(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 202211225266.7 (22)申请日 2022.10.09 (71)申请人 郑潇寒 地址 450001 河南省郑州市高新 技术开发 区科学大道96号 (72)发明人 郑潇寒　 (74)专利代理 机构 西安汇智创想知识产权代理 有限公司 61247 专利代理师 张亚玲 (51)Int.Cl. G06Q 10/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 双向重构模型应用系统及方法 (57)摘要 本发明涉及一种双向重构模 型应用系统， 包 括： 智能鉴定设备， 用于将完成预设总量的多次 正向训练以及预设总量的多次反向训练的反馈 神经网络模 型作为智能鉴定模型， 将待分析的脸 部位图、 设定人员基准脸部位图、 设定人员年龄 以及设定人员性别输入到智能鉴定模型以运行 智能鉴定模型， 获取智 能鉴定模型的输出； 信号 判断设备， 与所述智能鉴定设备连接， 用于在所 述智能鉴定模型的输出为TRUE时， 发出认证成功 信号。 本发明还涉及一种双向重构模型应用方 法。 通过本发明， 能够替换原有的繁琐、 复杂的脸 部特征逐个匹配的常规分析模式， 采用定制结构 的神经网络模型实现对待分析的脸部位图的智 能鉴别， 从而提升 了鉴别过程的速度和效率。 权利要求书3页 说明书6页 附图1页 CN 115526511 A 2022.12.27 CN 115526511 A 1.一种双向重构模型应用系统， 其特 征在于， 所述系统包括： 位图获取机构， 用于获取仅仅包括待分析的脸部位图， 获取方式包括本地数据传输以 及网络数据传输； 映射建立机构， 用于建立反映当前位图与输入位图是否为设定人员脸部位图的映射关 系的反馈神经网络模型， 所述反馈神经网络模型 的输入为当前位图、 设定人员基准脸部位 图、 设定人员年龄以及设定人员性别， 所述反馈神经网络模型的输出为TRUE或者FALSE； 正向重构机构， 与所述映射建立机构连接， 用于采用归属于设定人员的已知脸部位图、 设定人员基准脸部位图、 设定人员年龄以及设定人员性别作为所述反馈神经网络模型的输 入， 采用TRUE作为所述反馈神经网络模型的输出， 执行对所述反馈神经网络模型的单次正 向训练； 反向重构机构， 与所述映射建立机构连接， 用于采用归属于设定人员之外其他人员的 已知脸部位图、 设定人员基准脸部位图、 设定人员年龄以及设定人员性别作为所述反馈神 经网络模 型的输入， 采用FA LSE作为所述反馈神经网络模型的输出， 执行对所述反馈神经网 络模型的单次反向训练； 智能鉴定设备， 分别与所述位图获取机构、 所述正向重构机构以及所述反向重构机构 连接， 用于将完成预设总量的多次正向训练以及预设总量的多次反向训练的所述反馈神经 网络模型作为智能鉴定模型， 将待分析的脸部位图、 设定人员基准脸部位图、 设定人员年龄 以及设定人员性别输入到智能鉴定模型以运行智能鉴定模型， 获取智能鉴定模型的输出； 信号判断设备， 与所述智能鉴定设备连接， 用于在所述智能鉴定模型的输出为TRUE时， 发出认证成功信号； 其中， 将完成预设总量的多次正向训练以及预设总量的多次反向训练 的所述反馈神经 网络模型作为智能鉴定模型包括： 各种位图的分辨率相同， 所述预设总量的取值与位图的 分辨率的取值 正向关联。 2.如权利要求1所述的双向重构模型应用系统， 其特 征在于， 所述系统还 包括： 数据存储设备， 与所述智能鉴定设备连接， 用于存储所述智能鉴定模型的各项模型参 数； 其中， 所述信号判断设备还用于在所述智能鉴定模型的输出为FALSE时， 发出认证失败 信号。 3.如权利要求1 ‑2任一所述的双向重构模型应用系统， 其特 征在于： 所述反馈神经网络模型的输入为当前位图、 设定人员 基准脸部位图、 设定人员年龄以 及设定人员性别包括： 所述反馈神经网络模型包括四个输入数据， 第一输入数据为当前位 图、 第二输入数据为设定人员基准脸部位图、 第三输入数据为设定人员年龄以及第四输入 数据为设定人员性别。 4.如权利要求3所述的双向重构模型应用系统， 其特 征在于： 所述反馈神经网络模型包括四个输入数据， 第一输入数据为当前位图、 第二输入数据 为设定人员基准脸部位图、 第三输入数据为设定人员年龄以及第四输入数据为设定人员性 别包括： 将当前位图的各个 像素点的颜色 分量数值输入到所述反馈神经网络模型； 其中， 所述反馈神经网络模型包括四个输入数据， 第 一输入数据为当前位图、 第 二输入 数据为设定人员基准脸部位图、 第三输入数据为设定人员年龄以及第四输入数据为设定人权　利　要　求　书 1/3 页 2 CN 115526511 A 2员性别包括： 将设定人员基准脸部位图的各个像素点的颜色分量数值输入到所述反馈神经 网络模型； 其中， 所述反馈神经网络模型包括四个输入数据， 第 一输入数据为当前位图、 第 二输入 数据为设定人员基准脸部位图、 第三输入数据为设定人员年龄以及第四输入数据为设定人 员性别包括： 将设定人员年龄的ASCL L编码数值输入到所述反馈神经网络模型。 5.如权利要求 4所述的双向重构模型应用系统， 其特 征在于： 将当前位图的各个像素点的颜色分量数值输入到所述反馈神经网络模型包括： 当前位 图的每一个像素点的颜色分量数值包括所述像素点的红绿分量数值、 黑白分量数值以及黄 蓝分量数值； 其中， 将设定人员基准脸部位图的各个像素点的颜色分量数值输入到所述反馈神经网 络模型包括： 设定人员基准脸部位图的每一个像素点的颜色分量数值包括所述像素点的红 绿分量数值、 黑白分量数值以及黄 蓝分量数值。 6.一种双向重构模型应用方法， 其特 征在于， 所述方法包括： 使用位图获取机构， 用于获取仅仅包括待分析的脸部位图， 获取方式包括本地数据传 输以及网络数据传输； 使用映射建立机构， 用于建立反映当前位图与输入位图是否为设定人员脸部位图的映 射关系的反馈神经网络模型， 所述反馈神经网络模型 的输入为当前位图、 设定人员基准脸 部位图、 设定人员年龄以及设定人员性别， 所述反馈神经网络模型的输出为TRUE或者 FALSE； 使用正向重构机构， 与所述映射建立机构连接， 用于采用归属于设定人员的已知脸部 位图、 设定人员基准脸部位图、 设定人员年龄以及设定人员性别作为所述反馈神经网络模 型的输入， 采用TRUE作为所述反馈神经网络模型的输出， 执行对所述反馈神经网络模型的 单次正向训练； 使用反向重构机构， 与所述映射建立机构连接， 用于采用归属于设定人员之外其他人 员的已知脸部位图、 设定人员基准脸部位图、 设定人员年龄以及设定人员性别作为所述反 馈神经网络模 型的输入， 采用FA LSE作为所述反馈神经网络模型的输出， 执行对所述反馈神 经网络模型的单次反向训练； 使用智能鉴定设备， 分别与所述位图获取机构、 所述正向重构机构以及所述反向重构 机构连接， 用于将完成预设总量的多次正向训练以及预设总量的多次反向训练的所述反馈 神经网络模型作为智能鉴定模型， 将待分析的脸部位图、 设定人员基准脸部位图、 设定人员 年龄以及设定人员性别输入到智能鉴定模型以运行智能鉴定模型， 获取智能鉴定模型的输 出； 使用信号判断设备， 与所述智能鉴定设备连接， 用于在所述智能鉴定模型的输出为 TRUE时， 发出认证成功信号； 其中， 将完成预设总量的多次正向训练以及预设总量的多次反向训练 的所述反馈神经 网络模型作为智能鉴定模型包括： 各种位图的分辨率相同， 所述预设总量的取值与位图的 分辨率的取值 正向关联。 7.如权利要求6所述的双向重构模型应用方法， 其特 征在于， 所述方法还 包括： 使用数据存储设备， 与所述智能鉴定设备连接， 用于存储所述智能鉴定模型的各项模权　利　要　求　书 2/3 页 3 CN 115526511 A 3