[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

说明书

本公开披露了一种人脸活体检测模型的训练方法、人脸活体检测方法、装置、设备、介质和产品，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于智慧城市和智慧金融场景下。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，多个训练图像包括人脸活体图像和N类攻击图像，人脸活体检测模型包括N个子模型，N个子模型与N类攻击图像一一对应，N为大于或等于2的整数；针对N个子模型中的每个子模型，利用子模型对人脸活体图像和与子模型对应的攻击图像进行识别，得到第一识别结果；至少基于第一识别结果，调整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。

技术领域

本公开涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于智慧城市和智慧金融场景下。

背景技术

人脸活体检测技术是用于检测一张图像是否为人脸活体图像的技术，是人脸识别系统的重要组成，保证了人脸识别系统的安全性。由于攻击技术的层出不穷，导致人脸识别系统难以准确地识别出攻击图像，攻击图像例如为非人脸活体图像。因此，亟需一种能够应对各种攻击方式的人脸活体检测技术。

发明内容

本公开提供了一种人脸活体检测模型的训练方法、人脸活体检测方法、装置、电子设备、存储介质以及计算机程序产品。

根据本公开的一方面，提供了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；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。

根据本公开的另一方面，提供了一种人脸活体检测方法，包括获取待识别人脸图像；利用人脸活体检测模型对所述待识别人脸图像进行识别，以确定所述待识别人脸图像是否为人脸活体图像，其中，人脸活体检测模型是使用根据如上所述的方法来训练的。

根据本公开的另一方面，提供了一种人脸活体检测模型的训练装置，包括：图像输入模块、第一识别模块以及参数调整模块。其中，图像输入模块，用于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。第一识别模块，用于针对所述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。参数调整模块，用于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。

根据本公开的另一方面，提供了一种人脸活体检测装置，包括：图像获取模块和第二识别模块。其中，图像获取模块，用于获取待识别人脸图像。第二识别模块，用于利用人脸活体检测模型对所述待识别人脸图像进行识别，以确定所述待识别人脸图像是否为人脸活体图像，其中，所述人脸活体检测模型是使用根据如上所述的方法来训练的。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。