一种图像数据处理方法、装置和相关设备制造方法及图纸

本申请实施例公开了一种图像数据处理方法、装置和相关设备，该方法包括：对获取到的包含目标对象的目标图像进行网格化处理，得到目标图像对应的网格图像块；通过目标防御网络模型从网格图像块中提取第一类型特征和第二类型特征，将第一类型特征和第二类型特征进行特征拼接，得到与目标图像相关联的图像块拼接特征；根据图像块拼接特征、目标防御网络模型，对网格图像块进行物理攻击检测，得到目标图像对应的物理攻击检测结果；若物理攻击检测结果指示目标图像中存在满足攻击检测条件的网格图像块，则将目标对象确定为攻击对象，以拒绝将目标图像传输至对象识别模型。采用本申请，可以提高攻击检测的准确性，以确保对象识别的可靠性。

【技术实现步骤摘要】
一种图像数据处理方法、装置和相关设备
本申请涉及计算机
，尤其涉及一种图像数据处理方法、装置和相关设备。
技术介绍
目前，当用户在使用某些软件（例如，软件X）的时候，会通过刷脸的方式访问这些软件的业务显示界面。比如，用户A可以通过刷脸的方式访问软件X，以执行与该用户A相关联的业务（例如，支付业务）。但是，另一用户（例如，非法攻击用户B）通常可以通过特定的攻击贴图（比如，可以佩戴特定的眼镜饰品）来伪装成该用户A，达到非法访问到该软件X的目的，进而可以让终端误识别该非法攻击用户B为用户A来执行前述支付业务。由此可见，现有的终端在进行刷脸业务时，可以对采集到的图像数据进行人脸识别的过程中进行活体检测，但是由于用户A和非法攻击用户B的人脸主体部分均属于活体，进而在非法攻击用户B通过物理攻击的方式伪装成用户A时，将难以对这两个用户进行区别，以至于存在将非法攻击用户B误识别为用户A的风险，从而难以确保人脸识别的可靠性。
技术实现思路
本申请提供一种图像数据处理方法、装置和相关设备，可以提高攻击检测的准确性，以确保对象识别的可靠性。本申请实施例一方面提供一种图像数据处理方法，包括：获取包含目标对象的目标图像，对目标图像进行网格化处理，得到目标图像对应的网格图像块；获取目标图像对应的目标防御网络模型，通过目标防御网络模型从网格图像块中提取第一类型特征和第二类型特征，将第一类型特征和第二类型特征进行特征拼接，得到与目标图像相关联的图像块拼接特征；根据图像块拼接特征、目标防御网络模型，对网格图像块进行物理攻击检测，得到网格图像块对应的物理攻击检测结果；若物理攻击检测结果指示目标图像中存在满足攻击检测条件的网格图像块，则将目标对象确定为攻击对象，拒绝将目标图像传输至与目标防御网络模型具有关联关系的对象识别模型。本申请实施例一方面提供一种图像数据处理装置，包括：目标图像获取模块，用于获取包含目标对象的目标图像，对目标图像进行网格化处理，得到目标图像对应的网格图像块；拼接特征确定模块，用于获取目标图像对应的目标防御网络模型，通过目标防御网络模型从网格图像块中提取第一类型特征和第二类型特征，将第一类型特征和第二类型特征进行特征拼接，得到与目标图像相关联的图像块拼接特征；攻击检测模块，用于根据图像块拼接特征、目标防御网络模型，对网格图像块进行物理攻击检测，得到网格图像块对应的物理攻击检测结果；攻击对象确定模块，用于若物理攻击检测结果指示目标图像中存在满足攻击检测条件的网格图像块，则将目标对象确定为攻击对象，拒绝将目标图像传输至与目标防御网络模型具有关联关系的对象识别模型。其中，目标图像获取模块包括：图像序列获取单元，用于若应用客户端对应的业务类型属于第一分类场景，则在与应用客户端相关联的前置摄像头开启时，调用前置摄像头采集与目标用户相关联的目标图像序列；目标图像序列包含至少一个用户图像数据；人脸检测单元，用于从目标图像序列的至少一个用户图像数据中获取目标用户图像数据，对目标用户图像数据进行人脸检测，得到人脸检测结果；目标图像获取单元，用于基于人脸检测结果，从目标用户图像数据中获取目标用户的人脸对应的图像，将获取到的图像作为包含目标对象的目标图像；目标对象为目标用户的人脸；图像裁剪单元，用于获取用于对目标图像进行网格化处理的网格参数，基于网格参数对目标图像进行裁剪处理，得到目标图像对应的网格图像块。其中，图像序列获取单元包括：采集界面输出子单元，用于响应针对应用客户端的访问触发操作，输出应用客户端对应的图像采集界面；摄像头启动子单元，用于在应用客户端对应的业务类型属于第一分类场景时，启动与应用客户端相关联的前置摄像头；图像数据输出子单元，用于在前置摄像头对应的采集时长内，对执行触发操作的目标用户的至少一个图像数据进行采集，将采集到的至少一个图像数据输出至图像采集界面；图像序列确定子单元，用于将图像采集界面上显示的至少一个图像数据确定为与目标用户相关联的目标图像序列。其中，目标图像获取单元包括：面部区域确定子单元，用于若人脸检测结果指示目标用户图像数据中存在属于人脸类型的目标特征点，则基于目标特征点在目标用户图像数据中确定目标用户的人脸所在的面部区域；面部区域截取子单元，用于从目标用户图像数据中截取面部区域，在面部区域中将目标用户的人脸作为目标对象，在面部区域中将目标对象对应的图像作为目标图像。其中，网格图像块的数量为多个；拼接特征确定模块包括：目标防御模型获取单元，用于获取目标图像对应的目标防御网络模型；目标防御网络模型包括：第一特征提取器和第二特征提取器；第一特征提取单元，用于通过第一特征提取器从每个网格图像块中提取统计图像特征，将提取到的每个网格图像块的统计图像特征分别确定为第一类型特征；第二特征提取单元，用于通过第二特征提取器从每个网格图像块中提取神经网络特征，将提取到的每个网格图像块的神经网络特征分别确定为第二类型特征；特征拼接单元，用于将每个网格图像块的第一类型特征和对应网格图像块的第二类型特征进行特征拼接，得到每个网格图像块的拼接特征，将每个网格图像块的拼接特征确定为与目标图像相关联的图像块拼接特征。其中，目标防御网络模型包括：分类器；分类器具有对目标图像中的网格图像块所属的分类类型进行分类的功能；攻击检测模块包括：匹配度确定单元，用于将图像块拼接特征输入至目标防御网络模型中的分类器，由分类器确定图像块拼接特征与分类器中的多个样本属性特征之间的匹配度；匹配度用于表征图像块拼接特征分别与每个样本属性特征属于相同分类类型的概率；最大匹配度确定单元，用于基于匹配度，在多个样本属性特征中获取与图像块拼接特征具有最大匹配度的样本属性特征，将具有最大匹配度的样本属性特征作为目标样本属性特征；攻击结果确定单元，用于将目标样本属性特征对应的样本标签信息作为图像块拼接特征对应的目标分类类型，基于目标分类类型以及与目标分类类型相关联的最大匹配度，确定对目标图像中的网格图像块进行分类后的物理攻击检测结果。其中，一个网格图像块对应一个物理攻击检测结果；多个样本属性特征对应的样本标签信息包含攻击类标签信息；攻击对象确定模块包括：检测条件获取单元，用于获取目标防御网络模型对应的攻击检测条件；图像块确定单元，用于若物理攻击检测结果中存在目标分类类型属于攻击类标签信息的物理攻击检测结果，则在网格图像块中将目标分类类型对应的网格图像块，确定为满足攻击检测条件的网格图像块；攻击对象确定单元，用于将目标图像中所包含的目标对象确定为攻击对象，拒绝将目标图像传输至与目标防御网络模型具有关联关系的对象识别模型。其中，装置还包括：提示信息生成模块，用于将满足攻击检测条件的网格图像块确定为异常图像块，在目标图像中确定异常图像块所属区域的位置信息，基于位置信息和目标分类本文档来自技高网...

【技术保护点】
1.一种图像数据处理方法，其特征在于，包括：/n获取包含目标对象的目标图像，对所述目标图像进行网格化处理，得到所述目标图像对应的网格图像块；/n获取所述目标图像对应的目标防御网络模型，通过所述目标防御网络模型从所述网格图像块中提取第一类型特征和第二类型特征，将所述第一类型特征和所述第二类型特征进行特征拼接，得到与所述目标图像相关联的图像块拼接特征；/n根据所述图像块拼接特征、所述目标防御网络模型，对所述网格图像块进行物理攻击检测，得到所述网格图像块对应的物理攻击检测结果；/n若所述物理攻击检测结果指示所述目标图像中存在满足攻击检测条件的网格图像块，则将所述目标对象确定为攻击对象，拒绝将所述目标图像传输至与所述目标防御网络模型具有关联关系的对象识别模型。/n

【技术特征摘要】
1.一种图像数据处理方法，其特征在于，包括：
获取包含目标对象的目标图像，对所述目标图像进行网格化处理，得到所述目标图像对应的网格图像块；
获取所述目标图像对应的目标防御网络模型，通过所述目标防御网络模型从所述网格图像块中提取第一类型特征和第二类型特征，将所述第一类型特征和所述第二类型特征进行特征拼接，得到与所述目标图像相关联的图像块拼接特征；
根据所述图像块拼接特征、所述目标防御网络模型，对所述网格图像块进行物理攻击检测，得到所述网格图像块对应的物理攻击检测结果；
若所述物理攻击检测结果指示所述目标图像中存在满足攻击检测条件的网格图像块，则将所述目标对象确定为攻击对象，拒绝将所述目标图像传输至与所述目标防御网络模型具有关联关系的对象识别模型。


2.根据权利要求1所述的方法，其特征在于，所述获取包含目标对象的目标图像，对所述目标图像进行网格化处理，得到所述目标图像对应的网格图像块，包括：
若应用客户端对应的业务类型属于第一分类场景，则在与所述应用客户端相关联的前置摄像头开启时，调用所述前置摄像头采集与目标用户相关联的目标图像序列；所述目标图像序列包含至少一个用户图像数据；
从所述目标图像序列的至少一个用户图像数据中获取目标用户图像数据，对所述目标用户图像数据进行人脸检测，得到人脸检测结果；
基于所述人脸检测结果，从所述目标用户图像数据中获取所述目标用户的人脸对应的图像，将获取到的图像作为包含目标对象的目标图像；所述目标对象为所述目标用户的人脸；
获取用于对所述目标图像进行网格化处理的网格参数，基于所述网格参数对所述目标图像进行裁剪处理，得到所述目标图像对应的网格图像块。


3.根据权利要求2所述的方法，其特征在于，所述若应用客户端对应的业务类型属于第一分类场景，则在与所述应用客户端相关联的前置摄像头开启时，调用所述前置摄像头采集与目标用户相关联的目标图像序列，包括：
响应针对应用客户端的访问触发操作，输出所述应用客户端对应的图像采集界面；
在应用客户端对应的业务类型属于第一分类场景时，启动与所述应用客户端相关联的前置摄像头；
在所述前置摄像头对应的采集时长内，对执行所述触发操作的目标用户的至少一个图像数据进行采集，将采集到的所述至少一个图像数据输出至所述图像采集界面；
将所述图像采集界面上显示的所述至少一个图像数据确定为与所述目标用户相关联的目标图像序列。


4.根据权利要求2所述的方法，其特征在于，所述基于所述人脸检测结果，从所述目标用户图像数据中获取所述目标用户的人脸对应的图像，将获取到的图像作为包含目标对象的目标图像，包括：
若所述人脸检测结果指示所述目标用户图像数据中存在属于人脸类型的目标特征点，则基于所述目标特征点在所述目标用户图像数据中确定所述目标用户的人脸所在的面部区域；
从所述目标用户图像数据中截取所述面部区域，在所述面部区域中将所述目标用户的人脸作为目标对象，在所述面部区域中将所述目标对象对应的图像作为目标图像。


5.根据权利要求1所述的方法，其特征在于，所述网格图像块的数量为多个；
所述获取所述目标图像对应的目标防御网络模型，通过所述目标防御网络模型从所述网格图像块中提取第一类型特征和第二类型特征，将所述第一类型特征和所述第二类型特征进行特征拼接，得到与所述目标图像相关联的图像块拼接特征，包括：
获取所述目标图像对应的目标防御网络模型；所述目标防御网络模型包括：第一特征提取器和第二特征提取器；
通过所述第一特征提取器从每个所述网格图像块中提取统计图像特征，将提取到的每个所述网格图像块的统计图像特征分别确定为第一类型特征；
通过所述第二特征提取器从每个所述网格图像块中提取神经网络特征，将提取到的每个所述网格图像块的神经网络特征分别确定为第二类型特征；
将每个所述网格图像块的第一类型特征和对应所述网格图像块的第二类型特征进行特征拼接，得到每个所述网格图像块的拼接特征，将每个所述网格图像块的拼接特征确定为与所述目标图像相关联的图像块拼接特征。


6.根据权利要求1所述的方法，其特征在于，所述目标防御网络模型包括：分类器；所述分类器具有对所述目标图像中的所述网格图像块所属的分类类型进行分类的功能；
所述根据所述图像块拼接特征、所述目标防御网络模型，对所述网格图像块进行物理攻击检测，得到所述网格图像块对应的物理攻击检测结果，包括：
将所述图像块拼接特征输入至所述目标防御网络模型中的所述分类器，由所述分类器确定所述图像块拼接特征与所述分类器中的多个样本属性特征之间的匹配度；所述匹配度用于表征所述图像块拼接特征分别与每个样本属性特征属于相同分类类型的概率；
基于所述匹配度，在所述多个样本属性特征中获取与所述图像块拼接特征具有最大匹配度的样本属性特征，将所述具有最大匹配度的样本属性特征作为目标样本属性特征；
将所述目标样本属性特征对应的样本标签信息作为所述图像块拼接特征对应的目标分类类型，基于所述目标分类类型以及与所述目标分类类型相关联的最大匹配度，确定对所述目标图像中的所述网格图像块进行分类后的物理攻击检测结果。


7.根据权利要求6所述的方法，其特征在于，一个网格图像块对应一个物理攻击检测结果；所述多个样本属性特征对应的样本标签信息包含攻击类标签信息；
所述若所述物理攻击检测结果指示所述目标图像中存在满足攻击检测条件的网格图像块，则将所述目标对象确定为攻击对象，拒绝将所述目标图像传输至与所述目标防御网络模型具有关联关系的对象识别模型，包括：
获取所述目标防御网络模型对应的攻击检测条件；
若所述物理攻击检测结果中存在所述目标分类类型属于所述攻击类标签信息的物理攻击检测结果，则在所述网格图像块中将所述目标分类类型对应的网格图像块，确定为满足所述攻击检测条件的网格图像块；
将所述目标图像中所包含的所述目标对象确定为攻击对象，拒绝将所述目标图像传输至与所述目标防御网络模型具有关联关系的对象识别模型。


8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
将满足所述攻击检测条件的网格图像块确定为异常图像...

【专利技术属性】
技术研发人员：吴双，谢加浩，丁守鸿，姚太平，尹邦杰，李季檩，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44