买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海五零盛同信息科技有限公司

摘要：本发明提供了一种基于深度迁移学习的人脸和声纹认证系统及方法，包括：用户端模块：进行人脸和声纹图像数据集的采集和构建以及验证结果返回；训练模块：包括数据预处理算法、用户活体检测算法、深度卷积神经网络模型的构建、迁移学习算法的融合、卷积神经网络模型的训练和卷积神经网络的模型集成算法；数据和模型存储模块：包括人脸数据集和声纹数据集的存储，以及经过网络模型训练后的人脸识别模型和声纹识别模型的存储。本发明将人脸识别和声纹识别应用于系统验证过程，用户无需输入用户名密码等操作，使系统登录过程更为简捷，用户不用担心用户名密码被盗用和遗忘造成的问题，提高了用户的登录体验。

主权项：1.一种基于深度迁移学习的人脸和声纹认证系统，其特征在于，包括：采集模块：采集人脸和声纹数据，并构建人脸和声纹数据集；核心算法层模块：包括数据预处理算法、用户活体检测算法和卷积神经网络的模型集成算法，根据人脸和声纹数据集进行深度卷积神经网络模型的构建、迁移学习算法的融合和卷积神经网络模型的训练，得到认证结果；数据和模型存储模块：存储人脸数据集和声纹数据集，以及存储经过网络模型训练后的人脸识别模型和声纹识别模型；反馈模块：将认证结果返回前端界面并进行人脸和声纹认证，进行用户登录；卷积神经网络模型的训练过程中，人脸和声纹数据从前向后正向传播，输出的误差从后向前反向传播，对每个网络层的参数进行调整，设每个神经节点i的输出值为Oi，连接权重为Wij，偏置值为θj，Wij和θj属于[-1,1]，则网络的每个结点输入值为：Ij＝ΣiWijOi+θj 若实际输出和期望输出结果不一致，则人脸和声纹数据进入反向传播过程，反向传播从最后一层开始，计算得到的误差从后向前逐层反传进行网络参数调整，对于输出层的误差为：Ej＝Oj1-OjTj-Oj其中，Oj为结点j的输出值，Tj为网络的输出结果；中间的隐含层误差为：Ej＝Oj1-Oj∑kEkWjk其中，Wjk为连接j结点和k结点的权重，Ek为k结点的误差率；利用误差率调整连接参数值使误差沿梯度方向下降，权重的更新如下：ΔWij＝λEjOiWij＝Wij+ΔWij其中，λ表示学习速率；将梯度gt的平均值设为梯度gt平方的均值设为则待训练参数θ更新为： 其中，ε设为10-8；η表示学习率；下标t表示时间，θt表示更新前的t时刻的待训练参数；θt+1表示更新后的t+1时刻的待训练参数；设有N个网络模型待训练，x为测试样本，得到N个C维向量的预测结果si，加权法引入权重wi用来表示深度网络框架对预测结果的影响程度，最终的预测结果为：

全文数据：

权利要求：

百度查询： 上海五零盛同信息科技有限公司 基于深度迁移学习的人脸和声纹认证系统及方法