本发明专利技术涉及人工智能技术领域，提供一种活体检测方法、装置、电子设备及存储介质，先对构建的初始图像超分模型的网络结构和损失函数进行改进，使得基于改进后的初始图像超分模型进行训练得到图像超分模型，能够得到更好的超分辨率重建效果，在接收到对待测对象进行活体检测的指令时，将待测对象的人脸图像输入图像超分模型中，得到人脸图像对应的超分图像，实现了将数据分布统一到同一个域里面，增强了整体活体检测的泛化性，最后基于超分图像进行活体检测，得到准确度较高的活体检测结果。得到准确度较高的活体检测结果。得到准确度较高的活体检测结果。
【技术实现步骤摘要】
活体检测方法、装置、电子设备及存储介质
[0001]本专利技术涉及人工智能
，具体涉及一种活体检测方法、装置、电子设备及存储介质。
技术介绍
[0002]活体检测是指区分一张图像是否为通过拍摄真实对象得到的。现有的活体检测方式，通常是采用基于深度学习的活体检测模型对图像中的检测对象进行活体检测。
[0003]然而，专利技术人在实现本专利技术的过程发现，基于深度学习的活体检测模型对于训练数据的清晰度有很强的依赖性，在脱离训练数据的获取光线，清晰度，摄像头型号等情况下，导致活体检测模型的泛化性不强，因而无法较准确的判断检测对象是否为活体。
技术实现思路
[0004]鉴于以上内容，有必要提出一种活体检测方法、装置、电子设备及存储介质，能够提高活体检测的准确度。
[0005]本专利技术的第一方面提供一种活体检测方法，所述方法包括：
[0006]基于生成判别网络构建初始图像超分模型，并对所述初始图像超分模型的损失函数进行改进，基于改进后的初始图像超分模型进行训练得到图像超分模型；
[0007]响应于对待测对象进行活体检测的指令，获取所述待测对象的人脸图像；
[0008]将所述人脸图像输入所述图像超分模型中，通过所述图像超分模型输出所述人脸图像对应的超分图像；
[0009]将所述超分图像输入活体检测模型中，通过所述活体检测模型输出活体检测概率；
[0010]基于所述活体检测概率输出所述待测对象的活体检测结果。
[0011]在一个可选的实施方式中，所述基于改进后的初始图像超分模型进行训练得到图像超分模型包括；
[0012]读取训练集，其中，所述训练集中包括多个低分辨率的训练图像及每个训练图像对应的高分辨率的参考图像；
[0013]将所述训练图像输入所述初始图像超分模型的生成网络中，通过所述生成网络生成高分辨率的生成图像；
[0014]将所述生成图像及对应的所述参考图像输入所述初始图像超分模型的判别网络中，通过所述判别网络对所述生成图像进行判别；
[0015]采用随机梯度下降法，最小化所述改进后的损失函数，当所述改进后的损失函数收敛到收敛阈值时，得到图像超分模型。
[0016]在一个可选的实施方式中，所述改进后的损失函数为：
[0017][0018]其中，为改进后的损失函数，是生成网络的重建损失函数，
是VGG网络的感知损失函数，是判别网络的对抗损失函数，λ1，λ2，λ3为权重系数。
[0019]在一个可选的实施方式中，所述获取所述待测对象的人脸图像包括：
[0020]获取包含所述待测对象的待测图像；
[0021]对所述待测图像进行人脸检测，得到所述待测图像中的第一人脸区域；
[0022]根据所述第一人脸区域，获取所述待测图像中包含所述第一人脸区域的第二人脸区域，所述第二人脸区域与所述第一人脸区域的尺寸比例为预设比例；
[0023]对所述待测图像中的所述第二人脸区域进行裁剪处理；
[0024]将裁剪处理得到的图像确定为所述人脸图像。
[0025]在一个可选的实施方式中，所述通过所述活体检测模型输出活体检测概率包括：
[0026]获取所述人脸图像对应的频域图像；
[0027]利用所述活体检测模型的第一提取层从所述人脸图像中提取第一特征图；
[0028]利用所述活体检测模型的第二提取层从所述频域图像中提取第二特征图；
[0029]基于所述第一特征图和所述第二特征图得到拼接特征图；
[0030]利用所述活体检测模型的检测层基于所述拼接特征图输出所述活体检测概率。
[0031]在一个可选的实施方式中，所述活体检测模型的训练过程包括：
[0032]获取多个活体对象的人脸图像作为正样本集；
[0033]对所述正样本集中的每个人脸图像进行伪造处理得到负样本集；
[0034]输入所述正样本集中的人脸图像至初始活体检测模型中，通过所述初始活体检测模型得到多个正样本的活体检测概率；
[0035]输入所述负样本集中的人脸图像至所述初始活体检测模型中，通过所述初始活体检测模型得到多个负样本的活体检测概率；
[0036]根据每个所述正样本的活体检测概率及对应的所述负样本的活体检测概率计算得到对比损失；
[0037]根据得到的多个所述对比损失，训练所述初始活体检测模型，得到活体检测模型。
[0038]在一个可选的实施方式中，所述基于所述活体检测概率输出所述待测对象的活体检测结果包括：
[0039]判断所述活体检测概率是否大于预设概率阈值；
[0040]若所述活体检测概率大于所述预设概率阈值，输出所述待测对象为活体的检测结果；
[0041]若所述活体检测概率小于所述预设概率阈值，输出所述待测对象为非活体的检测结果。
[0042]本专利技术的第二方面提供一种活体检测装置，所述装置包括：
[0043]训练模块，用于基于生成判别网络构建初始图像超分模型，并对所述初始图像超分模型的损失函数进行改进，基于改进后的初始图像超分模型进行训练得到图像超分模型；
[0044]获取模块，用于响应于对待测对象进行活体检测的指令，获取所述待测对象的人脸图像；
[0045]超分模块，用于将所述人脸图像输入所述图像超分模型中，通过所述图像超分模型输出所述人脸图像对应的超分图像；
[0046]检测模块，用于将所述超分图像输入活体检测模型中，通过所述活体检测模型输出活体检测概率；
[0047]输出模块，用于基于所述活体检测概率输出所述待测对象的活体检测结果。
[0048]本专利技术的第三方面提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现所述活体检测方法。
[0049]本专利技术的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述活体检测方法。
[0050]本专利技术提供的活体检测方法、装置、电子设备及存储介质，先对构建的初始图像超分模型的网络结构和损失函数进行改进，使得基于改进后的初始图像超分模型进行训练得到图像超分模型，能够得到更好的超分辨率重建效果，在接收到对待测对象进行活体检测的指令时，将待测对象的人脸图像输入图像超分模型中，得到人脸图像对应的超分图像，实现了将数据分布统一到同一个域里面，增强了整体活体检测的泛化性，最后基于超分图像进行活体检测，得到准确度较高的活体检测结果。
附图说明
[0051]图1是本专利技术实施例一提供的活体检测方法的流程图。
[0052]图2是本专利技术实施例二提供的活体检测装置的结构图。
[0053]图3是本专利技术实施例三提供的电子设备的结构示意图。
具体实施方式
[0054]为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施例对本专利技术进行详细描述。在不冲本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种活体检测方法，其特征在于，所述方法包括：基于生成判别网络构建初始图像超分模型，并对所述初始图像超分模型的损失函数进行改进，基于改进后的初始图像超分模型进行训练得到图像超分模型；响应于对待测对象进行活体检测的指令，获取所述待测对象的人脸图像；将所述人脸图像输入所述图像超分模型中，通过所述图像超分模型输出所述人脸图像对应的超分图像；将所述超分图像输入活体检测模型中，通过所述活体检测模型输出活体检测概率；基于所述活体检测概率输出所述待测对象的活体检测结果。2.如权利要求1所述的活体检测方法，其特征在于，所述基于改进后的初始图像超分模型进行训练得到图像超分模型包括；读取训练集，其中，所述训练集中包括多个低分辨率的训练图像及每个训练图像对应的高分辨率的参考图像；将所述训练图像输入所述初始图像超分模型的生成网络中，通过所述生成网络生成高分辨率的生成图像；将所述生成图像及对应的所述参考图像输入所述初始图像超分模型的判别网络中，通过所述判别网络对所述生成图像进行判别；采用随机梯度下降法，最小化所述改进后的损失函数，当所述改进后的损失函数收敛到收敛阈值时，得到图像超分模型。3.如权利要求2所述的活体检测方法，其特征在于，所述改进后的损失函数为：其中，为改进后的损失函数，是生成网络的重建损失函数，是VGG网络的感知损失函数，是判别网络的对抗损失函数，λ1，λ2，λ3为权重系数。4.如权利要求2所述的活体检测方法，其特征在于，所述获取所述待测对象的人脸图像包括：获取包含所述待测对象的待测图像；对所述待测图像进行人脸检测，得到所述待测图像中的第一人脸区域；根据所述第一人脸区域，获取所述待测图像中包含所述第一人脸区域的第二人脸区域，所述第二人脸区域与所述第一人脸区域的尺寸比例为预设比例；对所述待测图像中的所述第二人脸区域进行裁剪处理；将裁剪处理得到的图像确定为所述人脸图像。5.如权利要求4所述的活体检测方法，其特征在于，所述通过所述活体检测模型输出活体检测概率包括：获取所述人脸图像对应的频域图像；利用所述活体检测模型的第一提取层从所述人脸图像中提取第一特征图；利用所述活体检测模型的第二提取层从所述频域图像中提取第二特征图；基于所述第一特...
【专利技术属性】
技术研发人员：李佼，叶明，徐玲玲，胡魁，戴磊，陈远旭，
申请(专利权)人：平安科技深圳有限公司，
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。