活体检测模型的训练方法、活体检测方法及装置与流程

本申请属于活体检测，尤其涉及一种活体检测模型的训练方法、活体检测方法及装置。

背景技术：

1、现有的活体检测技术，无论是基于颜色纹理特征学习、面部深度结构拟合，还是基于rppg((remote photoplethysmography)的检测，都需要高质量的图像细节以确保活体检测算法的高性能。但相关技术中的活体检测算法在进行远距离对人脸进行检测时，由于人脸分辨率很小，并且获取到的人脸信息受到来自运动模糊、遮挡等因素的影响，无法有效应对这些噪声，相关技术中的活体检测算法泛化能力较差，活体检测的准确率较低。

技术实现思路

1、本申请实施例提供一种与相关技术不同的实现方案，以解决相关技术中活体检测算法泛化能力较差，活体检测的准确率较低的技术问题。

2、第一方面，本申请提供一种活体检测模型的训练方法，活体检测模型包括图像复原模块、特征提取模块、分类模块，其中，分类模块由全连接层构成，用于判别输入的信息对应的对象是真人还是非真人，方法包括：

3、对特征提取模块的参数进行预训练，得到特征提取模块的初始参数；

4、从图像样本集中获取第一图像，以及对第一图像进行过模糊处理的第二图像；

5、通过图像复原模块对第二图像进行复原处理，得到复原图像；

6、通过特征提取模块对复原图像进行特征提取，得到对应的人脸特征信息；

7、通过分类模块对输入的人脸特征信息进行分类，得到预测分类结果；

8、基于第一图像、复原图像，以及预测分类结果对活体检测模型进行训练，得到训练好的活体检测模型。

9、第二方面，本申请提供一种活体检测方法，方法包括：

10、通过训练好的活体检测模型中的图像复原模块对待检测图像进行复原处理，得到复原图像；

11、通过训练好的活体检测模型中的特征提取模块对复原图像进行特征提取，得到对应的人脸特征信息；

12、通过训练好的活体检测模型中的分类模块对输入的人脸特征信息进行分类，得到检测结果，检测结果用于指示待检测图像对应的对象是真人还是非真人；

13、其中，特征提取模块的初始参数由预训练的方式得到。

14、第三方面，本申请提供一种活体检测模型的训练装置，活体检测模型包括图像复原模块、特征提取模块、分类模块，其中，分类模块由全连接层构成，用于判别输入的信息对应的对象是真人还是非真人，装置包括：

15、预训练单元，用于对特征提取模块的参数进行预训练，得到特征提取模块的初始参数；

16、获取单元，用于从图像样本集中获取第一图像，以及对第一图像进行过模糊处理的第二图像；

17、复原单元，用于通过图像复原模块对第二图像进行复原处理，得到复原图像；

18、特征提取单元，用于通过特征提取模块对复原图像进行特征提取，得到对应的人脸特征信息；

19、分类单元，用于通过分类模块对输入的人脸特征信息进行分类，得到预测分类结果；

20、训练单元，用于基于第一图像、复原图像，以及预测分类结果对活体检测模型进行训练，得到训练好的活体检测模型。

21、第四方面，本申请提供一种电子设备，包括：

22、处理器；以及

23、存储器，用于存储所述处理器的可执行指令；

24、其中，所述处理器配置为经由执行所述可执行指令来执行第一方面、第二方面、第一方面各可能的实施方式，或第二方面各可能的实施方式中的任一方法。

25、第五方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面、第二方面、第一方面各可能的实施方式，或第二方面各可能的实施方式中的任一方法。

26、本申请提供的对所述特征提取模块的参数进行预训练，得到所述特征提取模块的初始参数；从图像样本集中获取第一图像，以及对所述第一图像进行过模糊处理的第二图像；通过所述图像复原模块对所述第二图像进行复原处理，得到复原图像；通过所述特征提取模块对所述复原图像进行特征提取，得到对应的人脸特征信息；通过所述分类模块对输入的所述人脸特征信息进行分类，得到预测分类结果；基于所述第一图像、所述复原图像，以及所述预测分类结果对所述活体检测模型进行训练，得到训练好的活体检测模型的方案，可利用对特征提取模块的参数进行预训练，使用预训练好的参数作为特征提取模块的初始值对活体检测模型进行微调，提高活体检测模型的训练效果，在图像复原模块对模糊图像进行复原，可增强低质量人脸数据，有利于活体检测模型在一定程度上对模糊图像进行清晰处理，从而达到提高活体检测模型的泛化能力和准确性的技术效果。

技术特征：

1.一种活体检测模型的训练方法，其特征在于，所述活体检测模型包括图像复原模块、特征提取模块、分类模块，其中，所述分类模块由全连接层构成，用于判别输入的信息对应的对象是真人还是非真人，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，对所述特征提取模块的参数进行预训练，得到所述特征提取模块的初始参数，包括：

3.根据权利要求1所述的方法，其特征在于，基于所述第一图像、所述复原图像，以及所述预测分类结果对所述活体检测模型进行训练，包括：

4.根据权利要求3所述的方法，其特征在于，所述活体检测模型还包括多损失融合模块，基于所述复原损失和所述分类损失对活体检测模型进行训练，包括：

5.根据权利要求3所述的方法，其特征在于，基于所述第一图像与所述复原图像确定复原损失，包括：

6.根据权利要求1所述的方法，对所述第一图像进行模糊处理的方式为高斯模糊处理。

7.一种活体检测方法，其特征在于，所述方法包括：

8.一种活体检测模型的训练装置，其特征在于，所述活体检测模型包括图像复原模块、特征提取模块、分类模块，其中，所述分类模块由全连接层构成，用于判别输入的信息对应的对象是真人还是非真人，所述装置包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。

技术总结
本申请公开了一种活体检测模型的训练方法、活体检测方法及装置，活体检测模型包括图像复原模块、特征提取模块、分类模块，训练方法包括：对特征提取模块的参数进行预训练，得到特征提取模块的初始参数；从图像样本集中获取第一图像，以及对第一图像进行过模糊处理的第二图像；通过图像复原模块对第二图像进行复原处理，得到复原图像；通过特征提取模块对复原图像进行特征提取，得到对应的人脸特征信息；通过分类模块对输入的人脸特征信息进行分类，得到预测分类结果；基于第一图像、复原图像，以及预测分类结果对活体检测模型进行训练，得到训练好的活体检测模型。本申请提供的方案，可起到提高活体检测模型的泛化能力和准确性的作用。

技术研发人员：孔令美,杨青
受保护的技术使用者：度小满科技（北京）有限公司
技术研发日：
技术公布日：2024/1/15