【技术实现步骤摘要】
活体检测模型训练方法、活体检测方法和系统
[0001]本说明书涉及图像处理领域，尤其涉及一种活体检测模型训练方法、活体检测方法和系统。
技术介绍
[0002]近年来，随着互联网技术的飞速发展，在人脸识别系统中活体检测已经成为不可缺少的一环，通过活体检测可以有效拦截非活体类型的攻击样本。为了保证活体检测的准确性，往往就需要对活体检测模型进行训练。现有的活体检测模型在训练过程采用特定感受野提基于面部图像进行训练。
[0003]在对现有技术的研究和实践过程中，本专利技术人的专利技术人发现由于不同感受野可以对应不同的图像信息(比如，背景信息和面部细节信息等)，而特定感受野往往为固定尺寸，从而使得活体检测模型训练时无法同时兼顾到不同的图像信息，因此，导致训练出的活体检测模型的检测精度较低。
技术实现思路
[0004]本说明书提供一种检测精度更高的活体检测模型训练方法、活体检测方法和系统。
[0005]第一方面，本说明书提供一种活体检测模型训练方法，包括：获取面部样本在不同感受野下的面部图像样本，所述不同...
【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：获取面部样本在不同感受野下的面部图像样本，所述不同感受野包括第一感受野和第二感受野；采用预设活体检测模型对所述面部图像样本进行特征提取，并基于提取出的图像特征对所述面部样本进行活体分类，得到目标感受野对应的分类结果，所述目标感受野包括所述第一感受野、所述第二感受野和融合感受野，所述融合感受野包括所述第一感受野的特征信息和所述第二感受野的特征信息融合后得到的特征信息对应的感受野，所述分类结果包括分类置信度；以及基于所述分类置信度，确定所述目标感受野对应的损失权重，并基于所述损失权重对所述预设活体检测模型进行收敛，得到训练后的目标活体检测模型。2.根据权利要求1所述的活体检测模型训练方法，其中，所述面部图像样本包括所述面部样本对应的面部区域，所述面部区域在所述不同感受野对应的所述面部图像样本中的区域占比不同。3.根据权利要求1所述的活体检测模型训练方法，其中，所述图像特征包括第一感受野对应的第一图像特征和所述第二感受野对应的第二图像特征；以及所述基于提取出的图像特征对所述面部样本进行活体分类，得到目标感受野对应的分类结果，包括：基于所述第一图像特征，确定所述第一感受野对应的第一分类结果，并基于所述第二图像特征，确定所述第二感受野对应的第二分类结果，将所述第一图像特征和所述第二图像特征进行拼接，得到所述融合感受野对应的融合图像特征，并基于所述融合图像特征，确定所述融合感受野对应的第三分类结果，以及将所述第一分类结果、所述第二分类结果和所述第三分类结果作为所述目标感受野对应的分类结果。4.根据权利要求3所述的活体检测模型训练方法，其中，所述基于所述第一图像特征，确定所述第一感受野对应的第一分类结果，包括：在所述第一图像特征中提取出活体分类特征；以及基于所述活体分类特征，对所述面部样本进行活体分类，得到第一分类结果。5.根据权利要求1所述的活体检测模型训练方法，其中，所述基于所述分类置信度，确定所述目标感受野对应的损失权重，包括：在所述分类置信度中提取出所述第一感受野对应的第一分类置信度和所述第二感受野对应的第二分类置信度；以及基于所述第一分类置信度和所述第二分类置信度，确定所述目标感受野对应的损失权重。6.根据权利要求5所述的活体检测模型训练方法，其中，所述基于所述第一分类置信度和所述第二分类置信度，确定所述目标感受野对应的损失权重，包括：获取所述第一分类置信度和所述第二分类置信度之间的和，得到分类置信度和值，并基于所述分类置信度和值，确定所述不同感受野对应的当前损失权重；获取所述第一分类置信度和所述第二分类置信度之间的差值，得到分类置信度差值，并基于所述分类置信度差值，确定所述融合感受野对应的融合损失权重；以及
将所述当前损失权重和所述融合损失权重作为所述目标感受野对应的损失权重。7.根据权利要求6所述的活体检测模型训练方法，其中，所述基于所述分类置信度和值，确定所述不同感...
【专利技术属性】
技术研发人员：朱军，
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：
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。