[发明专利]一种活体检测模型的训练方法、装置、设备及存储介质

权利要求书

1.一种活体检测模型的训练方法，其特征在于，所述活体检测模型包括第一神经网络以及第二神经网络，所述方法包括：

获取用于模型训练的音频样本集，所述音频样本集包括标注有标签信息的音频样本，所述标签信息为活体标签或非活体标签，所述音频样本集中包括多种应用场景下的音频样本；

基于多种特征提取算法中的每种特征提取算法，分别提取所述音频样本集中的音频样本的音频特征，得到所述音频样本对应的多种第一音频特征；

将所述音频样本输入至所述第一神经网络进行特征提取，得到所述音频样本对应的第二音频特征；

将所述音频样本对应的第二音频特征输入至所述第二神经网络，得到所述音频样本对应的识别结果，所述识别结果用于表征所述音频样本是否为真人发出的语音；

根据所述识别结果与所述标签信息之间的差异，确定第一损失值；

根据所述第二音频特征与所述多种第一音频特征中每种第一音频特征之间的差异，确定与所述每种第一音频特征对应的第二损失值，得到多个第二损失值；

获取与每种特征提取算法所匹配的应用场景的场景数量，得到所述每种特征提取算法的使用频次；

基于所述每种特征提取算法的使用频次，确定在多种特征提取算法中所述每种特征提取算法的使用占比；

基于所述每种特征提取算法的使用占比，确定所述多个第二损失值中每个第二损失值对应的权重；

根据所述每个第二损失值对应的权重，对所述多个第二损失值进行加权求和，得到第三损失值；

获取所述第三损失值与所述第一损失值的和值，作为总损失值；

根据所述总损失值，对所述第一神经网络以及所述第二神经网络进行迭代训练，直至所述第一神经网络以及所述第二神经网络满足预设条件，得到训练后的所述活体检测模型。

2.根据权利要求1所述的方法，其特征在于，所述基于多种特征提取算法中的每种特征提取算法，分别提取所述音频样本集中的音频样本的音频特征，得到所述音频样本对应的多种第一音频特征，包括：

从多种预设算法中获取与所述多种应用场景中每种应用场景所匹配的至少一种所述预设算法，得到所述多种特征提取算法；

基于所述多种特征提取算法中的每种特征提取算法，分别提取所述音频样本集中的音频样本的音频特征，得到所述音频样本对应的多种第一音频特征。

3.根据权利要求2所述的方法，其特征在于，在所述基于所述多种特征提取算法中的每种特征提取算法，分别提取所述音频样本集中的音频样本的音频特征，得到所述音频样本对应的多种第一音频特征之前，所述方法还包括：

获取所述多种特征提取算法中每种特征提取算法所匹配的应用场景的场景数量；

获取所述场景数量小于预设阈值的特征提取算法，作为目标特征提取算法；

所述基于所述多种特征提取算法中的每种特征提取算法，分别提取所述音频样本集中的音频样本的音频特征，得到所述音频样本对应的多种第一音频特征，包括：

基于剔除所述目标特征提取算法后的所述多种特征提取算法中的每种特征提取算法，分别提取所述音频样本集中的音频样本的音频特征，得到所述音频样本对应的多种第一音频特征。

4.根据权利要求1-3任一项所述的方法，其特征在于，在所述得到训练后的所述活体检测模型之后，所述方法还包括：

获取待检测音频；

将所述待检测音频输入至训练后的所述活体检测模型中的第一神经网络进行特征提取，得到第三音频特征；

将所述第三音频特征输入至训练后的所述活体检测模型中的第二神经网络，得到所述待检测音频的识别结果。