[发明专利]人脸异常认证的识别方法、装置及电子设备

权利要求书

1.一种人脸异常认证的识别方法，其特征在于，所述识别方法包括：

获取异常用户的异常人脸图像；

将所述异常用户的异常人脸图像输入到预先训练好的人脸异常类型识别器中，输出所述异常用户的人脸异常类型，其中，所述人脸异常类型包括打印照片仿造真人、屏幕翻拍照片仿造真人以及面具仿造真人；

其中，所述人脸异常类型识别器是包含异常检测特征的识别器，其中所述异常检测特征包括打印照片、所述屏幕翻拍照片以及所述面具的特征。

2.根据权利要求1所述的识别方法，其特征在于，通过以下步骤训练所述人脸异常类型识别器，其中，所述人脸异常类型识别器包括人脸特征生成器与人脸特征识别器：

从预先建立的数据集中获取多张样本图像，其中，所述样本图像包括打印照片对应的图像、屏幕翻拍照片对应的图像、面具对应的图像以及真人图像；

针对每一张样本图像，将该样本图像依次输入至对应的顺次连接的异常特征提取器和异常特征识别器，得到该样本图像对应的样本特征类别；

将每种类别的异常特征提取器输出的样本特征类别与初始化后的特征生成器输出的多个样本特征向量进行对抗学习，确定训练好的人脸特征生成器；

将各张样本图像输入至训练好的人脸特征生成器，得出多个目标特征向量，并利用多个目标特征向量对人脸特征识别器进行训练，得到对异常类型分类的人脸特征识别器。

3.根据权利要求2所述的识别方法，其特征在于，所述将每种类别的异常特征提取器输出的样本特征类别与初始化后的特征生成器输出的多个样本特征向量进行对抗学习，确定训练好的人脸特征生成器，包括：

将每一张样本图像输入至所述初始化后的特征生成器，确定每一张样本图像对应的样本特征向量；

针对每一张样本图像，将该样本图像对应的样本特征类别与该样本图像对应的特征向量进行对抗学习，对所述特征生成器的参数进行更新；

当预设的损失函数的输入值与输出值一致时，确定所述特征生成器训练结束，将当前特征生成器的参数确定为训练好的人脸特征生成器的参数。

4.根据权利要求3所述的识别方法，其特征在于，通过以下步骤确定所述样本特征向量：

将样本特征图像输入至初始化后的特征生成器，得到初始特征向量；

对所述初始特征向量进行傅里叶变换，得到频谱向量；

将所述初始特征向量与所述频谱向量进行拼接，得到所述样本特征向量。

5.根据权利要求3所述的识别方法，其特征在于，在对所述特征生成器的参数进行更新的过程中，所述特征生成器中各个参数对应的权重系数保持不变。

6.一种人脸异常认证的识别装置，其特征在于，所述识别装置包括：

获取模块，用于获取异常用户的异常人脸图像；

输出模块，用于将所述异常用户的异常人脸图像输入到预先训练好的人脸异常类型识别器中，输出所述异常用户的人脸异常类型，其中，所述人脸异常类型包括打印照片仿造真人、屏幕翻拍照片仿造真人以及面具仿造真人；其中，所述人脸异常类型识别器是包含异常检测特征的识别器，其中所述异常检测特征包括打印照片、所述屏幕翻拍照片以及所述面具的特征。

7.根据权利要求6所述的识别装置，其特征在于，所述的识别装置还包括训练模块，所述训练模块用于通过以下步骤训练所述人脸异常类型识别器，其中，所述人脸异常类型识别器包括人脸特征生成器与人脸特征识别器：

从预先建立的数据集中获取多张样本图像，其中，所述样本图像包括打印照片对应的图像、屏幕翻拍照片对应的图像、面具对应的图像以及真人图像；

针对每一张样本图像，将该样本图像依次输入至对应的顺次连接的异常特征提取器和异常特征识别器，得到该样本图像对应的样本特征类别；

将每种类别的异常特征提取器输出的样本特征类别与初始化后的特征生成器输出的多个样本特征向量进行对抗学习，确定训练好的人脸特征生成器；

将各张样本图像输入至训练好的人脸特征生成器，得出多个目标特征向量，并利用多个目标特征向量对人脸特征识别器进行训练，得到对异常类型分类的人脸特征识别器。