[发明专利]一种活体检测方法、装置及设备

权利要求书

1.一种活体检测方法，包括：

获取根据待检测图像中的人脸区域确定出的第一非活体概率值；

获取根据所述待检测图像中的背景区域确定出的第二非活体概率值；

对所述待检测图像中的背景区域进行特征提取，得到目标特征向量；

确定所述目标特征向量与预存特征向量集合中的预存特征向量之间的最大相似度；所述预存特征向量为非活体图像样本中的背景区域的特征向量；

根据所述第一非活体概率值、所述第二非活体概率值及所述最大相似度，生成活体检测结果。

2.如权利要求1所述的方法，所述获取根据待检测图像中的人脸区域确定出的第一非活体概率值之前，还包括：

利用图像分割模型对待检测图像进行分割处理，得到所述待检测图像中的人脸区域及所述待检测图像中的背景区域；所述待检测图像中的背景区域为所述所述待检测图像中的所述人脸区域以外的区域；所述图像分割模型是基于第一预设损失函数，利用携带有预设图像分割结果的图像样本，对深度学习模型进行训练而得到的；

其中，所述第一预设损失函数用于表征所述图像分割模型输出的预测图像分割结果与所述预设图像分割结果之间的偏差程度，以及，表征根据所述预测图像分割结果确定的两个分类类型相同的特征图像子区域的特征向量之间的偏差程度，所述特征图像子区域为所述图像分割模型对所述图像样本进行分割处理的过程中生成的特征图像中的部分区域。

3.如权利要求2所述的方法，所述第一预设损失函数包括第一损失函数及第二损失函数；所述第一损失函数用于表征所述图像分割模型输出的预测图像分割结果与所述预设图像分割结果之间的偏差程度；所述第二损失函数用于表征根据所述预测图像分割结果确定的两个分类类型相同的特征图像子区域的特征向量之间的偏差程度；

所述第二损失函数的公式为：

其中，R₁表示一个所述特征图像子区域的特征向量，R₂表示另一个所述特征图像子区域的特征向量，L₂表示R₁与R₂之间的偏差程度。

4.如权利要求1所述的方法，所述获取根据待检测图像中的人脸区域确定出的第一非活体概率值，具体包括：

利用第一活体检测模型对所述待检测图像中的人脸区域内的图像进行活体检测，得到第一非活体概率值；所述第一活体检测模型是利用设备采集图像样本中的人脸区域内的图像，对第一分类模型进行训练而得到的。

5.如权利要求1所述的方法，所述获取根据所述待检测图像中的背景区域确定出的第二非活体概率值，具体包括：

利用第二活体检测模型对所述待检测图像中的背景区域内的图像进行活体检测，得到第二非活体概率值；所述第二活体检测模型是基于第二预设损失函数，利用携带有预设活体分类结果的背景图像样本，对第二分类模型进行训练而得到的；所述背景图像样本为设备采集图像样本中的背景区域内的图像；

其中，所述第二预设损失函数用于表征所述第二活体检测模型输出的预测活体分类结果与所述预设活体分类结果之间的偏差程度，以及，表征所述背景图像样本的预设类别的图像特征向量与所述预设类别的图像特征聚类中心之间的偏差程度。

6.如权利要求5所述的方法，所述第二预设损失函数包括第三损失函数及第四损失函数；所述第三损失函数用于表征所述第二活体检测模型输出的预测活体分类结果与所述预设活体分类结果之间的偏差程度；所述第四损失函数用于表征所述背景图像样本的预设类别的图像特征向量与所述预设类别的图像特征聚类中心之间的偏差程度；

所述第四损失函数的公式为：

其中，f_i表示所述背景图像样本的第i类的图像特征向量，c_i表示第i类的图像特征聚类中心，L₄表示f_i与c_i之间的偏差程度。