[发明专利]活体检测方法、训练方法、装置、电子设备及介质

说明书

本公开提供了活体检测方法、活体检测模型的训练方法、装置、电子设备、存储介质以及程序产品，人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，可应用于人脸图像处理和人脸识别等场景。具体实现方案为：基于待识别图像中的对象的攻击线索信息，确定与对象相关的攻击预测结果，攻击线索信息表征对象为攻击对象的概率；基于待识别图像中的对象的活体线索信息，确定与对象相关的活体预测结果，活体线索信息表征对象为活体对象的概率；以及基于攻击预测结果和活体预测结果，确定对象的检测结果。

技术领域

本公开涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，可应用于人脸图像处理和人脸识别等场景，具体涉及活体检测方法、活体检测模型的训练方法、装置、电子设备、存储介质以及程序产品。

背景技术

随着计算机、互联网技术迅猛发展，生物识别技术也越来越多的被应用于身份认证。作为生物识别技术中的重要分支，人脸识别技术因其认证地快速性和非接触性等优点，已经被广泛接受与应用。然而，与真实人脸图像相对的攻击人脸图像为伪造图像，具有欺骗性。在利用人脸识别技术进行身份认证的过程中，将攻击人脸图像误判为真实人脸图像，将对信息安全、财产安全等造成威胁。

发明内容

本公开提供了一种活体检测方法、活体检测模型的训练方法、装置、电子设备、存储介质以及程序产品。

根据本公开的一方面，提供了一种活体检测方法，包括：基于待识别图像中的对象的攻击线索信息，确定与所述对象相关的攻击预测结果，其中，所述攻击线索信息表征所述对象为攻击对象的概率；基于所述待识别图像中的所述对象的活体线索信息，确定与所述对象相关的活体预测结果，其中，所述活体线索信息表征所述对象为活体对象的概率；以及基于所述攻击预测结果和所述活体预测结果，确定所述对象的检测结果。

根据本公开的另一方面，提供了一种活体检测模型的训练方法，包括：获取多个训练样本，其中，所述多个训练样本中的每个训练样本包括样本图像、针对所述样本图像的攻击标签以及针对所述样本图像的活体标签，所述样本图像包括活体图像或者攻击图像，所述活体图像中的对象为活体对象，所述攻击图像中的对象为攻击对象，所述攻击标签为基于所述样本图像中的所述对象的攻击线索信息得到的，所述活体标签为基于所述样本图像中的所述对象的活体线索信息得到的；以及利用所述多个训练样本中的每个训练样本训练初始活体检测模型，得到活体检测模型。

根据本公开的另一方面，提供了一种活体检测装置，包括：攻击结果预测模块，用于基于待识别图像中的对象的攻击线索信息，确定与所述对象相关的攻击预测结果，其中，所述攻击线索信息表征所述对象为攻击对象的概率；活体结果预测模块，用于基于所述待识别图像中的所述对象的活体线索信息，确定与所述对象相关的活体预测结果，其中，所述活体线索信息表征所述对象为活体对象的概率；以及对象结果确定模块，用于基于所述攻击预测结果和所述活体预测结果，确定所述对象的检测结果。

根据本公开的另一方面，提供了一种活体检测模型的训练装置，包括：获取模块，用于获取多个训练样本，其中，所述多个训练样本中的每个训练样本包括样本图像、针对所述样本图像的攻击标签以及针对所述样本图像的活体标签，所述样本图像包括活体图像或者攻击图像，所述活体图像中的对象为活体对象，所述攻击图像中的对象为攻击对象，所述攻击标签为基于所述样本图像中的所述对象的攻击线索信息得到的，所述活体标签为基于所述样本图像中的所述对象的活体线索信息得到的；以及训练模块，用于利用所述多个训练样本中的每个训练样本训练初始活体检测模型，得到活体检测模型。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如上所述的方法。