基于视频流的人脸检测模型的训练方法、装置及计算设备制造方法及图纸

本发明专利技术公开了一种基于视频流的人脸检测模型的训练方法、装置及计算设备，该方法包括：获取收集到的多个视频流，为多个视频流配置对应的样本标签，构建视频流样本集合；针对视频流样本集合中的每个视频流，从该视频流中提取多个帧图像，对多个帧图像进行特征提取得到该视频流的排序池化特征向量和光流特征向量，进而确定该视频流的特征向量；根据视频流样本集合中的每个视频流的特征向量以及每个视频流对应的样本标签，训练得到人脸检测模型。该方案依据排序池化特征向量和光流特征向量综合来确定视频流最终的特征向量，通过模型训练所得到的人脸检测模型不仅有效地提高了人脸检测的精准度，而且仅通过处理视频流就能够实现人脸反欺骗检测。

【技术实现步骤摘要】
基于视频流的人脸检测模型的训练方法、装置及计算设备
本专利技术涉及数据处理
，具体涉及一种基于视频流的人脸检测模型的训练方法、装置、计算设备及存储介质。
技术介绍
近年来，人脸识别是一个研究热点，人脸识别被广泛应用于各个应用场景中，例如身份验证、门禁识别、海关监控等场景。由于迅速增长的人脸识别需求，使得人脸反欺骗技术受到了极大的关注，如何能够提供高安全级别的人脸识别技术以避免欺骗性攻击已成为了一个亟需解决的问题。在现有技术中，常用的人脸反欺骗方式通常是通过在处理视频流的基础上结合红外、深度、热图形等额外的传感器提供的信息而实现的。然而，在实际生活中存在着许多因各种原因而不能结合使用额外的传感器的人脸识别场景，例如仅具有摄像机的场景，因此，现有技术中缺少仅通过处理视频流就能够实现人脸反欺骗的人脸检测方案。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的基于视频流的人脸检测模型的训练方法、装置、计算设备及存储介质。根据本专利技术的一个方面，提供了一种基于视频流的人脸检测模型的训练方法，该方法包括：获取收集到的多个视频流，为多个视频流配置对应的样本标签，构建视频流样本集合；每个视频流中的帧图像包含有人脸图像；针对视频流样本集合中的每个视频流，从该视频流中提取多个帧图像，对多个帧图像进行特征提取，得到该视频流的排序池化特征向量和光流特征向量；依据排序池化特征向量和光流特征向量，确定该视频流的特征向量；根据视频流样本集合中的每个视频流的特征向量以及每个视频流对应的样本标签，训练得到人脸检测模型。根据本专利技术的另一方面，提供了一种基于视频流的人脸检测模型的训练装置，该装置包括：样本集合构建模块，适于获取收集到的多个视频流，为多个视频流配置对应的样本标签，构建视频流样本集合；每个视频流中的帧图像包含有人脸图像；特征处理模块，适于针对视频流样本集合中的每个视频流，从该视频流中提取多个帧图像，对多个帧图像进行特征提取，得到该视频流的排序池化特征向量和光流特征向量；依据排序池化特征向量和光流特征向量，确定该视频流的特征向量；训练模块，适于根据视频流样本集合中的每个视频流的特征向量以及每个视频流对应的样本标签，训练得到人脸检测模型。根据本专利技术的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；存储器用于存放至少一可执行指令，可执行指令使处理器执行上述基于视频流的人脸检测模型的训练方法对应的操作。根据本专利技术的再一方面，提供了一种计算机存储介质，存储介质中存储有至少一可执行指令，可执行指令使处理器执行如上述基于视频流的人脸检测模型的训练方法对应的操作。根据本专利技术提供的技术方案，通过对视频流中的多个帧图像分别进行排序池化处理和光流处理，便捷地得到排序池化特征向量以及光流特征向量，进而得到能够精准地反映视频流的帧图像的动作信息和光流变化信息的特征向量；根据视频流样本集合中的各个视频流的特征向量以及各个视频流对应的样本标签进行训练，使得训练得到的人脸检测模型能够快速、精准地检测出视频流是否包含伪造的人脸图像，实现方式简单，成本低，无需结合红外、深度、热图形等额外的传感器，仅通过处理视频流就能够实现人脸反欺骗检测，有效地提高了人脸检测的精准度，优化了人脸检测方式。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了根据本专利技术一个实施例的基于视频流的人脸检测模型的训练方法的流程示意图；图2示出了根据本专利技术另一个实施例的基于视频流的人脸检测模型的训练方法的流程示意图；图3示出了根据本专利技术一个实施例的基于视频流的人脸检测模型的训练装置的结构框图；图4示出了根据本专利技术实施例的一种计算设备的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。图1示出了根据本专利技术一个实施例的基于视频流的人脸检测模型的训练方法的流程示意图，如图1所示，该方法包括如下步骤：步骤S101，获取收集到的多个视频流，为多个视频流配置对应的样本标签，构建视频流样本集合。其中，可收集大量的拍摄有人脸图像的视频流，获取收集到的多个视频流作为样本，并为多个视频流配置对应的样本标签，每个视频流中的帧图像都包含有人脸图像。通过为视频流配置对应的样本标签，得到对应有样本标签的视频流，这种对应有样本标签的视频流即可用于模型训练中，接着对所有的对应有样本标签的视频流进行汇总，构建得到视频流样本集合。步骤S102，针对视频流样本集合中的每个视频流，从该视频流中提取多个帧图像，对多个帧图像进行特征提取，得到该视频流的排序池化特征向量和光流特征向量，并依据排序池化特征向量和光流特征向量，确定该视频流的特征向量。其中，针对视频流样本集合中的每个视频流，从该视频流中提取多个帧图像，本领域技术人员可根据实际需要对帧图像的提取数量、提取方式等进行设置，此处不做限定。在提取得到多个帧图像之后，可对多个帧图像进行排序池化处理得到该视频流的排序池化特征向量，对多个帧图像进行光流处理得到该视频流的光流特征向量，其中，排序池化特征向量能够反映视频流的帧图像的动作信息，光流特征向量能够反映视频流的帧图像的光流变化信息。在得到了排序池化特征向量和光流特征向量之后，可对排序池化特征向量和光流特征向量进行组合，例如将排序池化特征向量和光流特征向量拼接为一个整体，将最终所得到的特征向量作为该视频流的特征向量。考虑到包含有真实的、活体的人脸图像的视频流的光流是变化的，而通过对人脸图像进行伪造所得到的视频流的光流几乎是不发生变化的，本专利技术对视频流分别进行了排序池化和光流两种处理，依据所得到的排序池化特征向量和光流特征向量综合来确定视频流最终的特征向量，使得最终所得到的视频流的特征向量能够充分反映帧图像的动作信息和光流变化信息，从而更为精准、全面地反映视频流所具有的特征，使得根据视频流的特征向量进行模型训练能够得到具有较高人脸检测精准度的人脸检测模型。步骤S103，根据视频流样本集合中的每个视频流的特征向量以及每个视频流对应的样本标签，训练得到人脸检测模型。具体地，可根据视频流样本集合中的每本文档来自技高网...

【技术保护点】
1.一种基于视频流的人脸检测模型的训练方法，其特征在于，所述方法包括：/n获取收集到的多个视频流，为多个视频流配置对应的样本标签，构建视频流样本集合；每个视频流中的帧图像包含有人脸图像；/n针对所述视频流样本集合中的每个视频流，从该视频流中提取多个帧图像，对多个帧图像进行特征提取，得到该视频流的排序池化特征向量和光流特征向量；依据所述排序池化特征向量和所述光流特征向量，确定该视频流的特征向量；/n根据所述视频流样本集合中的每个视频流的特征向量以及每个视频流对应的样本标签，训练得到人脸检测模型。/n

【技术特征摘要】
1.一种基于视频流的人脸检测模型的训练方法，其特征在于，所述方法包括：
获取收集到的多个视频流，为多个视频流配置对应的样本标签，构建视频流样本集合；每个视频流中的帧图像包含有人脸图像；
针对所述视频流样本集合中的每个视频流，从该视频流中提取多个帧图像，对多个帧图像进行特征提取，得到该视频流的排序池化特征向量和光流特征向量；依据所述排序池化特征向量和所述光流特征向量，确定该视频流的特征向量；
根据所述视频流样本集合中的每个视频流的特征向量以及每个视频流对应的样本标签，训练得到人脸检测模型。


2.根据权利要求1所述的方法，其特征在于，对多个帧图像进行特征提取，得到该视频流的排序池化特征向量进一步包括：
依据多个帧图像的帧序号，对多个帧图像进行排序，得到帧序列；
对所述帧序列进行平滑处理，得到所述帧序列对应的帧向量序列；
循环利用排序函数计算所述帧向量序列中各个帧向量的排序分值，通过优化所述排序函数中的第一指定参数的参数值，直至满足帧序号越靠后的帧向量的排序分值越大的排序循环结束条件；
得到所述第一指定参数最终的参数值，并将所述最终的参数值作为该视频流的排序池化特征向量。


3.根据权利要求1所述的方法，其特征在于，对多个帧图像进行特征提取，得到该视频流的光流特征向量进一步包括：
从多个帧图像中提取两个帧图像形成帧图像组，由此得到多个帧图像组；
计算多个帧图像组的组特征向量；
依据多个帧图像组的组特征向量，确定该视频流的光流特征向量。


4.根据权利要求3所述的方法，其特征在于，帧图像组包括第一帧图像和第二帧图像，所述第二帧图像的帧序号大于所述第一帧图像的帧序号；
所述计算多个帧图像组的组特征向量进一步包括：
针对每个帧图像组，为该帧图像组中的第一帧图像和第二帧图像分别配置对应的可见掩膜数据，并设置从所述第一帧图像至所述第二帧图像的第一光流域以及从所述第二帧图像至所述第一帧图像的第二光流域；
根据所述可见掩膜数据、所述第一光流域以及所述第二光流域，构建光流目标函数；
循环利用所述光流目标函数计算所述光流目标函数的输出值，通过优化所述光流目标函数中的第二指定参数的参数值，直至所述输出值满足光流循环结束条件；
得到所述第一光流域最终的域数据，并利用所述最终的域数据确定该帧图像组的组特征向量。


5.根据权利要求1-4任一项所述的方法...

【专利技术属性】
技术研发人员：朱永魁，
申请(专利权)人：中化资本数字科技有限公司，
类型：发明
国别省市：四川;51