本申请提供一种闪光活体检测模型的构建方法、系统和检测方法，涉及活体检测领域，特别是涉及一种闪光活体检测模型的构建方法，包括：获取人脸图像样本；对人脸图像样本进行处理，得到训练样本；根据训练样本的类别，对训练样本进行分类，得到分类样本，其中，分类样本包括携带有分类标签的攻击人脸样本和真实人脸样本；以分类样本作为输入，分类样本的预测深度信息作为输出，构建基于混合专家网络的预测模型；以预测模型输出的预测深度信息作为输入，预测深度信息属于各分类标签的概率作为输出，构建分类模型；利用分类样本，对预测模型和分类模型进行联合训练，得到闪光活体检测模型。本申请能够提高闪光活体检测的检测精度。本申请能够提高闪光活体检测的检测精度。本申请能够提高闪光活体检测的检测精度。
【技术实现步骤摘要】
一种闪光活体检测模型的构建方法、系统和检测方法
[0001]本申请涉及活体检测领域，特别是涉及一种闪光活体检测模型的构建方法、系统和检测方法。
技术介绍
[0002]在进行人脸识别的时候，人脸识别模型常常会受到各种方式的欺骗，比如将某个人的照片显示在印刷品或者电子屏上，就可以成功的骗过人脸识别模型。所以，在进行识别之前，一般都会使用一个活体检测模型，来判断当前进行人脸识别的对象，是真人还是假人。
[0003]闪光活体检测是利用手机屏幕发出的光线做辅助信号，来判断手机前置摄像头拍摄的对象是真人还是假人(如印刷品或电子屏显示出来的人)的方法。其原理是：手机屏幕光线变化的时候，拍摄出的人脸的色彩也会发生变化，而色彩的变化信息在(有三维形态的)真人和(平面形态的)假人之间，是有明显区别的，于是可以将拍摄到的(因为手机屏幕发出的光线改变而造成的)人脸色彩的变化信息输入给一个深度学习模型，判断被拍摄者是真人还是假人。然而不同的攻击数据(比如印刷品攻击、电子屏幕攻击)有着不一样的数据分布，数据分布之间的固有冲突实际上会损害模型的预测效果，导致现有的闪光活体模型精度并不高。
[0004]因此，如何提高闪光活体检测的检测精度，是本领域技术人员亟待解决的技术问题。
技术实现思路
[0005]为解决上述技术问题，本申请提供一种闪光活体检测模型的构建方法，能够提高闪光活体检测的检测精度。本申请还提供一种闪光活体检测模型的构建系统，以及一种闪光活体检测方法，具有相同的技术效果。
[0006]本申请的第一个目的为提供一种闪光活体检测模型的构建方法。
[0007]本申请的上述申请目的一是通过以下技术方案得以实现的：
[0008]一种闪光活体检测模型的构建方法，包括：
[0009]获取人脸图像样本；
[0010]对所述人脸图像样本进行处理，得到训练样本；
[0011]根据所述训练样本的类别，对所述训练样本进行分类，得到分类样本，其中，所述分类样本包括携带有分类标签的攻击人脸样本和真实人脸样本；
[0012]以所述分类样本作为输入，所述分类样本的预测深度信息作为输出，构建基于混合专家网络的预测模型；
[0013]以所述预测模型输出的预测深度信息作为输入，所述预测深度信息属于各所述分类标签的概率作为输出，构建分类模型；
[0014]利用所述分类样本，对所述预测模型和所述分类模型进行联合训练，得到闪光活
体检测模型；
[0015]其中，所述分类标签包括属于所述攻击人脸样本的多个分类标签，以及属于所述真实人脸样本的1个分类标签。
[0016]优选地，所述闪光活体检测模型的构建方法中，所述预测模型包括多个专家网络和1个门控网络，所述联合训练时，利用所述分类样本，对所述预测模型进行训练，包括：
[0017]根据所述分类样本中所述攻击人脸样本的分类标签，将不同类型的所述攻击人脸样本分配给对应的一个所述专家网络，并使用所述攻击人脸样本的分类标签，训练所述门控网络的权重；
[0018]将所述分类样本中的所述真实人脸样本分配给每一个所述专家网络，并使用自适应的方式，训练所述门控网络的权重。
[0019]优选地，所述闪光活体检测模型的构建方法中，还包括：
[0020]以所述分类样本作为输入，所述分类样本的注意力信息作为输出，构建基于注意力机制的第一模型。
[0021]优选地，所述闪光活体检测模型的构建方法中，还包括：
[0022]获取将所述分类样本输入所述预测模型后输出的多个预测深度信息和将所述分类样本输入所述第一模型后输出的多个注意力信息；
[0023]将多个所述预测深度信息和多个所述注意力信息进行融合，得到融合信息。
[0024]优选地，所述闪光活体检测模型的构建方法中，所述以所述预测模型输出的预测深度信息作为输入，所述预测深度信息属于各所述分类标签的概率作为输出，构建分类模型，包括：
[0025]以所述融合信息作为输入，所述融合信息属于各所述分类标签的概率作为输出，构建分类模型。
[0026]优选地，所述闪光活体检测模型的构建方法中，所述利用所述分类样本，对所述预测模型和所述分类模型进行联合训练，得到闪光活体检测模型，具体包括：
[0027]利用所述分类样本，对所述预测模型、所述第一模型和所述分类模型进行联合训练，得到闪光活体检测模型。
[0028]本申请的第二个目的为提供一种闪光活体检测方法。
[0029]本申请的上述申请目的二是通过以下技术方案得以实现的：
[0030]一种闪光活体检测方法，包括：
[0031]获取待测人脸图像数据；
[0032]对所述待测人脸图像数据进行处理，得到输入数据；
[0033]将所述输入数据输入闪光活体检测模型，得到检测结果；
[0034]其中，所述闪光活体检测模型是采用上述任一项所述闪光活体检测模型的构建方法得到的。
[0035]本申请的第三个目的为提供一种闪光活体检测模型的构建系统。
[0036]本申请的上述申请目的二是通过以下技术方案得以实现的：
[0037]一种闪光活体检测模型的构建系统，包括：
[0038]第一获取单元，用于获取人脸图像样本；
[0039]处理单元，用于对所述人脸图像样本进行处理，得到训练样本；
[0040]分类单元，用于根据所述训练样本的类别，对所述训练样本进行分类，得到分类样本，其中，所述分类样本包括携带有分类标签的攻击人脸样本和真实人脸样本；
[0041]第一构建单元，用于以所述分类样本作为输入，所述分类样本的预测深度信息作为输出，构建基于混合专家网络的预测模型；
[0042]第二构建单元，用于以所述预测模型输出的预测深度信息作为输入，所述预测深度信息属于各所述分类标签的概率作为输出，构建分类模型；
[0043]训练单元，用于利用所述分类样本，对所述预测模型和所述分类模型进行联合训练，得到闪光活体检测模型；
[0044]其中，所述分类标签包括属于所述攻击人脸样本的多个分类标签，以及属于所述真实人脸样本的1个分类标签。
[0045]优选地，所述闪光活体检测模型的构建系统中，所述预测模型包括多个专家网络和1个门控网络，
[0046]所述训练单元，还用于根据所述分类样本中所述攻击人脸样本的分类标签，将不同类型的所述攻击人脸样本分配给对应的一个所述专家网络，并使用所述攻击人脸样本的分类标签，训练所述门控网络的权重；
[0047]所述训练单元，还用于将所述分类样本中的所述真实人脸样本分配给每一个所述专家网络，并使用自适应的方式，训练所述门控网络的权重。
[0048]优选地，所述闪光活体检测模型的构建系统中，还包括：
[0049]第三构建单元，用于以所述分类样本作为输入，所述分类样本的注意力信息作为输出，构建基于注意力机制的第一模型；
[0050]第二本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种闪光活体检测模型的构建方法，其特征在于，包括：获取人脸图像样本；对所述人脸图像样本进行处理，得到训练样本；根据所述训练样本的类别，对所述训练样本进行分类，得到分类样本，其中，所述分类样本包括携带有分类标签的攻击人脸样本和真实人脸样本；以所述分类样本作为输入，所述分类样本的预测深度信息作为输出，构建基于混合专家网络的预测模型；以所述预测模型输出的预测深度信息作为输入，所述预测深度信息属于各所述分类标签的概率作为输出，构建分类模型；利用所述分类样本，对所述预测模型和所述分类模型进行联合训练，得到闪光活体检测模型；其中，所述分类标签包括属于所述攻击人脸样本的多个分类标签，以及属于所述真实人脸样本的1个分类标签。2.如权利要求1所述的方法，其特征在于，所述预测模型包括多个专家网络和1个门控网络，所述联合训练时，利用所述分类样本，对所述预测模型进行训练，包括：根据所述分类样本中所述攻击人脸样本的分类标签，将不同类型的所述攻击人脸样本分配给对应的一个所述专家网络，并使用所述攻击人脸样本的分类标签，训练所述门控网络的权重；将所述分类样本中的所述真实人脸样本分配给每一个所述专家网络，并使用自适应的方式，训练所述门控网络的权重。3.如权利要求1所述的方法，其特征在于，还包括：以所述分类样本作为输入，所述分类样本的注意力信息作为输出，构建基于注意力机制的第一模型。4.如权利要求3所述的方法，其特征在于，还包括：获取将所述分类样本输入所述预测模型后输出的多个预测深度信息和将所述分类样本输入所述第一模型后输出的多个注意力信息；将多个所述预测深度信息和多个所述注意力信息进行融合，得到融合信息。5.如权利要求4所述的方法，其特征在于，所述以所述预测模型输出的预测深度信息作为输入，所述预测深度信息属于各所述分类标签的概率作为输出，构建分类模型，包括：以所述融合信息作为输入，所述融合信息属于各所述分类标签的概率作为输出，构建分类模型。6.如权利要求5所述的方法，其特征在于，所述利用所述分类样本，对所述预测模型和所述分类模型进行联合训练，得到闪光活体检测模型，具体包括：利用所述分类样本，对所述预测模型、所述第一模型和所述分类模型进行联合训练，得到闪光活体检测模型。7.一种闪光活体检测方法，其特征在于，包括：获取待测人脸图像数据；对所述待测人脸图像数据进行处理，得到输入数据；将所述输入数据输入闪光活体检测模型，得到检测结果；
【专利技术属性】
技术研发人员：刘伟华，严宇，左勇，罗艳，
申请(专利权)人：智慧眼科技股份有限公司，
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。