活体检测模型的训练方法、活体检测方法及装置制造方法及图纸

本申请实施例提供了一种活体检测模型的训练方法、活体检测方法及装置，获取样本图像对应的多个子样本图像；活体检测模型包括：多个活体检测子模型，样本图像包括样本人脸对应的图像区域；子样本图像包括样本图像中不同区域的子样本图像，每个子样本图像用于训练一个对应子样本图像的活体检测子模型；将子样本图像输入至对应的活体检测子模型，进行模型训练，得到训练后的活体检测模型，由于活体检测模型包含侧重于对不同区域的欺诈痕迹识别的多个子模型，这样在利用该活体检测模型进行活体检测时，能够提高活体检测准确率，从而实现精准地对假体人脸图像进行有效拦截。精准地对假体人脸图像进行有效拦截。精准地对假体人脸图像进行有效拦截。

【技术实现步骤摘要】
活体检测模型的训练方法、活体检测方法及装置


[0001]本申请涉及人工智能
，尤其涉及一种活体检测模型的训练方法、活体检测方法及装置。

技术介绍

[0002]目前，随着人工智能技术的快速发展，同时随着人脸识别技术的日益成熟，基于人脸识别技术进行人脸身份核验已在人们日常的学习、工作和生活中得到广泛的应用，比如，人脸支付、刷脸门禁等场景均应用到的人脸识别技术。
[0003]然而，近年来一些非法分子通过假体人脸攻击的方式从中谋取私利，例如，非法分子通过电子照片从快递柜取走客户的快递，又如，非法分子通过人脸面具直接完成银行app的登录，因此，为了确保用户的合法利益，在业务处理之前，需要先利用预先训练的活体检测模型识别当前采集到的目标图像是否为活体人脸图像；但是，由于现有的活体检测模型的模型参数的准确率低，将导致在模型应用阶段针对目标图像的活体检测准确率低的问题。

技术实现思路

[0004]本申请实施例的目的是提供一种活体检测模型的训练方法、活体检测方法及装置，由于活体检测模型包含侧重于对不同区域的欺诈痕迹进行识别的多个活体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活体检测模型的训练方法，其特征在于，所述方法包括：获取样本图像对应的多个子样本图像；其中，所述活体检测模型包括：多个活体检测子模型，所述样本图像包括样本人脸对应的图像区域；所述子样本图像包括：第一全景视角图像、所述样本人脸的第一人脸全局图像和第一人脸局部图像，每个所述子样本图像用于训练一个对应所述子样本图像的活体检测子模型；将所述子样本图像输入至对应所述子样本图像的活体检测子模型，进行模型训练，得到训练后的活体检测模型。2.根据权利要求1所述的方法，其特征在于，所述第一人脸局部图像包括：至少一个脸部器官对应的第一脸部器官子图；所述活体检测子模型包括：所述第一全景视角图像对应的第一子模型、所述第一人脸全局图像对应的第二子模型、所述第一脸部器官子图对应的目标子模型；所述将所述子样本图像输入至对应所述子样本图像的所述活体检测子模型，进行模型训练，得到训练后的活体检测模型，包括：将所述第一全景视角图像输入至所述第一子模型，对所述第一子模型进行模型训练，得到训练后的第一子模型；将所述第一人脸全局图像输入至所述第二子模型，对所述第二子模型进行模型训练，得到训练后的第二子模型；将所述第一脸部器官子图输入至所述目标子模型，对所述目标子模型进行模型训练，得到训练后的目标子模型；基于所述训练后的第一子模型、所述训练后的第二子模型、所述训练后的目标子模型，得到训练后的活体检测模型。3.根据权利要求2所述的方法，其特征在于，所述第一脸部器官子图包括：嘴巴区域子图、鼻子区域子图和眼睛区域子图中至少一项；每个所述第一脸部器官子图对应一个活体检测子模型；所述目标子模型包括：所述嘴巴区域子图对应的第三子模型、所述鼻子区域子图对应的第四子模型、以及所述眼睛区域子图对应的第五子模型中至少一项；所述将所述第一脸部器官子图输入至所述目标子模型，对所述目标子模型进行模型训练，得到训练后的目标子模型，包括：将所述嘴巴区域子图输入至所述第三子模型，对所述第三子模型进行模型训练，得到训练后的第三子模型；将所述鼻子区域子图输入至所述第四子模型，对所述第四子模型进行模型训练，得到训练后的第四子模型；将所述眼睛区域子图输入至所述第五子模型，对所述第五子模型进行模型训练，得到训练后的第五子模型；将所述训练后的第三子模型、所述训练后的第四子模型、所述训练后的第五子模型中至少一项或者多项的组合确定为训练后的目标子模型。4.根据权利要求1所述的方法，其特征在于，在获取样本图像对应的多个子样本图像之前，还包括：获取用于训练所述活体检测模型的多个样本图像；针对每个所述样本图像，生成所述样本图像对应的多个子样本图像。
5.根据权利要求4所述的方法，其特征在于，所述针对每个所述样本图像，生成所述样本图像对应的多个子样本图像，包括：将所述样本图像确定为所述第一全景视角图像；对所述样本图像进行人脸检测，得到第一检测结果，并基于所述第一检测结果提取所述第一人脸全局图像；对所述样本图像或者所述第一人脸全局图像进行关键点检测，得到第二检测结果，并基于所述第二检测结果提取所述第一人脸局部图像。6.根据权利要求1所述的方法，其特征在于，在将所述子样本图像输入至对应所述子样本图像的活体检测子模型，进行模型训练，得到训练后的活体检测模型之后，还包括：获取假体人脸图像；其中，所述假体人脸图像为所述训练后的活体检测模型误识别为活体人脸的伪造人脸图像；基于所述假体人脸图像，确定所述假体人脸图像中包含的欺诈痕迹位置信息；基于所述欺诈痕迹位置信息，对所述训练后的活体检测模型进行优化训练，得到优化训练后的活体检测模型。7.根据权利要求6所述的方法，其特征在于，所述获取假体人脸图像，包括：接收模型应用方发送的假体人脸图像；其中，所述模型应用方的业务服务器部署有所述训练后的活体检测模型；在基于所述欺诈痕迹位置信息，对所述训练后的活体检测模型进行优化训练，得到优化训练后的活体检测模型之后，还包括：将所述优化训练后的活体检测模型发送至对应的所述业务服务器；其中，所述优化训练后的活体检测模型用于更新所述业务服务器已部署的所述训练后的活体检测模型。8.根据权利要求6所述的方法，其特征在于，所述基于所述欺诈痕迹位置信息，对所述训练后的活体检测模型进行优化训练，得到优化训练后的活体检测模型，包括：在所述多个活体检测子模型中存在与所述欺诈痕迹位置信息对应的待优化子模型的情况下，对所述待优化子模型进行优化训练，得到优化训练后的活体检测子模型；将所述优化训练后的活体检测子模型、所述训练后的活体检测模型中的其他活体检测子模型的组合确定为优化训练后的活体检测模型；在所述多个活体检测子模型中不存在与所述欺诈痕迹位置信息对应的待优化子模型的情况下，在所述活体检测模型中添加与所述欺诈痕迹位置信息对应的新增子模型，并对所述新增子模型进行模型训练，得到训练后的新增子模型；以及将所述训练后的新增子模型和训练后的所述多个活体检测子模型的组合确定为优化训练后的活体检测模型。9.根据权利要求6所述的方法，其特征在于，所述基于所述假体人脸图像，确定所述假体人脸图像中包含的欺诈痕迹位置信息，包括：将所述假体人脸图像发送至目标终端设备，以使所述目标终端设备通过可视化界面展示所述假体人脸图像；接收所述目标终端设备发送的欺诈痕迹位置信息，其中，所述欺诈痕迹位置信息为所述目标终端设备基于在所述可视化界面展示的所述假体人脸图像上标注的欺诈痕迹标识确定的。10.根据权利要求7所述的方法，其特征在于，所述训练后的活体检测模型部署在N个所
述业务服务器上，...

【专利技术属性】
技术研发人员：高亮，蒋宁，王洪斌，周迅溢，吴海英，曾定衡，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：