[发明专利]人脸认证的方法和装置

说明书

本发明公开了一种人脸认证的方法和装置，属于生物识别领域，所述方法包括：对待认证人脸图像和人脸图像模板使用预先经过多层分类网络联合训练的多层级深度卷积网络依次提取出多个层级的特征向量；将多个层级的特征向量依次通过统一维度线性映射矩阵映射为统一维度特征向量；将统一维度特征向量串联成联合特征向量；将联合特征向量通过线性降维映射矩阵进行降维映射得到综合特征向量；通过线性判别分析，利用绝对值归一化余弦值，对得到的待认证人脸图像的综合特征向量和人脸图像模板的综合特征向量的进行比对认证。与现有技术相比，本发明的人脸认证的方法抗干扰能强，可扩展性好，认证准确率高。

技术领域

本发明涉及生物识别领域，特别是指一种人脸认证的方法和装置。

背景技术

人脸认证是生物识别的一种形式，通过有效的表征人脸，得到两幅人脸图片的特征，利用分类算法来判定这两张照片是否是同一个人。一般在人脸识别装置中预先存储有一幅人脸图像，作为人脸图像模板；在认证时，拍摄一幅人脸图像，作为待认证人脸图像，提取两幅图像的特征，利用分类算法来判定这两张照片是否是同一个人。

提取特征的方法为：人工设计出一个特征向量，通过各种算法取出规定的特征向量，如基于几何特征的人脸认证方法、基于子空间的人脸认证方法、基于信号处理的人脸认证方法等，但是这种方法极容易受到光照、表情等因素对结果的影响，抗干扰能力差，并且人工设计出的特征向量多是基于特定的情况下的，可扩展性差。

基于深度网络的人脸识别与认证技术可以自动学习并提取特征，但是一般的深度网络存在着梯度弥散问题，并且对各层级特征处理和理解不充分，仅利用高层特征不足以充分描述图像。

发明内容

本发明提供一种人脸认证的方法和装置，该方法抗干扰能力强，可扩展性好，认证准确率高。

为解决上述技术问题，本发明提供技术方案如下：

一种人脸认证的方法，包括：

对待认证人脸图像和人脸图像模板使用预先经过多层分类网络联合训练的多层级深度卷积网络依次提取出多个层级的特征向量；

将多个层级的特征向量依次通过统一维度线性映射矩阵映射为统一维度特征向量；

将统一维度特征向量串联成联合特征向量；

将联合特征向量通过线性降维映射矩阵进行降维映射得到综合特征向量；

通过线性判别分析，利用绝对值归一化余弦值，对得到的待认证人脸图像的综合特征向量和人脸图像模板的综合特征向量的进行比对认证。

一种人脸认证的装置，包括：

第一提取模块，用于对待认证人脸图像和人脸图像模板使用预先经过多层分类网络联合训练的多层级深度卷积网络依次提取出多个层级的特征向量；

第一映射模块，用于将多个层级的特征向量依次通过统一维度线性映射矩阵映射为统一维度特征向量；

第一串联模块，用于将统一维度特征向量串联成联合特征向量；

第二映射模块，用于将联合特征向量通过线性降维映射矩阵进行降维映射得到综合特征向量；

第一比对模块，用于通过线性判别分析，利用绝对值归一化余弦值，对得到的待认证人脸图像的综合特征向量和人脸图像模板的综合特征向量的进行比对认证。

本发明具有以下有益效果：