[發明專利]一種活體檢測模型的訓練方法、活體檢測方法

在審

• 申請號: 202211300912.1
• 申請日: 2022-10-24
• 公開（公告）號: CN115601812A
• 公開（公告）日: 2023-01-13
• 發明（設計）人: 張勁風;錢貝貝
• 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;G06V10/774
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 葛澤龍

1.一種活體檢測模型的訓練方法，其特征在于，包括：

獲取初始輕量化模型，以及教師模型；

獲取訓練樣本集，所述訓練樣本集包括人臉樣本數據；

將所述人臉樣本數據輸入所述教師模型進行處理，得到第一維度信息；

將所述人臉樣本數據輸入所述初始輕量化模型，并基于所述第一維度信息進行訓練，得到目標活體檢測模型。

2.如權利要求1所述的活體檢測模型的訓練方法，其特征在于，所述訓練樣本集還包括人臉樣本數據對應的特征圖標簽；所述特征圖標簽的均值標識所述人臉樣本數據的活體檢測結果；

所述將所述人臉樣本數據輸入所述初始輕量化模型，并基于所述第一維度信息進行訓練，得到目標活體檢測模型，包括：

將所述人臉樣本數據輸入所述初始輕量化模型進行處理，得到第二維度信息和所述人臉樣本數據對應的目標特征圖；

根據所述第一維度信息、所述第二維度信息、所述目標特征圖、所述人臉樣本數據對應的特征圖標簽和第一預設損失函數計算第一目標損失值；

判斷所述第一目標損失值是否小于預設閾值；

若所述第一目標損失值小于預設閾值，則停止訓練，將當前的所述初始輕量化模型作為活體檢測模型；

若所述第一目標損失值大于或者等于所述預設閾值，則根據所述第一目標損失值對所述初始輕量化模型進行更新，并返回執行所述將所述人臉樣本數據輸入所述初始輕量化模型進行處理，得到第二維度信息和所述人臉樣本數據對應的目標特征圖。

3.如權利要求2所述的活體檢測模型的訓練方法，其特征在于，所述根據所述第一維度信息、所述第二維度信息、所述目標特征圖、所述人臉樣本數據對應的特征圖標簽和第一預設損失函數計算第一目標損失值，包括：

對所述第一維度信息和所述第二維度信息進行特征相似度計算，得到目標相似度信息；

根據所述目標特征圖和所述人臉樣本數據對應的特征圖標簽計算目標均方誤差；

根據所述目標相似度信息和所述目標均方誤差得到第一目標損失值。

4.如權利要求3所述的活體檢測模型的訓練方法，其特征在于，所述第一維度信息包括第一低維維度信息、第一中維維度信息和第一高維維度信息；所述第二維度信息包括第二低維維度信息、第二中維維度信息和第二高維維度信息；所述目標相似度信息包括第一相似度信息、第二相似度信息和第三相似度信息；

所述對所述第一維度信息和所述第二維度信息進行特征相似度計算，得到目標相似度信息，包括：

對所述第一低維維度信息和所述第二低維維度信息進行特征相似度計算，得到所述第一相似度信息；

對所述第一中維維度信息和所述第二中維維度信息進行特征相似度計算，得到所述第二相似度信息；

對所述第一高維維度信息和所述第二高維維度信息進行特征相似度計算，得到所述第三相似度信息。

5.如權利要求2所述的活體檢測模型的訓練方法，其特征在于，所述第二維度信息包括第二低維維度信息、第二中維維度信息和第二高維維度信息；所述初始輕量化模型包括第一特征提取模塊、第二特征提取模塊、第三特征提取模塊和第一特征融合模塊；

所述將所述人臉樣本數據輸入所述初始輕量化模型進行處理，得到第二維度信息和所述人臉樣本數據對應的目標特征圖，包括：

將所述人臉樣本數據輸入所述第一特征提取模塊進行處理，得到所述第二低維維度信息；

將所述第二低維維度信息輸入所述第二特征提取模塊進行處理，得到第二中維維度信息；

將所述第二中維維度信息輸入所述第三特征提取模塊進行處理，得到第二高維維度信息；

對所述第二低維維度信息、所述第二中維維度信息和所述第二高維維度信息分別進行降采樣處理，分別對應得到第三低維維度信息、所述第三中維維度信息和所述第三高維維度信息；

基于所述第一特征融合模塊在通道維度上對所述第三低維維度信息、所述第三中維維度信息和所述第三高維維度信息進行拼接處理得到融合維度信息，并根據所述融合維度信息確定所述人臉樣本數據對應的目標特征圖。