[发明专利]一种图像处理方法、装置、电子设备及存储介质

说明书

本申请涉及一种图像处理方法、装置、电子设备及存储介质，通过大量的彩色人脸图像样本预先训练得到人脸识别模型，基于该人脸识别模型，可以准确识别出图像中的人脸特征，使用相对少量的红外人脸图像样本采用人脸识别模型继续训练，对红外人脸图像样本中的正负样本中真伪人脸的区别特征进行学习，从而训练得到用于识别红外人脸图像真伪的人脸防伪模型。这样，可以避免小数据集训练模型产生过拟合的问题，使得最终训练得到的人脸防伪模型识别准确率较高。

技术领域

本申请涉及图像处理领域，尤其涉及一种图像处理方法、装置、电子设备及存储介质。

背景技术

随着进入人工智能时代，各种AI应用层出不穷，如物体检测(object detection)、物体识别(classification)、人脸识别(face recognition)、自动驾驶(automatic drive)等，深刻影响着行业的发展。尤其是基于深度学习(deep learning)的人脸识别(facerecognition)技术，更是迅速工业化，例如刷脸支付、打卡签到、车站人证对比等等。考虑到这些场景对安全有一定的要求，而人脸作为一种特征，比传统领域的密码、指纹更易获得，加剧了大家对人脸识别安全性的诉求。所以，人脸防伪技术也应运而生。

目前人脸防伪的模型主要是利用深度学习卷积神经网络进行大量图像的训练。但是在实现本发明过程中发明人发现，如果没有大量的数据，或数据的分布不明确的话，难以训练出高准确率的人脸防伪模型，非常容易出现过拟合。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请实施例提供了一种图像处理方法、装置、电子设备及存储介质。

第一方面，本申请实施例提供了一种图像处理方法，包括：

获取第一数据集和第二数据集，所述第一数据集包括第一彩色人脸图像样本，第二数据集包括红外人脸图像样本，所述第二数据集中的图像按照人脸真伪进行分类；

根据所述第一数据集训练人脸识别模型，所述人脸识别模型用于识别彩色人脸图像中的人脸特征；

根据所述人脸识别模型和所述第二数据集训练人脸防伪模型，所述人脸防伪模型用于识别红外人脸图像的真伪。

可选的，所述第二数据集还包括：与所述红外人脸图像匹配的第二彩色人脸图像样本，所述红外人脸图像样本和所述第二彩色人脸图像样本为对目标人脸同时拍摄得到的；

所述根据所述人脸识别模型和所述第二数据集训练人脸防伪模型，包括：

将所述第二数据集中的第二彩色人脸图像样本灰度化，得到第一灰度人脸图像样本；

将所述红外人脸图像样本与所述第一灰度人脸图像样本进行颜色通道叠加后，得到第三数据集；

根据所述人脸识别模型对所述第三训练集进行训练，得到所述人脸防伪模型。

可选的，所述第一灰度人脸图像样本为单颜色通道，所述红外人脸图像样本为3颜色通道；

所述将所述红外人脸图像样本与所述第一灰度人脸图像样本进行颜色通道叠加后，得到第三数据集，包括：

将所述红外人脸图像样本与第一灰度人脸图像样本进行颜色通道叠加后，得到4颜色通道的第二灰度人脸图像样本；

生成包括所述第二灰度人脸图像样本的第三数据集。

可选的，所述获取第一数据集，包括：

获取第一彩色人脸图像；

将所述第一彩色人脸图像进行人脸对齐后，裁剪为包括人脸的预设尺寸的第一彩色人脸图像样本。

可选的，所述获取第二数据集，包括：