[发明专利]人脸活体检测模型的训练方法、装置及计算机程序产品

权利要求书

1.一种人脸活体检测模型的训练方法，包括：

获取训练样本集，其中，所述训练样本集包括：样本人脸图像、表征所述样本人脸图像是否为活体人脸图像的标签；

根据所述样本人脸图像，得到至少两个不同的同源图像；

通过特征提取网络分别对所述至少两个不同的同源图像进行特征提取，得到至少两个第一特征数据；

通过回归网络对所述至少两个第一特征数据进行处理，得到至少两个第二特征数据；

根据所述至少两个第一特征数据获取第一损失；

根据所述第二特征数据和所述标签获取第二损失；

根据所述第一损失和所述第二损失，训练人脸活体检测模型，所述人脸活体检测模型包括：所述特征提取网络和所述回归网络。

2.根据权利要求1所述的方法，其中，所述根据所述样本人脸图像，得到至少两个不同的同源图像，包括：

通过图像增广器，根据所述样本人脸图像，得到所述至少两个不同的同源图像。

3.根据权利要求1所述的方法，其中，所述通过回归网络对所述至少两个第一特征数据进行处理，得到至少两个第二特征数据，包括：

通过所述回归网络中的普通卷积层对所述第一特征数据进行卷积，得到第三特征数据；

通过所述回归网络中的转置卷积层对所述第三特征数据进行上采样，得到所述第二特征数据。

4.根据权利要求1所述的方法，其中，所述根据所述第二特征数据和所述标签获取第二损失，包括：

通过预设激活函数激活所述至少两个第二特征数据，得到至少两个第一特征图，所述第一特征图的值域为[0，1]；

通过回归损失函数，计算所述至少两个第一特征图与所述标签之间的所述第二损失，其中，所述标签为活体人脸图像对应的全一矩阵，或非活体人脸图像对应的全零矩阵。

5.根据权利要求1所述的方法，其中，所述根据所述至少两个第一特征数据获取第一损失，包括：

对所述至少两个第一特征数据中的每个三维的第一特征数据进行特征重塑，得到至少两个二维的重塑后的第四特征数据；

通过一致性损失函数，计算所述至少两个第四特征数据之间的所述第一损失。

6.一种人脸活体检测方法，包括：

获取待检测人脸图像；

通过训练后的人脸活体检测模型中的特征处理网络，提取所述待检测人脸图像的第五特征数据，其中，所述人脸活体检测模型通过权利要求1-5中任一项训练得到；

通过所述人脸活体检测模型中的回归网络，根据所述第五特征数据确定所述待检测人脸图像是否为活体人脸图像。

7.根据权利要求6所述的方法，其中，所述通过所述人脸活体检测模型中的回归网络，根据所述第五特征数据确定所述待检测人脸图像是否为活体人脸图像，包括：

通过所述回归网络对所述第五特征数据进行处理，得到第二特征图；

根据所述第二特征图中的特征值，得到表征所述待检测人脸图像为活体人脸图像的概率的置信度；

根据所述置信度，确定所述待检测人脸图像是否为活体人脸图像。

8.一种人脸活体检测模型的训练装置，包括：

第一获取单元，被配置成获取训练样本集，其中，所述训练样本集包括：样本人脸图像、表征所述样本人脸图像是否为活体人脸图像的标签；

得到单元，被配置成根据所述样本人脸图像，得到至少两个不同的同源图像；

第一提取单元，被配置成通过特征提取网络分别对所述至少两个不同的同源图像进行特征提取，得到至少两个第一特征数据；

处理单元，被配置成通过回归网络对所述至少两个第一特征数据进行处理，得到至少两个第二特征数据；

第一确定单元，被配置成根据所述至少两个第一特征数据获取第一损失；

第二确定单元，被配置成根据所述第二特征数据和所述标签获取第二损失；

训练单元，被配置成根据所述第一损失和所述第二损失，训练人脸活体检测模型，所述人脸活体检测模型包括：所述特征提取网络和所述回归网络。