[发明专利]活体攻击检测模型的训练方法、活体攻击检测方法及装置

权利要求书

1.一种活体攻击检测模型的训练方法，包括：

对多个人脸样本图像进行划分处理，得到多个训练子集；

基于元学习的训练策略，利用所述训练子集对多个老师模型和学生模型进行联合蒸馏训练处理；所述元学习的训练策略表征对每个训练子集进行多轮基于随机采样的子联合蒸馏训练和子测试；不同的所述老师模型关于活体攻击检测的学习能力不同，所述老师模型的所述学习能力高于所述学生模型的所述学习能力；

若确定满足训练结束条件，则将当前的所述学生模型确定为活体攻击检测模型；所述活体攻击检测模型用于对待检测的人脸图像进行活体攻击检测处理，得到活体攻击检测结果。

2.根据权利要求1所述的方法，所述基于元学习的训练策略，利用所述训练子集对第一老师模型、第二老师模型和学生模型进行联合蒸馏训练处理，包括：

针对每个所述训练子集，从所述训练子集中进行多轮次的随机采样处理，得到每个轮次所对应的支持集和查询集；

针对每个轮次所对应的所述支持集和所述查询集，利用所述支持集对多个老师模型和学生模型进行子联合蒸馏训练处理，得到训练后的所述多个老师模型和所述学生模型；

利用所述查询集对训练后的所述老师模型和所述学生模型进行子测试处理。

3.根据权利要求2所述的方法，所述利用所述支持集对多个老师模型和学生模型进行子联合蒸馏训练，得到训练后的所述多个老师模型和所述学生模型，包括：

将所述支持集同时输入所述多个老师模型和所述学生模型中进行活体攻击检测处理，得到每个所述老师模型的第一检测结果和所述学生模型的第二检测结果；

根据确定的损失函数，基于各所述第一检测结果和所述第二检测结果进行损失计算处理，得到目标损失；

根据所述目标损失对所述多个老师模型和所述学生模型进行模型参数调整，得到训练后的所述多个老师模型和所述学生模型。

4.根据权利要求3所述的方法，所述根据确定的损失函数，基于各所述第一检测结果和所述第二检测结果进行损失计算处理，得到目标损失，包括：

根据所述多个老师模型关于活体攻击检测的学习能力，对所述多个老师模型进行排序处理，得到排序结果；

针对所述排序结果中任一相邻的两个目标老师模型，根据确定的损失函数，基于所述目标老师模型的所述第一检测结果、所述第一检测结果所对应的人脸样本图像的标签，进行联合损失计算处理得到第一损失；

根据所述损失函数，基于学习能力最低的老师模型的所述第一检测结果、所述第二检测结果及所述第二检测结果对应的所述人脸样本图像的标签，进行联合损失计算处理得到第二损失；

对所述第一损失和所述第二损失进行预设处理，得到目标损失。

5.根据权利要求4所述的方法，所述根据确定的损失函数，基于所述目标老师模型的所述第一检测结果、所述第一检测结果所对应的人脸样本图像的标签，进行联合损失计算处理得到第一损失，包括：

根据确定的第一损失函数，基于所述目标老师模型的所述第一检测结果进行损失计算处理，得到第一子损失；

根据确定的第二损失函数，基于所述目标老师模型中学习能力低的目标老师模型的第一检测结果和所述第一检测结果对应的所述人脸样本图像的标签进行损失计算处理，得到第二子损失；

将所述第一子损失和所述第二子损失，确定为第一损失。

6.根据权利要求4所述的方法，所述根据所述损失函数，基于学习能力最低的老师模型的所述第一检测结果、所述第二检测结果及所述第二检测结果对应的所述人脸样本图像的标签，进行联合损失计算处理得到第二损失，包括：

根据确定的第一损失函数，基于学习能力最低的老师模型的所述第一检测结果和所述第二检测结果进行损失计算处理，得到第三子损失；

根据确定的第二损失函数，基于所述第二检测结果和所述第二检测结果对应的所述人脸样本图像的标签进行损失计算处理，得到第四子损失；

将所述第三子损失和所述第四子损失，确定为第二损失。