[发明专利]双通道神经网络模型训练及人脸比对方法、终端及介质

说明书

一种双通道神经网络模型训练方法，包括：将每张人脸图片输入第一深度神经网络中提取出第一人脸特征，同时将对应的经过直方图均衡化处理后的人脸图片输入第二深度神经网络中提取出第二人脸特征；对第一人脸特征和第二人脸特征进行归一化后连接作为最终人脸特征表示；将所述最终人脸特征表示进行归一化后输入至预先设置的损失函数中计算损失函数值，当损失函数值小于或等于预先设置的损失函数阈值时，则双通道神经网络模型训练结束并更新所述双通道神经网络模型中的权重和偏置。本发明还提供一种人脸比对方法、终端及介质。本发明可以训练出适合人脸比对的双通道神经网络模型，获得较佳的人脸比对效果。

技术领域

本发明涉及图像识别技术领域，具体涉及一种双通道神经网络模型训练及人脸比对方法、终端及介质。

背景技术

最近几年，随着机器学习和深度学习的发展，生物特征凭借便于携带、不会丢失、不会遗忘、不会借用和不会盗用等特点，被广泛应用在身份认证中。人脸识别技术作为生物特征识别技术之一，它具有最直接、友好和方便的特点，是我们的理想选择。人脸比对是人脸识别的子领域，人脸比对是判断两张人脸图片是不是同一个人，最常用的场景是判断证件是不是本人，人脸识别则是给定一张人脸图片，然后判断这个人是谁，其实质相当于多次的人脸比对。

由于动态环境下的人脸图片存在光照不足、遮挡、分辨率不够、姿态不正确等多种影响，使得动态环境下的人脸比对难度非常大，造成人脸比对准确度下降。

发明内容

鉴于以上内容，有必要提出一种双通道神经网络模型训练方法及人脸比对方法、终端及介质，其可以训练出适合人脸比对的分类模型，训练出的特征的区分能力较强，获得较佳的人脸比对效果。

本发明的第一方面提供一种双通道神经网络模型训练方法，所述方法包括：

a.获取不同人的一张原始人脸图片，每张原始人脸图片的尺寸为182*182；

b.将每张原始人脸图片进行随机裁剪成预设数量的人脸图片，得到人脸样本数据集；

c.分别对所述人脸样本数据集中的每张人脸图片进行直方图均衡化处理，得到直方图均衡化人脸图片；

d.将人脸样本数据中的每张所述人脸图片输入第一深度神经网络中提取出第一人脸特征，同时将对应的直方图均衡化人脸图片输入第二深度神经网络中提取出第二人脸特征；

e.对所述第一人脸特征进行归一化得到第一归一化人脸特征，同时对所述第二人脸特征进行归一化得到第二归一化人脸特征；

f.根据预设连接规则连接所述第一归一化人脸特征和所述第二归一化人脸特征得到新的归一化人脸特征，作为最终人脸特征表示；及

g.将所述最终人脸特征表示进行归一化后输入至预先设置的损失函数中计算损失函数值，当损失函数值小于或等于预先设置的损失函数阈值时，则双通道神经网络模型训练结束并更新所述双通道神经网络模型中的权重和偏置。

本发明的第二方面提供一种利用所述的双通道神经网络模型进行人脸比对的方法，所述方法包括：

在收到待进行人脸比对的目标用户的人脸图片后，对目标用户的人脸图片进行直方图均衡化处理，得到目标用户的直方图均衡化人脸图片；

将所述目标用户的人脸图片输入训练好的双通道神经网络模型中的第一深度神经网络中提取出第三人脸特征，同时将所述目标用户的直方图均衡化人脸图片输入训练好的双通道神经网络模型中的第二深度神经网络中提取出第四人脸特征；

对所述第三人脸特征进行归一化得到第三归一化人脸特征，同时对所述第四人脸特征进行归一化得到第四归一化人脸特征；

根据所述预设连接规则连接所述第三归一化人脸特征和所述第四归一化人脸特征得到新的归一化人脸特征，作为所述目标用户的最终特征表示；