【技术实现步骤摘要】
人脸活体检测模型的训练方法、人脸活体检测方法及装置
[0001]本公开涉及人工智能
,尤其涉及图像处理
、
计算机视觉等
,具体涉及人脸活体检测模型的训练方法及装置
、
人脸活体检测方法及装置
、
电子设备
、
存储介质和计算机程序产品
。
技术介绍
[0002]人脸活体检测技术是基于人的脸部特征信息进行身份识别的一种生物识别技术
。
很多产品支持人脸活体检测技术,如金融
、
教育等领域产品,需要人脸活体检测技术对用户身份进行识别
。
随着技术的进一步成熟和社会认同度的提高,需要进一步提高人脸活体检测技术的准确度
。
技术实现思路
[0003]本公开提供了人脸活体检测模型的训练方法及装置
、
人脸活体检测方法及装置
、
电子设备
、
存储介质和计算机程序产品
。
[0004]根据本公开的一方面,提供了一种人脸活体检测模型的训练方法,包括:
[0005]基于人脸活体检测模型从样本集的各样本图像中分别提取出用于构建样本对的人脸特征,并基于人脸活体检测模型分别确定各样本图像的人脸活体检测结果;该样本集中包括含有人脸活体的第一类样本图像和不含有人脸活体的第二类样本图像;以及,
[0006]从各样本图像的文本描述中分别提取出用于构建样本对的文本特征;其中,每个样本对中包括任一样本图像的人脸特征和 ...
【技术保护点】
【技术特征摘要】
1.
一种人脸活体检测模型的训练方法,包括:基于人脸活体检测模型从样本集的各样本图像中分别提取出用于构建样本对的人脸特征,并基于所述人脸活体检测模型分别确定各样本图像的人脸活体检测结果;所述样本集中包括含有人脸活体的第一类样本图像和不含有人脸活体的第二类样本图像;以及,从所述各样本图像的文本描述中分别提取出用于构建样本对的文本特征;其中,每个样本对中包括任一样本图像的人脸特征和任一样本图像的文本特征;基于多个样本对中人脸特征和文本特征之间的对比损失,以及各样本图像的人脸活体检测结果和标注结果之间的分类损失,确定总损失值;所述对比损失用于缩小同一样本图像的人脸特征和文本特征之间的距离,并增大所述第一类样本图像和所述第二类样本图像的人脸特征之间的距离;基于所述总损失值调整所述人脸活体检测模型的可学习参数,在所述人脸活体检测模型满足收敛条件的情况下,得到已训练人脸活体检测模型
。2.
根据权利要求1所述的方法,其中,确定所述多个样本对中人脸特征和文本特征之间的对比损失,包括:确定所述多个样本对中人脸特征和文本特征之间的相似度;基于多个样本对中人脸特征和文本特征之间的相似度,确定对比损失
。3.
根据权利要求2所述的方法,其中,确定所述多个样本对中人脸特征和文本特征之间的相似度,包括:基于各样本图像的文本特征,构建文本特征矩阵;以及,基于各样本图像的人脸特征,构建人脸特征矩阵;将所述文本特征矩阵和所述人脸特征矩阵进行矩阵乘法运算,得到相似度矩阵;从所述相似度矩阵中筛选出所述多个样本对的人脸特征和文本特征之间的相似度
。4.
根据权利要求3所述的方法,其中,所述多个样本对中包括多个正样本对和多个负样本对,所述从所述相似度矩阵中筛选出所述多个样本对的人脸特征和文本特征之间的相似度,包括:从所述相似度矩阵中筛选出正样本对的相似度以及负样本对的相似度,得到所述多个样本对的人脸特征和文本特征之间的相似度;其中,所述正样本对为采用同一样本图像的人脸特征和文本特征构建的样本对;所述负样本对为采用不同类别的样本图像的人脸特征和文本特征构建的样本对
。5.
根据权利要求3所述的方法,其中,所述从所述相似度矩阵中筛选出所述多个样本对的人脸特征和文本特征之间的相似度,包括:从所述相似度矩阵中,筛选出满足以下预设要求集合中的任一预设要求的相似度,得到所述多个样本对的人脸特征和文本特征之间的相似度;其中,所述预设要求集合包括:相似度大于第一阈值,相似度小于第二阈值
。6.
根据权利要求1‑5中任一项所述的方法,其中,所述文本描述包括:样本图像的图像内容和提示词,所述提示词用于指示所述样本图像是否包含人脸活体
。7.
根据权利要求1‑6中任一项所述的方法,所述第二类样本图像包括以下至少一种类型的图像:电子屏幕显示的人脸图像
、
纸质照片的电子图像
、
二维面具的电子图像
、
三维头模的电子图像
、
证件照的电子图像
。
8.
根据权利要求1‑7中任一项所述的方法,其中,针对各样本图像,从所述样本图像的文本描述中提取出用于构建样本对的文本特征,包括:对所述样本图像的文本描述进行分词处理,获取所述文本描述中的多个字段;从所述多个字段中识别出提示词;所述提示词用于指示所述样本图像是否包含人脸活体;对所述多个字段中,除所述提示词之外的字段进行随机掩码处理,得到中间文本;对所述中间文本进行特征提取,得到所述样本图像的文本特征
。9.
根据权利要求1‑7中任一项所述的方法,其中,针对各样本图像,从所述样本图像的文本描述中提取出用于构建样本对的文本特征,包括:对所述文本描述中指定位置进行随机掩码处理,得到中间文本;所述指定位置为不包含提示词的位置,所述提示词用于指示所述样本图像是否包含人脸活体;对所述中间文本进行特征提取,得到所述样本图像的文本特征
。10.
根据权利要求1‑9中任一项所述的方法,针对各样本图像,还包括基于以下方法获取所述样本图像:获取所述样本图像的原始图像;检测所述原始图像中目标人脸的位置信息,获取所述目标人脸在所述原始图像中的第一人脸区域;提取所述第一人脸区域内的人脸关键点;基于所述人脸关键点在所述原始图像中的位置信息,确定所述目标人脸在所述原始图像中的第二人脸区域;基于所述第二人脸区域从所述原始图像中裁剪出所述样本图像
。11.
根据权利要求
10
所述的方法,其中,所述基于所述第二人脸区域从所述原始图像中裁剪出所述样本图像,包括:将所述第二人脸区域进行放大处理,获取第三人脸区域;从所述原始图像中裁剪出所述第三人脸区域内的图像,得到所述样本图像
。12.
根据权利要求1‑
11
中任一项所述的方法,所述文本特征是基于文本特征提取网络得到的,所述方法还包括:基于所述总损失,调整所述文本特征提取网络的可学习参数,在所述人脸活体检测模型满足收敛条件的情况下,结束对所述文本特征提取网络的训练
。13.
一种人脸活体检测方法,应用于所述权利要求1‑
12
任一项所述的方法得到的已训练人脸活体检测模型,包括:获取待检测图像;将所述待检测图像输入所述已训练人脸活体检测模型,得到所述待检测图像的人脸活体检测结果
。14.
一种人脸活体检测模型的训练装置,包括:第一提取模块,用于基于人脸活体检测模型从样本集的各样本图像中分别提取出用于构建样本对的人脸特征,并基于所述人脸活体检测模型分别确定各样本图像的人脸活体检测结果;所述样本集中包括含有人脸活体的第一类样本图像和不含有人脸活体的第二类样本图像;以及,
第二提取模块,用于从所述各样本图像的文本描述中分别提取出用于构建样本对的文本特征;其中,每个样本对中包括任一样本图像的人脸特征和任一样本图像的文本特征;损失确定模块,用于基于多个样本对中人脸特征和文本特征...
【专利技术属性】
技术研发人员:王珂尧,张国生,岳海潇,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。