[发明专利]人脸活体检测方法、装置、设备及介质

说明书

本申请公开了一种人脸活体检测方法、装置、设备及介质，人脸检测方法包括：获取训练集；将训练数据输入教师网络进行第一训练，得到训练好的教师网络模型；将训练数据输入学生网络进行第二训练，得到训练好的人脸活体检测模型；将待检测的人脸图像输入人脸活体检测模型，得到人脸图像中对象是否为活体的检测结果。本申请通过知识蒸馏学习器指导学生网络进行训练，得到模型参数更少的学生网络模型作为训练好的人脸活体检测模型，提升了模型的计算速度和人脸活体检测的速度；通过元学习器对模型参数的更新优化来辅助人脸活体检测模型的训练过程，通用性更好。本申请可广泛应用于人工智能领域。

技术领域

本发明涉及人工智能领域，尤其是涉及一种人脸活体检测方法、装置、设备及介质。

背景技术

活体检测，是指计算机判别检测的人脸是真实的人脸，还是伪造的人脸攻击，如各种打印照片攻击（包括彩色打印照片、黑白打印照片、红外打印照片等）、屏幕播放攻击（手机屏幕、平板屏幕、电脑屏幕等）和高清3D攻击（各种材质的面具、头部模型、头套面具等）等。对此，出现了各种各样基于计算机视觉的活体检测方法。

随着深度学习的发展，人工智能中深度学习方法因强大、灵活的特征提取能力而被应用于活体检测领域并逐渐成为活体检测的主流方法。目前，基于深度学习的活体检测方法，需要对不同场景训练多个活体检测模型，即需要进行具体场景的定制化设计，通用性不高；需要的模型参数较多，导致模型的计算速度变慢，难以在低计算能力的终端平台（如嵌入式设备等）上实时运行。

发明内容

本申请实施例提供一种人脸活体检测方法、装置、设备及介质，以提升检测的速度以及通用性。

根据本申请实施例的第一方面，一种人脸活体检测方法，包括以下步骤：

获取训练集，其中所述训练集包含多个训练数据，所述训练数据为带有标签的人脸图像数据；

将所述训练数据输入教师网络进行第一训练，得到训练好的教师网络模型，所述第一训练包括提取所述训练数据的第一特征，以及对所述第一特征进行分类得到第一输出；

将所述训练数据输入学生网络进行第二训练，得到训练好的人脸活体检测模型，其中，所述学生网络包括第二特征分类网络，所述第二训练包括：提取所述训练数据的第二特征，并通过第一知识蒸馏学习器约束所述第二特征与所述第一特征的差距在第一预设范围内；通过元学习器更新所述第二特征分类网络的模型参数，通过更新模型参数后的所述第二特征分类网络对所述第二特征进行分类得到第二输出，并通过第二知识蒸馏学习器约束所述第二输出与第一输出的差距在第二预设范围内；

将待检测的人脸图像输入所述人脸活体检测模型，得到所述人脸图像中对象是否为活体的检测结果。

根据本申请实施例的第二方面，一种人脸活体检测装置，包括：

获取模块，用于获取训练集，其中所述训练集包含多个训练数据，所述训练数据为带有标签的人脸图像数据；

第一训练模块，用于将所述训练数据输入教师网络进行第一训练，得到训练好的教师网络模型，所述第一训练包括提取所述训练数据的第一特征，以及对所述第一特征进行分类得到第一输出；

第二训练模块，用于将所述训练数据输入学生网络进行第二训练，得到训练好的人脸活体检测模型，其中，所述学生网络包括第二特征分类网络，所述第二训练包括：提取所述训练数据的第二特征，并通过第一知识蒸馏学习器约束所述第二特征与所述第一特征的差距在第一预设范围内；通过元学习器更新所述第二特征分类网络的模型参数，通过更新模型参数后的所述第二特征分类网络对所述第二特征进行分类得到第二输出，并通过第二知识蒸馏学习器约束所述第二输出与第一输出的差距在第二预设范围内；

检测模块，用于将待检测的人脸图像输入所述人脸活体检测模型，得到所述人脸图像中对象是否为活体的检测结果。