[發明專利]活體模型訓練方法和裝置

有效

• 申請號: 202110323891.4
• 申請日: 2021-03-26
• 公開（公告）號: CN112926515B
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 宗志遠
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06V40/40
• 分類號: G06V40/40;G06V40/16;G06V10/774;G06V10/82;G06K9/62;G06N3/08
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 李世喆

本說明書實施例提供了活體模型訓練方法和裝置。該方法包括：利用第一樣本圖片訓練活體模型，得到活體模型輸出的識別結果；根據所述識別結果以及所述活體模型當前的權重值，確定所述活體模型從所述第一樣本圖片中學習到的識別特征；其中，所述識別特征滿足：所述活體模型基于該識別特征得到本次訓練的所述識別結果；利用所述第一樣本圖片中未包括所述識別特征的圖像區域，生成第二樣本圖片；利用所述第二樣本圖片訓練所述活體模型。

技術領域

本說明書一個或多個實施例涉及電子信息技術，尤其涉及活體模型訓練方法和裝置。

背景技術

活體模型是人臉識別系統的重要組成部分，其通過對輸入的數據進行真體或者假體的判斷，識別出當前進行核身的是真人還是假體。活體模型的性能優劣直接關系到人臉識別系統的安全性。目前，主要通過收集真體或者假體數據來訓練活體模型。

然而，目前的活體模型訓練方法得到的活體模型的魯棒性不強。

發明內容

本說明書一個或多個實施例描述了活體模型訓練方法和裝置，能夠提高訓練出的活體模型的魯棒性。

根據第一方面，提供了一種活體模型訓練方法，包括：

利用第一樣本圖片訓練活體模型，得到活體模型輸出的識別結果；

根據所述識別結果以及所述活體模型當前的權重值，確定所述活體模型從所述第一樣本圖片中學習到的識別特征；

其中，所述識別特征滿足：所述活體模型基于該識別特征得到本次訓練的所述識別結果；

利用所述第一樣本圖片中未包括所述識別特征的圖像區域，生成第二樣本圖片；

利用所述第二樣本圖片訓練所述活體模型。

其中，所述利用所述第一樣本圖片中未包括所述識別特征的圖像區域生成第二樣本圖片，包括：

將所述第一樣本圖片中識別特征的像素值置為0，將所述第一樣本圖片中非識別特征的像素值置為1，得到第一權重圖；

將第一樣本圖像中每一個像素位置的像素值乘以該第一權重圖中相應像素位置的像素值，得到所述第二樣本圖片。

其中，所述確定所述活體模型從所述第一樣本圖片中學習到的識別特征，包括：

獲取所述活體模型對所述第一樣本圖片進行特征提取后得到的輸出特征圖；

根據所述識別結果以及所述活體模型當前的權重值，對所述輸出特征圖進行前向推理，得到對應第一樣本圖片的熱力圖；

將所述熱力圖中位于熱點區域的像素確定為所述活體模型從所述第一樣本圖片中學習到的識別特征。

其中，所述生成第二樣本圖片，包括：

將所述熱力圖中每一個像素的歸一化值與預設的檢測閾值進行比較；

如果該像素的歸一化值小于預設的檢測閾值，則將熱力圖中的該像素的歸一化值增加至第一預定值，如果該像素的歸一化值不小于預設的檢測閾值，則將該熱力圖中該像素的像素值減少至第二預定值，以得到第二權重圖；

將第一樣本圖像中每一個像素位置的像素值乘以第二權重圖中對應像素位置的像素值，得到所述第二樣本圖片。

在所述利用第一樣本圖片訓練活體模型之前，進一步包括：

從樣本庫中選擇本輪訓練需要使用的M張樣本圖片；

獲取選擇概率P；該選擇概率是根據所述樣本庫中樣本圖片的數量及類型預先確定的；

根據所述M及P的值，計算N；

從所述M張樣本圖片中選擇N張所述第一樣本圖片；