(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210156655.2 (22)申请日 2022.02.21 (71)申请人 云南省第一人民医院 地址 650000 云南省昆明市金 碧路157号 (72)发明人 金华　张咏琴　陶大鹏　吴婉银　 (74)专利代理 机构 深圳中一联合知识产权代理 有限公司 4 4414 专利代理师 梁立耀 (51)Int.Cl. G06V 40/16(2022.01) G06K 9/62(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) (54)发明名称 身份比对方法、 装置、 电子设备及计算机可 读存储介质 (57)摘要 本申请实施例公开了一种身份比对方法、 装 置、 电子设备及计算机可读存储介质， 用于提高 身份比对准确率。 该方法包括： 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 对人脸图像进行特征提取， 获得人脸图像的多视 角多形态特征； 使用预先训练完成的第二特征编 码器对人脸图像进行特征提取， 获得人脸图像的 域不变特征； 将多视角多形态特征和域不变特征 进行对齐融合， 获得人脸图像的最终人脸特征； 将最终人脸特征和预存储的人脸数据进行匹配， 以确定与人脸图像匹配的预存储 人脸图像； 将预 存储人脸图像对应的身份信息确定为目标对象 的身份信息 。 权利要求书3页 说明书17页 附图4页 CN 114627528 A 2022.06.14 CN 114627528 A 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：权　利　要　求　书 1/3 页 2 CN 114627528 A 2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。 4.如权利要求2所述的方法， 其特征在于， 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， 包括： 将所述第一组样本中的样本图像和所述第二组样本中的样本图像分别输入所述训练 后第一特 征编码器， 获得 所述训练后第一特 征编码器输出的第六 特征和第七特 征； 将所述第六特征和所述第七特征分别输入至所述目标分类器， 获得所述目标分类器输 出的分类结果； 根据所述目标分类器输出的分类结果、 所述第 一组样本对应的身份标签和所述第 二组 样本对应的身份标签， 计算第三损失值； 根据所述第三损失值调整所述目标分类 器的参数； 迭代训练多次后， 获得 所述训练后目标分类 器。 5.如权利要求2所述的方法， 其特征在于， 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， 包括： 将所述源域人脸图像输入至所述训练后第 二特征编码器， 获得所述训练后第 二特征编 码器的前两层输出的第一特 征； 将所述目标域人脸图像输入至所述训练后第 二特征编码器， 获得所述训练后第 二特征 编码器的前两层输出的所述第二特 征； 将所述第 一特征和第一权重相乘， 得到第一乘积， 将所述第 二特征和第 二权重相乘， 得 到第二乘积， 并将所述第一乘积和所述第二乘积相加， 获得 所述混合特 征。 6.如权利要求5所述的方法， 其特征在于， 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， 包括： 将所述第一权重和所述源域人脸图像的相机标签相乘， 得到第三乘积， 将所述第二权 重和所述 目标域人脸图像的相 机标签相乘， 获得第四乘积， 并将所述第三乘积和所述第四权　利　要　求　书 2/3 页 3 CN 114627528 A 3