(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 202111641752.2 (22)申请日 2021.12.2 9 (66)本国优先权数据 202110104575.8 2021.01.26 CN (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 许剑清　沈鹏程　李绍欣　 (74)专利代理 机构 北京三高永信知识产权代理 有限责任公司 1 1138 专利代理师 李文静 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) (54)发明名称 身份识别方法、 装置、 设备及存 储介质 (57)摘要 本申请公开了一种身份识别方法、 装置、 设 备及存储介质， 属于人工智能技术领域。 所述方 法包括： 获取包含待识别对象的多个图像； 分别 对多个图像进行特征提取处理， 得到各个图像的 特征信息； 基于图像的特征信息， 确定图像对应 的置信度； 依据多个图像分别对应的置信度， 对 个图像的特征信息进行融合处理， 得到融合特征 信息； 根据所述合特征信息确定待识别对象 的身 份。 本申请能够保证身份识别的准确度， 避免单 张图像质量差造成的身份识别不准确， 特征融合 方式简便， 有利于提高身份识别效率。 权利要求书4页 说明书19页 附图8页 CN 114897001 A 2022.08.12 CN 114897001 A 1.一种身份识别方法， 其特 征在于， 所述方法包括： 获取包含待识别对象的多个图像； 分别对所述多个图像进行 特征提取处 理， 得到各个所述图像的特 征信息； 基于所述图像的特征信 息， 确定所述图像对应的置信度； 其中， 所述置信度用于指示所 述图像在针对所述待识别对象的身份识别过程中的可靠程度； 依据所述多个图像分别对应的置信度， 对所述多个图像的特征信息进行融合处理， 得 到融合特 征信息； 根据所述融合特 征信息确定所述待识别对象的身份。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述图像的特征信息， 确定所述 图像对应的置信度， 包括： 基于所述图像的特 征图和特 征向量， 确定所述图像对应的置信度； 其中， 所述特征图是采用特征提取网络获得的、 包含所述待识别对象的空间结构信息 的特征图像， 所述特征向量是采用特征映射网络对所述图像的特征图进 行降维处理后得到 的向量表示。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述图像的特征图和特征向量， 确定所述图像对应的置信度， 包括： 通过置信度评估 网络基于所述图像的特征图和特征向量， 在超球面空间中进行置信度 评估处理， 得到所述图像对应的置信度。 4.根据权利要求1所述的方法， 其特 征在于， 所述融合特 征信息包括融合特 征向量； 所述依据所述多个图像分别对应的置信度， 对所述多个图像的特征信息进行融合处 理， 得到融合特 征信息， 包括： 依据所述多个图像分别对应的置信度， 对所述多个图像的特征图进行融合处理， 得到 融合特征图； 将所述融合特征图映射为融合特征向量； 其中， 所述特征图是采用特征提取网 络获得的、 包 含所述待识别对象的空间结构信息的特 征图像； 或者， 依据所述多个图像分别对应的置信度， 对所述多个图像的特征向量进行融合处理， 得 到融合特征向量； 其中， 所述特征向量是采用特征映射网络对所述图像的特征图进行降维 处理后得到的向量表示， 所述特征图是采用特征提取网络获得的、 包含所述待识别对 象的 空间结构信息的特 征图像。 5.根据权利要求1所述的方法， 其特征在于， 所述依据所述多个图像分别对应的置信 度， 对所述多个图像的特 征信息进行融合处 理， 得到融合特 征信息， 包括： 基于所述多个图像分别对应的置信度， 确定所述多个图像分别对应的融合权 重； 基于所述多个图像分别对应的融合权重， 对所述多个图像的特征信 息进行加权求和处 理， 得到所述融合特 征信息。 6.根据权利要求1至5任一项所述的方法， 其特征在于， 所述方法由身份识别模型实现， 所述身份识别模型包括特征提取网络、 特征映射网络、 置信度评估网络、 特征融合单元和身 份识别单 元； 其中， 所述特征提取网络用于分别对所述多个图像进行特征提取处理， 得到各个所述图像的 特征图；权　利　要　求　书 1/4 页 2 CN 114897001 A 2所述特征映射网络用于将所述图像的特 征图映射 为所述图像的特 征向量； 所述置信度评估 网络用于基于所述图像的特征图和特征向量， 确定所述图像对应的置 信度； 所述特征融合单元用于依据 所述多个图像分别对应的置信度， 对所述多个图像的特征 信息进行融合处理， 得到所述融合特征信息； 其中， 所述特征信息包括所述特征图和/或所 述特征向量； 所述身份识别单 元用于根据所述融合特 征信息确定所述待识别对象的身份。 7.一种身份识别模型的训练方法， 其特征在于， 所述身份识别模型包括特征提取网络、 特征映射网络和置信度评估网络， 所述方法包括： 获取训练样本集， 所述训练样本集包括至少一种身份的样本 图像集， 每种身份的样本 图像集包括多个样本图像； 基于训练完成后的所述特征提取网络和所述特征映射网络， 对所述样本图像进行特征 提取处理， 得到所述样本图像的特 征信息； 基于所述身份的多个样本图像的特 征信息， 得到所述身份的中心特 征信息； 采用所述身份的中心特征信 息和所述身份的多个样本图像的特征信 息， 对所述置信度 评估网络进行训练； 其中， 所述置信度评估网络用于基于待识别对 象的多个图像的特征信 息确定各个所述图像对应的置信度， 各个所述图像对应的置信度用于融合各个所述图像的 特征信息以确定所述待识别对象的身份； 生成包括所述置信度评估网络的所述身份识别模型。 8.根据权利要求7所述的方法， 其特征在于， 所述采用所述身份的中心特征信 息和所述 身份的多个样本图像的特 征信息， 对所述置信度评估网络进行训练， 包括： 通过所述置信度评估 网络基于所述身份的样本图像的特征信 息进行置信度评估处理， 得到所述身份的样本图像的置信度； 基于所述身份的中心特征信 息、 所述身份的多个样本图像的特征信 息和所述身份的多 个样本图像的置信度， 确定所述置信度评估网络的损失函数； 基于所述损失函数， 对所述置信度评估网络的参数进行调整。 9.根据权利要求7所述的方法， 其特征在于， 所述基于所述身份的多个样本图像的特征 信息， 得到所述身份的中心特 征信息， 包括： 从所述身份的多个样本图像中选择多个标准图像； 基于训练完成后的所述特征提取网 络和所述特征映射网络， 对所述身份的多个标准图像进行特征提取处理， 获取所述多个标 准图像的特征信息； 对所述多个标准图像的特征信息进行求平均处理， 得到所述身份的中 心特征信息； 或者， 基于训练完成后的所述特征提取网络和所述特征映射网络， 对所述身份的多个样本图 像进行特征提取处理， 获取所述多个样本图像的特征信息； 确定所述多个样本图像的特征 信息的分类权重； 选择分类权重最大的特征信息作为所述身份的中心特征信息； 其中， 所述 分类权重用于指示所述样本图像的特征信息与所述身份之 间的接近程度， 所述分类权重与 所述接近程度之间呈正比。 10.根据权利要求7所述的方法， 其特征在于， 所述基于训练完成后的所述特征提取网权　利　要　求　书 2/4 页 3 CN 114897001 A 3