[发明专利]一种活体模型训练和人脸活体检测方法、装置和电子设备

权利要求书

1.一种活体模型训练方法，其特征在于，包括：

获取多个静默视频，并从每个静默视频中抽取多个待训练帧图像；

将所述多个待训练帧图像输入预设的活体模型中，得到与所述静默视频对应的输出结果；

根据所述输出结果与所述静默视频的标注结果，计算损失函数的值；

根据所述损失函数的值调整所述活体模型的参数，直到所述损失函数的值收敛。

2.根据权利要求1所述的活体模型训练方法，其特征在于，所述活体模型为神经网络模型。

3.根据权利要求1所述的活体模型训练方法，其特征在于，所述获取多个静默视频，并从每个静默视频中抽取多个待训练帧图像，之后还包括：

根据所述静默视频获取标注结果。

4.根据权利要求1所述的活体模型训练方法，其特征在于，所述获取多个静默视频，并从每个静默视频中抽取多个待训练帧图像，包括：

获取一个所述静默视频，将所述静默视频划分为多个区间段；

在每个区间段中抽取一个帧图像；该帧图像为待训练帧图像；

遍历所有所述静默视频，获得待训练帧图像。

5.根据权利要求1-4中任一所述的活体模型训练方法，其特征在于，所述活体模型的输出结果至少包括：人脸存在分数、活体分数和攻击分数。

6.根据权利要求5所述的活体模型训练方法，其特征在于，所述攻击分数包括：屏幕翻拍分数、打印纸分数、剪纸分数、抠图面具分数和3D模型分数。

7.根据权利要求5所述的活体模型训练方法，其特征在于，所述静默视频的标注结果中，所述人脸存在分数表征不存在人脸时，所述损失函数由所述静默视频标注结果中的人脸存在分数和输出结果中的人脸存在分数确定。

8.根据权利要求5所述的活体模型训练方法，其特征在于，所述静默视频的标注结果中，所述人脸存在分数表征存在人脸表征存在人脸时，所述损失函数由所述静默视频标注结果中的人脸存在分数、活体分数、攻击分数和输出结果中的人脸存在分数、活体分数、攻击分数确定。

9.一种人脸活体检测方法，其特征在于，包括：

拍摄人脸的静默视频，并从所述静默视频中抽取多个待评估帧图像；

将所述待评估帧图像输入预设的活体模型中，得到评估结果；所述活体模型采用如权利要求1-8中任一项所述的活体模型训练方法训练获得；

根据所述评估结果判断所述静默视频的检测结果。

10.根据权利要求9所述的人脸活体检测方法，其特征在于，所述静默视频的时长为1～3s。

11.根据权利要求9所述的人脸活体检测方法，其特征在于，所述根据所述评估结果判断所述静默视频的检测结果，包括：

判断所述评估结果中的人脸存在分数是否小于预设的人脸阈值；

若小于所述人脸阈值，则所述静默视频的活体检测未通过；

若不小于所述人脸阈值，则判断所述活体分数和所述攻击分数中，所述活体分数是否为最高分；

若为最高分，则所述静默视频的活体检测通过；

若不为最高分，则所述静默视频的活体检测未通过。

12.一种活体模型训练装置，其特征在于，包括：

获取单元(1)，用于获取多个静默视频，并从每个静默视频中抽取多个待训练帧图像；

模型单元(2)，用于将所述多个待训练帧图像输入预设的活体模型中，得到与所述静默视频对应的输出结果；

计算单元(3)，用于根据所述输出结果与静默视频的标注结果，计算损失函数的值；

调整单元(4)，用于根据所述损失函数的值调整所述活体模型的参数，直到所述损失函数的值收敛。