[发明专利]人脸识别方法及金融系统

说明书

本发明公开了一种人脸识别方法及金融系统，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；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。提高了人脸识别的准确率。

技术领域

本发明涉及金融技术领域，具体而言，涉及一种人脸识别方法及金融系统。

背景技术

当前存在的人脸识别模型大都是基于一张二维(2D)平面图像去识别，但由于2D信息存在深度数据丢失的局限性，无法完整的表达出真实人脸，所以在实际应用中存在着一些不足，例如识别准确率不高、活体检测准确率不高等。三维(3D)人脸模型比2D人脸模型有更强的描述能力，能更好的表达出真实人脸，所以基于3D数据的人脸识别不管识别准确率还是活体检测准确率都有很大的提高。但是由于3D人脸的获取都需要特定的设备如3D结构光等设备，同时该设备对光照和距离都有限制，所以很难适应当前安防监控视频方向的需求。

发明内容

本发明的目的在于提供了一种人脸识别方法及金融系统，用以解决现有技术中存在的上述问题。

第一方面，本发明实施例提供了一种人脸识别方法，所述方法包括：

获得所述用户的人脸视频，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。

可选的，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。

可选的，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。

可选的，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：