[发明专利]身份比对方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种身份比对方法，其特征在于，包括：

获取目标对象的人脸图像；

使用预先训练完成的第一特征编码器对所述人脸图像进行特征提取，获得所述人脸图像的多视角多形态特征；

使用预先训练完成的第二特征编码器对所述人脸图像进行特征提取，获得所述人脸图像的域不变特征；

将所述多视角多形态特征和所述域不变特征进行对齐融合，获得所述人脸图像的最终人脸特征；

将所述最终人脸特征和预存储的人脸数据进行匹配，以确定与所述人脸图像匹配的预存储人脸图像；

将所述预存储人脸图像对应的身份信息确定为所述目标对象的身份信息。

2.如权利要求1所述的方法，其特征在于，所述第一特征编码器和所述第二特征编码器的训练过程包括：

获取源域数据集和目标域数据集，所述源域数据集包括源域人脸图像和各所述源域人脸图像的身份标签，所述目标域数据集包括目标域人脸图像；

使用所述源域数据集训练人脸比对模型中的第一特征编码器、第二特征编码器和人脸分类器，获得训练后第一特征编码器、训练后第二特征编码器和训练后人脸分类器；

根据每个所述源域人脸图像的相机标识和每个所述目标域人脸图像的相机标识，对所述源域数据集和所述目标域数据集进行划分，获得至少两种样本集合，每种样本集合包括第一组样本和第二组样本；

针对每种所述样本集合，使用所述第一组样本和所述第二组样本训练所述样本集合对应的目标分类器，获得训练后目标分类器，每种所述样本集合对应一个所述目标分类器，所述目标分类器为由所述训练后人脸分类器和相机分类器整合得到的分类器；

根据每个所述训练后目标分类器和对应的所述样本集合，对所述训练后第一特征编码器进行训练，得到优化后第一特征编码器；

使用所述训练后第二特征编码器对所述源域人脸图像和所述目标域人脸图像进行特征提取，获得第一特征和第二特征，并根据所述第一特征和所述第二特征得到混合特征，使用所述训练后第二特征编码器、所述混合特征、所述源域人脸图像和所述目标域人脸图像训练相机分类器，获得训练后相机分类器；

使用所述训练后相机分类器、所述源域人脸图像和所述目标域人脸图像训练所述训练后第二特征编码器，获得优化后第二特征编码器；

分别使用所述优化后第一特征编码器和所述优化后第二特征编码器对所述源域人脸图像进行特征提取，获得第三特征和第四特征，并将所述第三特征和所述第四特征进行特征相加，得到第五特征；

使用所述第五特征和所述训练后人脸分类器训练所述优化后第一特征编码器和所述优化后第二特征编码器，获得训练完成的所述第一特征编码器和所述第二特征编码器。

3.如权利要求2所述的方法，其特征在于，使用所述源域数据集训练人脸比对模型中的第一特征编码器、第二特征编码器和人脸分类器，获得训练后第一特征编码器、训练后第二特征编码器和训练后人脸分类器，包括：

将所述源域人脸图像分别输入所述第一特征编码器和所述第二特征编码器，获得所述第一特征编码器输出的特征和所述第二特征编码器输出的特征；

将所述第一特征编码器输出的特征和所述第二特征编码器输出的特征分别输入至所述人脸分类器，获得所述人脸分类器输出的分类结果；

基于所述人脸分类器输出的分类结果和所述身份标签，使用交叉熵损失函数计算第一损失值；

针对每个所述源域人脸图像，将所述源域人脸图像、以及所述源域人脸图像对应的难负样本和难正负样本分别输入所述第一特征编码器和所述第二特征编码器，获得所述第一特征编码器输出的目标特征和所述第二特征编码器输出的目标特征；

基于所述第一特征编码器输出的目标特征和所述第二特征编码器输出的特征，使用三元组损失函数计算第二损失值；

根据所述第一损失值和所述第二损失值调整所述第一特征编码器、所述第二特征编码器和所述人脸分类器的参数；

迭代训练多次后，获得所述训练后第一特征编码器、所述训练后第二特征编码器和所述训练后人脸分类器。