[发明专利]一种人脸攻击检测方法、装置、设备及可读存储介质

权利要求书

1.一种人脸攻击检测方法，其特征在于，包括：

接收待识别的人脸图像；

将所述人脸图像输入至识别网络中进行深度特征提取，得到图像特征；其中，所述识别网络为根据多域训练样本进行分域训练得到的深层卷积神经网络；

调用分类器根据所述图像特征进行分类识别，生成检测结果。

2.根据权利要求1所述的人脸攻击检测方法，其特征在于，所述将所述人脸图像输入至识别网络中进行深度特征提取，得到图像特征，包括：

将所述人脸图像输入至FaceBagNet进行特征识别，输出识别特征；

将所述识别特征输入至ASPP进行特征融合，输出融合特征；

将所述融合特征作为所述图像特征。

3.根据权利要求1所述的人脸攻击检测方法，其特征在于，在所述将所述人脸图像输入至预训练的识别网络中进行深度特征提取之前，还包括：

对所述人脸图像进行分块处理，得到若干图块；

则相应地，将所述人脸图像输入至预训练的识别网络中进行深度特征提取，具体为：将所述图块输入至预训练的识别网络中进行深度特征提取。

4.根据权利要求1所述的人脸攻击检测方法，其特征在于，所述识别网络的训练方法，包括：

获取多域训练样本；

将所述多域训练样本按照域内的分类划分为若干子域样本；

将各所述子域样本分为训练集以及测试集；

根据所述训练集对所述识别网络以及所述分类器进行训练识别；

计算所述训练识别中的训练损失，并根据所述训练损失更新所述识别网络以及所述分类器的模型参数；

根据所述测试集对所述识别网络以及所述分类器进行测试识别；

计算所述测试识别中的测试损失；

根据所述测试损失以及所述训练损失统计当前训练的损失值；

根据所述损失值更新所述识别网络以及所述分类器的模型参数。

5.根据权利要求4所述的人脸攻击检测方法，其特征在于，所述计算所述训练识别中的训练损失，包括：

获取所述识别网络根据所述训练集生成的训练特征，以及所述分类器根据所述训练特征生成的训练结果；

根据所述训练特征计算训练中心损失，根据所述训练结果计算训练分类损失；

将所述训练中心损失以及所述训练分类损失作为所述训练损失。

6.根据权利要求4所述的人脸攻击检测方法，其特征在于，在所述将各所述子域样本分为训练集以及测试集之前，还包括：

对各所述子域样本进行图像增强处理。

7.根据权利要求4所述的人脸攻击检测方法，其特征在于，所述获取多域训练样本，包括：获取包含不同光照强度的训练样本；

则相应地，所述将所述多域训练样本按照域内的分类划分为若干子域样本，包括：

将所述训练样本按照光照强度所属的类别划分为若干子域样本。

8.一种人脸攻击检测装置，其特征在于，包括：

图像接收单元，用于接收待识别的人脸图像；

特征识别单元，用于将所述人脸图像输入至识别网络中进行深度特征提取，得到图像特征；其中，所述识别网络为根据多域训练样本进行分域训练得到的深层卷积神经网络；

分类检测单元，用于调用分类器根据所述图像特征进行分类识别，生成检测结果。

9.一种计算机设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述人脸攻击检测方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述人脸攻击检测方法的步骤。