人脸防伪识别模型的训练方法、人脸防伪识别方法及装置制造方法及图纸

本发明专利技术提供了一种人脸防伪识别模型的训练方法、人脸防伪识别方法及装置，本实施例可以在序列集中的样本类型与支撑集中的样本类型相同时，识别出已有的人脸防伪攻击方式，在序列集中的样本类型与支撑集中的样本类型不相同时，识别出新的人脸防伪攻击方式。也就是说，如果有新的攻击方式出现，得益于元学习的方式，元学习的人脸防伪识别模型能够发现新攻击方式中的通用特征从而进行防御，并且通过少量的样本，快速学到新的伪造人脸特征从而进行更有效的防御，因此能够大大提升人脸防伪识别结果的准确性。

【技术实现步骤摘要】
人脸防伪识别模型的训练方法、人脸防伪识别方法及装置
本专利技术涉及元学习领域，更具体的说，涉及一种人脸防伪识别模型的训练方法、人脸防伪识别方法及装置。
技术介绍
人脸防伪识别指的是针对伪造的人脸特征进行有效甄别，比如在人脸识别系统中，会有人制造一些伪造的人脸(比如视频，照片和面具等)对人脸识别系统进行攻击，人脸防伪识别就是针对伪造的人脸特征进行甄别。通常情况下，人脸防伪识别是通过预先训练好的人脸防伪识别模型来实现的，因此，人脸防伪识别模型的识别准确度是影响人脸防伪识别结果准确性的关键因素。随着社会的发展，对于安全的需求逐渐增加，而因此更加准确的识别出伪造人脸的需求也越来越高，因此对人脸防伪识别模型的识别准确度要求越来越高。
技术实现思路
有鉴于此，本专利技术提供一种人脸防伪识别模型的训练方法、人脸防伪识别方法及装置，以解决如何提高人脸防伪识别模型的识别准确度的问题。为解决上述技术问题，本专利技术采用了如下技术方案：一种人脸防伪识别模型的训练方法，包括：获取至少一个样本数据集；所述样本数据集包括本文档来自技高网...

【技术保护点】
1.一种人脸防伪识别模型的训练方法，其特征在于，包括：/n获取至少一个样本数据集；所述样本数据集包括两个子数据集，所述子数据集的属性不同，每一子数据集包括支撑集和序列集；所述子数据集包含的所述支撑集和所述序列集的样本类型部分相同或完全不同，所述子数据集的属性包括真实人脸图像和伪造人脸图像；/n利用所述至少一个样本数据集对所述元学习器进行训练，直到满足预设训练条件；/n其中，利用样本数据集对所述元学习器进行训练的过程包括：/n利用所述样本数据集中的子数据集中的支撑集对所述元学习器进行训练，得到内部更新后的元学习器，并利用所述样本数据集中的子数据集中的序列集对所述内部更新后的元学习器进行训练，得到...

【技术特征摘要】
1.一种人脸防伪识别模型的训练方法，其特征在于，包括：
获取至少一个样本数据集；所述样本数据集包括两个子数据集，所述子数据集的属性不同，每一子数据集包括支撑集和序列集；所述子数据集包含的所述支撑集和所述序列集的样本类型部分相同或完全不同，所述子数据集的属性包括真实人脸图像和伪造人脸图像；
利用所述至少一个样本数据集对所述元学习器进行训练，直到满足预设训练条件；
其中，利用样本数据集对所述元学习器进行训练的过程包括：
利用所述样本数据集中的子数据集中的支撑集对所述元学习器进行训练，得到内部更新后的元学习器，并利用所述样本数据集中的子数据集中的序列集对所述内部更新后的元学习器进行训练，得到外部更新后的元学习器。


2.根据权利要求1所述的训练方法，其特征在于，所述利用样本数据集对所述元学习器进行训练的过程还包括：
依据预先设定的外部更新结果与内部更新学习率之间的关联关系，调整所述外部更新后的元学习器的内部更新学习率。


3.根据权利要求2所述的训练方法，其特征在于，所述依据预先设定的外部更新结果与内部更新学习率之间的关联关系，调整所述外部更新后的元学习器的内部更新学习率包括：
将梯度下降算法中的步长作为外部更新学习率，并通过梯度下降算法对所述外部更新后的元学习器的损失进行优化，得到所述外部更新后的元学习器的内部更新学习率。


4.根据权利要求1-3任一项所述的训练方法，其特征在于，所述满足预设训练条件包括：
所述元学习器的测试准确率或损失函数满足预设条件，或，所述至少一个样本数据集被全部训练完。


5.一种人脸防伪识别方法，其特征在于，包括：
获取待识别人脸图像；
调用采用如权利要求1-4任一项所述人脸防伪识别模型的训练方法得到的人脸防伪识别模型，对所述待识别人脸图像进行处理；
获取所述预先训练的人脸防伪识别模型的处理结果。


6.一种人脸防伪识别模型的训练装置，其特征在于，包括：<...

【专利技术属性】
技术研发人员：赵晨旭，秦云霄，王泽正，余梓彤，周峰，
申请(专利权)人：北京爱笔科技有限公司，
类型：发明
国别省市：北京;11