[发明专利]测谎数据处理方法、装置、计算机设备和存储介质

权利要求书

1.一种测谎模型生成方法，所述方法包括：

获取包含多个用户标识的多张具有瞳孔特征的训练图像，所述训练图像携带标签；

构建初始测谎模型，将各张所述训练图像和对应的标签输入所述初始测谎模型中；

通过所述初始测谎模型提取各张所述训练图像的瞳孔特征，根据所述瞳孔特征确定各张所述训练图像对应的用户标识的分类结果；

根据各张所述训练图像的瞳孔特征、分类结果和对应的标签确定所述初始测谎模型是否满足预设收敛条件；

当未满足所述预设收敛条件时，更新所述初始测谎模型的模型参数，直至满足所述预设收敛条件，得到目标测谎模型。

2.根据权利要求1所述的方法，其特征在于，所述根据各张所述训练图像的瞳孔特征、分类结果和对应的标签确定所述初始测谎模型是否满足预设收敛条件，包括：

获取所述初始测谎模型的损失函数，根据各张所述训练图像的瞳孔特征计算损失值；

根据各张所述训练图像的分类结果和对应的标签统计所述初始测谎模型的识别正确率；

当所述损失值满足预设损失条件，且所述识别正确率大于预设正确率时，确定所述初始测谎模型满足预设收敛条件。

3.根据权利要求1所述的方法，其特征在于，所述通过所述初始测谎模型提取各张所述训练图像的瞳孔特征，根据各张所述训练图像的瞳孔特征确定各张所述训练图像对应的用户标识的分类结果，包括：

对各张所述训练图像进行边缘检测，得到对应的边缘检测图像；

采用霍夫变换检测所述边缘检测图像中的圆形区域，计算所述圆形区域的区域直径；

从所述区域直径中获取瞳孔直径和对应的虹膜直径，计算所述瞳孔直径和对应的虹膜直径的比值；

当所述比值满足预设比值时，各张所述训练图像对应的用户标识的分类结果为说谎。

4.根据权利要求3所述的方法，其特征在于，所述标签包括说谎和未说谎，所述方法还包括：

计算所述标签为未说谎的多张训练图像中的瞳孔直径与虹膜直径的比值，对各个所述比值加权求和，得到预设比值；

所述当所述比值满足预设比值时，各张所述训练图像对应的用户标识的分类结果为说谎，包括：

从各个用户标识对应的多张训练图像的比值中选取最大的比值，计算所述最大的比值与所述预设比值的差异度，当所述差异度满足预设差异度时，各张所述训练图像对应的用户标识的分类结果为说谎。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

当各个所述用户标识对应的多张训练图像的比值的变换状态满足预设变换状态时，各张所述训练图像对应的用户标识的分类结果为说谎。

6.一种基于权利要求1至权利要求5任意一项所述的测谎模型的测谎方法，其特征在于，所述方法包括：

获取图像数据，所述图像数据中包含瞳孔特征；

将所述图像数据输入所述目标测谎模型中，通过所述目标测谎模型提取所述瞳孔特征，根据所述瞳孔特征对所述图像数据进行分类，得到对应的测谎识别结果。

7.一种测谎模型生成装置，其特征在于，所述装置包括：

训练数据获取模块，用于获取包含多个用户标识的多张具有瞳孔特征的训练图像，所述训练图像携带标签；

数据输入模块，用于构建初始测谎模型，将各张所述训练图像和对应的标签输入所述初始测谎模型中；

分类识别模块，用于通过所述初始测谎模型提取各张所述训练图像的瞳孔特征，根据所述瞳孔特征确定各张所述训练图像对应的用户标识的分类结果；

判断模块，用于根据各张所述训练图像的瞳孔特征、分类结果和对应的标签确定所述初始测谎模型是否满足预设收敛条件；

模型确定模块，用于当未满足所述预设收敛条件时，更新所述初始测谎模型的模型参数，直至满足所述预设收敛条件，得到目标测谎模型。