[发明专利]基于深度学习的活体检测方法、装置、存储介质及设备

权利要求书

1.一种基于深度学习的活体检测方法，其特征在于，所述方法包括：

获取待进行活体检测的目标图像；

获取活体检测模型；所述活体检测模型包括相互级联的终端检测模型和照片检测模型，所述终端检测模型由第一神经网络模型和终端样本数据进行深度学习得到，所述照片检测模型由第二神经网络模型和照片样本数据进行深度学习得到；其中，所述终端样本数据包括在自然场景下采集的具有不同角度、不同背景信息和/或不同终端型号的终端图像；所述照片样本数据包括在自然场景下采集的不同角度、不同背景信息和/或不同遮挡程度的真实人脸图像和照片人脸图像；

将所述目标图像输入所述活体检测模型，得到活体检测结果，所述活体检测结果用于指示所述目标图像中的人脸是否为真实人脸。

2.根据权利要求1所述的方法，其特征在于，所述获取活体检测模型，包括：

获取所述终端样本数据；

对所述终端样本数据进行数据扩展，得到扩展后的终端样本数据；每组扩展后的终端样本数据包括终端图像和所述终端图像中终端的位置信息；

将所述终端图像输入所述第一神经网络模型，得到第一训练结果；

基于第一损失函数确定所述第一训练结果和对应的终端的位置信息之间的第一差异；

基于所述第一差异对所述第一神经网络模型的模型参数进行迭代训练，直至所述第一差异达到第一差异范围或迭代次数达到第一预设次数时停止，得到所述终端检测模型。

3.根据权利要求2所述的方法，其特征在于，所述第一神经网络模型为具有特征增强网络的目标检测网络。

4.根据权利要求1所述的方法，其特征在于，所述获取活体检测模型，包括：

获取所述照片样本数据；

对所述照片样本数据进行人脸检测，得到人脸检测结果；

对所述人脸检测结果进行多尺度裁剪，得到多尺度真实人脸图像和多尺度照片人脸图像；

对所述多尺度真实人脸图像和所述多尺度照片人脸图像进行数据扩展，得到扩展后的照片样本数据；每组扩展后的照片样本数据包括照片人脸图像和所述照片人脸图像中照片人脸的位置信息，或者包括真实人脸图像和所述真实人脸图像中真实人脸的位置信息；

将所述真实人脸图像和所述照片人脸图像输入所述第二神经网络模型，得到第二训练结果；

基于第二损失函数确定所述第二训练结果和对应的位置信息之间的第二差异；

基于所述第二差异对所述第二神经网络模型的模型参数进行迭代训练，直至所述第二差异达到第二差异范围或迭代次数达到第二预设次数时停止，得到所述照片检测模型。

5.根据权利要求4所述的方法，其特征在于，所述对所述多尺度真实人脸图像和所述多尺度照片人脸图像进行数据扩展，得到扩展后的照片样本数据之前，还包括：

对所述多尺度真实人脸图像和所述多尺度照片人脸图像分别进行人脸关键点检测和人脸对齐。

6.根据权利要求4所述的方法，其特征在于，所述第二神经网络模型包括所述多尺度真实人脸图像和所述多尺度照片人脸图像中每个尺度对应的卷积神经网络，多个卷积神经网络相互级联。

7.根据权利要求2或4所述的方法，其特征在于，所述数据扩展的方式包括：随机翻转、裁剪、旋转和/或颜色变化。

8.一种基于深度学习的活体检测装置，其特征在于，所述装置包括：

图像获取模块，用于获取待进行活体检测的目标图像；

模型获取模块，用于获取活体检测模型；所述活体检测模型包括相互级联的终端检测模型和照片检测模型，所述终端检测模型由第一神经网络模型和终端样本数据进行深度学习得到，所述照片检测模型由第二神经网络模型和照片样本数据进行深度学习得到；其中，所述终端样本数据包括在自然场景下采集的具有不同角度、不同背景信息和/或不同终端型号的终端图像；所述照片样本数据包括在自然场景下采集的不同角度、不同背景信息和/或不同遮挡程度的真实人脸图像和照片人脸图像；

活体检测模块，用于将所述目标图像输入所述活体检测模型，得到活体检测结果，所述活体检测结果用于指示所述目标图像中的人脸是否为真实人脸。