[发明专利]一种活体检测方法及系统

权利要求书

1.一种活体检测方法，其特征在于，包括：

将待检测对象的人脸图像输入至训练好的活体检测模型，获取所述训练好的活体检测模型的输出结果；

根据所述输出结果，判定所述待检测对象是否为活体；

其中，所述训练好的活体检测模型通过以下步骤进行训练：

基于生成式对抗网络，生成负样本训练集；

通过正样本训练集和所述负样本训练集，对所述活体检测模型进行训练，得到所述训练好的活体检测模型；

其中，所述负样本为攻击图像，所述正样本为真实图像。

2.根据权利要求1所述的方法，其特征在于，所述训练好的活体检测模型为基于深度学习的二分类模型。

3.根据权利要求1所述的方法，其特征在于，基于生成式对抗网络，生成负样本训练集，包括：

获取攻击图像集；

通过所述攻击图像集和生成式对抗网络中的判别器，对所述生成式对抗网络中的生成器进行训练，得到训练好的生成器；

基于所述训练好的生成器，生成负样本训练集。

4.根据权利要求3所述的方法，其特征在于，通过所述攻击图像集和生成式对抗网络中的判别器，对所述生成式对抗网络中的生成器进行训练，得到训练好的生成器，包括：

通过所述攻击图像集，对生成式对抗网络中的生成器进行训练，得到训练后的生成器；

将随机噪声输入至所述训练后的生成器中，获取所述训练后的生成器的第一输出结果；

将所述第一输出结果和所述攻击图像集输入至所述生成式对抗网络中的判别器，获取所述判别器的第二输出结果，并当所述第二输出结果不满足预设条件时对所述训练后的生成器进行再训练，以使得所述第二输出结果满足所述预设条件，得到训练好的生成器。

5.根据权利要求3所述的方法，其特征在于，所述生成器和所述判别器均为神经网络。

6.根据权利要求5所述的方法，其特征在于，所述生成器由多个卷积层和多个反卷积层构成。

7.根据权利要求5所述的方法，其特征在于，所述判别器由多个卷积层和多个全连接层构成。

8.一种活体检测系统，其特征在于，包括：

输出结果获取模块，用于将待检测对象的人脸图像输入至训练好的活体检测模型，获取所述训练好的活体检测模型的输出结果；

活体判定模块，用于根据所述输出结果，判定所述待检测对象是否为活体；

其中，所述训练好的活体检测模型通过以下步骤进行训练：

基于生成式对抗网络，生成负样本训练集；

通过正样本训练集和所述负样本训练集，对所述活体检测模型进行训练，得到所述训练好的活体检测模型；

其中，所述负样本为攻击图像，所述正样本为真实图像。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。