【技术实现步骤摘要】
本文件涉及计算机，尤其涉及一种生物攻击检测方法、装置及设备。
技术介绍
1、随着近年来面部识别系统的不断发展，以及人们对自己的隐私数据越来越重视，生物攻击检测成为面部识别系统中不可缺少的一环，生物攻击检测可以有效的拦截非生物类型的攻击样本。然而，随着面部识别系统不断地应用到更多的领域，会遇到多种表征差异迥异的场景特性，因此，如何能使得模型在多种场景下具有更好的分类鲁棒性成为了重要的研究方向。为此，需要提供一种能够有效提高生物攻击检测机制的精度和鲁棒性的技术方案。
技术实现思路
1、本说明书实施例的目的是提供一种能够有效提高生物攻击检测机制的精度和鲁棒性的技术方案。
2、为了实现上述技术方案，本说明书实施例是这样实现的：
3、本说明书实施例提供的一种生物攻击检测方法，所述方法包括：获取用于进行生物攻击检测的目标图像。将所述目标图像输入到预先训练的生物攻击检测模型中的分块子模型中，通过所述分块子模型将所述目标图像划分为多个不同的图像块，并通过所述生物攻击检测模型中的线性层分别对每个图像块进行线性化处理，得到多个不同的线性图像块。将所述多个不同的线性图像块分别输入到所述生物攻击检测模型中由多个编码器串联构成编码子模型中，得到多个不同的线性图像块对应的编码信息。将所述多个不同的线性图像块对应的编码信息输入到所述生物攻击检测模型中的攻击预测子模型中，得到所述目标图像对应的生物攻击检测结果，所述生物攻击检测模型是基于训练样本图像，并以所述训练样本图像的模态之外的所述训练
4、本说明书实施例提供的一种生物攻击检测装置，所述装置包括：图像获取模块，获取用于进行生物攻击检测的目标图像。图像处理模块，将所述目标图像输入到预先训练的生物攻击检测模型中的分块子模型中，通过所述分块子模型将所述目标图像划分为多个不同的图像块，并通过所述生物攻击检测模型中的线性层分别对每个图像块进行线性化处理，得到多个不同的线性图像块。编码模块，将所述多个不同的线性图像块分别输入到所述生物攻击检测模型中由多个编码器串联构成编码子模型中，得到多个不同的线性图像块对应的编码信息。攻击检测模块，将所述多个不同的线性图像块对应的编码信息输入到所述生物攻击检测模型中的攻击预测子模型中，得到所述目标图像对应的生物攻击检测结果，所述生物攻击检测模型是基于训练样本图像，并以所述训练样本图像的模态之外的所述训练样本图像的其它一种或多种不同模态的第一图像作为辅助，通过图像块相关性融合策略进行模型训练后得到的模型。
5、本说明书实施例提供的一种生物攻击检测设备，所述生物攻击检测设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：获取用于进行生物攻击检测的目标图像。将所述目标图像输入到预先训练的生物攻击检测模型中的分块子模型中，通过所述分块子模型将所述目标图像划分为多个不同的图像块，并通过所述生物攻击检测模型中的线性层分别对每个图像块进行线性化处理，得到多个不同的线性图像块。将所述多个不同的线性图像块分别输入到所述生物攻击检测模型中由多个编码器串联构成编码子模型中，得到多个不同的线性图像块对应的编码信息。将所述多个不同的线性图像块对应的编码信息输入到所述生物攻击检测模型中的攻击预测子模型中，得到所述目标图像对应的生物攻击检测结果，所述生物攻击检测模型是基于训练样本图像，并以所述训练样本图像的模态之外的所述训练样本图像的其它一种或多种不同模态的第一图像作为辅助，通过图像块相关性融合策略进行模型训练后得到的模型。
6、本说明书实施例还提供了一种存储介质，所述存储介质用于存储计算机可执行指令，所述可执行指令在被处理器执行时实现以下流程：获取用于进行生物攻击检测的目标图像。将所述目标图像输入到预先训练的生物攻击检测模型中的分块子模型中，通过所述分块子模型将所述目标图像划分为多个不同的图像块，并通过所述生物攻击检测模型中的线性层分别对每个图像块进行线性化处理，得到多个不同的线性图像块。将所述多个不同的线性图像块分别输入到所述生物攻击检测模型中由多个编码器串联构成编码子模型中，得到多个不同的线性图像块对应的编码信息。将所述多个不同的线性图像块对应的编码信息输入到所述生物攻击检测模型中的攻击预测子模型中，得到所述目标图像对应的生物攻击检测结果，所述生物攻击检测模型是基于训练样本图像，并以所述训练样本图像的模态之外的所述训练样本图像的其它一种或多种不同模态的第一图像作为辅助，通过图像块相关性融合策略进行模型训练后得到的模型。
本文档来自技高网...【技术保护点】
1.一种生物攻击检测方法，所述方法包括：
2.根据权利要求1所述的方法，所述攻击预测子模型由多层感知机MLP构建。
3.根据权利要求2所述的方法，所述方法还包括：
4.根据权利要求3所述的方法，所述确定所述训练样本图像的模态之外的所述训练样本图像的其它一种或多种不同模态的第一图像，包括：
5.根据权利要求4所述的方法，所述第一图像包括红外IR模态的图像、深度图像和纹理模态的图像中的一种或多种。
6.根据权利要求3所述的方法，所述基于图像块相关性融合策略，将所述多个不同的线性样本块依次经过所述编码子模型中的每个编码器后的输出结果进行融合处理，得到所述训练样本图像对应的融合编码信息，包括：
7.根据权利要求6所述的方法，所述对所述训练样本图像对应的融合编码信息进行解码处理，生成具有与所述第一图像的模态相同模态的第二图像，包括：
8.根据权利要求3所述的方法，所述基于图像块相关性融合策略，将所述多个不同的线性样本块依次经过所述编码子模型中的每个编码器后的输出结果进行融合处理，得到所述训练样本图像对应的融
9.根据权利要求3所述的方法，所述编码子模型中的编码器由包括标准化模块、多头注意力模块和多层感知机MLP的组合形成的Transformer模块所构建，所述损失函数由所述样本预测结果与所述标签信息对应的第一子损失函数和所述第二图像与所述第一图像对应的第二子损失函数构建。
10.根据权利要求9所述的方法，所述第一图像和所述第二图像为深度图像，所述第二子损失函数为均方误差损失函数。
11.一种生物攻击检测装置，所述装置包括：
12.一种生物攻击检测设备，所述生物攻击检测设备包括：
...【技术特征摘要】
1.一种生物攻击检测方法，所述方法包括：
2.根据权利要求1所述的方法，所述攻击预测子模型由多层感知机mlp构建。
3.根据权利要求2所述的方法，所述方法还包括：
4.根据权利要求3所述的方法，所述确定所述训练样本图像的模态之外的所述训练样本图像的其它一种或多种不同模态的第一图像，包括：
5.根据权利要求4所述的方法，所述第一图像包括红外ir模态的图像、深度图像和纹理模态的图像中的一种或多种。
6.根据权利要求3所述的方法，所述基于图像块相关性融合策略，将所述多个不同的线性样本块依次经过所述编码子模型中的每个编码器后的输出结果进行融合处理，得到所述训练样本图像对应的融合编码信息，包括：
7.根据权利要求6所述的方法，所述对所述训练样本图像对应的融合编码信息进行解码处理，生成具有与所述第一图...
【专利技术属性】
技术研发人员：武文琦，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。