[发明专利]活体检测模型训练方法、装置、设备以及存储介质

权利要求书

1.一种活体检测模型训练方法，包括：

获取样本图像集，其中，所述样本图像集中的样本图像标注有活体标签或攻击标签；

基于所述样本图像切割得到多个样本区域块；

打乱所述多个样本区域块进行叠加，得到样本张量；

将所述样本张量作为输入，将所述样本图像的标签和所述多个样本区域块的叠加顺序作为监督信息，对卷积神经网络进行训练，得到活体检测模型。

2.根据权利要求1所述的方法，其中，所述卷积神经网络包括特征提取网络、全局平均池化层、第一全连接层和第二全连接层。

3.根据权利要求2所述的方法，其中，所述将所述样本张量作为输入，将所述样本图像的标签和所述多个样本区域块的叠加顺序作为监督信息，对卷积神经网络进行训练，得到活体检测模型，包括：

将所述样本张量输入至所述特征提取网络，得到样本特征图；

将所述样本特征图输入至所述全局平均池化层，得到样本特征向量；

将所述样本特征向量输入至所述第一全连接层，得到所述样本图像的预测标签；

将所述样本特征向量输入至所述第二全连接层，得到所述多个样本区域块的预测叠加顺序；

基于所述样本图像的标签和预测标签，以及所述多个样本区域块的叠加顺序和预测叠加顺序，调整所述卷积神经网络的参数，直至训练完成；

移除所述卷积神经网络的第二全连接层，得到所述活体检测模型。

4.根据权利要求1-3之一所述的方法，其中，所述基于所述样本图像切割得到多个样本区域块，包括：

对所述样本图像进行预处理，得到预处理图像；

将所述预处理图像切割成所述多个样本区域块。

5.根据权利要求4所述的方法，其中，所述预处理包括以下至少一项：人脸检测、人脸对齐、归一化处理、数据增强处理。

6.根据权利要求4所述的方法，其中，所述对所述样本图像进行预处理，得到预处理图像，包括：

利用预先训练的检测模型对所述样本图像进行人脸检测，得到所述样本图像中的样本人脸区域；

基于所述样本人脸区域，得到所述预处理图像。

7.根据权利要求6所述的方法，其中，所述基于所述样本人脸区域，得到所述预处理图像，包括：

利用预先训练的人脸关键点检测模型对所述样本人脸区域进行人脸关键点检测，得到样本人脸关键点坐标集合；

基于所述样本人脸关键点坐标集合对所述样本图像进行人脸对齐，得到样本人脸对齐图像；

基于所述样本人脸对齐图像，得到所述预处理图像。

8.根据权利要求7所述的方法，其中，所述基于所述样本人脸对齐图像，得到所述预处理图像，包括：

从所述样本人脸关键点坐标集合中确定最大坐标值和最小坐标值；

基于所述最大坐标值和所述最小坐标值确定样本人脸框；

将所述样本人脸框扩大预设倍数截取样本人脸图像；

将所述样本人脸图像调整至预设尺寸，得到所述样本人脸对齐图像。

9.根据权利要求7或8所述的方法，其中，所述基于所述样本人脸对齐图像，得到所述预处理图像，包括：

对所述样本人脸对齐图像中的像素进行归一化处理，得到归一化图像；

对所述归一化图像进行数据增强处理，得到所述预处理图像。

10.一种活体检测方法，包括：

获取待检测图像；

将所述待检测图像输入至活体检测模型，得到所述待检测图像的活体检测结果，其中，所述活体检测模型根据权利要求1-9中任一项的训练方法训练获得。