[发明专利]活体检测方法、装置、终端设备和存储介质

说明书

本申请适用于图像处理技术领域，提供了一种活体检测方法、装置、终端设备和存储介质。该活体检测方法包括：获取待检测图像输入预先训练完成的活体检测模型，得到待检测图像的活体检测结果；其中，本申请通过以下步骤获得活体检测模型：提取查询样本图像的特征图像，对该特征图像向量化后进行类别预测，获得类别预测结果；然后将提取的特征图像与参考图像融合，得到目标样本图像，之后通过对抗网络模型检测查询样本图像和目标样本图像之间的图像特征差异，最终根据类别预测结果和图像特征差异对初始检测模型的模型参数进行优化，得到活体检测模型，该方法能够实现端到端的训练，从而提高活体检测方法的鲁棒性。

技术领域

本申请属于图像处理技术领域，尤其涉及一种活体检测方法、装置、终端设备和存储介质。

背景技术

活体检测是在一些身份验证场景确定对象真实生理特征的方法，一般利用一种或者多种数据类型(RGB、深度、红外)来区分真实样本和攻击样本。将该检测应用到身份识别中，能够提身份脸识别系统的鲁棒性与安全性。

目前常用的活体检测方法主要有种思路：1)基于深度估计的方法，通过引入深度先验假设来约束神经网络学习指定的深度图；2)基于异常检测的方法，利用自动编码器建模图像上的异常线索。

然而，这些方法都引入了不确定的先验假设来控制中间差异图的生成，容易使解空间被压缩到一个小的局部范围，降低活体检测的鲁棒性。

发明内容

有鉴于此，本申请实施例提供了一种活体检测方法、装置、终端设备和存储介质，提高活体检测的鲁棒性。

第一方面，本申请实施例提供了一种活体检测方法，包括：

获取待检测图像；

将所述待检测图像输入预先训练完成的活体检测模型，得到所述待检测图像的活体检测结果；

其中，所述活体检测模型通过以下步骤获得：

获取查询样本集合，所述查询样本集合包含第一样本图像和第二样本图像，所述第一样本图像为摄像机拍摄后获得的未经二次处理的图像，所述第二样本图像为摄像机拍摄后经二次处理获得的图像；

提取所述第一样本图像的第一特征图像和所述第二样本图像的第二特征图像，并提取所述第一特征图像的第一特征向量和所述第二特征图像的第二特征向量；

将所述第一特征向量和所述第二特征向量输入初始检测模型的图像分类器，得到所述第一样本图像和所述第二样本图像的类别预测结果；

获取预先采集的未经二次处理的参考图像；

采用预设的对抗网络模型将所述第一特征图像和所述第二特征图像分别融合到所述参考图像中，得到第一目标样本图像和第二目标样本图像；

采用所述对抗网络模型检测所述第一目标样本图像的图像特征和所述第一样本图像的图像特征之间的第一图像特征差异，以及所述第二目标样本图像的图像特征和所述第二样本图像的图像特征之间的第二图像特征差异；

根据所述类别预测结果、所述第一图像特征差异以及所述第二图像特征差异对所述初始检测模型的参数进行优化更新，得到所述活体检测模型。