[发明专利]一种人脸活体检测方法、装置以及电子设备

权利要求书

1.一种人脸活体检测方法，包括：

根据人脸采集全局图像，训练第一深度学习模型；所述人脸采集全局图像包括人脸区域和背景区域，所述第一深度学习模型至少将人脸采集全局图像分类至活体采集图像类别或者非活体采集图像类别；以及，

根据从所述人脸采集全局图像中裁剪的人脸区域部分图像，训练第二深度学习模型；所述第二深度学习模型至少将人脸区域部分图像分类至活体采集图像类别或者非活体采集图像类别；

根据训练后的所述第一深度学习模型和所述第二深度学习模型，进行人脸活体检测。

2.如权利要求1所述的方法，所述第一深度学习模型与所述第二深度学习模型采用不同的深度学习网络结构。

3.如权利要求2所述的方法，所述不同的深度学习网络结构的以下至少一种参数不同：隐变量层数、隐变量层类型、神经元节点数、卷积单元的卷积核大小。

4.如权利要求1所述的方法，所述人脸采集全局图像具有第一标签，所述第一标签表明其对应的人脸采集全局图像是活体采集图像还是非活体采集图像；

所述根据人脸采集全局图像，训练第一深度学习模型，具体包括：

将人脸采集全局图像输入第一深度学习模型，该第一深度学习模型根据所述人脸采集全局图像的图像结构性特征，预测所述人脸采集全局图像是活体采集图像还是非活体采集图像；

根据预测结果和所述人脸采集全局图像的所述第一标签，对所述第一深度学习模型进行调整。

5.如权利要求1所述的方法，所述人脸区域部分图像具有第二标签，所述第二标签表明其对应的人脸区域部分图像是活体采集图像还是非活体采集图像；

所述根据从所述人脸采集全局图像中裁剪的人脸区域部分图像，训练第二深度学习模型，具体包括：

获取从所述人脸采集全局图像中裁剪的人脸区域部分图像；

将获取的人脸区域部分图像输入第二深度学习模型，该第二深度学习模型根据所述人脸区域部分图像的图像材质性特征，预测所述人脸区域部分图像是活体采集图像还是非活体采集图像；

根据预测结果和所述人脸区域部分图像的所述第二标签，对所述第二深度学习模型进行调整。

6.如权利要求1所述的方法，所述第一深度学习模型与所述第二深度学习模型基于卷积神经网络；

所述第一深度学习模型所基于的卷积神经网络的卷积单元的卷积核大于所述第二深度学习模型所基于的卷积神经网络的卷积单元的卷积核。

7.如权利要求1所述的方法，所述根据训练后的所述第一深度学习模型和所述第二深度学习模型，进行人脸活体检测，具体包括：

获取为进行人脸活体检测采集的人脸采集全局图像；

将所述采集的人脸采集全局图像输入训练后的所述第一深度学习模型进行处理，得到对应的第一预测数据；以及，

获取从所述采集的人脸采集全局图像中裁剪的人脸区域部分图像，并输入训练后的所述第二深度学习模型进行处理，得到对应的第二预测数据；

通过根据所述第一预测数据和所述第二预测数据进行联合决策，得到针对用户刷脸图像的人脸活体检测结果。

8.一种人脸活体检测装置，包括：

训练模块，根据人脸采集全局图像，训练第一深度学习模型；所述人脸采集全局图像包括人脸区域和背景区域，所述第一深度学习模型至少将人脸采集全局图像分类至活体采集图像类别或者非活体采集图像类别；以及，

根据从所述人脸采集全局图像中裁剪的人脸区域部分图像，训练第二深度学习模型；所述第二深度学习模型至少将人脸区域部分图像分类至活体采集图像类别或者非活体采集图像类别；

检测模块，根据训练后的所述第一深度学习模型和所述第二深度学习模型，进行人脸活体检测。

9.如权利要求8所述的装置，所述第一深度学习模型与所述第二深度学习模型采用不同的深度学习网络结构。