活体攻击检测方法和活体攻击检测模型的训练方法技术

本说明书实施例公开了一种活体攻击检测方法、活体攻击检测模型的训练方法、装置、存储介质及电子设备，对目标人脸图像进行纹理特征提取和颜色空间变换，得到目标人脸图像的纹理图像和空间变换图像；将目标人脸图像、纹理图像和空间变换图像输入活体攻击检测模型，通过活体攻击检测模型，对目标人脸图像、纹理图像和空间变换图像进行特征提取和特征融合，得到目标人脸图像的第一图像特征，纹理图像的第二图像特征以及空间变换图像的第三图像特征；通过活体攻击检测模型，将第一图像特征、第二图像特征以及第三图像特征进行融合，得到目标人脸图像的分类特征；通过活体攻击检测模型，基于分类特征，确定目标人脸图像是否为活体攻击图像。图像。图像。

【技术实现步骤摘要】
活体攻击检测方法和活体攻击检测模型的训练方法


[0001]本说明书涉及计算机
，尤其涉及一种活体攻击检测方法、活体攻击检测模型的训练方法、装置、存储介质及电子设备。

技术介绍

[0002]随着计算机技术的发展，人脸识别技术在近年来得到了广泛应用，比如，应用人脸识别技术的人脸识别系统被广泛部署在支付平台上，用户通过人脸识别系统能够快速完成支付。
[0003]但是，在为人们的生产和生活带来便利的同时，人脸识别系统也在遭受各类攻击的考验，比如，活体攻击是威胁较大的一类攻击方式，活体攻击是指在人脸识别阶段，通过使用照片、手机屏幕以及佩戴面具等方式进行身份仿冒攻击。一旦活体攻击成功，会造成巨大的损失，因此，亟须一种活体攻击检测方法。

技术实现思路

[0004]本说明书提供一种活体攻击检测方法、活体攻击检测模型的训练方法、装置、存储介质及电子设备，能够在人脸识别过程中进行活体攻击的检测，提高人脸识别的安全性。
[0005]一方面，本说明书实施例提供一种活体攻击检测方法，包括：
[0006]对目标人脸图像进行纹理特征提取和颜色空间变换，得到所述目标人脸图像的纹理图像和空间变换图像；
[0007]将所述目标人脸图像、所述纹理图像和所述空间变换图像输入活体攻击检测模型，通过所述活体攻击检测模型，对所述目标人脸图像、所述纹理图像和所述空间变换图像进行特征提取和特征融合，得到所述目标人脸图像的第一图像特征，所述纹理图像的第二图像特征以及所述空间变换图像的第三图像特征；
[0008]通过所述活体攻击检测模型，将所述第一图像特征、第二图像特征以及第三图像特征进行融合，得到所述目标人脸图像的分类特征；
[0009]通过所述活体攻击检测模型，基于所述分类特征，确定所述目标人脸图像是否为活体攻击图像。
[0010]一方面，本说明书实施例提供一种活体攻击检测模型的训练方法，包括：
[0011]对样本人脸图像进行纹理特征提取和颜色空间变换，得到所述样本人脸图像的样本纹理图像和样本空间变换图像；
[0012]将所述样本人脸图像、所述样本纹理图像和所述样本空间变换图像输入活体攻击检测模型，通过所述活体攻击检测模型，对所述样本人脸图像、所述样本纹理图像和所述样本空间变换图像进行特征提取和特征融合，得到所述样本人脸图像的第一样本图像特征，所述样本纹理图像的第二样本图像特征以及所述样本空间变换图像的第三样本图像特征；
[0013]通过所述活体攻击检测模型，将所述第一样本图像特征、第二样本图像特征以及第三样本图像特征进行融合，得到所述样本人脸图像的样本分类特征；
[0014]通过所述活体攻击检测模型，基于所述样本分类特征，确定所述样本人脸图像的预测类型，所述预测类型用于表示所述样本人脸图像是否为活体攻击图像；
[0015]基于所述预测类型和所述样本人脸图像的标注类型之间的差异信息，对所述活体攻击检测模型进行训练。
[0016]一方面，本说明书实施例提供一种活体攻击检测装置，包括：
[0017]第一变换模块，用于对目标人脸图像进行纹理特征提取和颜色空间变换，得到所述目标人脸图像的纹理图像和空间变换图像；
[0018]第一特征处理模块，用于将所述目标人脸图像、所述纹理图像和所述空间变换图像输入活体攻击检测模型，通过所述活体攻击检测模型，对所述目标人脸图像、所述纹理图像和所述空间变换图像进行特征提取和特征融合，得到所述目标人脸图像的第一图像特征，所述纹理图像的第二图像特征以及所述空间变换图像的第三图像特征；
[0019]第一特征融合模块，用于通过所述活体攻击检测模型，将所述第一图像特征、第二图像特征以及第三图像特征进行融合，得到所述目标人脸图像的分类特征；
[0020]第一分类模块，用于通过所述活体攻击检测模型，基于所述分类特征，确定所述目标人脸图像是否为活体攻击图像。
[0021]在一种可能的实施方式中，所述第一变换模块，用于基于所述目标人脸图像中多个像素点的灰度值对所述目标人脸图像进行纹理特征提取，得到所述纹理图像；将所述目标人脸图像输入颜色空间变换模型，通过所述颜色空间变换模型对所述目标人脸图像进行处理，输出所述空间变换图像。
[0022]在一种可能的实施方式中，所述第一变换模块，用于对于所述目标人脸图像中多个像素点中的任一像素点，基于所述像素点的灰度值与所述像素点周围的多个参考像素点的灰度值的大小关系，确定所述像素点的纹理值；基于所述多个像素点的纹理值，生成所述纹理图像。
[0023]在一种可能的实施方式中，所述第一变换模块，用于将所述目标人脸图像输入所述颜色空间变换模型，通过所述颜色空间变换模型对所述目标人脸图像进行卷积、正则化、线性整流和归一化，输出所述空间变换图像。
[0024]在一种可能的实施方式中，所述第一特征处理模块，用于通过所述活体攻击检测模型，对所述目标人脸图像、所述纹理图像和所述空间变换图像进行特征提取，得到所述目标人脸图像的人脸图像特征，所述纹理图像的纹理图像特征以及所述空间变换图像的空间变换图像特征；通过所述活体攻击检测模型，将所述人脸图像特征和所述纹理图像特征进行融合，得到所述第一图像特征；将所述纹理图像特征和所述空间变换图像特征进行融合，得到所述第二图像特征；将所述空间变换图像特征和所述人脸图像特征进行融合，得到所述第三图像特征。
[0025]在一种可能的实施方式中，所述第一特征处理模块，用于对所述目标人脸图像、所述纹理图像和所述空间变换图像进行卷积，得到所述目标人脸图像的人脸图像特征，所述纹理图像的纹理图像特征以及所述空间变换图像的空间变换图像特征。
[0026]在一种可能的实施方式中，所述第一特征处理模块，用于对所述人脸图像特征进行卷积，得到所述人脸图像特征的第一人脸卷积特征；对所述纹理图像特征进行卷积，得到所述纹理图像特征的第一纹理卷积特征；将所述第一人脸卷积特征和所述第一纹理卷积特
征进行融合，得到人脸融合卷积特征；对所述人脸融合卷积特征进行卷积，得到所述第一图像特征。
[0027]在一种可能的实施方式中，所述第一特征处理模块，用于将所述第一人脸卷积特征和所述第一纹理卷积特征相加，得到第二人脸卷积特征；对所述第二人脸卷积特征进行卷积，得到第三人脸卷积特征；对所述第一纹理卷积特征进行卷积，得到第二纹理卷积特征；将所述第三人脸卷积特征和所述第二纹理卷积特征相加，得到所述人脸融合卷积特征。
[0028]在一种可能的实施方式中，所述第一特征融合模块，用于对所述第一图像特征进行卷积和池化，得到第一分类特征；对所述第二图像特征进行卷积和池化，得到第二分类特征；对所述第三图像特征进行卷积和池化，得到第三分类特征；将所述第一分类特征、所述第二分类特征以及所述第三分类特征相加，得到所述目标人脸图像的分类特征。
[0029]在一种可能的实施方式中，所述第一分类模块，用于对所述分类特征进行全连接和归一化，得到所述目标人脸图像的分类值；在所述分类值大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活体攻击检测方法，包括：对目标人脸图像进行纹理特征提取和颜色空间变换，得到所述目标人脸图像的纹理图像和空间变换图像；将所述目标人脸图像、所述纹理图像和所述空间变换图像输入活体攻击检测模型，通过所述活体攻击检测模型，对所述目标人脸图像、所述纹理图像和所述空间变换图像进行特征提取和特征融合，得到所述目标人脸图像的第一图像特征，所述纹理图像的第二图像特征以及所述空间变换图像的第三图像特征；通过所述活体攻击检测模型，将所述第一图像特征、第二图像特征以及第三图像特征进行融合，得到所述目标人脸图像的分类特征；通过所述活体攻击检测模型，基于所述分类特征，确定所述目标人脸图像是否为活体攻击图像。2.根据权利要求1所述的方法，所述对目标人脸图像进行纹理特征提取和颜色空间变换，得到所述目标人脸图像的纹理图像和空间变换图像包括：基于所述目标人脸图像中多个像素点的灰度值对所述目标人脸图像进行纹理特征提取，得到所述纹理图像；将所述目标人脸图像输入颜色空间变换模型，通过所述颜色空间变换模型对所述目标人脸图像进行处理，输出所述空间变换图像。3.根据权利要求2所述的方法，所述基于所述目标人脸图像中多个像素点的灰度值对所述目标人脸图像进行纹理特征提取，得到所述纹理图像包括：对于所述目标人脸图像中多个像素点中的任一像素点，基于所述像素点的灰度值与所述像素点周围的多个参考像素点的灰度值的大小关系，确定所述像素点的纹理值；基于所述多个像素点的纹理值，生成所述纹理图像。4.根据权利要求2所述的方法，所述将所述目标人脸图像输入颜色空间变换模型，通过所述颜色空间变换模型对所述目标人脸图像进行处理，输出所述空间变换图像包括：将所述目标人脸图像输入所述颜色空间变换模型，通过所述颜色空间变换模型对所述目标人脸图像进行卷积、正则化、线性整流和归一化，输出所述空间变换图像。5.根据权利要求1所述的方法，所述通过所述活体攻击检测模型，对所述目标人脸图像、所述纹理图像和所述空间变换图像进行特征提取和特征融合，得到所述目标人脸图像的第一图像特征，所述纹理图像的第二图像特征以及所述空间变换图像的第三图像特征包括：通过所述活体攻击检测模型，对所述目标人脸图像、所述纹理图像和所述空间变换图像进行特征提取，得到所述目标人脸图像的人脸图像特征，所述纹理图像的纹理图像特征以及所述空间变换图像的空间变换图像特征；通过所述活体攻击检测模型，将所述人脸图像特征和所述纹理图像特征进行融合，得到所述第一图像特征；将所述纹理图像特征和所述空间变换图像特征进行融合，得到所述第二图像特征；将所述空间变换图像特征和所述人脸图像特征进行融合，得到所述第三图像特征。6.根据权利要求5所述的方法，所述对所述目标人脸图像、所述纹理图像和所述空间变换图像进行特征提取，得到所述目标人脸图像的人脸图像特征，所述纹理图像的纹理图像
特征以及所述空间变换图像的空间变换图像特征包括：对所述目标人脸图像、所述纹理图像和所述空间变换图像进行卷积，得到所述目标人脸图像的人脸图像特征，所述纹理图像的纹理图像特征以及所述空间变换图像的空间变换图像特征。7.根据权利要求5所述的方法，所述将所述人脸图像特征和所述纹理图像特征进行融合，得到所述第一图像特征包括：对所述人脸图像特征进行卷积，得到所述人脸图像特征的第一人脸卷积特征；对所述纹理图像特征进行卷积，得到所述纹理图像特征的第一纹理卷积特征；将所述第一人脸卷积特征和所述第一纹理卷积特征进行融合，得到人脸融合卷积特征；对所述人脸融合卷积特征进行卷积，得到所述第一图像特征。8.根据权利要求7所述的方法，所述将所述第一人脸卷积特征和所述第一纹理卷积特征进行融合，得到人脸融合卷积特征包括：将所述第一人脸卷积特征和所述第一纹理卷积特征相加，得到第二人脸卷积特征；对所述第二人脸卷积特征进行卷积，得到第三人脸卷积特征；对所述第一纹理卷积特征进行卷积，得到第二纹理卷积特征；将所述第三人脸卷积特征和所述第二纹理卷积特征相加，得到所述人脸融合卷积特征。9.根据权利要求1所述的方法，所述将所述第一图像特征、第二图像特征以及第三图像特征进行融合，得到所述目标人脸图像的分类特征包括：对所述第一图像特征进行卷积和池化，得到第一分类特征；对所述第二图像特征进行卷积和池化，得到第二分类特征；对所述第三图像特征进行卷积和...

【专利技术属性】
技术研发人员：武文琦，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：