[發明專利]檢測模型的訓練方法、活體檢測方法、裝置、設備和介質

在審

• 申請號: 202210023916.3
• 申請日: 2022-01-10
• 公開（公告）號: CN114360074A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 黃澤斌
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06V40/40
• 分類號: G06V40/40;G06V40/16;G06V10/764;G06V10/82;G06K9/62;G06N3/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 鄢功軍

本公開提供了一種檢測模型的訓練方法，涉及人工智能技術領域，尤其涉及深度學習技術和計算機視覺技術，可應用于人臉識別等場景。具體實現方案為：將具有類別標簽的第一圖像輸入檢測模型，得到第一損失函數值；將具有類別標簽的第二圖像輸入檢測模型，得到第二損失函數值，其中，第二圖像是通過對第一圖像進行第一圖像處理得到的；根據第一損失函數值和第二損失函數值，得到更新損失函數值；以及根據更新損失函數值，訓練檢測模型，得到經訓練的檢測模型。本公開還提供了一種活體檢測方法、裝置、電子設備和存儲介質。

技術領域

本公開涉及人工智能技術領域，尤其涉及深度學習技術和計算機視覺技術，可應用于人臉識別等場景。更具體地，本公開提供了一種檢測模型的訓練方法、活體檢測方法、裝置、電子設備和存儲介質。

背景技術

活體檢測可以用于驗證對象是否具有一些真實的生理特征?？梢酝ㄟ^獲取包含對象眨眼、點頭、搖頭等動作的圖像，進行活體檢測。

發明內容

本公開提供了一種檢測模型的訓練方法、活體檢測方法、裝置、電子設備和存儲介質。

根據第一方面，提供了一種檢測模型的訓練方法，該方法包括：將具有類別標簽的第一圖像輸入檢測模型，得到第一損失函數值；將具有上述類別標簽的第二圖像輸入上述檢測模型，得到第二損失函數值，其中，上述第二圖像是通過對上述第一圖像進行第一圖像處理得到的；根據第一損失函數值和第二損失函數值，得到更新損失函數值；以及根據上述更新損失函數值，訓練上述檢測模型，得到經訓練的檢測模型。

根據第二方面，提供了一種活體檢測方法，該方法包括：獲取目標對象的對象數據；以及將上述對象數據輸入活體檢測模型，得到針對上述目標對象的檢測數據；其中，上述活體檢測模型是利用根據本公開提供的方法訓練的。

根據第三方面，提供了一種檢測模型的訓練裝置，該裝置包括：第一獲得模塊，用于將具有類別標簽的第一圖像輸入檢測模型，得到第一損失函數值；第二獲得模塊，用于將具有上述類別標簽的第二圖像輸入上述檢測模型，得到第二損失函數值，其中，上述第二圖像是通過對上述第一圖像進行第一圖像處理得到的；第三獲得模塊，用于根據上述第一損失函數值和上述第二損失函數值，得到更新損失函數值；以及訓練模塊，用于根據上述更新損失函數值，訓練上述檢測模型，得到經訓練的檢測模型。

根據第四方面，提供了一種活體檢測裝置，該裝置包括：獲取模塊，用于獲取目標對象的對象數據；以及第五獲得模塊，用于將上述對象數據輸入活體檢測模型，得到針對上述目標對象的檢測數據；其中，上述活體檢測模型是利用本公開提供的裝置訓練的。

根據第五方面，提供了一種電子設備，包括：至少一個處理器；以及與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行根據本公開提供的方法。

根據第六方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，該計算機指令用于使計算機執行根據本公開提供的方法。

根據第七方面，提供了一種計算機程序產品，包括計算機程序，所述計算機程序在被處理器執行時實現根據本公開提供的方法。

應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖用于更好地理解本方案，不構成對本公開的限定。其中：

圖1是根據本公開的一個實施例的檢測模型的訓練方法的流程圖；

圖2是根據本公開的另一個實施例的檢測模型的訓練方法的流程圖；

圖3是根據本公開的另一個實施例的檢測模型的訓練方法的流程圖；

圖4A是根據本公開的一個實施例的檢測模型的訓練方法的原理圖；