[发明专利]一种活体检测模型的训练方法及训练装置

说明书

本申请适用于图像处理的技术领域，提供一种活体检测模型的训练方法及训练装置，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；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。由于在上述过程中，第二分支网络中的第三卷积网络仅用于辅助训练第二卷积网络，故保证了目标活体检测模型优良的检测精度，又减少了不必要的计算量，提高了活体检测效率。

技术领域

本申请属于图像处理的技术领域，尤其涉及一种活体检测模型的训练方法及训练装置。

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。可有效抵御照片、换脸、面具、遮挡以及屏幕翻拍等常见的攻击手段，从而帮助用户甄别欺诈行为，保障用户的利益。

现有的活体检测技术，往往通过多种模型相互配合，实现活体检测。然而，多种模型所需的计算资源较多，造成活体检测的效率较低。这是一种亟需解决的技术问题。

发明内容

有鉴于此，本申请实施例提供了一种活体检测模型的训练方法、一种活体检测的方法、一种活体检测模型的训练装置、一种活体检测的装置、终端设备、活体检测设备以及计算机可读存储介质，可以解决多种模型所需的计算资源较多，造成活体检测的效率较低的技术问题。

本申请实施例的第一方面提供了一种活体检测模型的训练方法，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。

本申请实施例的第二方面提供了一种活体检测方法，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。

本申请实施例的第三方面提供了一种活体检测模型的训练装置，所述训练装置包括：

第一获取单元，用于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；

训练单元，用于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；

裁剪单元，用于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。

本申请实施例的第四方面提供了一种活体检测的装置，所述装置包括：

第二获取单元，用于获取待检测图像；