用于检测人脸图像的方法和装置制造方法及图纸

本申请实施例公开了用于检测人脸图像的方法和装置。该方法的一具体实施方式包括：获取目标人脸的待检测人脸图像；将待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，其中，第一活体检测模型用于确定输入的人脸图像对应的人脸是否为活体人脸，第一活体检测模型的训练样本由活体人脸的人脸图像和用于表征检测到活体人脸的检测结果组成。该实施方式提高了活体检测的灵活性。

Method and device for detecting face image

The embodiment of the application discloses a method and an apparatus for detecting face images. One specific embodiment of the method includes: acquiring the face image to be detected of the target face; inputting the face image to be detected into the pre-trained first vivid detection model to obtain the detection result, in which the first vivid detection model is used to determine whether the face corresponding to the input face image is a living face, and the first vivid detection model. The training samples of the body detection model consist of the face images of living faces and the detection results used to characterize the detected faces. This method improves the flexibility of living detection.

【技术实现步骤摘要】
用于检测人脸图像的方法和装置
本申请实施例涉及计算机
，具体涉及用于检测人脸图像的方法和装置。
技术介绍
随着计算机技术的发展，人脸识别技术的应用越来越广泛。在人脸识别领域，通过生物体的生物特征不仅能够区分生物个体，还能够对生物个体的身体状态进行判断。例如，通过生物体图像可以判断生物是否为活体；生物体图像还可以作为解锁的判断依据。然而，采用拍照、摄像等手段，可以得到活体人脸的非活体人脸图像或非活体人脸视频等。利用非活体人脸图像、非活体人脸视频可以冒充他人身份，以进行损害他人利益的不当行为。在各个行业(例如金融行业)，人脸识别技术已逐渐用于远程开户、取款、支付等，以进行身份验证。活体检测结果的准确性往往关乎用户的切身利益。
技术实现思路
本申请实施例提出了用于检测人脸图像的方法和装置。第一方面，本申请实施例提供了一种用于检测人脸图像的方法，该方法包括：获取目标人脸的待检测人脸图像；将待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，其中，第一活体检测模型用于确定输入的人脸图像对应的人脸是否为活体人脸，第一活体检测模型的训练样本由活体人脸的人脸图像和用于表征检测到活体人脸的检测结果组成。在一些实施例中，第一活体检测模型是通过如下步骤训练得到的：获取第一活体检测模型的训练样本集合，其中，训练样本由活体人脸的人脸图像和用于表征检测到活体人脸的检测结果组成；利用机器学习算法，将训练样本集合中的每个训练样本包括的人脸图像作为输入，将用于表征检测到活体人脸的检测结果作为输出，训练得到第一活体检测模型。在一些实施例中，第一活体检测模型包括预先训练的第二活体检测模型；以及将待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，包括：提取待检测人脸图像的特征数据；将特征数据输入至第二活体检测模型，得到检测结果，其中，第二活体检测模型用于确定输入的特征数据对应的人脸是否为活体人脸，第二活体检测模型的训练样本由活体人脸的人脸图像的特征数据和用于表征检测到活体人脸的检测结果组成。在一些实施例中，第一活体检测模型包括预先训练的第一概率模型；以及将待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，包括：将待检测人脸图像输入至第一概率模型，得到目标人脸为活体人脸的概率，其中，第一概率模型用于确定待检测人脸图像对应的人脸为活体人脸的概率，第一概率模型的训练样本由活体人脸的人脸图像和人脸图像对应的人脸是活体人脸的概率组成；基于概率与预设的概率阈值的大小关系，生成检测结果。在一些实施例中，第一活体检测模型包括预先训练的第二概率模型；以及将待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，包括：提取待检测人脸图像的特征数据；将特征数据输入至第二概率模型，得到目标人脸为活体人脸的概率，其中，第二概率模型用于确定特征数据对应的人脸为活体人脸的概率，第二概率模型的训练样本由活体人脸的人脸图像的特征数据和人脸图像对应的人脸是活体人脸的概率组成；基于概率与预设的概率阈值的大小关系，生成检测结果。在一些实施例中，第一活体检测模型为单分类支持向量机。第二方面，本申请实施例提供了一种用于检测人脸图像的装置，该装置包括：获取单元，配置用于获取目标人脸的待检测人脸图像；输入单元，配置用于将待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，其中，第一活体检测模型用于确定输入的人脸图像对应的人脸是否为活体人脸，第一活体检测模型的训练样本由活体人脸的人脸图像和用于表征检测到活体人脸的检测结果组成。在一些实施例中，第一活体检测模型是通过如下步骤训练得到的：获取第一活体检测模型的训练样本集合，其中，训练样本由活体人脸的人脸图像和用于表征检测到活体人脸的检测结果组成；利用机器学习算法，将训练样本集合中的每个训练样本包括的人脸图像作为输入，将用于表征检测到活体人脸的检测结果作为输出，训练得到第一活体检测模型。在一些实施例中，第一活体检测模型包括预先训练的第二活体检测模型；以及输入单元包括：提取模块，配置用于提取待检测人脸图像的特征数据；输入模块，配置用于将特征数据输入至第二活体检测模型，得到检测结果，其中，第二活体检测模型用于确定输入的特征数据对应的人脸是否为活体人脸，第二活体检测模型的训练样本由活体人脸的人脸图像的特征数据和用于表征检测到活体人脸的检测结果组成。在一些实施例中，第一活体检测模型包括预先训练的第一概率模型；以及输入单元包括：输入模块，配置用于将待检测人脸图像输入至第一概率模型，得到目标人脸为活体人脸的概率，其中，第一概率模型用于确定待检测人脸图像对应的人脸为活体人脸的概率，第一概率模型的训练样本由活体人脸的人脸图像和人脸图像对应的人脸是活体人脸的概率组成；生成模块，配置用于基于概率与预设的概率阈值的大小关系，生成检测结果。在一些实施例中，第一活体检测模型包括预先训练的第二概率模型；以及输入单元包括：提取模块，配置用于提取待检测人脸图像的特征数据；输入模块，配置用于将特征数据输入至第二概率模型，得到目标人脸为活体人脸的概率，其中，第二概率模型用于确定特征数据对应的人脸为活体人脸的概率，第二概率模型的训练样本由活体人脸的人脸图像的特征数据和人脸图像对应的人脸是活体人脸的概率组成；生成模块，配置用于基于概率与预设的概率阈值的大小关系，生成检测结果。在一些实施例中，第一活体检测模型为单分类支持向量机。第三方面，本申请实施例提供了一种用于检测人脸图像的服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得该一个或多个处理器实现如上述用于检测人脸图像的方法中任一实施例的方法。第四方面，本申请实施例提供了一种用于检测人脸图像的计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述用于检测人脸图像的方法中任一实施例的方法。本申请实施例提供的用于检测人脸图像的方法和装置，通过获取目标人脸的待检测人脸图像，然后将待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，其中，第一活体检测模型用于确定输入的人脸图像对应的人脸是否为活体人脸，第一活体检测模型的训练样本由活体人脸的人脸图像和用于表征检测到活体人脸的检测结果组成，从而提高了活体检测的灵活性。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请实施例可以应用于其中的示例性系统架构图；图2是根据本申请的用于检测人脸图像的方法的一个实施例的流程图；图3是根据本申请的用于检测人脸图像的方法的一个应用场景的示意图；图4是根据本申请的用于检测人脸图像的方法的又一个实施例的流程图；图5是根据本申请的用于检测人脸图像的装置的一个实施例的结构示意图；图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施本文档来自技高网...

【技术保护点】
1.一种用于检测人脸图像的方法，包括：获取目标人脸的待检测人脸图像；将所述待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，其中，所述第一活体检测模型用于确定输入的人脸图像对应的人脸是否为活体人脸，所述第一活体检测模型的训练样本由活体人脸的人脸图像和用于表征检测到活体人脸的检测结果组成。

【技术特征摘要】
1.一种用于检测人脸图像的方法，包括：获取目标人脸的待检测人脸图像；将所述待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，其中，所述第一活体检测模型用于确定输入的人脸图像对应的人脸是否为活体人脸，所述第一活体检测模型的训练样本由活体人脸的人脸图像和用于表征检测到活体人脸的检测结果组成。2.根据权利要求1所述的方法，其中，所述第一活体检测模型是通过如下步骤训练得到的：获取第一活体检测模型的训练样本集合，其中，训练样本由活体人脸的人脸图像和用于表征检测到活体人脸的检测结果组成；利用机器学习算法，将所述训练样本集合中的每个训练样本包括的人脸图像作为输入，将用于表征检测到活体人脸的检测结果作为输出，训练得到第一活体检测模型。3.根据权利要求1所述的方法，其中，所述第一活体检测模型包括预先训练的第二活体检测模型；以及所述将所述待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，包括：提取所述待检测人脸图像的特征数据；将所述特征数据输入至所述第二活体检测模型，得到检测结果，其中，所述第二活体检测模型用于确定输入的特征数据对应的人脸是否为活体人脸，所述第二活体检测模型的训练样本由活体人脸的人脸图像的特征数据和用于表征检测到活体人脸的检测结果组成。4.根据权利要求1所述的方法，其中，所述第一活体检测模型包括预先训练的第一概率模型；以及所述将所述待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，包括：将所述待检测人脸图像输入至所述第一概率模型，得到所述目标人脸为活体人脸的概率，其中，所述第一概率模型用于确定待检测人脸图像对应的人脸为活体人脸的概率，所述第一概率模型的训练样本由活体人脸的人脸图像和人脸图像对应的人脸是活体人脸的概率组成；基于所述概率与预设的概率阈值的大小关系，生成检测结果。5.根据权利要求1所述的方法，其中，所述第一活体检测模型包括预先训练的第二概率模型；以及所述将所述待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，包括：提取所述待检测人脸图像的特征数据；将所述特征数据输入至所述第二概率模型，得到所述目标人脸为活体人脸的概率，其中，所述第二概率模型用于确定特征数据对应的人脸为活体人脸的概率，所述第二概率模型的训练样本由活体人脸的人脸图像的特征数据和人脸图像对应的人脸是活体人脸的概率组成；基于所述概率与预设的概率阈值的大小关系，生成检测结果。6.根据权利要求1所述的方法，其中，所述第一活体检测模型为单分类支持向量机。7.一种用于检测人脸图像的装置，包括：获取单元，配置用于获取目标人脸的待检测人脸图像；输入单元，配置用于将所述待检测人脸图像输入至预先训练的第一...

【专利技术属性】
技术研发人员：洪智滨，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11