[发明专利]一种活体检测模型训练方法及活体检测方法

权利要求书

1.一种活体检测模型训练方法，其特征在于，包括：

构建活体检测初始模型，所述活体检测初始模型包括至少三个卷积模块、特征融合模块和池化模块；

获取人脸图像，并分别得到人脸图像依次经过每个卷积模块时的至少三个特征图像；

利用所述特征融合模块融合所述至少三个特征图像获得第四特征图像；

利用所述池化模块池化所述第四特征图像，并利用所述第四特征图像和池化后的第四特征图像对所述活体检测初始模型进行监督训练并迭代更新所述活体检测初始模型，得到经训练的活体检测模型。

2.如权利要求1所述的活体检测模型训练方法，其特征在于，所述获取人脸图像，并分别得到人脸图像依次经过每个卷积模块时的至少三个特征图像，包括：

获取人脸图像，并对所述人脸图像进行上采样或下采样，得到目标图像；

利用所述活体检测初始模型的所述至少三个卷积模块对所述目标图像进行特征学习，获得至少三个特征图像。

3.如权利要求1或2所述的活体检测模型训练方法，其特征在于，所述利用所述池化模块池化所述第四特征图像，并利用所述第四特征图像和池化后的第四特征图像对所述活体检测初始模型进行监督训练并迭代更新所述活体检测初始模型，得到经训练的活体检测模型，包括：

利用所述池化模块对所述第四特征图像进行平均池化，获取到第五特征图像和第六特征图像；

根据损失函数计算所述第四特征图像、所述第五特征图像和所述第六特征图像与其各自对应的预设监督图像之间的损失，根据损失对所述活体检测初始模型的权重参数进行迭代更新，得到经训练的活体检测模型。

4.如权利要求3所述的活体检测模型训练方法，其特征在于，所述损失函数为均方误差损失函数；所述第四特征图像、所述第五特征图像和所述第六特征图像具有不同尺寸。

5.一种活体检测方法，其特征在于，包括：

获取目标对象人脸的待检测图像；

将所述待检测图像输入采用如权利要求1至4任一项所述的活体检测模型训练方法得到的经训练的活体检测模型，输出特征图像；

对所述特征图像进行二值化，并求解二值化后的特征图像的均值，根据所述均值判断目标对象是否为活体。

6.如权利要求5所述的活体检测方法，其特征在于，所述将所述待检测图像输入采用如权利要求1至4任一项所述的活体检测模型训练方法得到的经训练的活体检测模型，输出特征图像，包括：

若确定所述待检测图像满足预设质量条件，则将所述待检测图像输入采用如权利要求1至4任一项所述的活体检测模型训练方法得到的经训练的活体检测模型，输出特征图像。

7.如权利要求5或6所述的活体检测方法，其特征在于，待检测图像包括目标对象人脸的红外图像、彩色图像和深度图像中的至少一个；

所述将所述待检测图像输入采用如权利要求1至4任一项所述的活体检测模型训练方法得到的经训练的活体检测模型，输出特征图像，包括：

将所述待检测图像输入与该待检测图像对应的，且采用如权利要求1至4任一项所述的活体检测模型训练方法得到的经训练的活体检测模型，输出特征图像。

8.一种活体检测模型训练装置，其特征在于，包括：

构建模块，用于构建活体检测初始模型，所述活体检测初始模型包括至少三个卷积模块、特征融合模块和池化模块；

获取模块，用于获取人脸图像；

卷积执行模块，用于分别得到所述人脸图像依次经过每个卷积模块时的至少三个特征图像；

特征融合执行模块，用于利用所述特征融合模块融合所述至少三个特征图像获得第四特征图像；

池化执行模块，用于利用所述池化模块池化所述第四特征图像，并利用所述第四特征图像和池化后的第四特征图像对所述活体检测初始模型进行监督训练并迭代更新所述活体检测初始模型，得到经训练的活体检测模型。