[發(fā)明專利]用于檢測人臉圖像的方法和裝置

有效

• 申請?zhí)枺?/td>: 201810256946.2
• 申請日: 2018-03-27
• 公開（公告）號: CN108399401B
• 公開（公告）日: 2022-05-03
• 發(fā)明（設計）人: 洪智濱
• 申請（專利權）人: 百度在線網(wǎng)絡技術（北京）有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V40/40
• 代理公司: 北京英賽嘉華知識產(chǎn)權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于檢測人臉圖像的方法，包括：

獲取目標人臉的待檢測人臉圖像；

將所述待檢測人臉圖像輸入至預先訓練的第一活體檢測模型，得到檢測結果，其中，所述第一活體檢測模型用于確定輸入的人臉圖像對應的人臉是否為活體人臉，所述第一活體檢測模型的訓練樣本由活體人臉的人臉圖像和用于表征檢測到活體人臉的檢測結果組成；

所述第一活體檢測模型包括預先訓練的第一概率模型；以及所述將所述待檢測人臉圖像輸入至預先訓練的第一活體檢測模型，得到檢測結果，包括：將所述待檢測人臉圖像輸入至所述第一概率模型，得到所述目標人臉為活體人臉的概率；基于所述概率與預設的概率閾值的大小關系，生成檢測結果。

2.根據(jù)權利要求1所述的方法，其中，所述第一活體檢測模型是通過如下步驟訓練得到的：

獲取第一活體檢測模型的訓練樣本集合，其中，訓練樣本由活體人臉的人臉圖像和用于表征檢測到活體人臉的檢測結果組成；

利用機器學習算法，將所述訓練樣本集合中的每個訓練樣本包括的人臉圖像作為輸入，將用于表征檢測到活體人臉的檢測結果作為輸出，訓練得到第一活體檢測模型。

3.根據(jù)權利要求1所述的方法，其中，所述第一活體檢測模型包括預先訓練的第二活體檢測模型；以及

所述將所述待檢測人臉圖像輸入至預先訓練的第一活體檢測模型，得到檢測結果，包括：

提取所述待檢測人臉圖像的特征數(shù)據(jù)；

將所述特征數(shù)據(jù)輸入至所述第二活體檢測模型，得到檢測結果，其中，所述第二活體檢測模型用于確定輸入的特征數(shù)據(jù)對應的人臉是否為活體人臉，所述第二活體檢測模型的訓練樣本由活體人臉的人臉圖像的特征數(shù)據(jù)和用于表征檢測到活體人臉的檢測結果組成。

4.根據(jù)權利要求1所述的方法，其中，所述第一概率模型用于確定待檢測人臉圖像對應的人臉為活體人臉的概率，所述第一概率模型的訓練樣本由活體人臉的人臉圖像和人臉圖像對應的人臉是活體人臉的概率組成。

5.根據(jù)權利要求1所述的方法，其中，所述第一活體檢測模型包括預先訓練的第二概率模型；以及

所述將所述待檢測人臉圖像輸入至預先訓練的第一活體檢測模型，得到檢測結果，包括：

提取所述待檢測人臉圖像的特征數(shù)據(jù)；

將所述特征數(shù)據(jù)輸入至所述第二概率模型，得到所述目標人臉為活體人臉的概率，其中，所述第二概率模型用于確定特征數(shù)據(jù)對應的人臉為活體人臉的概率，所述第二概率模型的訓練樣本由活體人臉的人臉圖像的特征數(shù)據(jù)和人臉圖像對應的人臉是活體人臉的概率組成；

基于所述概率與預設的概率閾值的大小關系，生成檢測結果。

6.根據(jù)權利要求1所述的方法，其中，所述第一活體檢測模型為單分類支持向量機。

7.一種用于檢測人臉圖像的裝置，包括：

獲取單元，配置用于獲取目標人臉的待檢測人臉圖像；

輸入單元，配置用于將所述待檢測人臉圖像輸入至預先訓練的第一活體檢測模型，得到檢測結果，其中，所述第一活體檢測模型用于確定輸入的人臉圖像對應的人臉是否為活體人臉，所述第一活體檢測模型的訓練樣本由活體人臉的人臉圖像和用于表征檢測到活體人臉的檢測結果組成；

所述第一活體檢測模型包括預先訓練的第一概率模型；以及所述輸入單元包括：輸入模塊，配置用于將所述待檢測人臉圖像輸入至所述第一概率模型，得到所述目標人臉為活體人臉的概率；生成模塊，配置用于基于所述概率與預設的概率閾值的大小關系，生成檢測結果。

8.根據(jù)權利要求7所述的裝置，其中，所述第一活體檢測模型是通過如下步驟訓練得到的：

獲取第一活體檢測模型的訓練樣本集合，其中，訓練樣本由活體人臉的人臉圖像和用于表征檢測到活體人臉的檢測結果組成；

利用機器學習算法，將所述訓練樣本集合中的每個訓練樣本包括的人臉圖像作為輸入，將用于表征檢測到活體人臉的檢測結果作為輸出，訓練得到第一活體檢測模型。