[发明专利]一种活体检测模型训练方法及活体检测方法

说明书

本申请涉及生物识别技术领域，尤其涉及一种活体检测模型训练方法及活体检测方法。该活体检测模型训练方法包括：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；利用池化模块池化第四特征图像，并利用第四特征图像和池化后的第四特征图像对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。本申请实施例推理速度更快；采用轻量化的模型，能成功部署在小算力的芯片上；能获得精度更高的活体检测模型。

技术领域

本申请涉及生物识别技术领域，尤其涉及一种活体检测模型训练方法及活体检测方法。

背景技术

随着人脸识别技术日趋成熟，其商业化应用愈加广泛，例如广泛应用于金融交易、门禁系统、移动终端等领域。然而人脸极易用照片、视频、模型或面具等方式进行复制，因此对合法用户人脸的假冒是人脸识别与认证系统安全的重要威胁。为防止恶意者伪造和窃取他人的生物特征用于身份认证，生物识别系统需具有活体检测功能。

目前，人脸识别技术通行的活体检测技术开始采用神经网络模型。然后其通常无法捕捉人脸数据的细粒度信息，从而对高精度的树脂面具及3D头模等效果不尽人意，通常会将其误判成真人；或是能有效防假体攻击，但一些真人也无法通过活检，从而造成不好的用户体验；或者，即使是防攻击效果可以，且真人通过率较高的模型，也通常因为模型较大，推理速度慢从而无法部署在终端，无法部署在一些算力较低的芯片上。

发明内容

有鉴于此，本申请实施例提供了一种活体检测模型训练方法及活体检测方法，可以解决相关技术中的至少一个技术问题。

第一方面，本申请一实施例提供了一种活体检测模型训练方法，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。

作为第一方面一实现方式，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。

作为第一方面一实现方式，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。

作为第一方面一实现方式，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。

第二方面，本申请一实施例提供一种活体检测方法，包括：

获取目标对象人脸的待检测图像；