[发明专利]伪造人脸的识别方法、装置和计算机可读存储介质

权利要求书

1.一种伪造人脸的识别方法，包括：

获取新类别的伪造人脸图像的小样本集；

利用所述新类别的伪造人脸图像的小样本集对预训练的人脸防伪模型的参数进行更新；其中，所述预训练的人脸防伪模型的参数是根据多个任务分别确定所述人脸防伪模型的多组参数，并根据所述多组参数重新确定的；所述任务包括：已有类别的伪造人脸图像和真实人脸图像组成的一个或多个小样本集；

将待识别的人脸图像输入更新后的所述人脸防伪模型，确定所述待识别的人脸图像是否为伪造人脸图像。

2.根据权利要求1所述的识别方法，其中，

所述利用所述新类别的伪造人脸图像的小样本集对所述人脸防伪模型的参数进行更新包括：

在所述人脸防伪模型为分类模型的情况下，根据所述新类别的小样本集中的伪造人脸图像和对应的细分类标签，对所述人脸防伪模型的参数进行更新；

或者，在所述人脸防伪模型为回归模型的情况下，根据所述新类别的小样本集中的伪造人脸图像和对应的粗分类标签，对所述人脸防伪模型的参数进行更新；

其中，所述细分类标签用于标注所述伪造人脸图像的类别，所述粗分类标签用于标注所述伪造人脸图像为正样本或负样本。

3.根据权利要求2所述的识别方法，其中，

所述在所述人脸防伪模型为分类模型的情况下，根据所述新类别的小样本集中的伪造人脸图像和对应的细分类标签，对所述人脸防伪模型的参数进行更新包括：

在所述人脸防伪模型为分类模型的情况下，将所述新类别的小样本集中的伪造人脸图像输入所述人脸防伪模型，得到各个伪造人脸图像分别属于不同类别的概率，根据各个伪造人脸图像分别属于不同类别的概率和对应的细分类标签确定第一梯度，根据所述第一梯度对所述人脸防伪模型的参数进行更新；

或者，所述在所述人脸防伪模型为回归模型的情况下，根据所述新类别的小样本集中的伪造人脸图像和对应的粗分类标签，对所述人脸防伪模型的参数进行更新包括：

在所述人脸防伪模型为回归模型的情况下，将所述新类别的小样本集中的伪造人脸图像输入所述人脸防伪模型，得到各个伪造人脸图像对应的输出值，根据各个伪造人脸图像对应的输出值和对应的粗分类标签确定第二梯度，根据所述第二梯度对所述人脸防伪模型的参数进行更新。

4.根据权利要求1所述的识别方法，还包括：

将所述已有类别的伪造人脸图像和真实人脸图像划分为多个任务，其中，每个任务包括真实人脸图像类别和第一预设数量已有类别；每个类别包括第二预设数量的支持样本图像组成的小样本集和第三预设数量的查询样本图像；

每次选取第四预设数量的任务成一个批次，将该批次输入人脸防伪模型，根据该批次的多个任务分别确定所述人脸防伪模型的多组参数，并根据所述多组参数重新确定所述人脸防伪模型的参数；

直至所述人脸防伪模型达到收敛条件，完成所述人脸防伪模型的预训练。

5.根据权利要求4所述的识别方法，其中，

所述根据该批次的多个任务分别确定所述人脸防伪模型的多组参数，并根据所述多组参数重新确定所述人脸防伪模型的参数包括：

针对该批次中的每个任务，根据支持样本图像和对应的标签，确定该任务对应的第三梯度，根据所述第三梯度确定所述人脸防伪模型的一组参数；

根据该批次中多个任务分别确定多组参数，多个任务的查询样本图像和查询样本图像对应的标签，确定该批次对应的第四梯度；

根据该批次对应的第四梯度，重新确定所述人脸防伪模型的参数。

6.根据权利要求5所述的识别方法，其中，

所述针对该批次中的每个任务，根据支持样本图像和对应的标签，确定该任务对应的第三梯度包括：

在所述人脸防伪模型为分类模型的情况下，所述针对该批次中的每个任务，根据支持样本图像和对应的细分类标签，确定该任务对应的第三梯度；

或者，在所述人脸防伪模型为回归模型的情况下，所述针对该批次中的每个任务，根据支持样本图像和对应的粗分类标签，确定该任务对应的第三梯度；

其中，所述细分类标签用于标注所述伪造人脸图像的类别，所述粗分类标签用于标注所述伪造人脸图像为正样本或负样本。