[发明专利]一种人脸活体检测方法、装置以及电子设备

说明书

本申请公开了一种人脸活体检测方法、装置以及电子设备。所述方法包括：根据人脸采集全局图像，训练第一深度学习模型；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；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。利用本申请实施例，有利于提取更多的人脸活体图像特征，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联合而言，相比于现有技术的模型对于人脸活体的特征表达能力更好，进而有利于提高人脸活体检测结果的准确性。

技术领域

本申请涉及计算机软件技术领域，尤其涉及一种人脸活体检测方法、装置以及电子设备。

背景技术

人脸活体检测技术用于判断当前人脸识别的操作者是否为活体用户，进而可以实现对屏幕重放攻击、打印照片攻击、三维建模攻击等非活体攻击进行拦截。

目前，人脸活体检测技术可分为两大类：第一类技术为主动式人脸活体检测技术，这类技术要求用户在进行人脸识别时根据指令，配合完成特定的活体动作，如眨眼、转头、张嘴等，从而活体检测模块可以根据操作者是否准确地完成了活体动作，判定操作者是否是活体；第二类技术为被动式人脸活体检测技术，这类技术不需要用户配合完成活体动作，用户体验较好，但技术难度高，主要依赖输入的单帧图像信息或者其他设备传感器信息进行活体检测。

在现有技术中，对于上述的被动式人脸活体检测技术，通常使用活体与非活体的人脸采集图像对于单一的深度学习模型进行监督式训练，然后使用训练后的模型针对输入的单帧图像进行人脸活体预测。

但是，这种技术方案严重依赖训练数据的人脸非活体攻击种类，同时受限于训练数据不够丰富的客观条件，难以充分提取人脸活体图像特征，从而使得其模型对于人脸活体的特征表达能力不足，进而会降低人脸活体检测结果的准确性。

发明内容

本申请实施例提供一种人脸活体检测方法、装置以及电子设备，用以解决现有技术中的如下技术问题：基于单一的深度学习模型的技术方案难以充分提取人脸活体图像特征，从而使得其模型对于人脸活体的特征表达能力不足，进而会降低人脸活体检测结果的准确性。

为解决上述技术问题，本申请实施例是这样实现的：

本申请实施例提供的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；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；

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。

本申请实施例提供的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；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；

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。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：有利于提取更多的人脸活体图像特征，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联合而言，相比于现有技术的模型对于人脸活体的特征表达能力更好，进而有利于提高人脸活体检测结果的准确性，因此，可以部分或全部地解决现有技术中的问题。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。