[发明专利]一种人脸活体检测方法、装置、机器可读介质及设备

权利要求书

1.一种人脸活体检测方法，其特征在于，包括：

获取待检测的图像；

将待检测的图像输入预先训练好的人脸活体检测模型，得到待检测的图像中检测对象是否为活体的检测结果；其中所述人脸活体检测模型的骨干网以inceptionblock作为基础结构；训练得到所述人脸活体检测模型的方法包括：

构建人脸活体检测模型的超参数池，包括多种超参数；

构建训练策略池，包括多种训练策略；

基于所述超参数池中的超参数以及训练策略池中的训练策略，通过迭代训练得到每一种超参数对应的优选超参数和每一种训练策略对应的优选训练策略；

基于所有所述优选超参数和所有所述优选训练策略以及训练集，确定人脸活体检测模型。

2.根据权利要求1所述的人脸活体检测方法，其特征在于，所述多种超参数包括block的数量、block内的并联分支数目、分支内的卷积核通道数目、下采样层的位置、图像层的通道数目、是否采用全局平均池化层、全连接层的层数及通道数目；

所述多种训练策略包括学习率大小、学习率下降策略，学习率warm-up，数据增强方法。

3.根据权利要求2所述的人脸活体检测方法，其特征在于，优选超参数的获得方法包括：

从所述超参数池中选择其中一种超参数作为候选超参数，以及从训练策略池中选择一种训练策略作为初始训练策略；

基于所述候选超参数、所述初始训练策略以及训练集，对待训练的人脸活体检测模型进行迭代训练，直至满足迭代停止条件，每一次训练得到一个训练后的人脸活体检测模型；

基于验证集对每个训练后的人脸活体检测模型进行验证，得到每个训练后的人脸活体检测模型在所述验证集上的验证得分；

根据所述验证得分从多个所述 训练后的人脸活体检测模型中确定一个目标人脸活体检测模型；

将所述目标人脸活体检测模型的超参数作为优选超参数。

4.根据权利要求2所述的人脸活体检测方法，其特征在于，优选训练策略的获得方法包括：

从所述超参数池中选择其中一种超参数作为初始超参数，以及从训练策略池中选择一种训练策略作为候选训练策略；

基于所述初始超参数、所述候选训练策略以及训练集，对待训练的人脸活体检测模型进行迭代训练，直至满足迭代停止条件，每一次训练得到一个训练后的人脸活体检测模型；

基于验证集对每个训练后的人脸活体检测模型进行验证，得到每个训练后的人脸活体检测模型在所述验证集上的验证得分；

根据所述验证得分从多个所述 训练后的人脸活体检测模型中确定一个目标人脸活体检测模型；

将所述目标人脸活体检测模型对应的训练策略作为优选训练策略。

5.根据权利要求2所述的人脸活体检测方法，其特征在于，训练得到人脸活体检测模型，包括：

以在同样的训练策略下确定的每一种优选超参数组成优选超参数组以及通过优选超参数确定的以每一种优选训练策略构成的优选训练策略组确定训练后的人脸活体检测模型；

改变所述训练策略，重复上述步骤，直至训练后的人脸活体检测模型的性能指标满足设定要求。

6.一种人脸活体检测装置，其特征在于，包括：

图像获取模块，用于获取待检测的图像；

活体检测模型，用于将待检测的图像输入预先训练好的人脸活体检测模型，得到待检测的图像中检测对象是否为活体的检测结果；其中所述人脸活体检测模型的骨干网以inception block作为基础结构；

通过训练模块训练得到所述人脸活体检测模型，所述训练模块包括：

超参数池构建子模块，用于构建人脸活体检测模型的超参数池，包括多种超参数；

训练策略池构建子模块，用于构建训练策略池，包括多种训练策略；

迭代训练子模块，用于基于所述超参数池中的超参数以及训练策略池中的训练策略，通过迭代训练得到每一种超参数对应的优选超参数和每一种训练策略对应的优选训练策略；

人脸活体检测模块确定模块，用于基于所有所述优选超参数和所有所述优选训练策略以及训练集，确定人脸活体检测模型。