[发明专利]人脸识别方法及装置

权利要求书

1.一种人脸识别方法，应用于与终端设备通信连接的服务器，其特征在于，包括：

在检测到所述终端设备发送的金融服务请求时，从所述终端设备获得用户的当前人脸图像；

从所述终端设备获得所述用户提供的用户身份信息，并基于所述用户身份信息获得存储于所述服务器上的与所述用户身份信息对应的基准人脸图像；

利用基于长短期记忆网络构建的预测模型判断所述当前人脸图像与所述基准人脸图像是否为同一人的人脸图像；

在为是时，确定所述用户身份信息与所述用户相匹配，并向所述终端设备提供与所述金融服务请求对应的金融服务。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述利用基于长短期记忆网络构建的预测模型判断所述当前人脸图像与所述基准人脸图像是否为同一人的人脸图像，包括：

利用所述预测模型预测获得所述当前人脸图像与所述基准人脸图像为同一人的人脸图像的第一概率；

基于所述第一概率判断所述当前人脸图像与所述基准人脸图像是否为同一人的人脸图像。

3.根据权利要求2所述的人脸识别方法，其特征在于，所述利用所述预测模型预测获得所述当前人脸图像与所述基准人脸图像为同一人的人脸图像的第一概率，包括：

获得用于表征所述当前人脸图像的当前特征向量；

获得用于表征所述基准人脸图像的基准特征向量；

基于所述当前特征向量以及所述基准特征向量，利用所述预测模型预测获得所述第一概率。

4.根据权利要求3所述的人脸识别方法，其特征在于，所述获得用于表征所述当前人脸图像的当前特征向量，包括：

利用预训练卷积神经网络对所述当前人脸图像进行特征提取，获得所述当前特征向量。

5.根据权利要求4所述的人脸识别方法，其特征在于，所述获得用于表征所述基准人脸图像的基准特征向量，包括：

利用所述卷积神经网络对所述基准人脸图像进行特征提取，获得所述基准特征向量。

6.根据权利要求4或5所述人脸识别方法，其特征在于，所述预测模型为神经网络模型，所述神经网络模型包括依次连接的长短期记忆网络层、全连接层以及softmax分类器，所述基于所述当前特征向量以及所述基准特征向量，利用所述预测模型预测获得所述第一概率，包括：

将所述当前特征向量以及所述基准特征向量分别输入至所述神经网络模型，所述当前特征向量以及所述基准特征向量依次经所述长短期记忆网络层、所述全连接层以及所述softmax分类器处理后，从所述softmax分类器输出所述第一概率。

7.根据权利要求6所述的人脸识别方法，其特征在于，所述长短期记忆网络层为双向长短期记忆网络层。

8.根据权利要求6所述的人脸识别方法，其特征在于，所述从所述终端设备获得用户的当前人脸图像之前，所述方法还包括：

确定M个原始样本，所述M个原始样本中的每个原始样本均包括两个人脸图像，M为大于等于1的整数；

依次取i为1至M，分别获得第i个原始样本中用于表征所述两个人脸图像中的第一人脸图像的第一特征向量、用于表征所述两个人脸图像中的第二人脸图像的第二特征向量以及用于表征所述第一人脸图像与所述第二人脸图像是否为同一人的人脸图像的判断标识；

将所述第一特征向量、所述第二特征向量以及所述判断标识确定为与所述第i个原始样本对应的一个训练样本，在i为M时，共获得M个训练样本；

基于所述M个训练样本训练获得所述神经网络模型。