[发明专利]一种活体检测模型的训练方法及训练装置

权利要求书

1.一种活体检测模型的训练方法，其特征在于，所述训练方法包括：

获取初始模型以及样本数据组；所述初始模型包括第一卷积网络、第二卷积网络以及第三卷积网络；所述第一卷积网络和所述第二卷积网络构成第一分支网络；所述第一卷积网络和所述第三卷积网络构成第二分支网络；

将所述样本数据组输入所述第一分支网络和所述第二分支网络，计算联合损失函数，根据所述联合损失函数训练所述第二卷积网络，得到训练后的第二卷积网络；

将所述第一卷积网络和所述训练后的第二卷积网络，作为目标活体检测模型。

2.如权利要求1所述方法，其特征在于，所述样本数据组包括样本图像、所述样本图像对应的原始傅里叶频谱图以及所述样本图像对应的标注信息；所述标注信息用于标注所述样本图像的图像类型；所述图像类型包括活体人脸图像和非活体人脸图像；

所述将所述样本数据输入所述第一分支网络和所述第二分支网络，计算联合损失函数，根据所述联合损失函数训练所述第二卷积网络，得到训练后的第二卷积网络，包括：

每个所述样本数据组循环执行如下步骤，得到所述训练后的第二卷积网络；

所述如下步骤，包括：

将所述样本图像输入所述第一卷积网络，得到由所述第一卷积网络输出的特征数据；

将所述特征数据输入第二卷积网络，得到由所述第二卷积网络输出的预测结果；

计算所述预测结果与所述标注信息之间的第一损失函数；

将所述特征数据输入第三卷积网络，得到由所述第三卷积网络输出的预测傅里叶频谱图；

计算所述预测傅里叶频谱图与所述原始傅里叶频谱图之间的第二损失函数；

将所述第一损失函数和所述第二损失函数，作为所述联合损失函数；

根据所述联合损失函数，更新所述第二卷积网络的参数。

3.如权利要求1所述方法，其特征在于，所述样本数据组包括样本图像、所述样本图像对应的原始傅里叶频谱图以及所述样本图像对应的标注信息；

所述获取初始模型以及样本数据组，包括；

获取第一原始图像；

检测所述第一原始图像中的人脸区域，获取所述人脸区域对应的所述样本图像；

根据所述样本图像，计算所述样本图像原始傅里叶频谱图。

4.如权利要求1所述方法，其特征在于，所述根据所述样本图像，计算所述样本图像原始傅里叶频谱图，包括：

计算所述样本图像的初始傅里叶频谱；

将所述初始傅里叶频谱进行归一化处理；

将归一化后的所述初始傅里叶频谱的尺寸缩小至第一预设尺寸，得到所述原始傅里叶频谱。

5.如权利要求3所述方法，其特征在于，所述检测所述第一原始图像中的人脸区域，获取所述人脸区域对应的所述样本图像，包括：

通过人脸检测模型，得到所述第一原始图像的第一人脸框；所述第一人脸框用于标注人脸区域；

将所述第一人脸框的尺寸放大至第二预设尺寸，得到放大后的第一人脸框；

在所述第一原始图像中截取所述放大后的第一人脸框对应的区域，得到第二原始图像；

将所述第二原始图像的尺寸缩小至第三预设尺寸，得到所述样本图像。

6.一种活体检测的方法，其特征在于，所述方法包括：

获取待检测图像；

将所述待检测图像输入目标活体检测模型中，得到由所述目标活体检测模型输出的检测结果；所述检测结果用于表征所述待检测图像为活体人脸图像的概率；所述目标活体检测模型为初始模型中的第一分支网络，所述第一分支网络包括第一卷积网络和第二卷积网络；所述初始模型中还包括第二分支网络；所述第一分支网络和所述第二分支网络用于联合训练所述第二卷积网络；

根据所述检测结果，确定所述待检测图像是否为活体人脸图像。