[发明专利]人脸识别方法及金融系统

权利要求书

1.一种人脸识别方法，其特征在于，所述方法包括：

获得用户的人脸视频，所述人脸视频包括多张用户图像；

识别出用户图像中的人脸图像；所述人脸图像包括用户的人脸；

以多张人脸图像作为一组人脸图像序列；

将人脸图像序列输入卷积神经网络中，所述卷积神经网络基于人脸图像序列识别出所述用户的第一人脸特征向量；

通过第一网络对所述第一人脸特征向量进行上卷积处理，得到第一三维特征图；

获得所述用户的人脸三维数据与所述三维特征图之间的第一交叉熵；所述用户的人脸三维数据是通过三维摄像设备采集得到的；

基于第一交叉熵反向调整所述第一三维特征图，得到第二三维特征图；

以所述第二三维特征图作为目标，基于第一网络的损失函数反向调整所述第一人脸特征向量，得到第二人脸特征向量；

获得所述第二人脸特征向量与预先标注的样本标签之间的第二交叉熵；

基于第二交叉熵反向调整所述第二人脸特征向量，得到第三人脸特征向量；

基于所述第三人脸特征向量识别出用户的身份信息；所述第一网络是三维卷积神经网络。

2.根据权利要求1所述的方法，其特征在于，所述人脸图像中至少包括多个用户的人脸，所述方法还包括：

通过人脸跟踪算法，分别识别出每个用户在人脸视频中的每张用户图像中的人脸区域；

针对每个用户，提取出所述用户的人脸区域，以人脸区域作为人脸图像，人脸视频中包括多张包含用户的用户图像，则获得多张人脸图像；以多张人脸图像按照拍摄顺序构成一组人脸图像序列；每个用户对应一组人脸图像序列。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第三人脸特征向量识别出用户的身份信息，包括：

通过人脸识别算法，基于所述第三人脸特征向量识别出用户的身份信息。

4.根据权利要求2所述的方法，其特征在于，所述基于所述第三人脸特征向量识别出用户的身份信息，包括：

以第三人脸特征向量作为目标，对所述卷积神经网络进行训练，直到所述卷积神经网络的损失函数达到设定值，以所述卷积神经网络的损失函数达到设定值时的输出作为目标人脸特征向量；

通过人脸识别算法，基于所述目标人脸特征向量识别出用户的身份信息。

5.根据权利要求1所述的方法，其特征在于，所述卷积神经网络是残差网络，所述残差网络包括多个卷积层；多个卷积层用于提取人脸图像的特征向量。

6.根据权利要求2所述的方法，其特征在于，所述基于所述第三人脸特征向量识别出用户的身份信息，包括：

以身份信息数据库中获得与所述第三人脸特征向量匹配的身份信息，作为所述用户的身份信息。

7.根据权利要求2所述的方法，其特征在于， 基于所述第三人脸特征向量识别出用户的身份信息，还包括：

以第三人脸特征向量作为目标，对所述卷积神经网络进行训练，直到所述卷积神经网络的损失函数达到设定值，以所述卷积神经网络的损失函数达到设定值时的输出作为第一人脸特征向量；

循环上述的方案，直到所述第一交叉熵和所述第二交叉熵满足预设条件；

以所述第一交叉熵和所述第二交叉熵满足预设条件时卷积神经网络输出的人脸特征向量作为目标人脸特征向量；

通过人脸识别算法，基于所述目标人脸特征向量识别出用户的身份信息。

8.根据权利要求7所述的方法，其特征在于，所述第一交叉熵和所述第二交叉熵满足预设条件时，表示的是：所述第一交叉熵和所述第二交叉熵都收敛。