一种活体检测方法、装置、存储介质及电子设备制造方法及图纸

本说明书公开了一种活体检测方法、装置、存储介质及电子设备，其中，方法包括：基于目标场景下的第一样本对象检测图像确定目标场景性质描述文本，结合目标场景性质描述文本和第一样本对象检测图像进行人工智能图像生成得到多个第二样本对象检测图像，基于参考活体检测模型创建针对目标场景的初始目标活体检测模型，采用第二样本对象检测图像对初始目标活体检测模型进行模型训练得到目标活体检测模型。型。型。

【技术实现步骤摘要】
一种活体检测方法、装置、存储介质及电子设备


[0001]本说明书涉及计算机
，尤其涉及一种活体检测方法、装置、存储介质及电子设备。

技术介绍

[0002]随着计算机技术的快速发展，生物识别技术被广泛应用到人们的生产和生活当中。例如刷脸支付，面部门禁，面部考勤以及面部进站等技术都需要依赖生物识别，但是，随着生物识别技术越来越广泛的应用，生物识别场景下的活体检测需求也越来越凸出，例如面部考勤、刷脸进站、刷脸支付等生物识别场景得到了广泛应用，在生物识别为人们提供方便的同时，也带来了新的风险挑战。威胁生物识别系统安全的最常见的手段为活体攻击，即通过设备屏幕、打印照片等手段尝试绕过图像生物验证的手法，因此在生物识别场景中活体检测尤为重要。

技术实现思路

[0003]本说明书提供了一种活体检测方法、装置、存储介质及电子设备，所述技术方案如下：
[0004]第一方面，本说明书提供了一种活体检测方法，所述方法包括：
[0005]获取目标场景下的第一样本对象检测图像，基于各所述第一样本对象检测图像确定目标场景性质描述文本；
[0006]基于所述目标场景性质描述文本和所述第一样本对象检测图像进行人工智能图像生成，得到多个第二样本对象检测图像，所述第二样本对象检测图像的样本数量大于所述第一样本对象检测图像的样本数量；
[0007]基于参考活体检测模型创建针对所述目标场景的初始目标活体检测模型，采用所述第二样本对象检测图像对所述初始目标活体检测模型进行模型训练，得到目标活体检测模型，所述参考活体检测模型为参考场景下的活体检测模型。
[0008]第二方面，本说明书提供了一种活体检测装置，所述装置包括：
[0009]数据处理模块，用于获取目标场景下的第一样本对象检测图像，基于各所述第一样本对象检测图像确定目标场景性质描述文本；
[0010]图像生成模块，用于基于所述目标场景性质描述文本和所述第一样本对象检测图像进行人工智能图像生成，得到多个第二样本对象检测图像，所述第二样本对象检测图像的样本数量大于所述第一样本对象检测图像的样本数量；
[0011]模型训练模块，用于基于参考活体检测模型创建针对所述目标场景的初始目标活体检测模型，采用所述第二样本对象检测图像对所述初始目标活体检测模型进行模型训练，得到目标活体检测模型，所述参考活体检测模型为参考场景下的活体检测模型。
[0012]第三方面，本说明书提供一种计算机存储介质，所述计算机存储介质存储有至少一条指令，所述指令适于由处理器加载并执行本说明书一个或多个实施例的方法步骤。
[0013]第四方面，本说明书提供一种计算机程序产品，所述计算机程序产品存储有至少一条指令，所述指令适于由处理器加载并执行本说明书一个或多个实施例的方法步骤。
[0014]第五方面，本说明书提供一种电子设备，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行本说明书一个或多个实施例的方法步骤。
[0015]本说明书一些实施例提供的技术方案带来的有益效果至少包括：
[0016]在本说明书一个或多个实施例中，基于目标场景下的第一样本对象检测图像确定目标场景性质描述文本，结合目标场景性质描述文本和第一样本对象检测图像进行人工智能图像生成得到多个第二样本对象检测图像，基于参考活体检测模型创建针对目标场景的初始目标活体检测模型，通过采用第二样本对象检测图像对初始目标活体检测模型进行模型训练得到适配新场景下的目标活体检测模型，在新的目标场景中可以达到比较好的活体检测性能，模型训练不需要依赖大量的人工标注和较长的模型训练时间，提升了活体检测效率，提升了新场景下的模型适配效率。
附图说明
[0017]为了更清楚地说明本说明书或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是本说明书提供的一种活体检测系统的场景示意图；
[0019]图2是本说明书提供的一种活体检测方法的流程示意图；
[0020]图3是本说明书提供的另一种活体检测方法的场景示意图；
[0021]图4是本说明书提供的一种场景性质描述生成的流程示意图；
[0022]图5是本说明书提供的一种场景性质描述生成模型的模型训练示意图；
[0023]图6是本说明书提供的场景活体样本生成模型的模型训练示意图；
[0024]图7是本说明书提供的一种目标活体检测模型的训练流程示意图；
[0025]图8是本说明书提供的一种活体检测装置的装置示意图；
[0026]图9是本说明书提供的一种电子设备的结构示意图；
[0027]图10是本说明书提供的操作系统和用户空间的结构示意图；
[0028]图11是图10中安卓操作系统的架构图；
[0029]图12是图10中IOS操作系统的架构图。
具体实施方式
[0030]下面将结合本说明书中的附图，对本说明书中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。
[0031]在本说明书的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本说明书的描述中，需要说明的是，除非另有明确的
规定和限定，“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本说明书中的具体含义。此外，在本说明书的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0032]在相关技术中，为了检测活体攻击，各类活体检测方法被提出，常通过针对一些参考部署场景训练活体检测模型来进行活体检测，但是活体检测在面临与参考部署场景不同的新场景时，就会客观存在跨场景适配问题，在参考部署场景下训练的活体检测模型在新场景下需要重新训练、重新采集样本图像、重新对样本进行标注，这也就导致了仍然存在着巨大的挑战；
[0033]下面结合具体的实施例对本说明书进行详细说明。
[0034]请参见图1，为本说明书提供的一种活体检测系统的场景示意图。如图1所示，所述活体检测系统至少可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活体检测方法，所述方法包括：获取目标场景下的第一样本对象检测图像，基于各所述第一样本对象检测图像确定目标场景性质描述文本；基于所述目标场景性质描述文本和所述第一样本对象检测图像进行人工智能图像生成，得到多个第二样本对象检测图像，所述第二样本对象检测图像的样本数量大于所述第一样本对象检测图像的样本数量；基于参考活体检测模型创建针对所述目标场景的初始目标活体检测模型，采用所述第二样本对象检测图像对所述初始目标活体检测模型进行模型训练，得到目标活体检测模型，所述参考活体检测模型为参考场景下的活体检测模型。2.根据权利要求1所述的方法，所述基于各所述第一样本对象检测图像确定目标场景性质描述文本，包括：将各所述第一样本对象图像输入场景性质描述生成模型中，输出至少一个目标场景共性描述信息和至少一个目标场景特性描述信息；基于所述目标场景共性描述信息和所述目标场景特性描述信息确定目标场景性质描述文本。3.根据权利要求2所述的方法，所述基于所述目标场景共性描述信息和所述目标场景特性描述信息确定目标场景性质描述文本，包括：对所述目标场景共性描述信息进行描述文本采样，得到目标场景共性描述文本；对所述目标场景特性描述信息进行描述文本采样，得到目标场景特性描述文本；基于所述目标场景共性描述文本和所述目标场景特性描述文本得到目标场景性质描述文本。4.根据权利要求3所述的方法，所述对所述目标场景共性描述信息进行描述文本采样，包括：基于所述目标场景共性描述信息确定每个共性描述文本对应的文本频次，基于所述文本频次从各所述共性描述文本中确定至少一个参考共性描述文本；对各所述参考共性描述文本进行描述文本采样，得到目标场景共性描述文本。5.根据权利要求2所述的方法，所述方法还包括：创建初始场景性质描述生成模型；获取至少一个样本场景对应的样本对象检测图像，所述样本对象检测图像携带场景性质描述文本标签；采用所述样本对象检测图像对初始场景性质描述生成模型进行至少一轮模型训练，得到样本场景性质描述文本；基于所述场景性质描述文本标签和所述样本场景性质描述文本对所述初始场景性质描述生成模型进行模型参数调整，直至所述初始场景性质描述生成模型完成模型训练，得到场景性质描述生成模型。6.根据权利要求5所述的方法，所述初始场景性质描述生成模型包括基础特征编码模块、共性文本描述生成模块和特性文本描述生成模块，所述样本场景性质描述文本包括样本场景共性描述文本和样本场景特性描述文本，所述采用所述样本对象检测图像对初始场景性质描述生成模型进行至少一轮模型训
练，得到样本场景性质描述文本，包括：将所述样本对象检测图像输入初始场景性质描述生成模型，通过所述基础特征编码模块对所述样本对象检测图像进行特征提取，得到样本图像特征；通过所述共性文本描述生成模块对所述样本图像特征进行共性描述，得到样本场景共性描述文本；通过所述特性文本描述生成模块对所述样本图像特征进行特性描述，得到样本场景特性描述文本。7.根据权利要求6所述的方法，所述场景性质描述文本标签包括场景共性描述文本标签和场景特性描述文本标签，所述基于所述场景性质描述文本标签和所述样本场景性质描述文本对所述初始场景性质描述生成模型进行模型参数调整，包括：基于所述样本场景共性描述文本和所述场景共性描述文本标签确定共性文本描述生成损失；基于所述样本场景特性描述文本和所述场景特性描述文本标签确定特性文本描述生成损失；基于所述共性文本描述生成损失和所述特性文本描述生成损失对所述初始场景性质描述生成模型进行模型参数调整。8.根据权利要求1所述的方法，所述基于所述目标场景性质描述文本和所述第一样本对象检测图像进行人工智能图像生成，得到多个第二样本对象检测图像，包括：将所述目标场景性质描述文本和所述第一样本对象检测图像输入场景活体样本生成模型中，输出多个第二样本对象检测图像。9.根据权利要求8所述的方法，所述方法还包括：创建初始场景活体样本生成模型，获取至少一个参考素材图像，确定所述参考素材图像对应的素材场景描述文本和素材主体调整文本；将所述参考素材图像、所述素材主体调整文本和所述素材场景描述文本输入所述初始场景活体样本生成模型进行至少一轮模型训练，得到训练后的场景活体样本生成模型。10.根据权利要求9所述的方法，所述初始场景活体样本生成模型包括素材锁定模块、场景生成模块、融合模块和特征提取模块，所述将所述参考素材图像、所述素材主体调整文本和所述素材场景描述文本输入所述初始场景活体样本生成模型进行...

【专利技术属性】
技术研发人员：曹佳炯，
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：