【技术实现步骤摘要】
人脸活体检测模型的训练方法、装置及计算机程序产品
[0001]本公开涉及人工智能
,具体涉及深度学习、图像处理、计算机视觉
,尤其涉及人脸活体检测模型的训练方法、装置以及人脸活体检测方法、装置、电子设备、存储介质以及计算机程序产品,可用于人脸活体检测场景下。
技术介绍
[0002]人脸活体检测,即区分一张图像是否基于真人拍摄,是人脸识别系统的基础模块。使用深度学习技术的人脸活体检测方法是当前的主流方法,然而,现有的基于深度学习技术的人脸活体检测方法主要是基于二分类的方法,即活体样本属于一类,攻击样本属于另一类,利用二值标签提供分类监督。由于人脸攻击样本的复杂多样化,攻击线索往往存在于图像的局部区域且攻击线索在图像位置也不规律。因此,现有二分类方法普遍存在检测结果不准确的问题。
技术实现思路
[0003]本公开提供了一种人脸活体检测模型的训练方法、装置以及人脸活体检测方法、装置、电子设备、存储介质以及计算机程序产品。
[0004]根据第一方面,提供了一种人脸活体检测模型的训练方法,包括:获取训练样本集,其中,训练样本集包括:样本人脸图像、表征样本人脸图像是否为活体人脸图像的标签;根据样本人脸图像,得到至少两个不同的同源图像;通过特征提取网络分别对至少两个不同的同源图像进行特征提取,得到至少两个第一特征数据;通过回归网络对至少两个第一特征数据进行处理,得到至少两个第二特征数据;根据至少两个第一特征数据获取第一损失;根据第二特征数据和标签获取第二损失;根据第一损失和第二损失,训练人脸活体 ...
【技术保护点】
【技术特征摘要】
1.一种人脸活体检测模型的训练方法,包括:获取训练样本集,其中,所述训练样本集包括:样本人脸图像、表征所述样本人脸图像是否为活体人脸图像的标签;根据所述样本人脸图像,得到至少两个不同的同源图像;通过特征提取网络分别对所述至少两个不同的同源图像进行特征提取,得到至少两个第一特征数据;通过回归网络对所述至少两个第一特征数据进行处理,得到至少两个第二特征数据;根据所述至少两个第一特征数据获取第一损失;根据所述第二特征数据和所述标签获取第二损失;根据所述第一损失和所述第二损失,训练人脸活体检测模型,所述人脸活体检测模型包括:所述特征提取网络和所述回归网络。2.根据权利要求1所述的方法,其中,所述根据所述样本人脸图像,得到至少两个不同的同源图像,包括:通过图像增广器,根据所述样本人脸图像,得到所述至少两个不同的同源图像。3.根据权利要求1所述的方法,其中,所述通过回归网络对所述至少两个第一特征数据进行处理,得到至少两个第二特征数据,包括:通过所述回归网络中的普通卷积层对所述第一特征数据进行卷积,得到第三特征数据;通过所述回归网络中的转置卷积层对所述第三特征数据进行上采样,得到所述第二特征数据。4.根据权利要求1所述的方法,其中,所述根据所述第二特征数据和所述标签获取第二损失,包括:通过预设激活函数激活所述至少两个第二特征数据,得到至少两个第一特征图,所述第一特征图的值域为[0,1];通过回归损失函数,计算所述至少两个第一特征图与所述标签之间的所述第二损失,其中,所述标签为活体人脸图像对应的全一矩阵,或非活体人脸图像对应的全零矩阵。5.根据权利要求1所述的方法,其中,所述根据所述至少两个第一特征数据获取第一损失,包括:对所述至少两个第一特征数据中的每个三维的第一特征数据进行特征重塑,得到至少两个二维的重塑后的第四特征数据;通过一致性损失函数,计算所述至少两个第四特征数据之间的所述第一损失。6.一种人脸活体检测方法,包括:获取待检测人脸图像;通过训练后的人脸活体检测模型中的特征处理网络,提取所述待检测人脸图像的第五特征数据,其中,所述人脸活体检测模型通过权利要求1
‑
5中任一项训练得到;通过所述人脸活体检测模型中的回归网络,根据所述第五特征数据确定所述待检测人脸图像是否为活体人脸图像。7.根据权利要求6所述的方法,其中,所述通过所述人脸活体检测模型中的回归网络,根据所述第五特征数据确定所述待检测人脸图像是否为活体人脸图像,包括:
通过所述回归网络对所述第五特征数据进行处理,得到第二特征图;根据所述第二特征图中的特征值,得到表征所述待检测人脸图像为活体人脸图像的概率的置信度;根据所述置信度,确定所述待检测人脸图像是否为活体人脸图像。8.一种人脸活体检测模型的训练装置,包括:第一获取单元,被配置成获取训练样本集,其中,所述训练样本集包括:样本人脸图像、表征所述样本人脸图像是否为活体人脸图像的标签;得到单元,被配置成根据所述样本人脸图像,得到至少两个不同的同源图像;第一提取单元,被配置成通过特征提取网络分别对所述至少两个不同的同源图像进行特...
【专利技术属性】
技术研发人员:张国生,
申请(专利权)人:北京百度网讯科技有限公司,
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。