一种活体检测模型训练和活体检测的方法和装置制造方法及图纸

本发明专利技术公开了一种活体检测模型训练和活体检测的方法，包括：根据输入帧样本集，获取所述样本集中各帧对应的人脸辅助视图和所述输入帧样本集对应的活体真值；通过所述特征提取主干网络提取所述输入帧训练集的样本特征序列；将所述样本特征序列输入辅助监督网络，根据输出的辅助估计图和所述人脸辅助视图计算辅助损失；将所述样本特征序列输入所述时域检测网络，并根据输出的活体预测值与活体真值计算活体预测损失；根据所述辅助损失与所述活体预测损失确定综合损失，并以所述综合损失最小为训练目标，对所述活体检测模型进行训练。相应地，本发明专利技术公开了活体检测模型训练和活体检测的装置。测的装置。测的装置。

【技术实现步骤摘要】
一种活体检测模型训练和活体检测的方法和装置


[0001]本专利技术涉及活体检测技术，尤其涉及一种活体检测模型训练和活体检测的方法和装置。

技术介绍

[0002]人脸识别技术广泛应用于付款、门禁等生活中的各个场景，随着3D头模和面具制作工艺的发展，其外观越来越逼真，攻破现有人脸识别系统中活体检测的可能性越来越高。
[0003]现有的活体检测算法多少都存在着一些问题，其中：以单帧作为输入的活体检测算法只能用于防御低质量的2D攻击，对高质量3D攻击无法作出准确判断；以密集帧作为输入的活体检测算法需要对每一帧进行计算，计算开销很大以至于难以在低算力平台(如手机)进行产品化落地；交互活体检测需要用户做出指定动作，验证过程较繁琐且无法防御机械驱动的可动头模或预录制的高清视频。
[0004]因此，亟需一种专精高质量3D攻击且开销合理的活体检测方案，用于解决上述问题。

技术实现思路

[0005]本专利技术实施例提供一种活体检测模型训练和活体检测的方法及装置，以在有效防御高质量3D攻击的同时降低计算开销，给用户以无感验身的体验。<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训练方法，所述活体检测模型至少包括特征提取主干网络、辅助监督网络和时域检测网络，所述方法包括：根据输入帧样本集，获取所述样本集中各帧对应的人脸辅助视图和所述输入帧样本集对应的活体真值；通过所述特征提取主干网络提取所述输入帧训练集的样本特征序列；将所述样本特征序列输入辅助监督网络，根据输出的辅助估计图和所述人脸辅助视图计算辅助损失；将所述样本特征序列输入所述时域检测网络，并根据输出的活体预测值与活体真值计算活体预测损失；根据所述辅助损失与所述活体预测损失确定综合损失，并以所述综合损失最小为训练目标，对所述活体检测模型进行训练。2.如权利要求1所述的活体检测模型训练方法，所述辅助监督网络为三维重建投影估计网络，所述人脸辅助视图为人脸三维重建投影视图，通过所述特征提取主干网络提取所述输入帧训练集的样本特征序列之后，所述方法包括：对所述样本特征序列进行编码，将编码后的样本特征序列各帧输入所述三维重建投影估计网络，根据输出的三维重建投影估计图和所述三维重建投影视图计算三维重建投影损失；将所述编码后的样本特征序列输入所述时域检测网络，并根据输出的活体预测值与活体真值计算活体预测损失；根据所述三维重建投影损失与所述活体预测损失确定综合损失，并以所述综合损失最小为训练目标，对所述活体检测模型进行训练。3.如权利要求2所述的活体检测模型训练方法，所述获取所述样本集中各帧对应的人脸三维重建投影视图，包括：针对所述样本集中各帧，通过三维重建网络得到人脸区域的三维重建信息；计算所述三维重建信息到相机平面的正交投影视图，作为所述三维重建投影视图。4.如权利要求2所述的活体检测模型训练方法，根据输出的三维重建投影估计图和所述三维重建投影视图计算三维重建投影损失，包括：计算所述三维重建投影估计图和所述三维重建投影视图的均方误差损失，作为所述三维重建投影损失。5.如权利要求1所述的活体检测模型训练方法，所述辅助监督网络为光流估计网络，所述人脸辅助视图为人脸光流视图，通过所述特征提取主干网络提取所述输入帧训练集的样本特征序列之后，所述方法包括：将所述样本特征序列的相邻帧输入所述光流估计网络，根据输出的光流估计图和所述光流视图计算光流损失；对所述样本特征序列进行编码，将所述编码后的样本特征序列输入所述时域检测网络，并根据输出的活体预测值与活体真值计算活体预测损失；根据所述光流损失与所述活体预测损失确定综合损失，并以所述综合损失最小为训练目标，对所述活体检测模型进行训练。6.如权利要求5所述的活体检测模型训练方法，所述获取所述样本集中的人脸光流视
图，包括：针对所述样本集中相邻帧，通过光流估计算法得到全场景的光流估计信息；针对所述样本集中各帧，通过三维重建网络得到人脸区域的三维重建信息；将所述三维重建信息到相机平面的正交投影视图作为三维重建投影，以所述三维重建投影为蒙版，过滤得到所述人脸光流视图。7.如权利要求5所述的活体检测模型训练方法，将所述样本特征序列中的相邻帧输入所述光流估计网络输出的光流估计图，包括：将所述样本特征序列中的相邻帧输入所述光流估计网络，分别得到光流特征；将所述相邻帧的光流特征的差值输入卷积上采样模块，得到所述光流估计图。8.如权利要求5所述的活体检测模型训练方法，所述根据光流估计图和所述光流视图计算光流损失，包括：获取相邻帧之间人脸的相对位置变化；根据所述相对位置变化进行平移对齐之后，计算所述光流估计图和所述光流视图的均方误差，作为所述光流损失。9.如权利要求1所述的活体检测模型训练方法，根据输出的活体预测值与活体真值计算活体预测损失，包括：计算所述活体预测值与活体真值的交叉熵损失，作为所述活体预测损失。10.一种活体检测方法，包括：采集检测图像，从所述检测图像中获取输入帧序列；将所述输入帧序列输入预先训练的活...

【专利技术属性】
技术研发人员：杨博文，李建树，刘健，
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：