【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。