数据处理方法、服务提供方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例提供一种数据处理方法、服务提供方法、装置、设备和存储介质，该数据处理方法包括：处理设备获取包含目标对象的待检测图像序列，同时提取待检测图像序列在时间维度和空间维度上的信息，以获得待检测图像序列的图像特征。再确定图像特征的深度值，以根据深度值确定目标对象的类型。在上述方法中，待检测图像序列在时间维度和空间维度上的信息会完整的保留在图像特征中。再根据此信息丰富的图像特征进行目标对象类型的识别，从而能够准确确定出目标对象的类型，保证处理设备不会被特定类型的目标对象攻击。定类型的目标对象攻击。定类型的目标对象攻击。

【技术实现步骤摘要】
数据处理方法、服务提供方法、装置、设备和存储介质


[0001]本专利技术涉及计算机
，尤其涉及一种数据处理方法、服务提供方法、装置、设备和存储介质。

技术介绍

[0002]人脸识别已经越来越多地应用在日常生活中，比如通过人脸识别技术实现考勤统计、人员管理等等。但在人脸识别的过程中，通常会存在非活体攻击的情况。以考勤统计场景为例，可以使用员工的照片或者视频等数据对人脸识别系统发起非活体攻击，即让人脸识别系统识别员工的照片或者视频，以达到伪装该员工实现考勤打卡的目的。
[0003]上述的非活体攻击会给人脸识别系统的安全性带来隐患。因此，如何避免非活体攻击识别系统就成为一个亟待解决的问题。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供一种数据方法、服务提供方法、装置、设备和存储介质，用以保证目标对象分类的准确性，从而避免非活体的攻击。
[0005]第一方面，本专利技术实施例提供一种数据处理方法，包括：
[0006]获取待检测图像序列；
[0007]同时提取所述待检测图像序列在时间维度和空间维度上的信息，以获得所述待检测图像序列的图像特征；
[0008]确定所述图像特征的深度值；
[0009]根据所述深度值确定所述待检测图像序列中包含的目标对象的类型。
[0010]第二方面，本专利技术实施例提供一种数据处理装置，包括：
[0011]获取模块，用于获取待检测图像序列；
[0012]提取模块，用于同时提取所述待检测图像序列在时间维度和空间维度上的信息，以获得所述待检测图像序列的图像特征；
[0013]深度值确定模块，用于确定所述图像特征的深度值；
[0014]类型确定模块，用于根据所述深度值确定所述待检测图像序列中包含的目标对象的类型。
[0015]第三方面，本专利技术实施例提供一种电子设备，包括处理器和存储器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第一方面中的数据处理方法。该电子设备还可以包括通信接口，用于与其他设备或通信网络通信。
[0016]第四方面，本专利技术实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如第一方面所述的数据处理方法。
[0017]第五方面，本专利技术实施例提供一种服务提供方法，包括：
[0018]响应于用户触发的图像采集操作，采集待检测图像序列；
[0019]同时提取所述待检测图像序列在时间维度和空间维度上的信息，以获得所述待检测图像序列的图像特征；
[0020]输出所述图像特征的深度值，所述深度值反映所述待检测图像序列中包含的目标对象的类型。
[0021]第六方面，本专利技术实施例提供一种服务提供装置，包括：
[0022]采集模块，用于响应于用户触发的图像采集操作，采集待检测图像序列；
[0023]提取模块，用于同时提取所述待检测图像序列在时间维度和空间维度上的信息，以获得所述待检测图像序列的图像特征；
[0024]输出模块，用于输出所述图像特征的深度值，所述深度值反映所述待检测图像序列中包含的目标对象的类型。
[0025]第七方面，本专利技术实施例提供一种电子设备，包括处理器和存储器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第五方面中的服务提供方法。该电子设备还可以包括通信接口，用于与其他设备或通信网络通信。
[0026]第八方面，本专利技术实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如第五方面所述的服务提供方法。
[0027]第九方面，本专利技术实施例提供一种服务提供方法，包括：
[0028]接收用户输入的训练图像序列以及与所述训练图像序列对应的输入深度图像序列；
[0029]将所述训练图像序列输入预设模型中的第一特征提取网络，以由所述第一特征提取网络同时提取所述训练图像序列在时间维度和空间维度上的信息，得到第一图像特征；
[0030]将所述第一图像特征输入所述预设模型中的第二特征提取网络，以由所述第二特征提取网络同时提取所述第一图像特征在时间维度和空间维度上的信息，得到第二图像特征；
[0031]将所述第一图像特征和所述第二图像特征输入所述预设模型中的融合网络，以由所述融合网络对所述第一图像特征和所述第二图像特征进行特征融合；
[0032]将特征融合结果输入所述深度估计网络，以由所述深度估计网络输出所述训练图像序列对应的预测深度图像序列；
[0033]根据所述输入深度图像序列和所述预测深度图像序列，调整所述预设模型的模型参数；
[0034]输出所述模型参数。
[0035]第十方面，本专利技术实施例提供一种服务提供装置，包括：
[0036]接收模块，用于接收用户输入的训练图像序列以及与所述训练图像序列对应的输入深度图像序列；
[0037]输入模块，用于将所述训练图像序列输入预设模型中的第一特征提取网络，以由所述第一特征提取网络同时提取所述训练图像序列在时间维度和空间维度上的信息，得到第一图像特征；
[0038]将所述第一图像特征输入所述预设模型中的第二特征提取网络，以由所述第二特征提取网络同时提取所述第一图像特征在时间维度和空间维度上的信息，得到第二图像特征；
[0039]将所述第一图像特征和所述第二图像特征输入所述预设模型中的融合网络，以由所述融合网络对所述第一图像特征和所述第二图像特征进行特征融合；
[0040]将特征融合结果输入所述深度估计网络，以由所述深度估计网络输出所述训练图像序列对应的预测深度图像序列；
[0041]调整模块，用于根据所述输入深度图像序列和所述预测深度图像序列，调整所述预设模型的模型参数；
[0042]输出模块，用于输出所述模型参数。
[0043]第十一方面，本专利技术实施例提供一种电子设备，包括处理器和存储器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第九方面中的服务提供方法。该电子设备还可以包括通信接口，用于与其他设备或通信网络通信。
[0044]第十二方面，本专利技术实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如第九方面所述的服务提供方法。
[0045]本专利技术实施例提供的数据处理方法，处理设备获取包含目标对象的待检测图像序列，并同时提取待检测图像序列在时间维度和空间维度上的信息，以得到图像特征。再识别图像特征的深度值，以根据深度值确定目标对象的类型。也就是说待检测图像序列在时间维度和空间维度上的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取待检测图像序列；同时提取所述待检测图像序列在时间维度和空间维度上的信息，以获得所述待检测图像序列的图像特征；确定所述图像特征的深度值；根据所述深度值确定所述待检测图像序列中包含的目标对象的类型。2.根据权利要求1所述的方法，其特征在于，所述目标对象的类型反映所述目标对象是否为活体。3.根据权利要求2所述的方法，其特征在于，所述同时提取所述待检测图像序列在时间维度和空间维度上的信息，以获得所述待检测图像序列的图像特征，包括：将所述待检测图像序列输入到预设模型中，以由所述预设模型提取所述待检测图像序列的图像特征。4.根据权利要求3所述的方法，其特征在于，所述预设模型提取所述待检测图像序列的图像特征的步骤，包括：通过所述预设模型中的第一特征提取网络，对所述待检测图像序列进行三维卷积，得到第一图像特征；通过所述预设模型中的第二特征提取网络，对所述第一图像特征进行三维卷积，得到第二图像特征；通过所述预设模型中的融合网络，融合所述第一图像特征和所述第二图像特征，得到所述待检测图像序列的图像特征。5.根据权利要求4所述的方法，其特征在于，所述通过所述预设模型中的融合网络，融合所述第二图像特征和所述第三图像特征，得到所述待检测图像序列的图像特征，包括：通过所述预设模型中的采样网络，对所述第一图像特征进行下采样；通过所述预设模型中的融合网络，对所述采样结果和所述第二图像特征，得到所述待检测图像序列的图像特征。6.根据权利要求4所述的方法，其特征在于，所述确定所述图像特征的深度值，包括：将所述待检测图像序列的图像特征输入所述预设模型中的深度估计网络，以由所述深度估计网络估计所述图像特征的深度值；所述根据所述深度值确定所述待检测图像序列中包含的目标对象的类型，包括：将所述深度值输入所述预设模型中的分类网络，以由所述分类网络确定所述目标对象的类型。7.根据权利要求1至6中任一项所述的方法，其特征在于，所述获取待检测图像序列，包括：响应于用户触发的权限验证操作，获取待检测图像序列；所述方法还包括：若所述目标对象为活体类型，则识别所述目标对象的标识信息；根据所述标识信息确定所述权限验证操作的有效性。8.根据权利要求7所述的方法，其特征在于，所述权限验证操作包含考勤打卡操作；所述方法还包括：
若所述考勤打卡操作有效，则展示打卡成功的提示信息。9.根据权利要求7所述的方法，其特征在于，所述权限验证操作包含门禁权限的验证操作；所述方法还包括：若所述门禁权限的验证操作有效，则展示所述用户具有所述门禁权限的提示信息。10.根据权利要求7所述的方法，其特征在于，所述权限验证操作包含支付权限的验证操作；所述方法还包括：若所述支付权限的验证操作有效，则展示支付成功的提示信息。11.根据权利要求6所述的方法，其特征在于，所述方法还包括：将训练图像序列输入所述第一特征提取网络，以由所述第一特征提取网络对所述训练图像序列进行三维卷积，得到第三图像特征；将所述第三图像特征输入所述第二特征提取网络，以由所述第二特征提取网络对所述第三图像特征进行三维卷积，得到第四图像特征；将所述第三图像特征和所述第四图像特征输入所述融合网络，以由所述融合网络对所述第三图像特征和所述第四图像特征进行特征融合；将特征融合结果输入所述深度估计网络，所述深度估计网络输出所述训练图像序列对应的预测深度图像序列；根据与所述训练图像序列对应的输入深度图像序列和所述预测深度图像序列，调整所述预设模型的模型参数。12.根据权利要求10所述的方法，其特征在于，所述方法还包括：将所述预测深度图像序列输入所述分类网络，以由所述分类网络输出所述训练图像序列中包含的目标对象的类型；根据用户对所述目标对象标注的类型与所述分类网络输出的所述目标对象的类型，调整所述预设模型的模型参数。13.一种服务提供方法，其特征在于，应用于包括：响应于用户触发的图像采集操作，采集待检测图像序列；同时提取所述待检测图像序列在时间维度和空间维度上的信息，以获得所述待检测图像序列的图像特征；输出所述图像特征的深度值，所述深度值反映所述待检测图像序列中包含的目标对象的类型。14.根据权利要求13所述的方法，其特征在于，所述方法还包括：根据所述深度值确定所述待检测图像序列中包含的目标对象的类型；输出所述目标对象的类型。15.根据权利要求14所述的方法，其特征在于，所述目标对象的类型反...

【专利技术属性】
技术研发人员：商磊，孙佰贵，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：