[發(fā)明專利]人臉活體檢測(cè)方法、系統(tǒng)、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010815513.3
• 申請(qǐng)日: 2020-08-14
• 公開(kāi)（公告）號(hào): CN111680672B
• 公開(kāi)（公告）日: 2020-11-13
• 發(fā)明（設(shè)計(jì)）人: 羅朝;白琨
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06F21/60;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 董慧;李文淵

1.一種人臉活體檢測(cè)方法，其特征在于，所述方法包括：

獲取待檢測(cè)圖像，所述待檢測(cè)圖像是包括待檢測(cè)對(duì)象的人臉的圖像；

將所述待檢測(cè)圖像輸入至訓(xùn)練好的加密檢測(cè)聯(lián)合模型中的加密網(wǎng)絡(luò)，通過(guò)所述加密網(wǎng)絡(luò)提取所述待檢測(cè)圖像的圖像特征，并基于所述圖像特征進(jìn)行圖像重建，獲得所述待檢測(cè)圖像對(duì)應(yīng)的加密圖像，所述加密圖像為與所述待檢測(cè)圖像在圖像內(nèi)容上存在差異的圖像，所述加密圖像攜帶了用于進(jìn)行活體檢測(cè)的鑒別信息；

通過(guò)所述加密檢測(cè)聯(lián)合模型中的檢測(cè)網(wǎng)絡(luò)，對(duì)所述加密圖像進(jìn)行活體檢測(cè)，獲得所述待檢測(cè)圖像中待檢測(cè)對(duì)象的活體檢測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

將所述加密圖像發(fā)送至活體檢測(cè)服務(wù)器；

通過(guò)所述活體檢測(cè)服務(wù)器接收所述加密圖像，并執(zhí)行所述通過(guò)所述加密檢測(cè)聯(lián)合模型中的檢測(cè)網(wǎng)絡(luò)，對(duì)所述加密圖像進(jìn)行活體檢測(cè)，獲得所述待檢測(cè)圖像中待檢測(cè)對(duì)象對(duì)應(yīng)的活體檢測(cè)結(jié)果的步驟。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲取待檢測(cè)圖像之前，所述方法還包括：

獲取多個(gè)訓(xùn)練樣本，所述多個(gè)訓(xùn)練樣本中的每個(gè)訓(xùn)練樣本包括樣本圖像及所述樣本圖像對(duì)應(yīng)的真實(shí)活體類別；

使用所述多個(gè)訓(xùn)練樣本對(duì)初始神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)進(jìn)行調(diào)整，得到所述加密檢測(cè)聯(lián)合模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述使用所述多個(gè)訓(xùn)練樣本對(duì)初始神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)進(jìn)行調(diào)整，得到所述加密檢測(cè)聯(lián)合模型，包括：

將訓(xùn)練樣本中的樣本圖像及真實(shí)活體類別輸入初始神經(jīng)網(wǎng)絡(luò)模型；

通過(guò)所述初始神經(jīng)網(wǎng)絡(luò)模型中的加密網(wǎng)絡(luò)提取所述樣本圖像的圖像特征，并基于所述圖像特征進(jìn)行圖像重建，獲得所述樣本圖像對(duì)應(yīng)的加密圖像，并根據(jù)所述樣本圖像與所述加密圖像之間的差異確定第一損失；

通過(guò)所述初始神經(jīng)網(wǎng)絡(luò)模型中的檢測(cè)網(wǎng)絡(luò)，對(duì)所述加密圖像進(jìn)行活體檢測(cè)，獲得所述樣本圖像對(duì)應(yīng)的預(yù)測(cè)活體類別，并根據(jù)所述真實(shí)活體類別與所述預(yù)測(cè)活體類別之間的差異確定第二損失；

根據(jù)所述第一損失與所述第二損失調(diào)整所述初始神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)后，獲取所述多個(gè)訓(xùn)練樣本中的下一個(gè)訓(xùn)練樣本，并返回至所述將訓(xùn)練樣本中的樣本圖像及真實(shí)活體類別輸入初始神經(jīng)網(wǎng)絡(luò)模型的步驟繼續(xù)訓(xùn)練，直至獲得訓(xùn)練好的加密檢測(cè)聯(lián)合模型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述樣本圖像與所述加密圖像之間的差異確定第一損失，包括：

獲取所述樣本圖像中各像素點(diǎn)對(duì)應(yīng)的原始特征值；

獲取所述加密圖像中各像素點(diǎn)對(duì)應(yīng)的替代特征值；

根據(jù)相同像素點(diǎn)的原始特征值與替代特征值之間的差異計(jì)算第一損失。

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述第一損失與所述第二損失調(diào)整所述初始神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)，包括：

基于所述第一損失與所述第二損失構(gòu)建目標(biāo)損失；

根據(jù)所述目標(biāo)損失調(diào)整模型參數(shù)，以使得調(diào)整后的加密網(wǎng)絡(luò)所輸出的加密圖像與原始的樣本圖像之間的差異增大、調(diào)整后的檢測(cè)網(wǎng)絡(luò)所輸出的預(yù)測(cè)活體類別與真實(shí)活體類別之間的差異減小。

7.根據(jù)權(quán)利要求1至6任一項(xiàng)所述的方法，其特征在于，所述獲取待檢測(cè)圖像包括：

獲取用于進(jìn)行身份驗(yàn)證的人臉圖像；

所述方法還包括：

當(dāng)所述活體檢測(cè)結(jié)果指示所述人臉圖像中的人臉為活體時(shí)，則

判定所述人臉圖像通過(guò)身份驗(yàn)證。

8.根據(jù)權(quán)利要求1至6任一項(xiàng)所述的方法，其特征在于，所述方法還包括：

對(duì)所述加密圖像進(jìn)行數(shù)據(jù)增強(qiáng)處理，得到多個(gè)拓展圖像；

所述通過(guò)所述加密檢測(cè)聯(lián)合模型中的檢測(cè)網(wǎng)絡(luò)，對(duì)所述加密圖像進(jìn)行活體檢測(cè)，獲得所述待檢測(cè)圖像中待檢測(cè)對(duì)象的活體檢測(cè)結(jié)果，包括：

通過(guò)所述加密檢測(cè)聯(lián)合模型中的檢測(cè)網(wǎng)絡(luò)，對(duì)各所述拓展圖像進(jìn)行活體檢測(cè)，得到各所述拓展圖像對(duì)應(yīng)的檢測(cè)結(jié)果；

根據(jù)各所述拓展圖像對(duì)應(yīng)的活體檢測(cè)結(jié)果，確定所述待檢測(cè)圖像中的待檢測(cè)對(duì)象的活體檢測(cè)結(jié)果。