[发明专利]人脸识别标准照更新方法、装置、计算机设备及存储介质

说明书

本发明实施例提供了一种人脸识别标准照更新方法、装置、计算机设备及存储介质，其中，该方法包括：根据人脸变化信息以及当前用户在前次更新标准照的时间点所对应的变化度，将当前变化度与前次更新标准照的时间点所对应的变化度之间的差值为1的时间点确定为当前用户下次更新标准照的时间点；获取当前采集的相片的人脸特征与当前用户的标准照的相似度；当相似度符合预设相似度要求，且当前时间与下次更新标准照的时间点符合预设时间要求时，则存储当前采集的相片，根据当前存储的相片集训练人脸特征，采用训练得到的人脸特征更新当前用户的所述标准照。该方案有利于提高人脸识别的精确度，同时有利于避免频繁启动人脸特征重训练造成的资源浪费。

技术领域

本发明涉及人工智能技术领域，特别涉及一种人脸识别标准照更新方法、装置、计算机设备及存储介质。

背景技术

随着人脸识别技术的快速发展，人脸识别因不易伪造、使用方便等优势而逐渐运用到了各行各业，例如：门禁、人脸支付和身份验证等。特别在庞大的银行业务体系中，越来越多的场景会用到人脸识别来判别客户是否本人。如涉及理财产品购买的柜面交易、人脸支付等场景，均需要核对、验证客户的身份，确定为客户本人在做交易，从而保护客户的资金安全。然而在人脸识别的过程中，存在识别姿态、人脸变化、光线不足等问题导致人脸识别失败。针对于人脸变化的情况，人随着年龄的增大、身体状况变化、熬夜、整容等均会降低人脸识别准确率。

在现有的方法里，大多着重于优化脸部遮挡、戴眼镜、光线等因素造成的人脸识别效果降低问题，如采用深度网络模型进行人脸识别，采集人脸图像之后，模拟人脸戴黑框眼镜的图像，提取没戴眼镜和戴眼镜两种情况的特征值，从而提高戴眼镜情况下人脸识别准确率。但此方法不能持续更新数据库，当人的年龄增大之后，会降低人脸识别精度。为了解决上述问题，则出现了通过周期性或人脸识别失败时更新数据库，进行人脸特征重训练。但是，若周期设置过长，则会导致人脸识别精确度降低；周期设置过短，则会出现没必要的特征重训练，浪费系统资源。

因此，如何及时更新数据库，确定何时启动人脸识别特征值重训练，提高人脸识别的准确率成为业内亟待解决的问题。

发明内容

本发明实施例提供了一种人脸识别标准照更新方法，以解决现有技术中周期性更新数据库的方式存在无法兼顾准确率与避免资源浪费的技术问题。该方法包括：

根据人脸变化信息以及当前用户在前次更新标准照的时间点所对应的变化度，将当前变化度与前次更新标准照的时间点所对应的变化度之间的差值为1的时间点确定为所述当前用户下次更新标准照的时间点，其中，所述人脸变化信息包括人生中各时间点与变化度的对应关系，变化度表示更新标准照的次数；

获取当前采集的相片的人脸特征与所述当前用户的标准照的相似度，其中，所述标准照为已存的人脸特征；

当所述相似度符合预设相似度要求，且当前时间与所述下次更新标准照的时间点符合预设时间要求时，则存储当前采集的相片，并根据当前存储的相片集训练人脸特征，采用训练得到的人脸特征更新所述当前用户的所述标准照。

本发明实施例还提供了一种人脸识别标准照更新装置，以解决现有技术中周期性更新数据库的方式存在无法兼顾准确率与避免资源浪费的技术问题。该装置包括：

下次更新时间确定模块，用于根据人脸变化信息以及当前用户在前次更新标准照的时间点所对应的变化度，将当前变化度与前次更新标准照的时间点所对应的变化度之间的差值为1的时间点确定为所述当前用户下次更新标准照的时间点，其中，所述人脸变化信息包括人生中各时间点与变化度的对应关系，变化度表示更新标准照的次数；

相似度确定模块，用于获取当前采集的相片的人脸特征与所述当前用户的标准照的相似度，其中，所述标准照为已存的人脸特征；