【技术实现步骤摘要】
图像识别方法及图像识别模型的训练方法
本说明书一个或多个实施例涉及图像识别
,尤其涉及一种图像识别方法及图像识别模型的训练方法。
技术介绍
在人脸识别技术越来越普遍的今天,用户对于人脸识别设备的安全性有了更高的要求。在人脸识别设备受到攻击时,所获取到的人脸图像可能并非现场采集的带有真实人脸的非攻击图像,而是事先准备好的带有人脸的攻击图像。因此,人脸识别设备在获取到人脸图像后,需要在确定人脸图像为非攻击图像之后,再对人脸图像进行人脸识别,以提高人脸识别的安全性。但是,已有的图像识别方法无法快速、准确地识别人脸图像是否为攻击图像,使得人脸识别的安全性较低。
技术实现思路
本说明书一个或多个实施例提供了一种图像识别方法及图像识别模型的训练方法,能够快速、准确地确定目标人脸图像的攻击图像识别结果,提高人脸识别的安全性。本说明书一个或多个实施例提供的技术方案如下:第一方面,提供了一种图像识别方法,包括:获取目标人脸图像;对目标人脸图像进行预设层数的小波分析处理,得到预设层数的目标小波人脸图像;将预设层数的目标小波人脸图像输入预设的图像识别模型中,得到目标人脸图像对应的预测值;其中,图像识别模型由多个人脸训练图像对应的预设层数的小波人脸训练图像和每个人脸训练图像对应的标记值训练生成,多个人脸训练图像包括攻击图像和非攻击图像;根据预测值,确定目标人脸图像对应的攻击图像识别结果。第二方面,提供了一种图像识别模型的训练方法,包括:获取多个 ...
【技术保护点】
1.一种图像识别方法,包括:/n获取目标人脸图像;/n对所述目标人脸图像进行预设层数的小波分析处理,得到所述预设层数的目标小波人脸图像;/n将所述预设层数的目标小波人脸图像输入预设的图像识别模型中,得到所述目标人脸图像对应的预测值;其中,所述图像识别模型由多个人脸训练图像对应的所述预设层数的小波人脸训练图像和每个所述人脸训练图像对应的标记值训练生成,所述多个人脸训练图像包括攻击图像和非攻击图像;/n根据所述预测值,确定所述目标人脸图像对应的攻击图像识别结果。/n
【技术特征摘要】
1.一种图像识别方法,包括:
获取目标人脸图像;
对所述目标人脸图像进行预设层数的小波分析处理,得到所述预设层数的目标小波人脸图像;
将所述预设层数的目标小波人脸图像输入预设的图像识别模型中,得到所述目标人脸图像对应的预测值;其中,所述图像识别模型由多个人脸训练图像对应的所述预设层数的小波人脸训练图像和每个所述人脸训练图像对应的标记值训练生成,所述多个人脸训练图像包括攻击图像和非攻击图像;
根据所述预测值,确定所述目标人脸图像对应的攻击图像识别结果。
2.根据权利要求1所述的方法,其中,所述对所述目标人脸图像进行预设层数的小波分析处理,得到所述预设层数的目标小波人脸图像之前,所述方法还包括:
对所述目标人脸图像进行滤波处理,得到目标人脸滤波图像;
其中,所述对所述目标人脸图像进行预设层数的小波分析处理,得到所述预设层数的目标小波人脸图像,包括:
对所述目标人脸滤波图像进行所述预设层数的小波分析处理,得到所述预设层数的目标小波人脸图像。
3.根据权利要求2所述的方法,其中,所述滤波处理包括高斯滤波处理和均值滤波处理中的任一项。
4.根据权利要求1所述的方法,其中,所述对所述目标人脸图像进行预设层数的小波分析处理,得到所述预设层数的目标小波人脸图像,包括:
对所述目标人脸图像进行均一化处理,得到目标均一化人脸图像;
对所述目标均一化人脸图像进行所述预设层数的小波分析处理,得到所述预设层数的目标小波人脸图像。
5.根据权利要求4所述的方法,其中,所述对所述目标人脸图像进行均一化处理,得到目标均一化人脸图像,包括:
对所述目标人脸图像进行人脸检测处理,得到目标人脸区域图像;
将所述目标人脸区域图像调整至预设尺寸,得到所述目标均一化人脸图像。
6.根据权利要求1所述的方法,其中,所述图像识别模型包括多个图像识别子模型,每个所述图像识别子模型与一层所述目标小波人脸图像相对应,每个所述图像识别子模型根据所述人脸训练图像对应的一层所述小波人脸训练图像和所述人脸训练图像对应的标记值训练生成;
其中,所述将所述预设层数的目标小波人脸图像输入预设的图像识别模型中,得到所述目标人脸图像对应的预测值,包括:
将目标层数的目标小波人脸图像分别输入对应的所述图像识别子模型中,得到所述目标层数对应的子预测值;其中,至少一个所述目标层数对应的子预测值构成所述预测值。
7.根据权利要求6所述的方法,其中,所述根据所述预测值,确定所述目标人脸图像对应的攻击图像识别结果,包括:
若所述子预测值之和大于第一预设阈值,则确定所述攻击图像识别结果为第一识别结果;
若所述子预测值之和小于或等于所述第一预设阈值,则确定所述攻击图像识别结果为第二识别结果。
8.一种图像识别模型的训练方法,包括:
获取多个训练样本;其中,每个所述训练样本包括人脸训练图像和所述人脸训练图像对应的标记值,所述多个人脸训练图像包括攻击图像和非攻击图像;
针对每个所述训练样本,对所述人脸训练图像进行预设层数的小波分析处理,得到所述预设层数的小波人脸训练图像;
利用多个人脸训练图像对应的所述预设层数的小波人脸训练图像和每个所述人脸训练图像对应的标记值训练预设分类模型,得到图像识别模型。
9.根据权利要求8所述的方法,其中,所述对所述人脸训练图像进行预设层数的小波分析处理,得到所述预设层数的小波人脸训练图像之前,还包括:
对所述人脸训练图像进行滤波处理,得到人脸训练滤波图像;
其中,所述人脸训练图像进行预设层数的小波分析处理,得到所述预设层数的小波人脸训练图像,包括:
对所述人脸训练滤波图像进行所述预设层数的小波分析处理,得到所述预设层数的小波人脸训练图像。
10.根据权利要求9所述的方法,其中,所述滤波处理包括高斯滤波处理和均值滤波处理中的任一项。
11.根据权利要求8所述的方法,其中,所述对所述人脸训练图像进行预设层数的小波分析处理,得到所述预设层数的小波人脸训练图像,包括:
对所述人脸训练图像进行均一化处理,得到均一化人脸训练图像;
对所述均一化人脸训练图像进行所述预设层数的小波分析处理,得到所述预设层数的小波人脸训练图像。
12.根据权利要求11所述的方法,其中,所述对所述人脸训练图像进行均一化处理,得到均一化人脸训练图像,包括:
对所述人脸训练图像进行人脸检测处理,得到人脸区域训练图像;
将所述人脸区域训练图像调整至预设尺寸,得到所述均一化人脸训练图像。
13.根据权利要求8所述的方法,其中,所述预设分类模型包括多个分类子模型,每个所述分类子模型与一层所述小波人脸训练图像相对应;
其中,所述利用多个人脸训练图像对应的所述预设层数的小波人脸训练图像和每个所述人脸训练图像对应的标记值训练预设分类模型,得到图像识别模型,包括:
针对每个所述分类子模型,利用多个所述人脸训练图像的与所述分类子模型对应的一层所述小波人脸训练图像和每个所述人脸训练图像对应的标记值训练所述分类子模型,得到图像识别子模型;其中,多个所述图像识别子模型构成所述图像识别模型。
14.根据权利要求8所述的方法,其中,所述利用多个人脸训练图像对应的所述预设层数的小波人脸训练图像和每个所述人脸训练图像对应的标记值训练预设分类模型,得到图像识别模型之后,所述方法还包括:
获取多个验证样本;其中,每个所述验证样本包括人脸验证图像和所述人脸验证图像对应的标记值;
针对每个所述验证样本,对所述人脸验证图像进行预设层数的小波分析处理,得到所述预设层数的小波人脸验证图像;
利用多个人脸验证图像对应的所述预设层数的小波人脸验证图像和每个所述人脸验证图像对应的标记值,得到所述图像识别模型的准确率;
在所述准确率低于预设准确率的情况下,调整模型学习率或者重新获取多个训练样本,并继续训练所...
【专利技术属性】
技术研发人员:曹佳炯,
申请(专利权)人:支付宝杭州信息技术有限公司,
类型:发明
国别省市:浙江;33
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。