【技术实现步骤摘要】
活体检测模型训练方法、活体检测方法、装置和电子设备
[0001]本公开涉及人工智能
,具体为深度学习、图像处理、计算机视觉
具体涉及一种活体检测模型训练方法、活体检测方法、装置和电子设备。
技术介绍
[0002]随着人工智能(ArtificialIntelligence,AI)的快速发展,人工智能已经广泛应用于计算机视觉技术、语音识别技术、自然语言处理技术、深度学习、大数据处理技术等领域。
[0003]基于人工智能的图像检测技术也已经广泛应用于不同场景。其中,基于人工智能的人脸活体检测技术,用于区分一张图像是否为真人拍摄,是人脸识别系统的基础组成模块,保证人脸识别系统的安全性,因此如何提高活体检测性能十分重要。
技术实现思路
[0004]本公开提供了一种活体检测模型训练方法、活体检测方法、装置和电子设备。
[0005]根据本公开的一方面,提供了一种活体检测模型训练方法,包括:
[0006]将原始样本图像划分为多个原始图像块;
[0007]根据原始样本图像的图像类型,从所述原始图像块中选择待掩码的目标图像块;
[0008]对所述目标图像块进行掩码,得到掩码样本图像,并将所述掩码样本图像输入深度学习模型进行预训练,得到活体检测的预训练模型;
[0009]对所述活体检测的预训练模型进行微调,得到活体检测模型。
[0010]根据本公开的另一方面,提供了一种活体检测方法,包括:
[0011]获取待检测的目标图像;
[0012] ...
【技术保护点】
【技术特征摘要】
1.一种活体检测模型训练方法,包括:将原始样本图像划分为多个原始图像块;根据原始样本图像的图像类型,从所述原始图像块中选择待掩码的目标图像块;对所述目标图像块进行掩码,得到掩码样本图像,并将所述掩码样本图像输入深度学习模型进行预训练,得到活体检测的预训练模型;对所述活体检测的预训练模型进行微调,得到活体检测模型。2.根据权利要求1所述的方法,其中,所述根据原始样本图像的图像类型,从所述原始图像块中选择待掩码的目标图像块,包括:根据原始样本图像的图像类型,从所述原始图像块中选择可掩码的候选图像块;从所述候选图像块中随机选择待掩码的目标图像块。3.根据权利要求2所述的方法,其中,所述根据原始样本图像的图像类型,从所述原始图像块中选择可掩码的候选图像块,包括:在所述原始样本图像的图像类型为第一攻击类型的情况下,将所述原始样本图像中人脸区域所对应的原始图像块作为候选图像块;所述第一攻击类型用于对人脸区域进行攻击;在所述原始样本图像的图像类型为第二攻击类型的情况下,将所述原始样本图像中除人脸区域之外的背景区域所对应的原始图像块作为候选图像块;所述第二攻击类型用于对背景区域进行攻击。4.根据权利要求1
‑
3中任一项所述的方法,所述方法还包括:根据原始样本图像的图像类型,确定原始样本图像中原始图像块的标注权重;将原始样本图像中的原始图像块输入权重网络,得到原始图像块的预测权重;根据原始图像块的预测权重和所述原始图像块的标注权重,对所述权重网络进行预训练。5.根据权利要求4所述的方法,其中,所述将所述掩码样本图像输入深度学习模型进行预训练,得到活体检测的预训练模型,包括:将所述掩码样本图像输入深度学习模型对所述目标图像块进行重建得到重建图像块;根据所述目标图像块和所述重建图像块构建第一损失函数,并采用所述第一损失函数对所述深度学习模型进行预训练,得到活体检测的预训练模型;所述根据原始图像块的预测权重和所述原始图像块的标注权重,对所述权重网络进行预训练,包括:根据所述原始图像块的预测权重和所述原始图像块的标注权重构建第二损失函数,并采用所述第二损失函数对所述权重网络进行预训练。6.根据权利要求4所述的方法,其中,所述对所述活体检测的预训练模型进行微调,得到活体检测模型,包括:获取原始样本图像和原始样本图像所标注的活体标注信息;将所述原始样本图像中的原始图像块输入预训练的权重网络得到原始图像块的预测权重;根据所述原始图像块的预测权重对所述原始图像块进行加权,并将加权结果输入活体检测的预训练模型得到原始样本图像的活体预测信息;
根据原始样本图像的活体标注信息和所述原始样本图像的活体预测信息,对预训练的权重网络和所述活体检测的预训练模型进行微调,得到活体检测模型。7.一种活体检测方法,包括:获取待检测的目标图像;将所述目标图像输入活体检测模型得到目标图像的预测活体信息;所述活体检测模型采用如权利要求1
‑
6中任一项所述的活体检测模型训练方法得到。8.根据权利要求7所述的方法,其中,所述将所述目标图像输入活体检测模型得到目标图像的预测活体信息,包括:对所述目标图像进行划分得到目标图像中的原始图像块;将所述目标图像中的原始图像块输入权重网络,得到目标图像中原始图像块的预测权重;根据所述目标图像中原始图像块的预测权重对所述目标图像中的原始图像块进行加权,并将加权结果输入所述活体检测模型得到目标图像的活体预测信息。9.一种活体检测模型训练装置,包括:样本划分模块,用于将原始样本图像划分为多个原始图像块;目标选择模块,用于根据原始样本图像的图像类型,从所述原始图像块中选择待掩码的目标图像块;预训练模块,用于对所述目标图像块进行掩码,得到掩码样本图像,并将所述掩码样本图像输入深度学习模型进行预训练,得到活体检测的预训练模型;微调模块,用于对所述活体检测的预训练模型...
【专利技术属性】
技术研发人员:王珂尧,
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。