的数据得到第一特征向量，并输入证件照对应的预处理后的数据得到第二特征向量，计算第一特征向量与第二特征向量间的距离以判断证件照与现场照的相似度。

进一步地，预处理包括根据人脸检测及人脸特征点检测将照片图像数据转换为多个patch及将各patch的像素尺寸归一化处理。

进一步地，根据人脸检测及人脸特征点检测将照片图像数据转换为多个patch包括：

采用人脸检测算法获取人脸区域；

在人脸区域内检测关键点，以瞳距为固定值，且分别以左眼、右眼、左嘴角、右嘴角、鼻子、两眼中心点为中心提取人脸图像生成六个patch。