一种基于人脸识别技术的人工智能系统的制作方法

技术特征：
1.一种基于人脸识别技术的人工智能系统，其特征在于，包括：训练模块，用于使用识别样本对人脸识别算法进行训练，训练项目包括活体检测训练、物种检测训练和三维建模训练，所述识别样本包括真样本和假样本，其中，训练模块使用识别样本对人脸识别算法进行活体检测训练并根据活体检测训练结果准确性调整标准温差区间，当活体检测训练结果准确性符合预设标准时，训练模块使用识别样本对人脸识别算法进行物种检测训练并根据物种检测训练结果准确性调整标准重合度，当物种检测训练结果准确性符合预设标准时，训练模块使用真样本对人脸识别算法进行三维建模训练并根据三维建模训练结果准确性调整面部信息采集区域的区域标准相似度，至三维建模训练结果符合预设标准时，所述训练模块结束对人脸识别算法的训练；建档模块，用于构建用户档案，所述用户档案包括用户数据信息、用户身份信息、用户秘钥和用户人脸识别信息，其中，用户身份信息、用户秘钥和用户人脸识别信息一一对应；识别模块，用于采集所述用户人脸识别信息，接收来自用户的人脸识别请求，使用所述人脸识别算法对人脸识别请求中的人脸信息进行捕捉并构建捕捉结果，对捕捉获得的人脸信息进行人脸信息采集，获得采集数据并根据采集数据与用户人脸识别信息进行匹配并构建匹配结果；所述中控模块，用于接收所述捕捉结果，在捕捉结果不符合预设标准时根据捕捉结果调整标准温差区间和标准重合度，接收所述匹配结果，在匹配结果不符合预设标准时根据匹配结果调整区域标准相似度和采集关键点数量。2.根据权利要求1所述的基于人脸识别技术的人工智能系统，其特征在于，所述训练模块使用识别样本对人脸识别算法进行训练，包括，使用识别样本对人脸识别算法进行活体检测训练，随机选择识别样本，人脸识别算法对识别样本进行活体检测并输出活体检测结果，将活体检测结果与识别样本的生命状态标签进行对比并根据生命状态对比结果调整人脸识别算法或者对人脸识别算法进行物种检测训练；使用识别样本对人脸识别算法进行物种检测训练，随机选择识别样本，人脸识别算法对识别样本进行物种检测并输出物种检测结果，将物种检测结果与识别样本的物种标签进行对比并根据物种对比结果调整人脸识别算法或者对人脸识别算法进行三维建模训练；使用真样本对人脸识别算法进行三维建模训练，随机选择真样本，对所述真样本进行三维扫描获得扫描数据，人脸识别算法根据扫描数据构建三维样本模型，使用真样本的衍生样本和混淆样本对三维样本模型的准确度进行检验。3.根据权利要求2所述的基于人脸识别技术的人工智能系统，其特征在于，所述训练模块使用识别样本对人脸识别算法进行活体检测训练时，训练模块内设置红外扫描单元，所述红外扫描单元内设置扫描区域和标准温差区间[m0,n0]，其中，m0<n0,红外扫描单元对识别样本进行红外扫描，检测扫描区域内温度t1与扫描区域外温度t2并计算温差
△
t，
△
t=t1-t2，红外扫描单元检验
△
t是否符合标准温差区间[m0,n0]，当
△
t
⊂
[m0,n0]时，红外扫描单元判定所述识别样本为活体，并将活体判断结果与识别样本的生命状态标签进行比较，当活体判断结果与生命状态标签一致时，不对标准温差区间进行调整，当活体判断结果与生命状态标签不一致时，对标准温差区间进行一级温差调整；当
△
t<m0时，所述红外扫描单元判定所述识别样本为非活体，并将非活体判断结果与
识别样本的生命状态标签进行比较，当非活体判断结果与生命状态标签一致时，不对标准温差区间进行调整，当非活体判断结果与生命状态标签不一致时，对标准温差区间进行二级温差调整;当
△
t>n0时，所述红外扫描单元判定所述识别样本为非活体，并将非活体判断结果与识别样本的生命状态标签进行比较，当非活体判断结果与生命状态标签一致时，不对标准温差区间进行调整，当非活体判断结果与生命状态标签不一致时，对标准温差区间进行三级温差调整。4.根据权利要求3所述的基于人脸识别技术的人工智能系统，其特征在于，所述红外扫描单元对标准温差区间进行一级温差调整时，设置第一调整参数k1，用于将标准温差区间[m0,n0]调整为[m1，n0]，m1=
△
t k1m0，其中，k1=（
△
t-m0）/（n0-m0），m1<n0；所述红外扫描单元对标准温差区间进行二级温差调整时，设置第二调整参数k2，用于将标准温差区间[m0,n0]调整为[m2，n]，m2=
△
t-k2m0，其中，k2=（m0
‑△
t）/（n0
‑△
t）；所述红外扫描单元对标准温差区间进行三级温差调整时，设置第三调整参数k3，用于将标准温差区间[m0,n0]调整为[m0，n3]，n3=
△
t k3n0，其中，k3=（
△
t-n0）/（
△
t-m0）。5.根据权利要求4所述的基于人脸识别技术的人工智能系统，其特征在于，所述训练模块使用识别样本对人脸识别算法进行物种检测时，训练模块内设置图像识别单元，所述图像识别单元内设置标准面部区域和标准重合度p0，图像识别单元检测处于标准面部区域内的识别样本的面部区域的重合面积，根据重合面积占标准面部区域面积的第一比重p1和重合面积占面部区域面积的第二比重p2，根据p1和p2的差值
△
p计算重合度p，p=（1
‑△
p）
×
100%，其中，
△
p=|p1-p2|，当重合度≧标准重合度时，图像识别单元判定所述识别样本为人类，并将人类判断结果与识别样本的物种标签进行比较，当人类判断结果与物种标签一致时，图像识别单元不对标准面部区域进行调整，当人类判断结果与物种标签不一致时，图像识别单元对标准面部区域进行一级面部调整；当重合度<标准重合度时，所述图像识别单元判定所述识别样本为非人类，并将非人类判断结果与识别样本的物种标签进行比较，当非人类判断结果与物种标签一致时，图像识别单元不对标准面部区域进行调整，当非人类判断结果与物种标签不一致时，图像识别单元对标准面部区域进行二级面部调整。6.根据权利要求5所述的基于人脸识别技术的人工智能系统，其特征在于，所述图像识别单元对标准面部区域进行一级面部调整时，设置第四调整参数k4，用于将标准重合度p0调整为p1，p1=p （1 k4）
×
p0，其中，k4=（p-p0）/p；所述图像识别单元对标准面部区域进行二级面部调整时，设置第五调整参数k5，用于将标准重合度p0调整为p2，p2=p-（1 k5）
×
p0，其中，k5=（p0-p）/p0。7.根据权利要求6所述的基于人脸识别技术的人工智能系统，其特征在于，所述训练模块使用真样本对人脸识别算法进行三维建模训练时，训练模块内设置建模单元，所述建模单元设置五个面部信息采集区域，所述面部信息采集区域包括第1采集区域、第2采集区域、第3采集区域、第4采集区域和第5采集区域，各所述面部数据采集区域确定一定数量的采集关键点，建模单元根据各所述面部数据采集区域的采集关键点对所述真样本进行三维扫描，获得各面部数据采集区域的区域扫描数据，人脸识别算法根据各区域扫描数据构建三
维样本模型，根据三维样本模型对真样本的衍生样本和混淆样本进行三维扫描，获得衍生样本或混淆样本的各面部数据采集区域的区域核验数据，人脸识别算法根据各所述区域核验数据构建三维核验模型，人脸识别算法将三维样本模型和三维核验模型进行重合核验，构建核验结果，根据衍生样本或混淆样本的类型和核验结果是否一致，判定是否对面部信息采集区域进行调整，若以衍生样本为核验对象的核验结果为识别成功，则建模单元不对面部信息采集区域进行调整，若以衍生样本为核验对象的核验结果为识别失败，建模单元对面部信息采集区域进行一级区域调整；若以混淆样本为核验对象的核验结果为识别失败，则所述建模单元不对面部信息采集区域进行调整，若以混淆样本为核验对象的核验结果为识别成功，建模单元对面部信息采集区域进行二级区域调整。8.根据权利要求7所述的基于人脸识别技术的人工智能系统，其特征在于，所述建模单元对面部信息采集区域进行调整时，建模单元内还分别设置各面部信息采集区域的区域标准相似度，建模单元将各区域核验数据与相应的各区域扫描数据进行对比，并根据各区域核验数据与相应的区域扫描数据的重合数据占区域扫描数据的比重计算各面部信息采集区域的区域相似度，当建模单元对面部信息采集区域进行一级区域调整时，建模单元对比各区域相似度与区域标准相似度的关系，若某面部信息采集区域的区域相似度>区域标准相似度，认为所述面部信息采集区域的核验数据合格，若某面部信息采集区域的区域相似度≦区域标准相似度，认为所述面部信息采集区域的核验数据不合格，则建模单元降低所述面部信息采集区域的区域标准相似度，建模单元降低所述面部信息采集区域的区域标准相似度l0时，建模单元设置第六调整参数k6，用于将l0调整为l0’，l0’=l-k6l0，其中，k6=（l0-l）/l，l为所述面部信息采集区域的区域相似度；当所述建模单元对面部信息采集区域进行二级区域调整时，建模单元选择对应区域相似度最低的面部信息采集区域的区域标准相似度l0l进行调整，建模单元内设置第七调整系数k7，用于将l0l调整为l0l’，l0l’=ll k7l0l，其中，k7=（ll-l0l）/l0l，ll为最低区域相似度。9.根据权利要求8所述的基于人脸识别技术的人工智能系统，其特征在于，所述中控模块根据所述识别结果对所述人脸识别算法模型进行调整时，当人脸捕捉结果为未捕捉到人脸，若未检测到活体，中控模块对标准温差区间进行一级温差调整，若未检测到人脸，中控模块对标准面部区域进行二级面部调整，当人脸捕捉结果为捕捉到人脸时，中控模块不对人脸识别算法模型进行调整；当人脸匹配结果为无匹配记录时，所述中控模块确认用户是否未建档，若用户未建档且无匹配记录，中控模块不对人脸识别算法模型进行调整，并构建建档指令传输至建档模块，建档模块根据所述建档指令和人脸识别请求建立用户档案，若用户已建档且无匹配记录，中控单元构建再识别指令，进行再次识别，若再次识别后可以正确匹配，中控模块不对人脸识别算法模型进行调整，若再次识别后无法正确匹配，中控模块构建核验身份请求，通过用户秘钥对用户身份进行核验，在用户身份正确时，中控模
块根据人脸识别请求对面部信息采集区域进行一级区域调整，在用户身份错误时，输出识别对象错误信号；当人脸匹配结果为有匹配记录时，所述中控模块确认用户是否未建档，若用户未建档且有匹配记录，中控模块对面部信息采集区域进行二级区域调整，若用户已建档且有匹配记录，中控模块不对人脸识别算法模型进行调整。10.根据权利要求9所述的基于人脸识别技术的人工智能系统，其特征在于，所述中控模块对面部信息采集区域进行一级区域调整时，中控模块设置最小相似度ll，当某面部信息采集区域的区域标准相似度l0l’小于ll时，对所述面部信息采集区域的采集关键点的数量进行一级采集调整，对所述面部信息采集区域的采集关键点的数量进行一级采集调整时，中控单元内设置初始点数量n0和第八调整参数k8，用于将n0调整为n，n=（[1 k8]）
×
n0，其中，k8=（ll-l0l’）/l0l’；所述中控模块对面部信息采集区域进行二级区域调整时，中控模块设置最大相似度lh，当某面部信息采集区域的区域标准相似度l0l’大于lh时，对所述面部信息采集区域的采集关键点的数量进行二级采集调整；所述中控模块对所述面部信息采集区域的采集关键点的数量进行二级采集调整时，中控单元内设置初始点数量n0和第九调整参数k9，用于将n0调整为n，n=（[1 k9]）
×
n0，其中，k8=（l0l
’‑
lh）/lh。

技术总结
本发明涉及一种基于人脸识别技术的人工智能系统，该系统包括：训练模块，用于使用识别样本对人脸识别算法进行活体检测训练、物种检测训练和三维建模训练；建档模块，用于构建用户档案；识别模块，用于使用人脸识别算法对人脸识别请求中的人脸信息进行捕捉和人脸信息采集，获得采集数据并根据采集数据与用户人脸识别信息进行匹配并构建匹配结果；中控模块，用于根据捕捉结果调整标准温差区间和标准重合度，根据匹配结果调整区域标准相似度和采集关键点数量。本发明通过对人脸识别算法进行训练，根据识别结果对人脸识别算法进行调整，实现人脸识别算法在使用过程中的自我学习，从而提高了人工智能系统的人脸识别准确度。提高了人工智能系统的人脸识别准确度。提高了人工智能系统的人脸识别准确度。


技术研发人员：何晓燕
受保护的技术使用者：何晓燕
技术研发日：2022.08.18
技术公布日：2022/11/8