一种模型训练方法、活体检测方法、装置和电子设备制造方法及图纸

本申请提供了一种模型训练方法、活体检测方法、装置和电子设备，所述模型训练方法包括：获取初始训练数据集，所述初始训练数据集包括第一训练数据和第二训练数据，所述第一训练数据包括第一图像和第一标签，所述第二训练数据包括第二图像和第二标签；对初始训练数据集进行数据处理，得到目标训练数据集，所述目标训练数据集包括初始训练数据集中的全部训练数据和初始训练数据集之外的第三训练数据，所述第三训练数据包括第三图像和第三标签，所述第三图像为基于所述第一图像和所述第二图像生成的图像；将所述目标训练数据集输入预先构建的活体检测模型进行训练，得到训练后的目标模型。本申请技术方案至少可以提高人脸活体检测模型的检测效果。模型的检测效果。模型的检测效果。

【技术实现步骤摘要】
一种模型训练方法、活体检测方法、装置和电子设备


[0001]本申请涉及人脸识别
，具体涉及一种模型训练方法、活体检测方法、装置和电子设备。

技术介绍

[0002]随着人脸识别技术的日趋成熟，人脸验证在很多领域得到了应用。在人脸验证过程中，除了需要对人脸识别之外，通常需要对人脸图像是否为活体进行检测，以避免非法用户利用假体人脸图像实施非法行为。现有的活体检测方法主要是通过将大量活体人脸图像和假体人脸图像输入模型进行训练，使得训练后得到的模型可以识别图像是否为活体人脸图像。然而，在人脸活体检测训练场景中，过拟合问题比较严重，训练得到的模型一般对训练集中的数据分布会具有较好的拟合效果，而对训练集之外的数据进行预测时，预测结果易出现误判的问题。可见，现有的人脸活体检测模型存在检测效果较差的问题。

技术实现思路

[0003]本申请提供的一种模型训练方法、活体检测方法、装置和电子设备，可以提高人脸活体检测模型的检测效果。
[0004]第一方面，本申请实施例提供了一种模型训练方法，包括：
[0005]获取初始训练数据集，所述初始训练数据集包括第一训练数据和第二训练数据，所述第一训练数据包括第一图像和第一标签，所述第二训练数据包括第二图像和第二标签；
[0006]对所述初始训练数据集进行数据处理，得到目标训练数据集，所述目标训练数据集包括所述初始训练数据集中的全部训练数据和所述初始训练数据集之外的第三训练数据，所述第三训练数据包括第三图像和第三标签，所述第三图像为基于所述第一图像和所述第二图像生成的图像；
[0007]将所述目标训练数据集输入预先构建的活体检测模型进行训练，得到训练后的目标模型；
[0008]其中，所述第一图像、所述第二图像和所述第三图像包括人脸，所述第一标签、所述第二标签和所述第三标签用于表征对应的图像是否为活体图像。
[0009]第二方面，本申请实施例还提供了一种活体检测方法，包括：
[0010]将待检测图像输入目标模型，得到所述目标模型输出的检测结果，所述检测结果用于表征所述待检测图像是否为活体图像，所述目标模型为基于上述第一方面所述的模型训练方法训练得到的模型。
[0011]第三方面，本申请实施例还提供了一种模型训练装置，包括：
[0012]获取模块，用于获取初始训练数据集，所述初始训练数据集包括第一训练数据和第二训练数据，所述第一训练数据包括第一图像和第一标签，所述第二训练数据包括第二图像和第二标签；
[0013]数据处理模块，用于对所述初始训练数据集进行数据处理，得到目标训练数据集，所述目标训练数据集包括所述初始训练数据集中的全部训练数据和所述初始训练数据集之外的第三训练数据，所述第三训练数据包括第三图像和第三标签，所述第三图像为基于所述第一图像和所述第二图像生成的图像；
[0014]训练模块，用于将所述目标训练数据集输入预先构建的活体检测模型进行训练，得到训练后的目标模型；
[0015]其中，所述第一图像、所述第二图像和所述第三图像包括人脸，所述第一标签、所述第二标签和所述第三标签用于表征对应的图像是否为活体图像。
[0016]第四方面，本申请实施例还提供了一种活体检测装置，包括：
[0017]检测模块，用于将待检测图像输入目标模型，得到所述目标模型输出的检测结果，所述检测结果用于表征所述待检测图像是否为活体图像，所述目标模型为基于上述第一方面所述的模型训练方法训练得到的模型。
[0018]第五方面，本申请实施例还提供了一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述第一方面和第二方面所述的方法步骤。
[0019]第六方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面和第二方面所述的方法步骤。
[0020]本申请实施例中，通过采用已有的人脸图像，生成新的人脸图像，并将已有的人脸图像与新生成的人脸图像共同作为训练数据，这样，可以增加训练数据的多样性，使得训练数据分布更加丰富，从而可以缓解人脸活体检测训练场景中，出现的过拟合的问题，进而可以提高训练得到的人脸活体检测模型的检测效果。
附图说明
[0021]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0022]图1是本申请实施例提供的模型训练方法的流程图；
[0023]图2是本申请实施例中的活体图像的真值图；
[0024]图3是本申请实施例中根据第一真值图和第二真值图生成第三真值图的流程图；
[0025]图4是本申请实施例提供的活体检测方法的流程图；
[0026]图5是本申请实施例中目标模型对待检测图像进行检测过程的流程图；
[0027]图6是根据现有的方法训练得到的人脸活体检测模型，对某一图像组进行分类之后，得到的分类结果的分布示意图；
[0028]图7是根据本申请提供的方法进行训练得到的目标模型，对某一图像组进行分类之后，得到的分类结果的分布示意图；
[0029]图8是本申请实施例提供的一种人脸识别方法的流程图；
[0030]图9是本申请实施例提供的模型训练装置的结构示意图之一；
[0031]图10是本申请实施例提供的活体检测装置的结构示意图之一；
[0032]图11是本申请实施例提供的模型训练装置的结构示意图之二；
[0033]图12是本申请实施例提供的活体检测装置的结构示意图之二。
具体实施方式
[0034]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0035]相关技术中，在对人脸活体检测模型进行训练时，由于假体样本采集成本较高，因此，训练数据中可用的假体样本分布和数量均有限。而现有的假体的种类繁多而且未知，比如各种材质的电子屏、各种纸质照片，各种材质的面具，属于开集，数据分布非常广，且无法穷举，这对模型学习带来很大的难度。从而导致训练得到的模型过拟合问题较为严重，即训练得到的模型一般对训练集中的数据分布会具有较好的拟合效果，而对训练集之外的数据进行预测时，预测结果易出现误判的问题。基于此，本申请实施例中，通过基于已有的训练数据进行数据增强处理，以生成新的训练数据，从而可以增加训练数据的多样性，使得训练数据分布更加丰富，且该数据增强过程仅需较低的成本即可获得丰富的训练数据。
[0036]其中，上述过拟合问题是指本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取初始训练数据集，所述初始训练数据集包括第一训练数据和第二训练数据，所述第一训练数据包括第一图像和第一标签，所述第二训练数据包括第二图像和第二标签；对所述初始训练数据集进行数据处理，得到目标训练数据集，所述目标训练数据集包括所述初始训练数据集中的全部训练数据和所述初始训练数据集之外的第三训练数据，所述第三训练数据包括第三图像和第三标签，所述第三图像为基于所述第一图像和所述第二图像生成的图像；将所述目标训练数据集输入预先构建的活体检测模型进行训练，得到训练后的目标模型；其中，所述第一图像、所述第二图像和所述第三图像包括人脸，所述第一标签、所述第二标签和所述第三标签用于表征对应的图像是否为活体图像。2.根据权利要求1所述的方法，其特征在于，所述对所述初始训练数据集进行数据处理，得到目标训练数据集，包括：将所述第一图像中的第一区域内的内容转移至所述第二图像中的第二区域，得到所述第三图像，所述第一区域与所述第二区域的位置对应，所述第一区域位于所述第一图像中的人脸区域内，所述第三图像为将所述第一区域内的内容转移至所述第二区域之后的第二图像；对所述第三图像设置所述第三标签，得到所述第三训练数据。3.根据权利要求2所述的方法，其特征在于，所述将所述第一图像中的第一区域内的内容转移至所述第二图像中的第二区域，得到所述第三图像，包括：识别所述第一图像中的人脸所在位置，以及，识别所述第二图像中的人脸所在位置；基于预设手段调整所述第一图像中的人脸所在位置，以使所述第一图像中的人脸所在位置与所述第二图像中的人脸所在位置对齐；在所述第一图像中获取所述第一区域内的内容；基于所述第一区域在所述第一图像中的位置信息，确定所述第二区域在所述第二图像中的位置信息；将所述第一区域内的内容转移至所述第二图像中的所述第二区域，得到所述第三图像。4.根据权利要求2所述的方法，其特征在于，所述目标训练数据集还包括所述初始训练数据集之外的第四训练数据，所述对所述初始训练数据集进行数据处理，得到目标训练数据集，还包括：将所述第二图像中的所述第二区域内的内容转移至所述第一图像中的所述第一区域，得到所述第...

【专利技术属性】
技术研发人员：高亮，蒋宁，王洪斌，周迅溢，吴海英，曾定衡，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：