[發明專利]一種活體檢測模型訓練方法及活體檢測方法

在審

• 申請號: 202110858764.4
• 申請日: 2021-07-28
• 公開（公告）號: CN113989871A
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 張勁風;鄭新瑩;高通
• 申請（專利權）人: 奧比中光科技集團股份有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V40/40;G06V10/80;G06K9/62;G06N3/04
• 代理公司: 深圳漢世知識產權代理事務所(特殊普通合伙) 44578
• 代理人: 冷仔

本申請涉及生物識別技術領域，尤其涉及一種活體檢測模型訓練方法及活體檢測方法。該活體檢測模型訓練方法包括：構建活體檢測初始模型，所述活體檢測初始模型包括至少三個卷積模塊、特征融合模塊和池化模塊；獲取人臉圖像，并分別得到人臉圖像依次經過每個卷積模塊時的至少三個特征圖像；利用特征融合模塊融合所述至少三個特征圖像獲得第四特征圖像；利用池化模塊池化第四特征圖像，并利用第四特征圖像和池化后的第四特征圖像對活體檢測初始模型進行監督訓練并迭代更新所述活體檢測初始模型，得到經訓練的活體檢測模型。本申請實施例推理速度更快；采用輕量化的模型，能成功部署在小算力的芯片上；能獲得精度更高的活體檢測模型。

技術領域

本申請涉及生物識別技術領域，尤其涉及一種活體檢測模型訓練方法及活體檢測方法。

背景技術

隨著人臉識別技術日趨成熟，其商業化應用愈加廣泛，例如廣泛應用于金融交易、門禁系統、移動終端等領域。然而人臉極易用照片、視頻、模型或面具等方式進行復制，因此對合法用戶人臉的假冒是人臉識別與認證系統安全的重要威脅。為防止惡意者偽造和竊取他人的生物特征用于身份認證，生物識別系統需具有活體檢測功能。

目前，人臉識別技術通行的活體檢測技術開始采用神經網絡模型。然后其通常無法捕捉人臉數據的細粒度信息，從而對高精度的樹脂面具及3D頭模等效果不盡人意，通常會將其誤判成真人；或是能有效防假體攻擊，但一些真人也無法通過活檢，從而造成不好的用戶體驗；或者，即使是防攻擊效果可以，且真人通過率較高的模型，也通常因為模型較大，推理速度慢從而無法部署在終端，無法部署在一些算力較低的芯片上。

發明內容

有鑒于此，本申請實施例提供了一種活體檢測模型訓練方法及活體檢測方法，可以解決相關技術中的至少一個技術問題。

第一方面，本申請一實施例提供了一種活體檢測模型訓練方法，包括：

構建活體檢測初始模型，所述活體檢測初始模型包括至少三個卷積模塊、特征融合模塊和池化模塊；

獲取人臉圖像，并分別得到人臉圖像依次經過每個卷積模塊時的至少三個特征圖像；

利用所述特征融合模塊融合所述至少三個特征圖像獲得第四特征圖像；

利用所述池化模塊池化所述第四特征圖像，并利用所述第四特征圖像和池化后的第四特征圖像對所述活體檢測初始模型進行監督訓練并迭代更新所述活體檢測初始模型，得到經訓練的活體檢測模型。

作為第一方面一實現方式，所述獲取人臉圖像，并分別得到人臉圖像依次經過每個卷積模塊時的至少三個特征圖像，包括：

獲取人臉圖像，并對所述人臉圖像進行上采樣或下采樣，得到目標圖像；

利用所述活體檢測初始模型的所述至少三個卷積模塊對所述目標圖像進行特征學習，獲得至少三個特征圖像。

作為第一方面一實現方式，所述利用所述池化模塊池化所述第四特征圖像，并利用所述第四特征圖像和池化后的第四特征圖像對所述活體檢測初始模型進行監督訓練并迭代更新所述活體檢測初始模型，得到經訓練的活體檢測模型，包括：

利用所述池化模塊對所述第四特征圖像進行平均池化，獲取到第五特征圖像和第六特征圖像；

根據損失函數計算所述第四特征圖像、所述第五特征圖像和所述第六特征圖像與其各自對應的預設監督圖像之間的損失，根據損失對所述活體檢測初始模型的權重參數進行迭代更新，得到經訓練的活體檢測模型。

作為第一方面一實現方式，所述損失函數為均方誤差損失函數；所述第四特征圖像、所述第五特征圖像和所述第六特征圖像具有不同尺寸。

第二方面，本申請一實施例提供一種活體檢測方法，包括：

獲取目標對象人臉的待檢測圖像；