[发明专利]一种自适应人脸比对方法及系统

说明书

本发明公开了一种自适应人脸比对方法及系统，包括：搜索当前人脸照与人脸特征值库中所有证照人脸特征值欧式距离最短的第一用户以及所有活体照人脸特征值欧式距离最短的第二用户；获取第一用户或第二用户的证照和活体照与当前人脸照的第一时间距离或第二时间距离，并计算第一时间权重或第二时间权重；计算当前人脸照与该用户证件照和活体照的第一时间权重欧式距离或第二时间权重欧式距离，并选择小于阈值中最小的权重欧式距离所对应的第一用户或第二用户作为当前人脸照的搜索结果。本发明采用时间距离作为权重计算人脸特征值欧式距离，提高了比对准确性；采用两轮搜索进行人脸特征值欧式距离比对，保障搜索结果一致性。

技术领域

本发明涉及人脸识别技术领域，具体涉及一种自适应人脸比对方法及系统。

背景技术

当前，人脸识别技术普遍采用神经网络Facenet模型提取512维的人脸特征，在最后一层用传统机器学习的KNN（k-近邻算法）模型比对人脸特征，从而实现人脸识别。Facenet是Google提出的一个用于人脸识别的深度卷积神经网络，其具体模型其实是一个类似于Inception Net的CNN模型，只是其最后一层不是通过传统的Softmax layer来训练，而是通过提取512维的人脸特征用Triplet Loss来训练。

利用上述人脸特征提取算法，可进一步进行人脸比对。人脸比对算法的输入是两个人脸特征（注：人脸特征由上述的人脸特征提取算法获得），输出是两个特征之间的相似度；人脸验证、人脸识别、人脸检索都是在人脸比对的基础上加一些策略来实现。

在人脸比对中，通常采用欧氏距离和余弦距离来衡量人脸特征的差异来表征人脸相似度，当差异小于阈值，判别为同一个人；当前，该技术已普遍应用于智能楼宇门禁系统，并在银行用户开户业务进行试点。

现有人脸相似度比对算法，在应用于银行用户远程开户场景中，通过证件（如身份证）采集、活体检测，实现人证核验，完成开户；同时，银行将保存证件照和活体照的人脸特征值至人脸特征值库。但，在后续银行开展业务时将面临如下场景：

1.当用户下次使用另一个不同的证照（如护照），则需要搜索上述人脸特征值库，查询该用户是否曾经已成功开过户；

2.当用户用手机银行进行支付、转账等业务使用人脸校验，则需要比对该用户当前人脸采集特征值与开户时存储的特征值。

针对以上应用场景，现有的方法是将当前采集的人脸特征值与已存储的证照人脸或活体检测人脸特征值做比对；但是由于证件照与活体检测拍照的时间间隔较长，存在另一个证件中的人脸照片与哪一个相似度更接近的问题；

如果将当前采集的人脸特征值分别与已存储的证照人脸和活体检测人脸特征值做比对，则存在结果不一致问题，即第一轮搜索证件照，得到距离最接近的人脸，与第二轮搜索活体照得到的人脸，不能确保是同一人。

以上两种比对方法，都不适合于银行业务中人脸支付和转账交易场景。

发明内容

针对现有技术中存在的上述问题，本发明提供一种自适应人脸比对方法及系统，可有效消除证件照和活体照差异造成的搜索结果一致性的缺陷。

本发明公开了一种自适应人脸比对方法，包括：

采集证件或活体照片的当前人脸照，并获取当前人脸照特征值；

搜索当前人脸照与人脸特征值库中所有证照人脸特征值欧式距离最短的第一用户；

获取所述第一用户的证照发布日期和活体照采集日期，并分别计算证照和活体照与当前人脸照的第一时间距离；

基于所述第一时间距离，计算第一时间权重；

基于当前人脸照特征值、第一用户证照人脸特征值、活体照人脸特征值和第一时间权重，计算当前人脸照与该用户证件照和活体照的第一时间权重欧式距离；