[发明专利]一种汽车用户识别方法、装置、系统及存储介质

权利要求书

1.一种汽车用户识别方法，其特征在于，所述方法包括：

采集汽车用户的实时人脸图像；

将所述实时人脸图像输入汽车终端神经网络进行特征提取得到所述实时人脸图像特征；

获取至少一个终端的数据底库中的人脸底库特征；

基于所述实时人脸图像特征与所述至少一个终端的所述人脸底库特征进行特征比对，得到识别结果；

还包括利用训练数据对主神经网络进行训练得到训练后的主神经网络，以及利用所述训练数据分别对汽车终端初级神经网络和所述至少一个终端的初级神经网络进行终端训练；

在所述终端训练中，计算针对所述汽车终端初级神经网络、所述至少一个终端的初级神经网络和所述训练后的主神经网络的整体训练损失；并根据所述整体训练损失优化所述汽车终端初级神经网络得到所述汽车终端神经网络；

所述整体训练损失包括：汽车终端初级神经网络自身训练损失，和/或所述至少一个终端的初级神经网络自身训练损失；

所述方法还包括：

通过汽车终端搜索所述汽车终端的神经网络的最优超参数得到所述汽车终端的最优超参数的神经网络，即为所述汽车终端初级神经网络；和/或，

通过所述至少一个终端搜索所述至少一个终端的神经网络的最优超参数得到所述至少一个终端的最优超参数的神经网络，即为所述至少一个终端的初级神经网络。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述识别结果确定是否对汽车进行解锁，或所述汽车用户是否有权使用汽车。

3.如权利要求1所述的方法，其特征在于，计算针对所述汽车终端初级神经网络、所述至少一个终端的初级神经网络和所述训练后的主神经网络的整体训练损失，包括：

计算所述汽车终端初级神经网络与所述训练后的主神经网络之间的第一模型损失，所述至少一个终端的初级神经网络与所述训练后的主神经网络之间的第二模型损失，以及所述汽车终端初级神经网络和所述至少一个终端的初级神经网络中两两之间的第三模型损失；

根据所述第一模型损失、所述第二模型损失和所述第三模型损失计算所述整体训练损失。

4.如权利要求1所述的方法，其特征在于，所述至少一个终端包括：至少一个手机终端，至少一个平板电脑终端，和/或至少一个计算机终端。

5.如权利要求1所述的方法，其特征在于，所述获取至少一个终端的数据底库中的人脸底库特征包括：采用加密形式获取所述人脸底库特征。

6.一种汽车用户识别装置，其特征在于，所述装置包括：

图像采集模块，用于采集汽车用户的实时人脸图像；

特征提取模块，用于将所述实时人脸图像输入汽车终端神经网络进行特征提取得到所述实时人脸图像特征；

图像获取模块，用于获取至少一个终端的数据底库中的人脸底库特征；

特征比对模块，用于基于所述实时人脸图像特征与所述至少一个终端的所述人脸底库特征进行特征比对，得到识别结果；

还包括模型模块，所述模型模块包括：

训练模块，用于利用训练数据对主神经网络进行训练得到训练后的主神经网络，以及利用所述训练数据分别对汽车终端初级神经网络和所述至少一个终端的初级神经网络进行终端训练；

损失计算模块，用于在所述终端训练中，计算针对所述汽车终端初级神经网络、所述至少一个终端的初级神经网络和所述训练后的主神经网络的整体训练损失；

优化模块，用于根据所述整体训练损失优化所述汽车终端初级神经网络得到所述汽车终端神经网络；

所述整体训练损失包括：汽车终端初级神经网络自身训练损失，和/或所述至少一个终端的初级神经网络自身训练损失；

还包括模型搜索模块，用于搜索汽车终端的神经网络的最优超参数得到所述汽车终端的最优超参数的神经网络，即为所述汽车终端初级神经网络；和/或，

搜索所述至少一个终端的神经网络的最优超参数得到所述至少一个终端的最优超参数的神经网络，即为所述至少一个终端的初级神经网络。