用户行为识别模型的训练、面部识别的方法、系统及装置制造方法及图纸

本申请公开了一种用户行为识别模型的训练方法，包括：获取无标签的时序传感器的数据作为原始数据；并获得时域数据、频率域数据和统计量数据并输入至模型，进行预训练得到预训练模型；获取带标签的传感器的时域数据，频率域数据和统计量数据；将时域数据、频率域数据及统计量数据分别输入至预训练模型，得到用户行为识别模型。本申请将传感器的数据输入至模型，基于模型的注意力机制，在提取传感器的数据的特征时，解决传统神经网络的长期依赖性、其自身顺序属性无法捕获长距离特征等问题。且基于模型的交互注意力机制可使得时序传感器的数据的多维度特征实现交互，从而提升模型对数据的理解准确度，进而提升行为类别识别的准确度。确度。确度。

【技术实现步骤摘要】
用户行为识别模型的训练、面部识别的方法、系统及装置


[0001]本申请涉及面部识别
，具体涉及一种用户行为识别模型的训练方法，一种用于面部识别的方法，一种用于面部识别的系统，一种用户行为识别模型的训练装置，一种用于面部识别的装置，一种电子设备以及一种计算机存储介质。

技术介绍

[0002]近年来，随着深度学习技术的发展，面部识别系统已被广泛应用于金融、安防、交通、教育等领域。面部识别系统大范围普及的同时也暴露出诸多安全问题。例如，面部数据的隐私安全、传输安全和存储安全以及对面部识别系统的各类假体攻击等。特别的，由于通过各种媒介如电子照片、打印照片、录播视频等制造合法用户的面部假体进而对面部识别系统进行攻击，假体攻击对面部识别安全性保障提出更高要求，这也迫使面部识别技术需要进一步提升。
[0003]现有的面部识别技术多是采用多种光学传感相机来提取真、假面部的本质差异特征，从而更好的应对各种呈现攻击手段对于面部识别系统的威胁。当前面部识别方法用到的传感器主要包括：可见光相机、近红外相机、深度相机、热度相机以及多光谱相机，利用这些传感器可以捕获或增强某种人体生理信息、面部纹理信息以及几何形状信息等用于面部识别方法的关键特征。
[0004]但是大多移动设备并不具备多种图像传感器，因此使用多视图图像传感器来进行防伪检测变得不太实际，从而影响对面部识别的准确度。而且深度传感器数据的获取以及处理存在限制，也不利于提升面部识别的准确度。
[0005]因此，如何提升面部识别的准确度，成为本领域技术人员亟待解决的问题。

技术实现思路

[0006]本申请实施例提供一种用户行为识别模型的训练方法，以解决现有技术中如何提升面部识别的准确度的问题。本申请实施例同时还提供一种用于面部识别的方法，一种用于面部识别的系统，一种用户行为识别模型的训练装置，一种用于面部识别的装置，一种电子设备以及一种计算机存储介质。
[0007]本申请实施例提供一种用户行为识别模型的训练方法，包括：
[0008]获取无标签的时序传感器的数据作为原始数据；
[0009]对所述原始数据进行预处理，获得时域数据、频率域数据和统计量数据；
[0010]将所述时域数据、频率域数据和统计量数据分别输入至模型，进行预训练，得到预训练模型；
[0011]获取带标签的时序传感器的时域数据，并获得相应的频率域数据和统计量数据；
[0012]将所述带标签的时序传感器的时域数据、频率域数据及统计量数据分别输入至所述预训练模型，进行再训练，得到所述用户行为识别模型。
[0013]可选的，所述将所述时域数据、频率域数据和统计量数据分别输入至模型，进行预
训练，得到预训练模型，包括：
[0014]提取时域数据、频率域数据和统计量数据对应的时域特征、频率域特征和统计量特征；
[0015]对所述时域特征、频率域特征和统计量特征进行聚合，作为训练数据。
[0016]可选的，所述提取时域数据、频率域数据和统计量数据对应的时域特征、频率域特征和统计量特征后，还包括：
[0017]获取所述时域特征、频率域特征和统计量特征相互之间的相似特征和差异特征；
[0018]将所述相似特征和差异特征进行聚合，作为训练数据。
[0019]可选的，所述将所述时域数据、频率域数据和统计量数据分别输入至模型，进行预训练，得到预训练模型，包括：
[0020]将所述时域数据、频率域数据和统计量数据并行输入至模型的不同处理单元。
[0021]可选的，所述模型为transfomer模型，所述处理单元为transfomer的编码器。
[0022]可选的，所述将所述时域数据、频率域数据和统计量数据分别输入至模型之前，还包括：对时域数据、其频率域数据和统计量数据进行预处理；
[0023]相应的，所述将所述带标签的时序传感器的时域数据、频率域数据及统计量数据分别输入至所述预训练模型之前，还包括：对带标签的时序传感器的时域数据、频率域数据及统计量数据进行预处理。
[0024]可选的，所述无标签的时序传感器的数据和带标签的时序传感器的时域数据分别包括时间戳信息。
[0025]本申请实施例还提供一种用于面部识别的方法，包括：
[0026]通过图像传感器获取待识别对象的面部信息，所述面部信息至少包括面部或部分面部的运动信息；
[0027]将所述面部信息输入至图像识别模型中，获得包括待识别对象的身份信息及是否为活体的第一识别结果；
[0028]在获取所述待识别对象的面部信息的同时，通过时序传感器监测所述待识别对象，获得时序传感器的监测数据；
[0029]将所述监测数据输入至上述所述的用户行为识别模型的训练方法生成的用户行为识别模型中，获得待识别对象的包括待识别对象的行为类别的第二识别结果；
[0030]根据所述第一识别结果和所述第二识别结果获得待识别对象的身份信息及确定待识别对象是否是活体的第三识别结果。
[0031]本申请实施例还提供一种用于面部识别的系统，包括：图像识别模型、时序传感器、决策模型以及用户行为识别模型；
[0032]所述图像传感器用于获取待识别对象的面部信息，并将所述待识别对象的面部信息发送给所述图像识别模型；所述面部信息至少包括面部或部分面部的运动信息；
[0033]所述图像识别模型用于接收所述待识别对象的面部信息，根据所述待识别对象的面部信息获得包括待识别对象的身份信息及是否为活体的第一识别结果，并将所述包括待识别对象的身份信息及是否为活体的第一识别结果发送给所述决策模型；
[0034]所述时序传感器用于在获取所述待识别对象的面部信息的同时，通过监测所述待识别对象，获得时序传感器的监测数据，并将所述时序传感器的监测数据输入至所述用户
行为识别模型；
[0035]所述用户行为识别模型用于接收所述时序传感器的监测数据，并根据所述监测数据获得包括待识别对象的行为类别的第二识别结果，并将所述第二识别结果发送给决策模型；
[0036]所述决策模型用于接收所述第一识别结果和所述第二识别结果，并根据所述第一识别结果和所述第二识别结果获得待识别对象的身份信息及确定待识别对象是否是活体的第三识别结果。
[0037]本申请实施例还提供一种用户行为识别模型的训练装置，包括：
[0038]无标签数据获取单元，用于获取无标签的时序传感器的数据作为原始数据；
[0039]预处理单元，用于对所述原始数据进行预处理，获得时域数据、频率域数据和统计量数据；
[0040]预训练单元，用于将所述时域数据、频率域数据和统计量数据分别输入至模型，进行预训练，得到预训练模型；
[0041]带标签数据获取单元，用于获取带标签的时序传感器的时域数据，并获得相应的频率域数据和统计量数据；
[0042]再训练单元，用于将所述带标签的时序传感器的时域数据、频率域数据及统计量数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户行为识别模型的训练方法，其特征在于，包括：获取无标签的时序传感器的数据作为原始数据；对所述原始数据进行预处理，获得时域数据、频率域数据和统计量数据；将所述时域数据、频率域数据和统计量数据分别输入至模型，进行预训练，得到预训练模型；获取带标签的时序传感器的时域数据，并获得相应的频率域数据和统计量数据；将所述带标签的时序传感器的时域数据、频率域数据及统计量数据分别输入至所述预训练模型，进行再训练，得到所述用户行为识别模型。2.根据权利要求1所述的用户行为识别模型的训练方法，其特征在于，所述将所述时域数据、频率域数据和统计量数据分别输入至模型，进行预训练，得到预训练模型，包括：提取时域数据、频率域数据和统计量数据对应的时域特征、频率域特征和统计量特征；对所述时域特征、频率域特征和统计量特征进行聚合，作为训练数据。3.根据权利要求2所述的用户行为识别模型的训练方法，其特征在于，所述提取时域数据、频率域数据和统计量数据对应的时域特征、频率域特征和统计量特征后，还包括：获取所述时域特征、频率域特征和统计量特征相互之间的相似特征和差异特征；将所述相似特征和差异特征进行聚合，作为训练数据。4.根据权利要求1至3任意一项所述的用户行为识别模型的训练方法，其特征在于，所述将所述时域数据、频率域数据和统计量数据分别输入至模型，进行预训练，得到预训练模型，包括：将所述时域数据、频率域数据和统计量数据并行输入至模型的不同处理单元。5.根据权利要求4所述的用户行为识别模型的训练方法，其特征在于，所述模型为transfomer模型，所述处理单元为transfomer的编码器。6.根据权利要求1所述的用户行为识别模型的训练方法，其特征在于，所述将所述时域数据、频率域数据和统计量数据分别输入至模型之前，还包括：对时域数据、其频率域数据和统计量数据进行预处理；相应的，所述将所述带标签的时序传感器的时域数据、频率域数据及统计量数据分别输入至所述预训练模型之前，还包括：对带标签的时序传感器的时域数据、频率域数据及统计量数据进行预处理。7.根据权利要求1所述的用户行为识别模型的训练方法，其特征在于，所述无标签的时序传感器的数据和带标签的时序传感器的时域数据分别包括时间戳信息。8.一种用于面部识别的方法，其特征在于，包括：通过图像传感器获取待识别对象的面部信息，所述面部信息至少包括面部或部分面部的运动信息；将所述面部信息输入至图像识别模型中，获得包括待识别对象的身份信息及是否为活体的第一识别结果；在获取所述待识别对象的面部信息的同时，通过时序传感器监测所述待识别对象，获得时序传感器的监测数据；将所述监测数据输入至上述权利要求1至7任意一项所述的用户行为识别模型的训练方法生成的用户行为识别模型中，获得包括待识别对象的行为类别的第二识别结果；
根据所述第一识别结果和所述第二识别结果获得待识别对象的身份信息及确定待识别对象是否为活体的第三识别结果。9.一种用于面部识别的系统，其特征在于，包...

【专利技术属性】
技术研发人员：王易木，于鲲，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：