[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

说明书

本发明涉及金融科技领域，并公开了一种基于联邦活体检测模型的身份识别方法、装置、设备和介质。方法包括：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。本发明通过联邦活体检测模型进行身份识别，在保证数据安全性的前提下，提高了活体检测模型检测的准确率。

技术领域

本发明涉及金融科技(Fintech)技术领域，尤其涉及基于联邦活体检测模型的身份识别方法、装置、设备和介质。

背景技术

近年来，互联网金融科技(Fintech)的飞速发展，越来越多的技术(大数据、分布式、区块链Blockchain、人工智能等)应用在金融领域。

金融领域为了保证金融业务操作的安全性，需要进行活体识别，活体识别是通过活体检测设备实现的，活体检测设备包括红外传感器、扫描仪等等，这样的活体检测方法需要的设备成本较高，部分机构采用活体检测模型实现活体检测实现的，当前活体检测模型大都是采用本地的训练样本进行活体检测模型训练，活体检测模型的训练需要大量的训练样本。然而，在现实场景中，很少有企业能够拥有大量的且覆盖足够多样本类型的训练样本，由于训练样本的数据量不足导致训练出来的活体检测模型识别准确率低。

发明内容

本发明的主要目的在于提出一种基于联邦活体检测模型的身份识别方法、装置、设备和介质，旨在解决当前活体检测模型训练样本不足，导致活体检测模型学习不到位识别准确率低，若通过共享数据进行模型训练存在隐私数据泄漏的风险。

为实现上述目的，本发明提供一种基于联邦活体检测模型的身份识别方法，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。

可选地，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。

可选地，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；