[发明专利]一种活体检测方法和装置

说明书

本发明实施例公开了一种活体检测方法和装置；本发明实施例在获取检测样本集合后，并对检测样本集合中的图像样本进行特征提取，得到图像样本在多个通道上的图像特征，然后，将图像特征转换为图像样本的风格特征，该风格特征指示图像样本的域信息，根据风格特征的通道信息，在风格特征中筛选出用于聚类的目标风格特征，然后，基于目标风格特征，对图像样本进行聚类，得到多个域类型的图像样本集合，在图像样本集合中确定出训练样本和查询样本，并在云平台中采用训练样本和查询样本对预设活体检测模型进行训练，以对待检测对象进行活体检测；该方案可以大大提升活体检测的准确率。

技术领域

本发明涉及通信技术领域，具体涉及一种活体检测方法和装置。

背景技术

近年来，随着图像识别技术的飞速发展，人脸识别的应用越来越广泛，由于脸部信息的生物特征非常容易获得，人脸识别系统很容易受到伪造人脸的攻击，比如，照片攻击或视频攻击等导致安全性问题。而活体检测技术作为人脸识别前重要的一环，可以通过抵挡人脸攻击来提高人脸识别系统的安全性。现有的活体检测技术往往基于神经网络进行检测。

在对现有技术的研究和实践过程中，本发明的发明人发现现有的神经网络在进行活体检测之前的训练很容易过拟合于训练数据，为了解决过拟合，通常需要对数据样本人工来划定多个不同域类型或风格的数据子集，而人工划分需要花费大量的时间，且划分的准确率较低，从而使得神经网络的泛化性能较差，导致活体检测的准确率大大降低。

发明内容

本发明实施例提供一种活体检测方法和装置，可以提高活体检测的准确率。

一种活体检测方法，包括：

获取检测样本集合，并对所述检测样本集合中的图像样本进行特征提取，得到所述图像样本在多个通道上的图像特征；

将所述图像特征转换为所述图像样本的风格特征，所述风格特征指示所述图像样本的域信息；

根据所述风格特征的通道信息，在所述风格特征中筛选出用于聚类的目标风格特征；

基于所述目标风格特征，对所述图像样本进行聚类，得到多个域类型的图像样本集合；

在所述图像样本集合中确定出训练样本和查询样本，并采用所述训练样本和查询样本对预设活体检测模型进行训练，以对待检测对象进行活体检测。

相应的，本发明实施例提供一种活体检测装置，包括：

获取单元，用于获取检测样本集合，并对所述检测样本集合中的图像样本进行特征提取，得到所述图像样本在多个通道上的图像特征；

转换单元，用于将所述图像特征转换为所述图像样本的风格特征，所述风格特征指示所述图像样本的域信息；

筛选单元，用于根据所述风格特征的通道信息，在所述风格特征中筛选出用于聚类的目标风格特征；

聚类单元，用于基于所述目标风格特征，对所述图像样本进行聚类，得到多个域类型的图像样本集合；

检测单元，用于在所述图像样本集合中确定出训练样本和查询样本，并采用所述训练样本和查询样本对预设活体检测模型进行训练，以对待检测对象进行活体检测。

可选的，在一些实施例中，所述转换单元，具体可以用于获取所述图像特征的通道信息；根据所述图像特征的通道信息，在所述图像特征中筛选出每个通道对应的尺寸特征；基于所述尺寸特征，确定所述图像样本的风格特征和所述风格特征的通道信息。

可选的，在一些实施例中，所述转换单元，具体可以用于根据预设转换策略，将所述尺寸特征转换为所述图像样本的背景特征；基于所述尺寸特征和背景特征，计算所述图像样本的初始风格特征；将所述背景特征和所述初始风格特征进行融合，得到所述图像样本的风格特征；根据所述图像特征的通道信息，确定所述风格特征的通道信息。