摩尔纹图片生成方法和装置制造方法及图纸

本公开公开了摩尔纹图片生成方法和装置，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于人脸识别和活体检测等场景。具体实现方案为：首先获取摩尔纹模板集，然后基于摩尔纹模板集中摩尔纹模板，获取摩尔纹组合模板，最后基于摩尔纹组合模板和样本图像，生成样本摩尔纹图像，使得摩尔纹组合模板能够包括多种形态的摩尔纹，提高了摩尔纹组合模板的多样性，直接利用摩尔纹组合模板将样本图像转换为样本摩尔纹图像，可以快速便捷地生成样本摩尔纹图像，有效提高了样本摩尔纹图像的获取效率，降低了样本摩尔纹图像的获取成本。成本。成本。

【技术实现步骤摘要】
摩尔纹图片生成方法和装置


[0001]本公开涉及人工智能
，具体为计算机视觉和深度学习
，可应用于人脸识别和活体检测等场景。

技术介绍

[0002]随着人脸识别系统的推广，其安全性能越来越引起人们的关注。活体检测作为人脸识别系统的防火墙，为系统提供了重要的安全保障。人脸翻拍是人脸识别系统常见的攻击手段之一，它一般是由攻击者用摄像头翻拍人脸图像，翻拍图像上会存在摩尔纹。由于翻拍产生的摩尔纹具有形态复杂、纹理多变、数据量较少的特点，使得活体检测对这样带有摩尔纹的翻拍数据的拦截能力明显下降，从而严重影响人脸识别系统的安全性能。

技术实现思路

[0003]本公开提供了一种摩尔纹图片生成方法、图像检测模型训练方法、图像检测方法、装置、电子设备、存储介质以及计算机程序产品。
[0004]根据本公开的一方面，提供了一种摩尔纹图片生成方法，该方法包括：获取摩尔纹模板集；基于摩尔纹模板集中摩尔纹模板，确定摩尔纹组合模板；基于摩尔纹组合模板和样本图像，生成样本摩尔纹图像。
[0005]根据本公开的一方面，提供了一种图像检测模型训练方法，该方法包括：获取训练样本集，训练样本集包括样本摩尔纹图像、样本图像、样本摩尔纹图像对应的图像标注结果和样本图像对应的图像标注结果，其中，样本摩尔纹图像基于上述摩尔纹图片生成方法获取；利用机器学习方法，将样本摩尔纹图像和样本图像作为输入，将与输入的图像对应的图像标注结果作为期望输出，对初始深度神经网络进行训练，得到图像检测模型。
[0006]根据本公开的另一方面，提供了一种图像检测方法，该方法包括：获取目标对象对应的待检测图像；将待检测图像输入至图像检测模型，得到待检测图像的检测结果，其中，图像检测模型基于上述图像检测模型训练方法获取。
[0007]根据本公开的另一方面，提供了一种摩尔纹图片生成装置，该装置包括：获取模块，被配置成获取摩尔纹模板集；确定模块，被配置成基于摩尔纹模板集中摩尔纹模板，确定摩尔纹组合模板；生成模块，被配置成基于摩尔纹组合模板和样本图像，生成样本摩尔纹图像。
[0008]根据本公开的一方面，提供了一种图像检测模型训练装置，该装置包括：获取模块，被配置成获取训练样本集，训练样本集包括样本摩尔纹图像、样本图像、样本摩尔纹图像对应的图像标注结果和样本图像对应的图像标注结果，其中，样本摩尔纹图像基于上述摩尔纹图片生成方法获取；获取模块，被配置成利用机器学习方法，将样本摩尔纹图像和样本图像作为输入，将与输入的图像对应的图像标注结果作为期望输出，对初始深度神经网络进行训练，得到图像检测模型。
[0009]根据本公开的另一方面，提供了一种图像检测装置，该装置包括：获取模块，被配
置成获取目标对象对应的待检测图像；生成模块，被配置成将待检测图像输入至图像检测模型，得到待检测图像的检测结果，其中，图像检测模型基于上述图像检测模型训练方法获取。
[0010]根据本公开的另一方面，提供了一种电子设备，该电子设备包括至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述摩尔纹图片生成方法、图像检测模型训练方法和图像检测方法。
[0011]根据本公开的另一方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机指令，该计算机指令用于使计算机能够执行上述摩尔纹图片生成方法、图像检测模型训练方法和图像检测方法。
[0012]根据本公开的另一方面，本申请实施例提供了一种计算机程序产品，其包括计算机程序，计算机程序在被处理器执行时实现上述摩尔纹图片生成方法、图像检测模型训练方法和图像检测方法。
[0013]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0014]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0015]图1是根据本公开的摩尔纹图片生成方法的一个实施例的流程图；
[0016]图2是根据本公开的摩尔纹图片生成方法的一个应用场景的示意图；
[0017]图3是根据本公开的获取摩尔纹模板集的一个实施例的流程图；
[0018]图4是根据本公开的确定摩尔纹组合模板的一个实施例的流程图；
[0019]图5是根据本公开的图像检测模型训练方法的一个实施例的流程图；
[0020]图6是根据本公开的图像检测方法的一个实施例的流程图；
[0021]图7是根据本公开的摩尔纹图片生成装置的一个实施例的结构示意图；
[0022]图8是根据本公开的图像检测模型训练装置的一个实施例的结构示意图；
[0023]图9是根据本公开的图像检测装置的一个实施例的结构示意图；
[0024]图10是用来实现本公开实施例的摩尔纹图片生成方法、图像检测模型训练方法和图像检测方法的电子设备的框图。
具体实施方式
[0025]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0026]参考图1，图1示出了可以应用于本公开的摩尔纹图片生成方法的实施例的流程示意图100。该摩尔纹图片生成方法包括以下步骤：
[0027]步骤110，获取摩尔纹模板集。
[0028]在本实施例中，摩尔纹图片生成方法的执行主体(例如服务器)可以通过本地读取
或者从其他终端设备中获取摩尔纹模板集，该摩尔纹模板集可以包括多个不同的摩尔纹模板，每个摩尔纹模板均具有形态各异的摩尔纹，摩尔纹模板集中的多个摩尔纹模板可以按照预设顺序进行排列，该预设顺序可以是操作人员预先设置的排列顺序，其可以是时间顺序，也可以是各个摩尔纹模板之间的相似度大小，还可以是摩尔纹形态复杂度等，本公开对此不做具体限定。
[0029]摩尔纹是一种在数码照相机或者扫描仪等设备上，感光元件出现的高频干扰的条纹，是一种会使图片出现彩色的高频率不规则的条纹。摩尔纹因为是不规则的，所以并没有明显的形状规律。在拍摄数字影像时，如果被拍摄的物体中有密纹的纹理，则常常会出现如水波一样的条纹和不正常的色彩，即摩尔纹。或是当物体上的细致图样例如：衣服上的纹路或影像中含有非常靠近的并行线与影像传感器上的感光组件图样相重迭时，可能会产生此现象。
[0030]步骤120，基于摩尔纹模板集中摩尔纹模板，确定摩尔纹组合模板。
[0031]在本实施例中，上述执行主体获取到摩尔纹模板集后，对摩尔纹模板集进行分析，可以从摩尔纹模板集中筛选出符合预设条件的摩尔纹模板，该预设条件可以是操作人员预先设置的选取条件，其可以是按照排列顺序选取相邻的多个摩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种摩尔纹图片生成方法，包括：获取摩尔纹模板集；基于所述摩尔纹模板集中摩尔纹模板，确定摩尔纹组合模板；基于所述摩尔纹组合模板和样本图像，生成样本摩尔纹图像。2.根据权利要求1所述的方法，其中，所述获取摩尔纹模板集，包括：获取摩尔纹图像集；对所述摩尔纹图像集中摩尔纹图像进行图像处理，获取每张摩尔纹图像对应的摩尔纹模板；将每张摩尔纹图像对应的摩尔纹模板组成所述摩尔纹模板集。3.根据权利要求1所述的方法，其中，所述基于所述摩尔纹模板集中摩尔纹模板，确定摩尔纹组合模板，包括：从所述摩尔纹模板集中选取预设数量个摩尔纹模板；对所述预设数量个摩尔纹模板进行线性组合，确定摩尔纹组合模板。4.根据权利要求1所述的方法，其中，所述方法还包括：响应于获取到所述摩尔纹组合模板，将所述摩尔纹组合模板添加至所述摩尔纹模板集。5.一种图像检测模型训练方法，包括：获取训练样本集，所述训练样本集包括样本摩尔纹图像、样本图像、所述样本摩尔纹图像对应的图像标注结果和所述样本图像对应的图像标注结果，其中，所述样本摩尔纹图像基于上述权利要求1
‑
4任意一项所述的方法获取；利用机器学习方法，将所述样本摩尔纹图像和所述样本图像作为输入，将与输入的图像对应的图像标注结果作为期望输出，对初始深度神经网络进行训练，得到图像检测模型。6.一种图像检测方法，包括：获取目标对象对应的待检测图像；将所述待检测图像输入至图像检测模型，得到所述待检测图像的检测结果，其中，所述图像检测模型基于上述权利要求5方法获取。7.一种摩尔纹图片生成装置，包括：获取模块，被配置成获取摩尔纹模板集；确定模块，被配置成基于所述摩尔纹模板集中摩尔纹模板，确定摩尔纹组合模板；生成模块，被配置成基于所述摩尔纹组合模板和样本图像，生成样本摩尔纹图像。8.根据权利要求7所述的装置，其中，所述获取模块，进一步被配置成：获取摩尔纹图像集；对所述摩尔纹图像集中摩尔纹图像进行图像处理，获取每张摩尔纹图...

【专利技术属性】
技术研发人员：陆杰，
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：