[发明专利]基于联邦活体检测模型的身份识别方法、装置、设备和介质

权利要求书

1.一种基于联邦活体检测模型的身份识别方法，其特征在于，所述基于联邦活体检测模型的身份识别方法包括如下步骤：

在接收到活体检测请求时，获取预设采集装置采集到的图像信息；

对所述图像信息进行预处理，获得待检测的活体特征图像；

调用联邦活体检测模型对所述活体特征图像进行识别，获得所述活体特征图像对应的活体身份信息，其中，所述联邦活体检测模型为基于协调端发送的联合梯度对本地的初始活体检测模型迭代训练获得，所述联合梯度是协调端基于多方节点的模型梯度处理生成。

2.如权利要求1所述的基于联邦活体检测模型的身份识别方法，其特征在于，所述调用联邦活体检测模型对所述活体特征图像进行识别，获得所述活体特征图像对应的活体身份信息的步骤之前，所述方法包括：

获取初始活体检测模型，将本地存储中的图像信息进行标记形成训练样本集；

从所述训练样本集中抽取训练样本组，通过所述训练样本组训练所述初始活体检测模型，获得训练后的活体检测模型和活体特征向量；

通过预设损失函数处理所述活体特征向量，获得损失值，并将所述损失值发送至协调端，以使所述协调端分析所述损失值确定训练后的活体检测模型是否收敛；

在接收到所述协调端发送的模型收敛提示时，将训练得到的活体检测模型作为联邦活体检测模型。

3.如权利要求2所述的基于联邦活体检测模型的身份识别方法，其特征在于，所述获取初始活体检测模型，将本地存储中的图像信息进行标记形成训练样本集的步骤，包括：

在接收到活体检测模型训练指令时，输出配置页面，其中，所述配置页面用于配置活体检测模型的模型种类，所述模型种类包括防翻拍检测模型、红外检测模型、动作检测模型、闪光活体检测模型和3D活体检测模型；

若本地存储中不存在所述模型种类对应的初始活体检测模型，则发送模型获取指令至协调端，以使协调端反馈所述模型种类对应的初始活体检测模型；

接收协调端发生的初始活体检测模型，获取本地存储中所述模型种类对应的图像信息，标记所述图像信息形成训练样本集。

4.如权利要求2所述的基于联邦活体检测模型的身份识别方法，其特征在于，所述从所述训练样本集中抽取训练样本组，通过所述训练样本组训练所述初始活体检测模型，获得训练后的活体检测模型和活体特征向量的步骤，包括：

从所述训练样本集中随机抽取一个训练样本作为锚点示例，根据所述锚点示例关联的标记信息选择正例示例和负例示例，将所述锚点示例、所述正例示例和所述负例示例作为一个训练样本组；

通过所述训练样本组训练所述初始活体检测模型，获得模型梯度，并将所述模型梯度发送至协调端，以使所述协调端基于多方节点的模型梯度处理，获得联合梯度；

接收所述协调端发送的联合梯度，根据所述联合梯度更新所述初始活体检测模型，得到训练后的活体检测模型和活体特征向量。

5.如权利要求4所述的基于联邦活体检测模型的身份识别方法，其特征在于，所述通过预设损失函数处理所述活体特征向量，获得损失值，并将所述损失值发送至协调端，以使所述协调端分析所述损失值确定训练后的活体检测模型是否收敛的步骤，包括：

提取所述锚点示例对应的锚点特征向量，提取所述正例示例对应的正例特征向量，提取所述负例示例对应的负例特征向量；

计算所述锚点特征向量与所述正例特征向量之间的第一欧式距离，所述锚点特征向量与所述负例特征向量之间的第二欧式距离；

将所述第一欧式距离与所述第二欧式距离输入至预设损失函数，获得损失值，将所述损失值发送至协调端，以通过所述协调端分析所述损失值确定训练后的活体检测模型是否收敛。

6.如权利要求1所述的基于联邦活体检测模型的身份识别方法，其特征在于，所述调用联邦活体检测模型对所述活体特征图像进行识别，获得所述活体特征图像对应的活体身份信息的步骤，包括：

调用联邦活体检测模型对所述活体特征图像进行识别，获得活体特征向量，将所述活体特征向量与预设特征向量进行比对；

获取与所述活体特征向量匹配的目标特征向量，获取所述目标特征向量关联的活体身份信息，将所述活体身份信息作为所述活体特征图像对应的活体身份信息。