[发明专利]一种基于卷积神经网络的人脸验证方法

说明书

本发明公开了一种基于卷积神经网络的人脸验证方法，其实现过程为，首先收集训练图像，挑选正类样本，生成正类模板；构造训练集，将收集的训练图像与正类模板进行比对；设计损失函数，通过优化该函数，结合训练集训练卷积神经网络模型，使该卷积神经网络模型可样本对输入；将待验证样本与产生的正类模板构造成一个样本对输入到卷积神经网络中，根据验证结果，确定样本为正类或负类，正类则验证通过，负类则验证不通过。本发明的一种基于卷积神经网络的人脸验证方法与现有技术相比，将单样本输入改为样本对输入，能够学到样本与正类模板的相似性，直接输出样本与正类模板的比对结果，不需要与其他正类样本进行一一比对，可以有效地降低验证时间。

技术领域

本发明涉及计算机应用技术领域，具体地说是一种基于卷积神经网络的人脸验证方法。

背景技术

随着社会和经济的不断发展，市场对身份验证的需求越来越大，身份验证越来越重要。人脸验证是当今身份验证的主流方法。现有的方法专注于降低识别错误率，隐含了一个假设，即每个用户的身份重要性是相同的。然而对于某些需要低拒识率或者低误识率的场景，这种假设是有问题的。例如，对于一个金融机构来说，可能只有少数的几个高级员工拥有支付、转账等重要权限。在这种应用场景下，将外来人员错误的识别为高级员工产生的损失要远远的高于将高级员工误识别为外来人员的损失。再例如，对于一个通缉犯追捕识别系统，错将数据库中的通缉犯们误分为良好市民产生的损失要远远的高于将良好市民误分为通缉犯们的损失。因此，针对这种需要低拒识率或者低误识率的场景，如何发明一种基于这类特殊场景下的人脸验证方法，使其能够高效地对特定用户的人脸进行正确识别，对于降低企业产品竞争力，具有重要的意义。

为了解决这个问题，本专利提供一种基于卷积神经网络的人脸验证方法。

发明内容

本发明的技术任务是针对以上不足之处，提供一种基于卷积神经网络的人脸验证方法。

一种基于卷积神经网络的人脸验证方法，其实现过程为，

一、首先收集训练图像，挑选正类样本，生成正类模板；

二、构造训练集，将收集的训练图像与正类模板进行比对，分成与模板同类的样本和与模板不同类的样本；

三、设计损失函数，通过优化该函数，结合训练集训练卷积神经网络模型，使该卷积神经网络模型可样本对输入；

四、将待验证样本与产生的正类模板构造成一个样本对输入到卷积神经网络中，根据验证结果，确定样本为正类或负类，正类则验证通过，负类则验证不通过。

所述步骤一中，正类样本是指人为指定的应用场景中的关注样本，在生成正类模板时，首先根据正类样本的重要性，对每个正类样本进行加权设定，然后通过已有的正类模板和它的权重，利用以下公式获得正类模板T：

在该公式中，N是现有正类样本的个数，R_i是第i个用户的权重，衡量第i个用户身份的重要性，U_i第i个用户的数据。

所述步骤二中的训练集构造过程中，将收集的训练图像与正类模板进行比对后，将与模板同类的样本，标记为1；与模板不同类的样本，标记为-1。

所述步骤三中卷积神经网络通过以下损失函数及优化过程训练：

s.t L_i＝wz_i+b；

s.t z_i＝x_i-T；