活体检测模型的训练方法、活体检测方法及相关设备技术

本申请公开了一种活体检测模型的训练方法、活体检测方法、电子设备及计算机可读存储介质。该训练方法包括：获取训练图像对，训练图像对包括第一模态图像和第二模态图像；利用活体检测模型的第一特征提取分支对第一模态图像特征提取，得到第一特征，第一特征包括第一跨模态监督特征；利用活体检测模型的第二特征提取分支对第二模态图像进行特征提取，得到第二特征，第二特征包括第二跨模态监督特征；基于第一跨模态监督特征和第二跨模态监督特征构建跨模态监督损失；至少基于跨模态监督损失调整活体检测模型的参数。通过上述方式，能够提高活体检测模型提取的特征对活体类别的表达能力、在应用阶段活体检测时基于特征得到的活体判别结果的准确度。活体判别结果的准确度。活体判别结果的准确度。

【技术实现步骤摘要】
活体检测模型的训练方法、活体检测方法及相关设备


[0001]本申请涉及目标识别
，特别是涉及一种活体检测模型的训练方法、活体检测方法、电子设备及计算机可读存储介质。

技术介绍

[0002]目标识别技术可以应用于闸机门禁、上班考勤机、手机刷脸支付等诸多领域。目标识别技术的一般流程为，获取目标的图像，基于目标的图像进行识别。但是目标识别技术具有伪装目标进行攻击的风险，即获取的目标的图像不是对真实目标(活体)拍摄得到的图像，而是对伪装目标(非活体)拍摄得到的图像，伪装目标例如是目标的纸质照片、目标的电子图像、三维模具等等。
[0003]基于此，需要在目标识别过程中对目标的图像进行活体检测，以确定目标是否为活体。但是，现有技术中的活体检测方法，得到的活体判别结果不够准确。

技术实现思路

[0004]本申请提供一种活体检测模型的训练方法、活体检测方法、电子设备及计算机可读存储介质，能够解决现有技术中的活体检测方法，得到的活体判别结果不够准确的问题。
[0005]为解决上述技术问题，本申请采用的一个技术方案是：提供一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活体检测模型的训练方法，其特征在于，包括：获取训练图像对，所述训练图像对包括第一模态图像和第二模态图像，所述第一模态图像和所述第二模态图像来自同一活体类别的训练对象；利用所述活体检测模型的第一特征提取分支对所述第一模态图像特征提取，得到第一特征，所述第一特征包括第一跨模态监督特征；利用所述活体检测模型的第二特征提取分支对所述第二模态图像进行特征提取，得到第二特征，所述第二特征包括第二跨模态监督特征；基于所述第一跨模态监督特征和所述第二跨模态监督特征构建跨模态监督损失；至少基于所述跨模态监督损失调整所述活体检测模型的参数。2.根据权利要求1所述的方法，其特征在于，所述第一跨模态监督特征包括第一模态的监督特征，所述第二跨模态监督特征包括第二模态的被监督特征，所述第一模态的监督特征为频域特征，所述基于所述第一跨模态监督特征和所述第二跨模态监督特征构建跨模态监督损失，包括：将所述第二模态的被监督特征转换至频域；基于所述第一模态的监督特征与经转换的所述第二模态的被监督特征之间的差异，构建所述第二特征提取分支对应的所述跨模态监督损失。3.根据权利要求1所述的方法，其特征在于，所述第一跨模态监督特征包括第一模态的被监督特征，所述第二跨模态监督特征包括第二模态的监督特征，包括：将所述第一模态的被监督特征从第一模态翻译成第二模态；基于经翻译的所述第一模态的被监督特征与所述第二模态的监督特征之间的差异，构建所述第一特征提取分支对应的所述跨模态监督损失。4.根据权利要求2或3所述的方法，其特征在于，所述第一模态图像为可见光图像，所述第二模态图像为近红外图像。5.根据权利要求1所述的方法，其特征在于，所述第一特征还包括第一活体判别特征，所述第二特征还包括第二活体判别特征，所述训练图像对还包括表征所述训练对象的真实活体类别的活体标签，所述方法还包括：对所述第一活体判别特征与所述第二活体判别特征进行融合，得到活体判别特征；基于所述活体判别特征对所述训练对象进行活体判别，得到所述训练对象的活体判别结果；基于所述活体判别结果与所述活体标签之间的差异构建活体判别损失；所述至少基于所述跨...

【专利技术属性】
技术研发人员：李永凯，王宁波，郝敬松，朱树磊，殷俊，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：