活体检测模型的训练方法技术

本申请公开了一种活体检测模型的训练方法

【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]本申请属于活体检测
，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]现有的活体检测技术，无论是基于颜色纹理特征学习
、
面部深度结构拟合，还是基于
rPPG((Remote photoplethysmography)
的检测，都需要高质量的图像细节以确保活体检测算法的高性能
。
但相关技术中的活体检测算法在进行远距离对人脸进行检测时，由于人脸分辨率很小，并且获取到的人脸信息受到来自运动模糊
、
遮挡等因素的影响，无法有效应对这些噪声，相关技术中的活体检测算法泛化能力较差，活体检测的准确率较低
。

技术实现思路

[0003]本申请实施例提供一种与相关技术不同的实现方案，以解决相关技术中活体检测算法泛化能力较差，活体检测的准确率较低的技术问题
。
[0004]第一方面，本申请提供一种活体检测模型的训练方法，活体检测模型包括本文档来自技高网...

【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，所述活体检测模型包括图像复原模块
、
特征提取模块
、
分类模块，其中，所述分类模块由全连接层构成，用于判别输入的信息对应的对象是真人还是非真人，所述方法包括：对所述特征提取模块的参数进行预训练，得到所述特征提取模块的初始参数；从图像样本集中获取第一图像，以及对所述第一图像进行过模糊处理的第二图像；通过所述图像复原模块对所述第二图像进行复原处理，得到复原图像；通过所述特征提取模块对所述复原图像进行特征提取，得到对应的人脸特征信息；通过所述分类模块对输入的所述人脸特征信息进行分类，得到预测分类结果；基于所述第一图像
、
所述复原图像，以及所述预测分类结果对所述活体检测模型进行训练，得到训练好的活体检测模型
。2.
根据权利要求1所述的方法，其特征在于，对所述特征提取模块的参数进行预训练，得到所述特征提取模块的初始参数，包括：使用无标签图像样本集对初始预训练模型进行训练，得到目标预训练模型；将所述目标预训练模型中的编码单元的参数作为所述特征提取模块的初始参数，其中，所述编码单元与所述特征提取模块的网络结构相同
。3.
根据权利要求1所述的方法，其特征在于，基于所述第一图像
、
所述复原图像，以及所述预测分类结果对所述活体检测模型进行训练，包括：基于所述第一图像与所述复原图像确定复原损失；基于所述预测分类结果确定分类损失；基于所述复原损失和所述分类损失对所述活体检测模型进行训练
。4.
根据权利要求3所述的方法，其特征在于，所述活体检测模型还包括多损失融合模块，基于所述复原损失和所述分类损失对活体检测模型进行训练，包括：通过所述多损失融合模块对所述复原损失和所述分类损失进行加权求和计算，得到融合损失；当所述融合损失小于预设值时，将最近确定出的活体检测模型作为训练好的所述活体检测模型，当所述融合损失不小于预设值时，基于所述复原损失和所述分类损失对所述活体检测模型的参数进行调整，并返回执行从图像样本集中获取第一图像的步骤，继续执行对活体检测模型的训练
。5.
根据权利要求...

【专利技术属性】
技术研发人员：孔令美，杨青，
申请(专利权)人：度小满科技北京有限公司，
类型：发明
国别省市：