CN114882569A - 声纹图像结合的人脸识别方法、装置、设备及存储介质 - Google Patents

声纹图像结合的人脸识别方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114882569A
CN114882569A CN202210604454.4A CN202210604454A CN114882569A CN 114882569 A CN114882569 A CN 114882569A CN 202210604454 A CN202210604454 A CN 202210604454A CN 114882569 A CN114882569 A CN 114882569A
Authority
CN
China
Prior art keywords
voiceprint
recognition
face
living body
video
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210604454.4A
Other languages
English (en)
Inventor
张建军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Weikun Shanghai Technology Service Co Ltd
Original Assignee
Weikun Shanghai Technology Service Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Weikun Shanghai Technology Service Co Ltd filed Critical Weikun Shanghai Technology Service Co Ltd
Priority to CN202210604454.4A priority Critical patent/CN114882569A/zh
Publication of CN114882569A publication Critical patent/CN114882569A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Acoustics & Sound (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明涉及生物识别技术，揭露了一种声纹图像结合的人脸识别方法，包括：获取监控视频，并根据预设的人脸识别方法，对所述监控视频进行人脸活体识别，得到人脸识别结果；当所述人脸识别结果通过认证时，获取所述监控视频中的音频信息，并利用预训练的声纹识别网络对所述音频信息进行声纹认证，得到声纹识别结果；当所述声纹识别结果通过认证时，根据所述人脸识别结果，从预构建的人脸数据库中筛选人物，得到所述监控视频中人物的身份信息。本发明还提出一种声纹图像结合的人脸识别装置、电子设备以及存储介质。本发明可以降低人脸识别被网络攻击的风险度。

Description

声纹图像结合的人脸识别方法、装置、设备及存储介质
技术领域
本发明涉及生物识别技术领域，尤其涉及一种声纹图像结合的人脸识别方法、装置、电子设备及计算机可读存储介质。
背景技术
人脸识别在人工智能领域的应用越来越广泛，例如支付认证、登录认证等，然而随着互联网技术的发展，社会上也出现一些网络攻击行为对人脸识别技术进行攻击，如人物照片等，造成人脸误判，从而对用户造成侵害。目前，网络上，存在3d环境识别、环境光识别、特定行为指令识别等活体检测技术来加强人脸识别的安全性，然而3D打印、真人面具工艺的发展，单一的图像识别逐渐无法识别与时俱进的网络攻击行为。因此，需要具有更加严谨、准确的网络攻击识别方法来降低人脸识别被网络攻击的风险度。
发明内容
本发明提供一种声纹图像结合的人脸识别方法、装置及计算机可读存储介质，其主要目的在于降低人脸识别被网络攻击的风险度。
为实现上述目的，本发明提供的一种声纹图像结合的人脸识别方法，包括：
获取监控视频，并将所述监控视频导入预训练的图像音频双通道人脸识别模型中进行视频数据划分，得到音频信息及视频图像信息，并对所述视频图像信息进行人脸活体识别，得到活体识别结果及人脸特征结果；
当所述活体识别结果通过认证时，利用所述图像音频双通道人脸识别模型中的声纹识别网络对所述音频信息进行声纹识别，得到声纹识别结果；
当所述声纹识别结果通过认证时，根据所述人脸特征结果，从预构建的人脸数据库中筛选人物，得到所述监控视频中人物的身份信息。
可选的，所述利用所述图像音频双通道人脸识别模型中的声纹识别网络对所述音频信息进行声纹识别，得到声纹识别结果，包括：
对所述音频信息进行声纹特征识别，得到声纹特征集合；
利用所述声纹识别网络中的拼接音频识别激活函数识别所述声纹特征集合，判断所述音频信息是否为拼接音频；
当所述音频信息为拼接音频时，生成拼接音频攻击警报；
当所述音频信息不是拼接音频时，获取所述人脸识别结果对应的预存声纹信息，并识别所述声纹特征集合与所述预存声纹信息的相似度；
根据所述相似度及预设的可信阈值，得到所述音频信息的声纹识别结果。
可选的，所述对所述视频图像信息进行人脸活体识别，得到活体识别结果及人脸特征结果，包括：
对所述监控视频进行灰度化处理，得到灰度视频；
根据预设的随机活体识别方法，从所述灰度视频中截取活体认证视频；
利用所述图像音频双通道人脸识别模型中的活体识别网络对所述活体认证视频进行动作特征识别，得到认证动作集合；
当所述认证动作集合不符合所述随机活体识别方法时，判定所述监控视频中存在活体攻击现象，并发出预设的活体攻击警报；
当所述认证动作集合符合所述随机活体识别方法时，判定所述监控视频中的人物为活体，并利用所述图像音频双通道人脸识别模型中的人脸特征提取网络对所述灰度视频进行特征识别，得到人脸特征结果。
可选的，所述根据预设的随机活体识别方法，从所述灰度视频中截取活体认证视频，包括：
从预构建的活体识别方法集合中随机提取一种识别方法；
根据所述识别方法，生成人脸截取框，将所述人脸截取框中的人脸视频进行截取，得到活体认证视频。
可选的，所述利用所述图像音频双通道人脸识别模型中的活体识别网络对所述活体认证视频进行动作特征识别，得到认证动作集合，包括：
利用所述活体识别网络对所述活体认证视频进行特征提取操作，得到特征序列集合；
对所述特征序列集合进行特征识别操作，得到特征集合；
对所述特征集合进行分类判断，得到认证动作集合。
可选的，所述将所述监控视频导入预训练的图像音频双通道人脸识别模型中进行视频数据划分之前，所述方法还包括：
获取包含声纹匹配激活函数及音频拼接判断激活函数的声纹识别网络；
获取预构建的训练样本集，并依次从所述训练样本集中提取一个训练样本导入所述声纹识别网络中，得到识别结果；
根据交叉熵算法计算所述识别结果与所述训练样本对应的真实结果之间的损失值；
最小化所述损失值，得到损失值最小时的函数参数，并利用所述函数参数反向更新所述声纹识别网络，得到更新声纹识别网络；
判断所述损失值的收敛性；
当所述损失值未收敛时，返回上述依次从所述训练样本集中提取一个训练样本导入所述声纹识别网络中，得到识别结果的步骤，对所述更新声纹识别网络进行迭代更新；
当所述损失值收敛时，将最终更新的更新声纹识别网络进行输出，得到训练完成的声纹识别网络。
可选的，所述对所述视频图像信息进行人脸活体识别，得到活体识别结果及人脸特征结果之前，所述方法还包括：
对所述监控视频进行嘴型识别，得到嘴部特征序列；
利用所述嘴部特征序列与所述音频信息进行音唇匹配；
当音唇匹配时，执行所述利用预训练的声纹识别网络对所述音频信息进行声纹认证，得到声纹识别结果的步骤；
当音唇不匹配时，发出预设的音唇不匹配警报。
为了解决上述问题，本发明还提供一种声纹图像结合的人脸识别装置，所述装置包括：
人脸认证模块，用于获取监控视频，并将所述监控视频导入预训练的图像音频双通道人脸识别模型中进行视频数据划分，得到音频信息及视频图像信息，并对所述视频图像信息进行人脸活体识别，得到活体识别结果及人脸特征结果；
声纹识别模块，用于当所述活体识别结果通过认证时，利用所述图像音频双通道人脸识别模型中的声纹识别网络对所述音频信息进行声纹识别，得到声纹识别结果；
身份信息获取模块，用于当所述声纹识别结果通过认证时，根据所述人脸特征结果，从预构建的人脸数据库中筛选人物，得到所述监控视频中人物的身份信息。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的声纹图像结合的人脸识别方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的声纹图像结合的人脸识别方法。
本申请实施例先利用人脸识别方法，查看监控视频中人物的是否为活体，得到人脸识别结果，然后通过声纹识别网络，判断音频信息是否为截取拼接构成的音频，是否符合所述人脸识别结果对应的声纹，得到最终的人脸识别结果，其中，本发明实施例将人脸识别与声纹识别相结合的方式，能够避免较多情况下的网络识别攻击，进而更加准确地完成人脸识别过程，此外，所述图像音频双通道人脸识别模型的双通道并行机制使得数据处理效率较高。因此，本发明实施例所述的声纹图像结合的人脸识别方法、装置、设备及存储介质，能够降低人脸识别被网络攻击的风险度。
附图说明
图1为本发明一实施例提供的声纹图像结合的人脸识别方法的流程示意图；
图2为本发明一实施例提供的声纹图像结合的人脸识别方法中一个步骤的详细流程示意图；
图3为本发明一实施例提供的声纹图像结合的人脸识别方法中一个步骤的详细流程示意图；
图4为本发明一实施例提供的声纹图像结合的人脸识别方法中一个步骤的详细流程示意图；
图5为本发明一实施例提供的声纹图像结合的人脸识别方法中一个步骤的详细流程示意图；
图6为本发明一实施例提供的声纹图像结合的人脸识别方法中一个步骤的详细流程示意图；
图7为本发明一实施例提供的声纹图像结合的人脸识别装置的功能模块图；
图8为本发明一实施例提供的实现所述声纹图像结合的人脸识别方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种声纹图像结合的人脸识别方法。本申请实施例中，所述声纹图像结合的人脸识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述声纹图像结合的人脸识别方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的声纹图像结合的人脸识别方法的流程示意图。在本实施例中，所述声纹图像结合的人脸识别方法包括步骤S1—S7：
S1、获取监控视频，并将所述监控视频导入预训练的图像音频双通道人脸识别模型中进行视频数据划分，得到音频信息及视频图像信息，并对所述视频图像信息进行人脸活体识别，得到活体识别结果及人脸特征结果。
本发明实施例中，所述监控视频可以通过解锁设备或其他设备的监控装置获取。例如，手机摄像头、大门监控设备等。
进一步的，本发明实施例中，所述图像音频双通道人脸识别模型是一种线路通道可控制的逻辑回归分类集群神经网络，用于对视频图像信息及音频信息进行顺序识别。
本发明实施例将所述监控视频导入预训练的图像音频双通道人脸识别模型中，将所述监控视频进行数据划分，得到音频信息及视频图像信息，其中，音频数据及所述视频图像数据会标记一个特殊标签，例如“0”，“1”。所述图像音频双通道人脸识别模型会根据导入数据的标签调用不同神经网络进行并行分析，增加数据处理效率。其中，本发明实施例根据相同的时间速度进行视频数据划分操作。
进一步的，参考图2所示，本发明实施例中，所述对所述视频图像信息进行人脸活体识别，得到活体识别结果及人脸特征结果，包括步骤S11—S16：
S11、对所述监控视频进行灰度化处理，得到灰度视频；
S12、根据预设的随机活体识别方法，从所述灰度视频中截取活体认证视频；
S13、利用所述图像音频双通道人脸识别模型中的活体识别网络对所述活体认证视频进行动作特征识别，得到认证动作集合；
S14、判断所述认证动作集合是否符合所述随机活体识别方法；
当所述认证动作集合不符合所述随机活体识别方法时，S15、判定所述监控视频中存在活体攻击现象，并发出预设的活体攻击警报；
当所述认证动作集合符合所述随机活体识别方法时，S16、判定所述监控视频中的人物为活体，并利用所述图像音频双通道人脸识别模型中的人脸特征提取网络对所述灰度视频进行特征识别，得到人脸特征结果。
具体的，本发明实施例通过灰度算法将红绿蓝三原色通道数值进行灰度计算，得到灰度视频，能够有效减少数据量，增加视频处理效率。
进一步的，参考图3所示，本发明实施例中，所述步骤S12的步骤，包括步骤S121—S122：
S121、从预构建的活体识别方法集合中随机提取一种识别方法；
S122、根据所述识别方法，生成人脸截取框，将所述人脸截取框中的人脸视频进行截取，得到活体认证视频。
本发明实施例中，所述活体识别方法集合中包括多种活体检测指令，例如眨眼、左右转、张嘴等检测指令。各个活体识别方法随机选择，增加活体识别安全性。
例如，当随机提取一种识别方法为眨眼检测时，则生成一个面部轮廓，用户将面部图像放至于所述面部轮廓中，然后本发明可以根据所述眨眼检测方法，对所述面部轮廓中眼部位置的视频进行截取，得到活体认证视频。同理，若选择张口测试，则截取嘴部位置的视频。
进一步的，参考图4所示，本发明实施例中，所述步骤S13，包括步骤S131—S133：
S131、利用所述活体识别网络对所述活体认证视频进行特征提取操作，得到特征序列集合；
S132、对所述特征序列集合进行特征识别操作，得到特征集合；
S133、对所述特征集合进行分类判断，得到认证动作集合。
具体的，本发明实施例通过所述特征提取网络，对所述活体认证视频进行卷积池化操作，得到特征序列集合，再对所述特征序列集合进行全连接操作，将所述特征序列集合中各个特征序列进行排列组合，得到特征集合，最后对所述特征集合进行分类判断，将所述特征集合中得分大于合格分数如70％的特征进行提取，得到认证动作集合，如眨眼、张嘴、左右摆头等动作。
根据上述步骤S11—S16阶段的识别，可以分析得到所述监控视频中的人物是否为活体、人物是否为数据库中预存储的人物。
S2、判断所述人脸识别结果是否通过认证；
当所述人脸识别结果未通过认证时，S3、生成识别不成功提示；
当所述人脸识别结果通过认证时，S4、利用所述图像音频双通道人脸识别模型中的声纹识别网络对所述音频信息进行声纹识别，得到声纹识别结果。
具体的，本发明实施例中，所述声纹识别网络为决策树森林网络，包含声纹匹配激活函数及音频拼接判断激活函数。
详细的，参考图5所示，本发明实施例中，所述利用所述图像音频双通道人脸识别模型中的声纹识别网络对所述音频信息进行声纹识别，得到声纹识别结果，包括步骤S21—S25：
S21、对所述音频信息进行声纹特征识别，得到声纹特征集合；
S22、利用所述声纹识别网络中的拼接音频识别激活函数识别所述声纹特征集合，判断所述音频信息是否为拼接音频；
当所述音频信息为拼接音频时，S23、生成拼接音频攻击警报；
当所述音频信息不是拼接音频时，S24、获取所述人脸识别结果对应的预存声纹信息，并识别所述声纹特征集合与所述预存声纹信息的相似度；
S25、根据所述相似度及预设的可信阈值，得到所述音频信息的声纹识别结果。
本发明实施例利用所述声纹识别网络，一方面识别所述音频信息是否是人工截取拼接的，另一方面是识别所述音频信息与所述人脸识别结果对应的预存声纹信息是否相对应，从而得知视频中的人物是否为真人、本人的声音。
进一步的，参考图6所示，本发明实施例中，所述将所述监控视频导入预训练的图像音频双通道人脸识别模型中进行视频数据划分之前，所述方法还包括步骤S201—S206：
S201、获取包含声纹匹配激活函数及音频拼接判断激活函数的声纹识别网络；
S202、获取预构建的训练样本集，并依次从所述训练样本集中提取一个训练样本导入所述声纹识别网络中，得到识别结果；
S203、根据交叉熵算法计算所述识别结果与所述训练样本对应的真实结果之间的损失值；
S204、最小化所述损失值，得到损失值最小时的函数参数，并利用所述函数参数反向更新所述声纹识别网络，得到更新声纹识别网络；
S205、判断所述损失值的收敛性；
当所述损失值未收敛时，返回上述依次从所述训练样本集中提取一个训练样本导入所述声纹识别网络中，得到识别结果的步骤，对所述更新声纹识别网络进行迭代更新；
S206、当所述损失值收敛时，将最终更新的更新声纹识别网络进行输出，得到训练完成的声纹识别网络。
本发明实施例利用训练样本集在所述声纹识别网络中进行正向传播计算，得到一个识别匹配分数与拼接判断分数，再根据所述识别匹配分数及所述拼接判断分数与所述训练样本的真实结果进行对比，计算得到训练样本的损失值，通过梯度下降方法最小化所述损失值，得到损失值最小时的函数参数，本发明实施例将所述函数参数进行网络反向传输，更新所述声纹识别网络，由此，完成一次训练过程，从所述训练样本集中提取新的训练样本进行训练。
其中，所述损失值是指衡量预测值与真实值的差距大小，多通过方差值来表示，因此，当所述损失值收敛时，表明所述声纹识别网络的预测结果与真实结果下差不大且相对稳定，所述声纹识别网络训练完成。其中，本发明实施例可以计算所述损失值的变化曲线在预设时间段内的变化幅度，判断所述收敛性。
本发明实施例将所述音频信息导入训练完成的声纹识别网络中，从而得到声纹识别结果。
进一步的，本发明另一实施例中，所述对所述视频图像信息进行人脸活体识别，得到活体识别结果及人脸特征结果之前，所述方法还包括：对所述监控视频进行嘴型识别，得到嘴部特征序列；利用所述嘴部特征序列与所述音频信息进行音唇匹配；当音唇匹配时，执行所述利用预训练的声纹识别网络对所述音频信息进行声纹认证，得到声纹识别结果的步骤；当音唇不匹配时，发出预设的音唇不匹配警报。
本发明另一实施例中，通过音唇匹配可以提前判断所述监控视频中的图像与声音是否匹配，从而提前判断是否为网络识别攻击。
S5、判断所述声纹识别结果是否通过认证；
当所述声纹识别结果未通过认证时，S6、生成预设的警报；
当所述声纹识别结果通过认证时，S7、根据所述人脸特征结果，从预构建的人脸数据库中筛选人物，得到所述监控视频中人物的身份信息。
具体的，当所述声纹识别结果通过认证时，表明所述监控图像中的人物是本人的、再现场的，从而从预构建的人脸数据库中查询所述人脸特征结果中的特征，进而得到所述监控视频中人物的身份信息。
本申请实施例先利用人脸识别方法，查看监控视频中人物的是否为活体，得到人脸识别结果，然后通过声纹识别网络，判断音频信息是否为截取拼接构成的音频，是否符合所述人脸识别结果，最终得到人脸识别结果，其中，本发明实施例将人脸识别与声纹识别相结合的方式，能够避免较多情况下的网络识别攻击，进而更加准确地完成人脸识别过程，此外，所述图像音频双通道人脸识别模型的双通道并行机制使得数据处理效率较高。因此，本发明实施例所述的声纹图像结合的人脸识别方法，能够降低人脸识别被网络攻击的风险度。
如图7所示，是本发明一实施例提供的声纹图像结合的人脸识别装置的功能模块图。
本发明所述声纹图像结合的人脸识别装置100可以安装于电子设备中。根据实现的功能，所述声纹图像结合的人脸识别装置100可以包括人脸认证模块101、声纹识别模块102及身份信息获取模块103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述人脸认证模块101，用于获取监控视频，并将所述监控视频导入预训练的图像音频双通道人脸识别模型中进行视频数据划分，得到音频信息及视频图像信息，并对所述视频图像信息进行人脸活体识别，得到活体识别结果及人脸特征结果；
所述声纹识别模块102，用于当所述活体识别结果通过认证时，利用所述图像音频双通道人脸识别模型中的声纹识别网络对所述音频信息进行声纹识别，得到声纹识别结果；
所述身份信息获取模块103，用于当所述声纹识别结果通过认证时，根据所述人脸特征结果，从预构建的人脸数据库中筛选人物，得到所述监控视频中人物的身份信息。
详细地，本申请实施例中所述声纹图像结合的人脸识别装置100中所述的各模块在使用时采用与上述图1至图3中所述的声纹图像结合的人脸识别方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图8所示，是本发明一实施例提供的实现声纹图像结合的人脸识别方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如声纹图像结合的人脸识别程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行声纹图像结合的人脸识别程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如声纹图像结合的人脸识别程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图8仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图8示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的声纹图像结合的人脸识别程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取监控视频，并将所述监控视频导入预训练的图像音频双通道人脸识别模型中进行视频数据划分，得到音频信息及视频图像信息，并对所述视频图像信息进行人脸活体识别，得到活体识别结果及人脸特征结果；
当所述活体识别结果通过认证时，利用所述图像音频双通道人脸识别模型中的声纹识别网络对所述音频信息进行声纹识别，得到声纹识别结果；
当所述声纹识别结果通过认证时，根据所述人脸特征结果，从预构建的人脸数据库中筛选人物，得到所述监控视频中人物的身份信息。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取监控视频，并将所述监控视频导入预训练的图像音频双通道人脸识别模型中进行视频数据划分，得到音频信息及视频图像信息，并对所述视频图像信息进行人脸活体识别，得到活体识别结果及人脸特征结果；
当所述活体识别结果通过认证时，利用所述图像音频双通道人脸识别模型中的声纹识别网络对所述音频信息进行声纹识别，得到声纹识别结果；
当所述声纹识别结果通过认证时，根据所述人脸特征结果，从预构建的人脸数据库中筛选人物，得到所述监控视频中人物的身份信息。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种声纹图像结合的人脸识别方法，其特征在于，所述方法包括：
获取监控视频，并将所述监控视频导入预训练的图像音频双通道人脸识别模型中进行视频数据划分，得到音频信息及视频图像信息，并对所述视频图像信息进行人脸活体识别，得到活体识别结果及人脸特征结果；
当所述活体识别结果通过认证时，利用所述图像音频双通道人脸识别模型中的声纹识别网络对所述音频信息进行声纹识别，得到声纹识别结果；
当所述声纹识别结果通过认证时，根据所述人脸特征结果，从预构建的人脸数据库中筛选人物，得到所述监控视频中人物的身份信息。
2.如权利要求1所述的声纹图像结合的人脸识别方法，其特征在于，所述利用所述图像音频双通道人脸识别模型中的声纹识别网络对所述音频信息进行声纹识别，得到声纹识别结果，包括：
对所述音频信息进行声纹特征识别，得到声纹特征集合；
利用所述声纹识别网络中的拼接音频识别激活函数识别所述声纹特征集合，判断所述音频信息是否为拼接音频；
当所述音频信息为拼接音频时，生成拼接音频攻击警报；
当所述音频信息不是拼接音频时，获取所述人脸识别结果对应的预存声纹信息，并识别所述声纹特征集合与所述预存声纹信息的相似度；
根据所述相似度及预设的可信阈值，得到所述音频信息的声纹识别结果。
3.如权利要求1所述的声纹图像结合的人脸识别方法，其特征在于，所述对所述视频图像信息进行人脸活体识别，得到活体识别结果及人脸特征结果，包括：
对所述监控视频进行灰度化处理，得到灰度视频；
根据预设的随机活体识别方法，从所述灰度视频中截取活体认证视频；
利用所述图像音频双通道人脸识别模型中的活体识别网络对所述活体认证视频进行动作特征识别，得到认证动作集合；
当所述认证动作集合不符合所述随机活体识别方法时，判定所述监控视频中存在活体攻击现象，并发出预设的活体攻击警报；
当所述认证动作集合符合所述随机活体识别方法时，判定所述监控视频中的人物为活体，并利用所述图像音频双通道人脸识别模型中的人脸特征提取网络对所述灰度视频进行特征识别，得到人脸特征结果。
4.如权利要求3所述的声纹图像结合的人脸识别方法，其特征在于，所述根据预设的随机活体识别方法，从所述灰度视频中截取活体认证视频，包括：
从预构建的活体识别方法集合中随机提取一种识别方法；
根据所述识别方法，生成人脸截取框，将所述人脸截取框中的人脸视频进行截取，得到活体认证视频。
5.如权利要求3所述的声纹图像结合的人脸识别方法，其特征在于，所述利用所述图像音频双通道人脸识别模型中的活体识别网络对所述活体认证视频进行动作特征识别，得到认证动作集合，包括：
利用所述活体识别网络对所述活体认证视频进行特征提取操作，得到特征序列集合；
对所述特征序列集合进行特征识别操作，得到特征集合；
对所述特征集合进行分类判断，得到认证动作集合。
6.如权利要求1所述的声纹图像结合的人脸识别方法，其特征在于，所述将所述监控视频导入预训练的图像音频双通道人脸识别模型中进行视频数据划分之前，所述方法还包括：
获取包含声纹匹配激活函数及音频拼接判断激活函数的声纹识别网络；
获取预构建的训练样本集，并依次从所述训练样本集中提取一个训练样本导入所述声纹识别网络中，得到识别结果；
根据交叉熵算法计算所述识别结果与所述训练样本对应的真实结果之间的损失值；
最小化所述损失值，得到损失值最小时的函数参数，并利用所述函数参数反向更新所述声纹识别网络，得到更新声纹识别网络；
判断所述损失值的收敛性；
当所述损失值未收敛时，返回上述依次从所述训练样本集中提取一个训练样本导入所述声纹识别网络中，得到识别结果的步骤，对所述更新声纹识别网络进行迭代更新；
当所述损失值收敛时，将最终更新的更新声纹识别网络进行输出，得到训练完成的声纹识别网络。
7.如权利要求1所述的声纹图像结合的人脸识别方法，其特征在于，所述对所述视频图像信息进行人脸活体识别，得到活体识别结果及人脸特征结果之前，所述方法还包括：
对所述监控视频进行嘴型识别，得到嘴部特征序列；
利用所述嘴部特征序列与所述音频信息进行音唇匹配；
当音唇匹配时，执行所述利用预训练的声纹识别网络对所述音频信息进行声纹认证，得到声纹识别结果的步骤；
当音唇不匹配时，发出预设的音唇不匹配警报。
8.一种声纹图像结合的人脸识别装置，其特征在于，所述装置包括：
人脸认证模块，用于获取监控视频，并将所述监控视频导入预训练的图像音频双通道人脸识别模型中进行视频数据划分，得到音频信息及视频图像信息，并对所述视频图像信息进行人脸活体识别，得到活体识别结果及人脸特征结果；
声纹识别模块，用于当所述活体识别结果通过认证时，利用所述图像音频双通道人脸识别模型中的声纹识别网络对所述音频信息进行声纹识别，得到声纹识别结果；
身份信息获取模块，用于当所述声纹识别结果通过认证时，根据所述人脸特征结果，从预构建的人脸数据库中筛选人物，得到所述监控视频中人物的身份信息。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的声纹图像结合的人脸识别方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的声纹图像结合的人脸识别方法。
CN202210604454.4A 2022-05-30 2022-05-30 声纹图像结合的人脸识别方法、装置、设备及存储介质 Pending CN114882569A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210604454.4A CN114882569A (zh) 2022-05-30 2022-05-30 声纹图像结合的人脸识别方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210604454.4A CN114882569A (zh) 2022-05-30 2022-05-30 声纹图像结合的人脸识别方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114882569A true CN114882569A (zh) 2022-08-09

Family

ID=82678993

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210604454.4A Pending CN114882569A (zh) 2022-05-30 2022-05-30 声纹图像结合的人脸识别方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114882569A (zh)

Similar Documents

Publication Publication Date Title
CN112395978B (zh) 行为检测方法、装置及计算机可读存储介质
CN112507936B (zh) 图像信息审核方法、装置、电子设备及可读存储介质
CN111681681A (zh) 语音情绪识别方法、装置、电子设备及存储介质
CN112651342B (zh) 人脸识别方法、装置、电子设备及存储介质
CN111898538B (zh) 证件鉴伪方法、装置、电子设备及存储介质
CN112396005A (zh) 生物特征图像识别方法、装置、电子设备及可读存储介质
CN111695594A (zh) 图像类别识别方法、装置、计算机设备及介质
CN112581227A (zh) 产品推荐方法、装置、电子设备及存储介质
CN113887408B (zh) 活化人脸视频的检测方法、装置、设备及存储介质
CN112989334A (zh) 一种机器学习的数据检测方法及相关设备
CN112634017A (zh) 远程开卡激活方法、装置、电子设备及计算机存储介质
CN114677650B (zh) 地铁乘客行人违法行为智能分析方法及装置
CN113486316A (zh) 用户身份验证方法、装置、电子设备及可读存储介质
CN113869219A (zh) 人脸活体检测方法、装置、设备及存储介质
CN115471775A (zh) 基于录屏视频的信息验证方法、装置、设备及存储介质
CN114639152A (zh) 基于人脸识别的多模态语音交互方法、装置、设备及介质
CN112686232B (zh) 基于微表情识别的教学评价方法、装置、电子设备及介质
CN112101191A (zh) 基于边框注意力网络的表情识别方法、装置、设备及介质
CN113989548B (zh) 证件分类模型训练方法、装置、电子设备及存储介质
CN113792801B (zh) 人脸炫光程度的检测方法、装置、设备及存储介质
CN114882569A (zh) 声纹图像结合的人脸识别方法、装置、设备及存储介质
CN113920590A (zh) 活体检测方法、装置、设备及可读存储介质
CN115099339A (zh) 欺诈行为识别方法、装置、电子设备及存储介质
CN115037790A (zh) 异常注册识别方法、装置、设备及存储介质
CN114049676A (zh) 疲劳状态检测方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination