[发明专利]活体检测方法、装置、电子设备和计算机可读存储介质

权利要求书

1.一种活体检测方法，其特征在于，包括：

获取图像样本集合，所述图像样本集合包括多个域类型的图像样本；

根据所述图像样本的域类型，对所述图像样本进行分类，得到多个图像样本子集合，并采用所述图像样本子集合分别对预设检测模型进行训练，得到每一图像样本子集合对应的第一检测模型；

采用所述第一检测模型对所述图像样本集合中每一图像样本进行特征提取，得到所述图像样本的图像特征；

根据所述图像特征，确定对应的图像样本中对象的活体预测值，将所述图像样本的图像特征和活体预测值作为所述第一检测模型对应的样本特征信息，并确定所述样本特征信息的关联权重，所述关联权重用于指示不同第一检测模型对应的样本特征信息之间的关联关系；

根据所述关联权重对所述样本特征信息进行融合，得到融合后样本特征信息；

采用所述融合后样本特征信息和图像样本集合对所述预设检测模型进行训练，得到第二检测模型，并基于所述第二检测模型对待检测图像进行活体检测。

2.根据权利要求1所述的活体检测方法，其特征在于，所述根据所述关联权重对所述样本特征信息进行融合，得到融合后样本特征信息，包括：

在所述关联权重中提取出图像特征对应的第一关联权重和活体预测值对应的第二关联权重；

根据所述第一关联权重对每一图像样本的图像特征进行加权，并将加权后的图像特征进行融合，得到每一所述图像样本的融合后图像特征；

基于所述第二关联权重对每一活体预测值进行加权，并确定加权后的活体预测值之间的关系，得到每一图像样本的样本关联特征；

将所述图像样本的融合后图像特征和样本关联特征作为所述融合后样本特征信息。

3.根据权利要求1所述的活体检测方法，其特征在于，所述采用所述融合后样本特征信息和图像样本集合对所述预设检测模型进行训练，得到第二检测模型，包括：

采用所述预设检测模型提取所述图像样本集合中每一图像样本的特征，得到所述预设检测模型对应的目标样本特征信息；

根据所述融合后样本特征信息和目标样本特征信息，确定所述图像样本集合对应的损失信息；

基于所述损失信息，对所述预设检测模型进行收敛，以得到第二检测模型。

4.根据权利要求3所述的活体检测方法，其特征在于，所述根据所述融合后样本特征信息和目标样本特征信息，确定所述图像样本集合对应的损失信息，包括：

将所述融合后样本特征信息和目标样本特征信息进行对比，以得到所述图像样本集合对应的样本特征损失信息；

在所述目标样本特征信息中提取出所述图像样本集合中每一图像样本的活体预测信息，并将所述活体预测信息与所述图像样本中的活体标注信息进行对比，以得到所述图像样本集合对应的活体检测损失信息；

将所述样本特征损失信息和活体检测损失信息进行融合，得到所述图像样本集合对应的损失信息。

5.根据权利要求4所述的活体检测方法，其特征在于，所述将所述融合后样本特征信息和目标样本特征信息进行对比，以得到所述图像样本集合对应的样本特征损失信息，包括：

在所述目标样本特征信息中提取出每一图像样本对应的目标图像特征和目标样本关联特征；

将所述目标图像特征与所述融合后样本特征信息中对应的融合后图像特征进行对比，以得到所述图像样本集合对应的图像特征损失信息；

将所述目标样本关联特征与所述融合后样本特征信息中对应的融合后样本关联特征进行对比，以得到所述图像样本集合对应的关联特征损失信息；

将所述图像特征损失信息和关联特征损失信息作为所述图像样本集合对应的样本特征损失信息。

6.根据权利要求5所述的活体检测方法，其特征在于，所述将所述目标图像特征与所述融合后样本特征信息中对应的融合后图像特征进行对比，以得到所述图像样本集合对应的图像特征损失信息，包括：

计算所述目标图像特征和所述融合后样本特征信息中对应的融合后图像特征的特征均值；

计算所述目标图像特征的特征均值和所述融合后图像特征的特征均值之间的特征差值，得到第一特征差值；

基于所述第一特征差值，确定所述图像样本集合对应的图像特征损失信息。