[發明專利]人臉活體檢測模型訓練方法、裝置、電子設備及存儲介質

有效

• 申請號: 202210834544.2
• 申請日: 2022-07-14
• 公開（公告）號: CN115205939B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 王珂堯
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V40/40;G06V10/82;G06V10/46;G06N3/0464;G06N3/08
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 丁蕓;馬敬

本公開提供了一種人臉活體檢測模型訓練方法、裝置、電子設備及存儲介質，涉及人工智能技術領域，尤其涉及深度學習、圖像處理、計算機視覺技術領域。具體實現方案為：獲取樣本圖像對，將可見光樣本圖像輸入預先訓練的可見光人臉活體檢測模型，將近紅外樣本圖像輸入待訓練的近紅外人臉活體檢測模型，基于可見光圖像特征、近紅外圖像特征、近紅外人臉活體檢測結果和人臉活體真值，調整近紅外人臉活體檢測模型的參數，得到訓練后的近紅外人臉活體檢測模型，實現了人臉活體檢測模型的訓練，可以利用人臉活體檢測模型實現人臉活體檢測，提高了人臉活體檢測的泛化性和準確性。

技術領域

本公開涉及人工智能技術領域，具體為深度學習、圖像處理、計算機視覺技術領域。

背景技術

人臉活體檢測就是區分一張圖像是否為真人拍攝，是人臉識別系統的基礎組成模塊，保證人臉識別系統的安全性。在人臉活體檢測的過程中，使用深度學習技術訓練人臉活體檢測模型，并通過訓練的人臉活體檢測模型進行人臉活體檢測是當前人臉識別領域的主流方法。

發明內容

本公開提供了一種人臉活體檢測模型訓練方法、裝置、電子設備及存儲介質。

根據本公開的一方面，提供了一種人臉活體檢測模型訓練方法，包括：

獲取樣本圖像對，其中，所述樣本圖像對包括同一人臉對象的可見光樣本圖像和近紅外樣本圖像；

將所述可見光樣本圖像輸入預先訓練的可見光人臉活體檢測模型，并通過所述可見光人臉活體檢測模型的第一特征提取網絡提取所述可見光樣本圖像的可見光圖像特征；

將所述近紅外樣本圖像輸入待訓練的近紅外人臉活體檢測模型進行活體檢測，得到近紅外人臉活體檢測結果，并通過所述近紅外人臉活體檢測模型的第二特征提取網絡提取所述近紅外樣本圖像的近紅外圖像特征；

獲取所述近紅外樣本圖像的人臉活體真值；

基于所述可見光圖像特征、所述近紅外圖像特征、所述近紅外人臉活體檢測結果和所述人臉活體真值，調整所述近紅外人臉活體檢測模型的參數，得到訓練后的近紅外人臉活體檢測模型。

根據本公開的另一方面，提供了一種人臉活體檢測方法，包括：

獲取待識別近紅外人臉圖像；

利用預先訓練的近紅外人臉活體檢測模型中的第二特征提取網絡，對所述待識別近紅外人臉圖像進行特征提取，得到近紅外人臉圖像特征；

利用所述近紅外人臉活體檢測模型的分類器網絡，對所述近紅外人臉圖像特征進行分類，得到待識別近紅外人臉圖像的人臉活體檢測結果；

其中，所述近紅外人臉活體檢測模型采用本公開中人臉活體檢測模型訓練方法中任意一項所述的方法訓練得到。

根據本公開的另一方面，提供了一種人臉活體檢測模型訓練裝置，包括：

圖像獲取模塊，用于獲取樣本圖像對，其中，所述樣本圖像對包括同一人臉對象的可見光樣本圖像和近紅外樣本圖像；

第一圖像特征提取模塊，用于將所述可見光樣本圖像輸入預先訓練的可見光人臉活體檢測模型，并通過所述可見光人臉活體檢測模型的第一特征提取網絡提取所述可見光樣本圖像的可見光圖像特征；

第二圖像特征提取模塊，用于將所述近紅外樣本圖像輸入待訓練的近紅外人臉活體檢測模型進行活體檢測，得到近紅外人臉活體檢測結果，并通過所述近紅外人臉活體檢測模型的第二特征提取網絡提取所述近紅外樣本圖像的近紅外圖像特征；

真值獲取模塊，用于獲取所述近紅外樣本圖像的人臉活體真值；

參數調整模塊，用于基于所述可見光圖像特征、所述近紅外圖像特征、所述近紅外人臉活體檢測結果和所述人臉活體真值，調整所述近紅外人臉活體檢測模型的參數，得到訓練后的近紅外人臉活體檢測模型。