[发明专利]人脸活体检测模型的训练方法、人脸活体检测方法及装置

权利要求书

1.一种人脸活体检测模型的训练方法，包括：

将多个训练图像输入人脸活体检测模型中，其中，所述多个训练图像包括人脸活体图像和N类攻击图像，所述人脸活体检测模型包括N个子模型，所述N个子模型与所述N类攻击图像一一对应，N为大于或等于2的整数；

针对所述N个子模型中的每个子模型，利用所述子模型对所述人脸活体图像和与所述子模型对应的攻击图像进行识别，得到第一识别结果；以及

至少基于所述第一识别结果，调整所述人脸活体检测模型的模型参数，以得到经训练的人脸活体检测模型。

2.根据权利要求1所述的方法，其中，所述人脸活体检测模型还包括总体识别网络；所述N个子模型中的每个子模型包括特征提取网络；

其中，所述方法还包括，在至少基于所述第一识别结果，调整所述人脸活体检测模型的模型参数之前：

针对每个训练图像，利用每个子模型的特征提取网络提取训练图像的图像特征，得到与所述N个子模型对应的N个图像特征；

将所述N个图像特征进行拼接处理，得到总体图像特征；

将所述总体图像特征输入所述总体识别网络中进行识别，得到第二识别结果；

其中，所述至少基于所述第一识别结果，调整所述人脸活体检测模型的模型参数包括：

基于所述第一识别结果和第二识别结果，调整所述人脸活体检测模型的模型参数。

3.根据权利要求1所述的方法，其中，所述N个子模型中的每个子模型包括特征提取网络和识别网络；

其中，所述针对所述N个子模型中的每个子模型，利用所述子模型对所述人脸活体图像和与所述子模型对应的攻击图像进行识别包括：

针对所述N个子模型中的每个子模型，利用所述子模型的特征提取网络提取所述人脸活体图像的图像特征和与所述子模型对应的攻击图像的图像特征；以及

将所述人脸活体图像的图像特征和与所述子模型对应的攻击图像的图像特征，输入所述子模型的识别网络中进行识别。

4.根据权利要求1所述的方法，其中，所述人脸活体检测模型还包括基础特征提取网络；

其中，所述方法还包括，在利用所述子模型对所述人脸活体图像和与所述子模型对应的攻击图像进行识别之前：

利用所述基础特征提取网络分别对所述人脸活体图像和与所述子模型对应的攻击图像进行特征提取处理，得到处理后的人脸活体图像和处理后的攻击图像，以便将处理后的人脸活体图像和处理后的攻击图像输入所述子模型，

其中，所述基础特征提取网络包括深度可分离卷积网络MobileNet V2。

5.根据权利要求3所述的方法，其中，每个子模型的特征提取网络包括5个卷积层，每个子模型的识别网络包括1个全连接层和一个softmax层。

6.根据权利要求2所述的方法，其中，所述总体识别网络包括1个全连接层和一个softmax层。

7.根据权利要求1-6中任意一项所述的方法，其中，所述N类攻击图像包括以下至少两个：

针对显示于电子屏幕的人脸所采集的图像；

针对具有人脸的纸质照片所采集的图像；

针对具有人脸特征的平面面具所采集的图像；

针对立体人脸模型所采集的图像。

8.根据权利要求1-7中任意一项所述的方法，还包括获取所述多个训练图像；

其中，所述获取所述多个训练图像包括以下至少一项：

获取初始图像，并提取所述初始图像中人脸所在的区域图像作为训练图像；

获取初始图像，并对所述初始图像中的人脸进行人脸对齐操作，得到训练图像；

获取初始图像，并对所述初始图像中每个像素的像素值进行归一化处理；以及

获取初始图像，对所述初始图像进行随机数据增强处理，并将所述初始图像和处理后的初始图像作为训练图像。