[发明专利]用于检测人脸图像的方法和装置

说明书

本申请实施例公开了用于检测人脸图像的方法和装置。该方法的一具体实施方式包括：获取目标人脸的待检测人脸图像；将待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，其中，第一活体检测模型用于确定输入的人脸图像对应的人脸是否为活体人脸，第一活体检测模型的训练样本由活体人脸的人脸图像和用于表征检测到活体人脸的检测结果组成。该实施方式提高了活体检测的灵活性。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于检测人脸图像的方法和装置。

背景技术

随着计算机技术的发展，人脸识别技术的应用越来越广泛。在人脸识别领域，通过生物体的生物特征不仅能够区分生物个体，还能够对生物个体的身体状态进行判断。例如，通过生物体图像可以判断生物是否为活体；生物体图像还可以作为解锁的判断依据。

然而，采用拍照、摄像等手段，可以得到活体人脸的非活体人脸图像或非活体人脸视频等。利用非活体人脸图像、非活体人脸视频可以冒充他人身份，以进行损害他人利益的不当行为。在各个行业(例如金融行业)，人脸识别技术已逐渐用于远程开户、取款、支付等，以进行身份验证。活体检测结果的准确性往往关乎用户的切身利益。

发明内容

本申请实施例提出了用于检测人脸图像的方法和装置。

第一方面，本申请实施例提供了一种用于检测人脸图像的方法，该方法包括：获取目标人脸的待检测人脸图像；将待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，其中，第一活体检测模型用于确定输入的人脸图像对应的人脸是否为活体人脸，第一活体检测模型的训练样本由活体人脸的人脸图像和用于表征检测到活体人脸的检测结果组成。

在一些实施例中，第一活体检测模型是通过如下步骤训练得到的：获取第一活体检测模型的训练样本集合，其中，训练样本由活体人脸的人脸图像和用于表征检测到活体人脸的检测结果组成；利用机器学习算法，将训练样本集合中的每个训练样本包括的人脸图像作为输入，将用于表征检测到活体人脸的检测结果作为输出，训练得到第一活体检测模型。

在一些实施例中，第一活体检测模型包括预先训练的第二活体检测模型；以及将待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，包括：提取待检测人脸图像的特征数据；将特征数据输入至第二活体检测模型，得到检测结果，其中，第二活体检测模型用于确定输入的特征数据对应的人脸是否为活体人脸，第二活体检测模型的训练样本由活体人脸的人脸图像的特征数据和用于表征检测到活体人脸的检测结果组成。

在一些实施例中，第一活体检测模型包括预先训练的第一概率模型；以及将待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，包括：将待检测人脸图像输入至第一概率模型，得到目标人脸为活体人脸的概率，其中，第一概率模型用于确定待检测人脸图像对应的人脸为活体人脸的概率，第一概率模型的训练样本由活体人脸的人脸图像和人脸图像对应的人脸是活体人脸的概率组成；基于概率与预设的概率阈值的大小关系，生成检测结果。

在一些实施例中，第一活体检测模型包括预先训练的第二概率模型；以及将待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，包括：提取待检测人脸图像的特征数据；将特征数据输入至第二概率模型，得到目标人脸为活体人脸的概率，其中，第二概率模型用于确定特征数据对应的人脸为活体人脸的概率，第二概率模型的训练样本由活体人脸的人脸图像的特征数据和人脸图像对应的人脸是活体人脸的概率组成；基于概率与预设的概率阈值的大小关系，生成检测结果。

在一些实施例中，第一活体检测模型为单分类支持向量机。

第二方面，本申请实施例提供了一种用于检测人脸图像的装置，该装置包括：获取单元，配置用于获取目标人脸的待检测人脸图像；输入单元，配置用于将待检测人脸图像输入至预先训练的第一活体检测模型，得到检测结果，其中，第一活体检测模型用于确定输入的人脸图像对应的人脸是否为活体人脸，第一活体检测模型的训练样本由活体人脸的人脸图像和用于表征检测到活体人脸的检测结果组成。