[发明专利]一种活体检测模型的训练方法、装置及电子设备

说明书

本公开提供了一种活体检测模型的训练方法、装置及电子设备，涉及人工智能技术领域，尤其涉及深度学习技术领域。具体实现方案为：获取活体检测模型、至少两张样本图像和各样本图像的分类标签；将样本图像输入所述特征提取网络进行特征提取得到各样本图像的特征向量；将特征向量输入长特征队列网络进行度量学习，得到各特征向量的第一检测结果；将特征向量输入二分类网络中进行二分类，得到各特征向量的第二检测结果；基于所述第一检测结果、第二检测结果和所述分类标签，得到活体检测模型的损失；根据活体检测模型的损失调整活体检测模型的参数。本公开实现了活体检测模型的训练。

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习技术领域。

背景技术

人脸活体检测指的是基于对图像中所包含的人脸进行检测区分，判断其是否来自于真人。人脸活体检测是人脸识别技术的基础，能够通过检测结果保证人脸识别的安全性。当前主流的方法是利用深度学习技术来实现人脸活体检测，其相较于传统方法能够大幅度提升精度。

发明内容

本公开提供了一种活体检测模型的训练方法、装置及电子设备。

根据本公开的一方面，提供了一种活体检测模型的训练方法，包括：

获取活体检测模型、至少两张样本图像和各所述样本图像的分类标签，其中，所述活体检测模型包括特征提取网络、长特征队列网络和二分类网络；

将所述样本图像输入所述特征提取网络进行特征提取，得到各所述样本图像的特征向量；

将所述特征向量输入所述长特征队列网络进行度量学习，得到各所述特征向量的第一检测结果；

将所述特征向量输入所述二分类网络中进行二分类，得到各所述特征向量的第二检测结果；

基于所述第一检测结果、所述第二检测结果和所述分类标签，得到所述活体检测模型的损失；

根据所述活体检测模型的损失调整所述活体检测模型的参数。

根据本公开的另一方面，提供了一种活体检测方法，包括：

获取待检测图像；

将所述待检测图像输入到预先训练好的活体检测模型中，得到所述待检测图像的检测结果，其中，所述活体检测模型为上述任一所述的活体检测模型的训练方法训练得到。

根据本公开的另一方面，提供了一种活体检测模型的训练装置，包括：

模型样本获取模块，用于获取活体检测模型、至少两张样本图像和各所述样本图像的分类标签，其中，所述活体检测模型包括特征提取网络、长特征队列网络和二分类网络；

特征提取模块，用于将所述样本图像输入所述特征提取网络进行特征提取，得到各所述样本图像的特征向量；

度量学习模块，用于将所述特征向量输入所述长特征队列网络进行度量学习，得到各所述特征向量的第一检测结果；

二分类模块，用于将所述特征向量输入所述二分类网络中进行二分类，得到各所述特征向量的第二检测结果；

损失获得模块，用于基于所述第一检测结果、所述第二检测结果和所述分类标签，得到所述活体检测模型的损失；

参数调整模块，用于根据所述活体检测模型的损失调整所述活体检测模型的参数。

根据本公开的另一方面，提供了一种活体检测装置，包括：

图像获取模块，用于获取待检测图像；

图像检测模块，用于将所述待检测图像输入到预先训练好的活体检测模型中，得到所述待检测图像的检测结果，其中，所述活体检测模型为上述任一所述的活体检测模型的训练装置训练得到。