人脸活体检测方法、模型训练方法、装置、设备、介质制造方法及图纸

本公开提供了人脸活体检测方法、模型训练方法、装置、设备、介质，涉及人工智能技术领域，尤其涉及计算机视觉、图像处理、深度学习等技术领域，可应用于活体检测等场景。具体实现方案为：获取待识别人脸图像；将所述待识别人脸图像输入预先训练的人脸活体检测模型获取活体检测结果；其中，所述人脸活体检测模型包括多个卷积神经网络模块和多个视觉自注意力模块，所述卷积神经网络模块和所述视觉自注意力模块交替连接。模块交替连接。模块交替连接。

【技术实现步骤摘要】
人脸活体检测方法、模型训练方法、装置、设备、介质


[0001]本公开涉及人工智能
，尤其涉及计算机视觉、图像处理、深度学习等
，可应用于活体检测等场景。具体而言，本公开涉及一种人脸活体检测方法、模型训练方法、装置、设备、介质。

技术介绍

[0002]人脸活体检测即区分一张图像是否为真人拍摄，是人脸识别系统的基础组成模块，可以应用于人脸识别领域的考勤、门禁、安防、金融支付等诸多应用。
[0003]保证人脸活体检测的准确性可以帮助保证人脸识别系统的安全性。

技术实现思路

[0004]本公开提供了一种人脸活体检测方法、模型训练方法、装置、设备、介质。
[0005]根据本公开的第一方面，提供了一种人脸活体检测的方法，该方法包括：
[0006]获取待识别人脸图像；
[0007]将所述待识别人脸图像输入预先训练的人脸活体检测模型获取活体检测结果；
[0008]其中，所述人脸活体检测模型包括多个卷积神经网络模块和多个视觉自注意力模块，所述卷积神经网络模块和所述视觉自注意力模块交替连接。...

【技术保护点】

【技术特征摘要】
1.一种人脸活体检测的方法，包括：获取待识别人脸图像；将所述待识别人脸图像输入预先训练的人脸活体检测模型获取活体检测结果；其中，所述人脸活体检测模型包括多个卷积神经网络模块和多个视觉自注意力模块，所述卷积神经网络模块和所述视觉自注意力模块交替连接。2.根据权利要求1所述的方法，其中，所述人脸活体检测模型包括依次连接的第一卷积神经网络模块、第一视觉自注意力模块、第二卷积神经网络模块、第二视觉自注意力模块、第三卷积神经网络模块、第三视觉自注意力模块。3.根据权利要求2所述的方法，其中，所述第一卷积神经网络模块连接所述第二卷积神经网络模块；所述第二卷积神经网络模块连接所述第三卷积神经网络模块。4.根据权利要求2所述的方法，其中，所述第一卷积神经网络模块包括多个卷积层；所述第二卷积神经网络模块包括多个残差网络块；所述第三卷积神经网络包括多个残差网络块。5.根据权利要求2所述的方法，其中，所述第三视觉自注意力模块连接全连接层；所述将所述待识别人脸图像输入预先训练的人脸活体检测模型获取活体检测结果，包括：将所述待识别人脸图像输入所述第一卷积神经网络模块，根据所述全连接层的输出确定所述活体检测结果。6.根据权利要求1所述的方法，其中，所述人脸活体检测模型通过使用多个训练人脸图像和所述训练人脸图像对应的活体检测标签对第二训练模型进行训练获取；所述第二训练模型通过在冻结所述卷积神经网络模块的参数的情况下，使用所述训练人脸图像以及所述训练人脸图像对应的活体检测标签对第一训练模型进行训练获取；所述第一训练模型通过在冻结所述视觉自注意力模块的参数的情况下，使用所述训练人脸图像以及所述训练人脸图像对应的活体检测标签对所述人脸活体检测模型对应的预训练模型进行训练获取。7.根据权利要求6所述的方法，其中，所述多个训练人脸图像包括平面攻击图像和立体攻击图像；所述第二训练模型通过在冻结所述卷积神经网络模块的参数的情况下，使用所述立体攻击图像以及所述立体攻击图像对应的活体检测标签对所述第一训练模型进行训练获取；所述第一训练模型通过在冻结所述视觉自注意力模块的参数的情况下，使用所述平面攻击图像以及所述平面攻击图像对应的活体检测标签对所述人脸活体检测模型对应的预训练模型进行训练获取。8.根据权利要求1所述的方法，其中，所述获取待识别人脸图像包括：获取待识别人物图像，对所述待识别人物图像进行人脸检测，获取所述待识别人物图像的人脸区域；对所述人脸区域进行人脸关键点检测，获取人脸关键点坐标；根据所述人脸关键点坐标对所述人脸区域进行人脸对齐，并通过仿射变换获取预设尺寸的人脸图像；对所述人脸图像进行归一化处理，获取所述待识别人脸图像。
9.一种人脸活体检测模型的训练方法，包括：获取多个训练人脸图像以及所述训练人脸图像对应的活体检测标签；根据所述训练人脸图像以及所述训练人脸图像对应的活体检测标签对所述人脸活体检测模型进行训练；其中，所述人脸活体检测模型包括多个卷积神经网络模块和多个视觉自注意力模块，所述卷积神经网络模块和所述视觉自注意力模块交替连接。10.根据权利要求9所述的方法，其中，所述人脸活体检测模型包括依次连接的第一卷积神经网络模块、第一视觉自注意力模块、第二卷积神经网络模块、第二视觉自注意力模块、第三卷积神经网络模块、第三视觉自注意力模块。11.根据权利要求10所述的方法，其中，所述第一卷积神经网络模块连接所述第二卷积神经网络模块；所述第二卷积神经网络模块连接所述第三卷积神经网络模块。12.根据权利要求10所述的方法，其中，所述第一卷积神经网络模块包括多个卷积层；所述第二卷积神经网络模块包括多个残差网络块；所述第三卷积神经网络包括多个残差网络块。13.根据权利要求10所述的方法，其中，所述第三视觉自注意力模块连接全连接层；所述根据所述训练人脸图像以及所述训练人脸图像对应的活体检测标签对所述人脸活体检测模型进行训练，包括：将所述训练人脸图像输入所述第一卷积神经网络模块，根据所述全连接层的输出与所述训练人脸图像对应的活体检测标签对所述人脸活体检测模型进行训练。14.根据权利要求9所述的方法，其...

【专利技术属性】
技术研发人员：王珂尧，张国生，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：