活体检测函数生成方法、装置、存储介质及设备制造方法及图纸

本发明专利技术公开了一种活体检测函数生成方法、装置、存储介质及设备。其中，该方法包括：获取预先设置的样本集，其中，上述样本集包括：活体样本集和攻击样本集；对上述样本集进行特征提取处理，得到特征向量；采用预设损失函数对上述特征向量进行计算处理，得到目标损失函数。本发明专利技术解决了活体检测算法无法对假脸攻击进行防范的技术问题。行防范的技术问题。行防范的技术问题。

【技术实现步骤摘要】
活体检测函数生成方法、装置、存储介质及设备


[0001]本专利技术涉及计算机视觉
，具体而言，涉及一种活体检测函数生成方法、装置、存储介质及设备。

技术介绍

[0002]人脸检测是一种通过数字图像找到并确定人脸位置和大小的计算机视觉技术。它基于目标检测算法可以有效地检测出面部特征，并且能够准确地定位到眼睛、嘴巴、鼻子等识别位点。活体检测则是处于某些特定场景下一种特殊的人脸检测方法，不仅需要实现人脸的定位和识别，还需要验证被检用户为真实活体，以较高的安全度进行身份认证。活体检测技术为了实现真实身份验证，通常需要进行额外的配合式验证手段，例如眨眼、转头、张嘴等特定动作，以实现对于身份的鉴别。
[0003]随着移动支付、社会安防、身份验证等多种需求的增加，近些年来活体检测技术得到了长足的发展，但是，针对活体检测的攻击手段也层出不穷，传统的活体检测技术大多需要配合式动作进行辅助检测，且没有针对假脸攻击进行防范，存在安全隐患。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种活体检测函数生成方法、装置、存储介质及设备，以至少解决活体检测算法无法对假脸攻击进行防范的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种活体检测函数生成方法，包括：获取预先设置的样本集，其中，上述样本集包括：活体样本集和攻击样本集；对上述样本集进行特征提取处理，得到特征向量；采用预设损失函数对上述特征向量进行计算处理，得到目标损失函数。
[0007]可选的，在获取预先设置的样本集之前，上述方法还包括：采用拍摄设备拍摄多个目标对象不同角度的第一面部图像；将多个上述第一面部图像作为上述活体样本集；采用智能设备制作多个第二面部图像；将多个上述第二面部图像作为上述攻击样本集。
[0008]可选的，上述对上述样本集进行特征提取处理，得到特征向量，包括：为特征提取函数设置学习参数，得到目标特征函数；采用上述目标特征函数对上述样本集进行计算处理，得到上述特征向量。
[0009]可选的，在采用预设损失函数对上述特征向量进行计算处理，得到目标损失函数之前，上述方法还包括：从上述活体样本集中选取任意一个活体样本作为标准活体样本；从上述活体样本集中选取任意一个除上述标准活体样本以外的上述活体样本作为目标活体样本；从上述攻击样本集中选取任意一个攻击样本作为目标攻击样本。
[0010]可选的，上述采用预设损失函数对上述特征向量进行计算处理，得到目标损失函数，包括：对上述标准活体样本和上述目标攻击样本进行计算处理，得到第一样本距离；对上述标准活体样本和上述目标活体样本进行计算处理，得到第二样本距离；基于上述预设
损失函数、上述第一样本距离和上述第二样本距离计算得到上述目标损失函数。
[0011]可选的，上述基于上述预设损失函数、上述第一样本距离和上述第二样本距离计算得到上述目标损失函数，包括：将上述第一样本距离和上述第二样本距离代入上述预设损失函数并进行映射处理，得到第一损失函数；对上述第一损失函数进行正则化处理，得到上述目标损失函数。
[0012]可选的，上述第二样本距离大于上述第一样本距离。
[0013]根据本专利技术实施例的另一方面，还提供了一种活体检测函数生成装置，包括：获取模块，用于获取预先设置的样本集，其中，上述样本集包括：活体样本集和攻击样本集；提取模块，用于对上述样本集进行特征提取处理，得到特征向量；计算模块，用于采用预设损失函数对上述特征向量进行计算处理，得到目标损失函数。
[0014]根据本专利技术实施例的另一方面，还提供了一种非易失性存储介质，上述非易失性存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项上述的活体检测函数生成方法。
[0015]根据本专利技术实施例的另一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行任意一项上述的活体检测函数生成方法。
[0016]在本专利技术实施例中，通过获取预先设置的样本集，其中，上述样本集包括：活体样本集和攻击样本集；对上述样本集进行特征提取处理，得到特征向量；采用预设损失函数对上述特征向量进行计算处理，得到目标损失函数，达到了采用预设样本集和损失函数优化目标损失函数，进而调整活体检测模型参数的目的，从而实现了采用活体检测算法识别并防范假脸攻击的技术效果，进而解决了活体检测算法无法对假脸攻击进行防范的技术问题。
附图说明
[0017]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0018]图1是根据本专利技术实施例的活体检测函数生成方法流程图；
[0019]图2是根据本专利技术实施例的一种活体检测函数生成装置的结构示意图。
具体实施方式
[0020]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0021]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆
盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0022]实施例1
[0023]根据本专利技术实施例，提供了一种活体检测函数的生成方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0024]图1是根据本专利技术实施例的活体检测函数生成方法流程图，如图1所示，该方法包括如下步骤：
[0025]步骤S102，获取预先设置的样本集，其中，上述样本集包括：活体样本集和攻击样本集；
[0026]步骤S104，对上述样本集进行特征提取处理，得到特征向量；
[0027]步骤S106，采用预设损失函数对上述特征向量进行计算处理，得到目标损失函数。
[0028]在本专利技术实施例中，上述步骤S102至S108中提供的活体检测函数生成方法的执行主体为活体检测函数生成系统，采用上述系统获取预先设置的样本集，对上述样本集进行特征提取处理，得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活体检测函数生成方法，其特征在于，包括：获取预先设置的样本集，其中，所述样本集包括：活体样本集和攻击样本集；对所述样本集进行特征提取处理，得到特征向量；采用预设损失函数对所述特征向量进行计算处理，得到目标损失函数。2.根据权利要求1所述的方法，其特征在于，在获取预先设置的样本集之前，所述方法还包括：采用拍摄设备拍摄多个目标对象不同角度的第一面部图像；将多个所述第一面部图像作为所述活体样本集；采用智能设备制作多个第二面部图像；将多个所述第二面部图像作为所述攻击样本集。3.根据权利要求1所述的方法，其特征在于，所述对所述样本集进行特征提取处理，得到特征向量，包括：为特征提取函数设置学习参数，得到目标特征函数；采用所述目标特征函数对所述样本集进行计算处理，得到所述特征向量。4.根据权利要求1所述的方法，其特征在于，在采用预设损失函数对所述特征向量进行计算处理，得到目标损失函数之前，所述方法还包括：从所述活体样本集中选取任意一个活体样本作为标准活体样本；从所述活体样本集中选取任意一个除所述标准活体样本以外的所述活体样本作为目标活体样本；从所述攻击样本集中选取任意一个攻击样本作为目标攻击样本。5.根据权利要求4所述的方法，其特征在于，所述采用预设损失函数对所述特征向量进行计算处理，得到目标损失函数，包括：对所述标准活体样本和所述目标攻击样本进行...

【专利技术属性】
技术研发人员：秦志远，李凡平，石柱国，
申请(专利权)人：以萨技术股份有限公司，
类型：发明
国别省市：