[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

说明书

本公开涉及一种伪造人脸的识别方法、装置和计算机可读存储介质，涉及计算机技术领域。本公开的方法包括：获取新类别的伪造人脸图像的小样本集；利用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，预训练的人脸防伪模型的参数是根据多个任务分别确定人脸防伪模型的多组参数，并根据多组参数重新确定的；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人脸防伪模型，确定待识别的人脸图像是否为伪造人脸图像。

技术领域

本公开涉及计算机技术领域，特别涉及一种伪造人脸的识别方法、装置和计算机可读存储介质。

背景技术

人脸防伪识别指的是针对伪造的人脸特征进行有效甄别，比如在人脸识别系统中，会有人制造一些伪造的人脸(比如视频，照片和面具等)对人脸识别系统进行攻击，人脸防伪识别就是针对伪造的人脸特征进行甄别。一般在人脸识别系统中，用户需要通过人脸防伪识别的检测，又可以被称为活体检测。

发明人已知的一种伪造人脸的识别方法是：基于已知类别的大量伪造人脸图像对分类模型进行深度学习训练，训练好的分类模型则可以识别与训练用的伪造人脸图像属于相同类别的伪造人脸。

发明内容

发明人发现：现有的伪造人脸的识别方法，都需要利用大量的样本对模型进行训练，训练好的模型才能准确识别出伪造人脸。当出现新类别的伪造人脸图像后，伪造人脸图像样本数量非常少，无法完成对模型进行重新训练，导致模型无法及时对新类别的伪造人脸进行识别，无法及时有效防止新类别的伪造人脸的攻击。

本公开所要解决的一个技术问题是：如何在出现少量新类别的伪造人脸图像的情况下，实现对新类别的伪造人脸图像的及时有效的识别，提高人脸识别系统的安全性。

根据本公开的一些实施例，提供的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，预训练的人脸防伪模型的参数是根据多个任务分别确定人脸防伪模型的多组参数，并根据多组参数重新确定的；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人脸防伪模型，确定待识别的人脸图像是否为伪造人脸图像。

在一些实施例中，利用新类别的伪造人脸图像的小样本集对人脸防伪模型的参数进行更新包括：在人脸防伪模型为分类模型的情况下，根据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，对人脸防伪模型的参数进行更新；或者，在人脸防伪模型为回归模型的情况下，根据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，对人脸防伪模型的参数进行更新；其中，细分类标签用于标注伪造人脸图像的类别，粗分类标签用于标注伪造人脸图像为正样本或负样本。

在一些实施例中，在人脸防伪模型为分类模型的情况下，根据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，对人脸防伪模型的参数进行更新包括：在人脸防伪模型为分类模型的情况下，将新类别的小样本集中的伪造人脸图像输入人脸防伪模型，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，根据第一梯度对人脸防伪模型的参数进行更新；或者，在人脸防伪模型为回归模型的情况下，根据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，对人脸防伪模型的参数进行更新包括：在人脸防伪模型为回归模型的情况下，将新类别的小样本集中的伪造人脸图像输入人脸防伪模型，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，根据第二梯度对人脸防伪模型的参数进行更新。