活体识别方法技术

本发明专利技术提供一种活体识别方法

【技术实现步骤摘要】
活体识别方法、装置、电子设备及存储介质


[0001]本专利技术涉及图像识别
，尤其涉及一种活体识别方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]面部识别系统已经应用到人们日常生活的许多场景中，例如手机解锁
、
网上银行认证等场景中均可应用面部识别
。
然而，面部识别的广泛应用也带来了潜在的安全风险，例如，通过非活体面部图像进行面部识别，以实施非法行为
。
因此，在面部识别的基础上，需要对待识别图像是否为活体提供的图像进行识别，即活体识别
。
[0003]活体识别算法通常采用单一模态的图像数据，比如仅使用彩色图像或仅使用近红外图像进行活体识别
。
但采用单一模态图像进行活体识别时泛化性较差
。
得益于具有多种模态的先进传感器的出现，基于多模态的活体识别方法受到广泛关注
。
多种模态的先进传感器可以输出红绿蓝
(Red Green Blue
，
RGB)
彩色图像
、
近红外
(Near Infrared
，
NIR)
图像
、Depth
深度图像等多种模态的图像，活体识别算法也逐渐向多模态图像识别发展，以提高识别的泛化性
。
[0004]相关技术中，采用多模态图像进行活体识别时均采用固定模态输入，例如，输入时采用
RGB/>彩色图像和
NIR
近红外图像作为多模态输入；或者输入时采用
RGB
彩色图像和
Depth
深度图像作为多模态输入
。
输入固定模态的图像进行多模态活体识别时，其使用场景受限，加大了活体识别方法的部署成本，活体识别方法的灵活度较低
。

技术实现思路

[0005]本专利技术提供一种活体识别方法
、
装置
、
电子设备及存储介质，用以解决现有技术中输入固定模态的图像进行多模态活体识别时，灵活度较低的缺陷，实现提高多模态活体识别灵活度的目的
。
[0006]本专利技术提供一种活体识别方法，包括：
[0007]获取目标用户在目标模态下的待识别图像；
[0008]将所述待识别图像输入第一检测模型中，得到所述第一检测模型输出的所述目标用户的活体检测结果，所述第一检测模型是基于第二检测模型确定的第一类别
token
对初始第一检测模型进行约束得到的，所述第二检测模型为基于多模态的图像样本训练得到的，所述目标模态为所述多模态中的模态；所述第一类别
token
为所述第二检测模型对所述图像样本对应的用户进行活体检测时的参数
。
[0009]根据本专利技术提供的一种活体识别方法，所述将所述待识别图像输入第一检测模型中，得到所述第一检测模型输出的所述目标用户的活体检测结果，包括：
[0010]将所述待识别图像输入所述第一检测模型，得到至少两个第一
token
；
[0011]针对各第一
token
，提取所述第一
token
的第一
token
特征；
[0012]在所述第一
token
特征中添加第一预设类别
token
，得到第二
token
特征；
[0013]对所述第二
token
特征进行更新，得到更新后的第一预设类别
token
；
[0014]基于所述更新后的第一预设类别
token
，确定所述目标用户的活体检测结果
。
[0015]根据本专利技术提供的一种活体识别方法，所述第一检测模型为基于如下方式训练得到的：
[0016]将所述多模态的图像样本输入初始第一检测模型，得到各模态对应的至少两个第二
token
；
[0017]提取各模态对应的至少两个第二
token
的第三
token
特征；
[0018]基于不同模态的所述第三
token
特征，得到至少两个第一拼接
token
特征，各所述第一拼接
token
特征包括至少一种模态对应的第三
token
特征；
[0019]针对每个第一拼接
token
特征，在所述第一拼接
token
特征中添加第二预设类别
token
，得到第四
token
特征；
[0020]对所述第四
token
特征进行更新，得到更新后的第二预设类别
token
；
[0021]基于所述更新后的第二预设类别
token
和所述第一类别
token
对所述初始第一检测模型进行约束，得到约束结果；
[0022]基于所述约束结果和所述更新后的第二预设类别
token
，更新所述初始第一检测模型的网络参数，得到所述第一检测模型
。
[0023]根据本专利技术提供的一种活体识别方法，所述基于所述更新后的第二预设类别
token
和所述第一类别
token
对所述初始第一检测模型进行约束，得到约束结果，包括：
[0024]基于公式对所述初始第一检测模型进行约束；
[0025]其中，
f
T
表示第一类别
token
；
F
s
表示各更新后的第二预设类别
token
的集合；表示
F
s
中的更新后的第二预设类别
token。
[0026]根据本专利技术提供的一种活体识别方法，所述第二检测模型为基于如下方式训练得到的：
[0027]将所述多模态的图像样本输入初始第二检测模型，得到各模态对应的至少两个第三
token
；
[0028]提取各模态对应的至少两个第三
token
的第五
token
特征；
[0029]将不同模态的第五
token
特征进行拼接，得到第二拼接
token
特征；
[0030]在所述第二拼接
token
特征中添加第三预设类别
token
，得到第六
token
特征；
[0031]基于所述第六
token
特征，确定所述第一类别
token
；
[0032]基于所述第一类别
token
，更新所述初始第二检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种活体识别方法，其特征在于，包括：获取目标用户在目标模态下的待识别图像；将所述待识别图像输入第一检测模型中，得到所述第一检测模型输出的所述目标用户的活体检测结果，所述第一检测模型是基于第二检测模型确定的第一类别
token
对初始第一检测模型进行约束得到的，所述第二检测模型为基于多模态的图像样本训练得到的，所述目标模态为所述多模态中的模态；所述第一类别
token
为所述第二检测模型对所述图像样本对应的用户进行活体检测时的参数
。2.
根据权利要求1所述的活体识别方法，其特征在于，所述将所述待识别图像输入第一检测模型中，得到所述第一检测模型输出的所述目标用户的活体检测结果，包括：将所述待识别图像输入所述第一检测模型，得到至少两个第一
token
；针对各第一
token
，提取所述第一
token
的第一
token
特征；在所述第一
token
特征中添加第一预设类别
token
，得到第二
token
特征；对所述第二
token
特征进行更新，得到更新后的第一预设类别
token
；基于所述更新后的第一预设类别
token
，确定所述目标用户的活体检测结果
。3.
根据权利要求1所述的活体识别方法，其特征在于，所述第一检测模型为基于如下方式训练得到的：将所述多模态的图像样本输入初始第一检测模型，得到各模态对应的至少两个第二
token
；提取各模态对应的至少两个第二
token
的第三
token
特征；基于不同模态的所述第三
token
特征，得到至少两个第一拼接
token
特征，各所述第一拼接
token
特征包括至少一种模态对应的第三
token
特征；针对每个第一拼接
token
特征，在所述第一拼接
token
特征中添加第二预设类别
token
，得到第四
token
特征；对所述第四
token
特征进行更新，得到更新后的第二预设类别
token
；基于所述更新后的第二预设类别
token
和所述第一类别
token
对所述初始第一检测模型进行约束，得到约束结果；基于所述约束结果和所述更新后的第二预设类别
token
，更新所述初始第一检测模型的网络参数，得到所述第一检测模型
。4.
根据权利要求3所述的活体识别方法，其特征在于，所述基于所述更新后的第二预设类别
token
和所述第一类别
token
对所述初始第一检测模型进行约束，得到约束结果，包括：基于公式对所述初始第一检测模型进行约束；其中，
f
T

【专利技术属性】
技术研发人员：孙梅，林垠，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：