[發明專利]活體識別輔助網絡的訓練方法、終端、設備及存儲介質

有效

• 申請號: 202011307025.8
• 申請日: 2020-11-20
• 公開（公告）號: CN112364803B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 朱鑫懿;魏文應;安欣賞;張偉民;李革;張世雄;李楠楠
• 申請（專利權）人: 深圳龍崗智能視聽研究院
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/82;G06V40/40;G06V40/16
• 代理公司: 北京京萬通知識產權代理有限公司 11440
• 代理人: 萬學堂

本發明公開了一種活體識別輔助網絡的訓練方法、終端、設備及存儲介質，準備訓練數據；輸入訓練數據至特征提取網絡中，獲得人臉特征；將人臉特征分別輸入到分類網絡和角度檢測網絡中，獲得分類結果和人臉角度預測值；計算預測角度和標簽角度的差異，對不同的樣本的損失函數值分配不同的權重，計算損失函數值，然后采用梯度下降算法更新模型參數。多分支中的輔助網絡利用角度信息進行訓練，能夠提升模型對不同角度下的人臉特征的提取能力，從而增強模型在不同人臉角度下的適應性；采用深度學習框架，利用輔助網絡輸出的角度信息提升活體識別訓練效果，不會增加實際活體識別模型的大小和識別時間。

技術領域

本發明屬于圖像識別技術領域，尤其涉及一種活體識別輔助網絡的訓練方法、終端、設備及存儲介質。

背景技術

目前，圖像識別技術尤其是人臉識別是計算機視覺領域的長期研究熱點。深度學習的發展和大數據時代的海量數據使得人臉識別技術超越了傳統的人臉識別算法。硬件設備的提升使得人臉識別技術被普及在各個領域，例如手機人臉解鎖，公司人臉考勤和移動支付的人臉驗證。然而人臉識別技術存在著身份信息被盜用的安全隱患，不法分子可通過偽造的活體人臉信息進行身份驗證，并在通過身份驗證后進行盜用財產和危害公共安全等非法活動。

目前已經有許多基于深度學習的人臉活體識別算法，這些算法在訓練過程中對不同的人臉角度采用相同的重視程度，然而不同角度的人臉信息的學習難度是不同的。特別是在不同角度數據的數據量不平衡的情況下，一般的訓練方法在非正臉的情況下活體識別效果要差于正臉數據。一般采用人臉對齊的方法緩解翻轉角的影響，但無法在俯仰角和偏轉角上取得很好的效果，且增加人臉對齊會多出一個步驟，增加流程的耗時。因此，亟需一種新的人臉識別輔助網絡和訓練方法。

通過上述分析，現有技術存在的問題及缺陷為：

(1)在不同角度數據的數據量不平衡的情況下，一般的訓練方法在非正臉的情況下活體識別效果要差于正臉數據。

(2)采用人臉對齊的方法緩解翻轉角的影響，但無法在俯仰角和偏轉角上取得很好的效果，且增加人臉對齊會多出一個步驟，增加流程的耗時。

解決以上問題及缺陷的難度為：

解決問題(1)的一般方法為加入大量多角度的圖片數據，但在實際場景中采集的正臉圖片占大多數，數據難以獲取。

即使獲取了一定數據量的多角度數據，由于現有的一般方法對不同角度的數據采取同樣的權重，而實際上不同角度的數據的學習難度是不同的，因此對于部分角度的人臉難以獲得理想的效果。

解決以上問題及缺陷的意義為：

本發明不需要采集大量的多角度圖片數據，能夠在不同角度的人臉數據量減少的情況下獲得更好的效果，減小數據的采集難度。

對于特定角度下效果較差的數據，本方法能取得更好的效果。

不需要增加人臉對齊環節，減少系統流程步驟，加快系統的識別速度。

發明內容

針對現有技術存在的問題，本發明提供了一種活體識別輔助網絡的訓練方法、終端、設備及存儲介質。

本發明是這樣實現的，一種基于角度信息的活體識別輔助網絡的訓練方法，所述基于角度信息的活體識別輔助網絡的訓練方法包括以下步驟：

步驟一，準備訓練數據，訓練數據包含待識別人臉圖片和人臉圖片的標簽，其中標簽包括人臉類別和人臉角度信息。

步驟二，輸入訓練數據至特征提取網絡中，獲得人臉特征。

步驟三，將人臉特征分別輸入到分類網絡和角度檢測網絡中，獲得分類結果和人臉角度預測值。

步驟四，計算預測角度和標簽角度的差異，對不同的樣本的損失函數值分配不同的權重，計算損失函數值，然后采用梯度下降算法更新模型參數。