[發明專利]活體人臉檢測模型的訓練方法、裝置、設備及存儲介質

有效

• 申請號: 202110482189.2
• 申請日: 2021-04-30
• 公開（公告）號: CN113052144B
• 公開（公告）日: 2023-02-28
• 發明（設計）人: 喻晨曦
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V40/40;G06V10/80;G06N3/096;G06N3/047;G06N3/094
• 代理公司: 深圳國新南方知識產權代理有限公司 44374
• 代理人: 代文成

本發明公開了一種活體人臉檢測模型的訓練方法，應用于人工智能技術領域，用于解決目前活體人臉檢測模型在真實場景下不具有較高預測準確性的技術問題。本發明提供的方法包括：獲取屬于不同領域的人臉樣本圖像集；選取與各領域一一對應的教師網絡，通過人臉樣本圖像集對對應的教師網絡進行二分類訓練；對訓練好的教師網絡進行凍結；通過各教師網絡輸出人臉圖像為活體人臉的預測概率；將輸出的預測概率的平均值作為學生網絡的目標概率值對學生網絡進行訓練；將訓練好的學生網絡的特征提取器的參數作為活體人臉檢測模型中特征提取器的參數的初始值，通過人臉樣本圖像集對活體人臉檢測模型進行元學習訓練直到該活體人臉檢測模型的損失函數收斂。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種活體人臉檢測模型的訓練方法、裝置、設備及存儲介質。

背景技術

隨著手機的更新換代以及拍攝處理技術日新月異，非人臉活體圖像假冒人臉活體圖像的欺詐手段也隨之層出不窮，目前對于人臉活體圖像的識別一般是通過訓練好的活體人臉檢測模型來進行預測，當預測識別出非人臉活體時，需要用戶進一步核查該人臉圖像是否為活體人臉圖像。

在對活體人臉檢測模型的訓練過程中，我們發現訓練好的活體人臉檢測模型的預測準確性會受限于參與訓練的人臉圖像樣本的類型，例如當參與訓練的人臉圖像樣本的拍攝光線較為明亮時，訓練出的活體人臉檢測模型對于拍攝光線較為灰暗的人臉圖像進行是否為活體人臉的預測準確性會降低。

由于通過常規手段訓練出的活體人臉檢測模型難以抵抗環境噪聲，該環境噪聲例如過強或過弱的光照、不同的影像設備衍生的不同的成像質量等，訓練出的活體人臉檢測模型對于新型的攻擊類型缺乏魯棒性，使得通過常規訓練方法訓練出的活體人臉檢測模型在真實場景下不具有較高的預測準確性。

發明內容

本發明實施例提供一種活體人臉檢測模型的訓練方法、裝置、設備及存儲介質，以解決目前的活體人臉檢測模型難以抵抗環境噪聲、魯棒性差導致在真實場景下不具有較高的預測準確性的技術問題。

一種活體人臉檢測模型的訓練方法，該方法包括：

獲取屬于不同領域的人臉樣本圖像集，該人臉樣本圖像集中的人臉樣本圖像攜帶有活體或非活體的標注；

選取與各該領域一一對應的教師網絡，通過該人臉樣本圖像集對對應的教師網絡進行二分類訓練；

當訓練得到該教師網絡的損失函數收斂且該教師網絡的預測準確率在預設范圍之內時，對該教師網絡進行凍結；

將人臉圖像數據集中的人臉圖像輸入至各該教師網絡，通過各該教師網絡輸出該人臉圖像為活體人臉的預測概率；

將通過各該教師網絡輸出的該預測概率的平均值作為學生網絡的目標概率值，通過該人臉圖像數據集對該學生網絡進行訓練；

當該學生網絡的損失函數收斂時，獲取該學生網絡的特征提取器的參數；

將該學生網絡的特征提取器的參數作為活體人臉檢測模型中特征提取器的參數的初始值，通過該人臉樣本圖像集對該活體人臉檢測模型進行元學習訓練；

當該活體人臉檢測模型的損失函數收斂時，得到訓練好的活體人臉檢測模型。

一種活體人臉檢測模型的訓練裝置，該裝置包括：

樣本獲取模塊，用于獲取屬于不同領域的人臉樣本圖像集，該人臉樣本圖像集中的人臉樣本圖像攜帶有活體或非活體的標注；

第一訓練模塊，用于選取與各該領域一一對應的教師網絡，通過該人臉樣本圖像集對對應的教師網絡進行二分類訓練；

凍結模塊，用于當訓練得到該教師網絡的損失函數收斂且該教師網絡的預測準確率在預設范圍之內時，對該教師網絡進行凍結；