[发明专利]人脸图像来源的识别方法、装置、存储介质及电子设备

权利要求书

1.一种人脸图像来源的识别方法，其特征在于，所述识别方法包括：

获取待检测用户的待检测人脸图像；

将所述待检测人脸图像输入训练好的图像特征提取网络，得到带有辅助检测特征信息的目标特征向量；其中，所述训练好的图像特征提取网络是通过依次连接的初始特征提取网络以及监督学习网络训练得到的；所述辅助检测特征信息通过真实用户样本图像以及非真实用户样本图像对比学习得到，用于辅助判断待检测人脸图像的来源信息；

将所述目标特征向量输入至分类识别网络，确定所述待检测人脸图像是否为从真实用户采集的。

2.根据权利要求1所述的识别方法，其特征在于，通过以下步骤训练所述图像特征提取网络：

获取多张样本图像，其中，所述多张样本图像包括真实用户样本图像以及非真实用户样本图像；

将每一张样本图像输入至初始特征提取网络，得到每一张样本图像对应的初始特征向量；

将每一张样本图像输入至监督学习网络，得到每一张样本图像对应的辅助检测特征向量；

基于得到的各张样本图像对应的初始特征向量与辅助检测特征向量，更新所述初始特征提取网络中的各个参数，当所述初始特征提取网络对应的损失函数的函数值小于预设阈值时，确定所述初始特征提取网络训练完毕，得到所述图像特征提取网络。

3.根据权利要求2所述的识别方法，其特征在于，所述监督学习网络包括顺次连接的三个卷积层以及一个全连接层，通过以下步骤确定辅助检测特征向量：

针对每一张样本图像，将该样本图像依次输入至顺次连接的三个卷积层，得到样本特征向量；

将所述样本特征向量输入至所述全连接层，进行分类得到与该样本图像对应的高光反光特征向量；

比对每一张真实用户样本图像对应的高光反光特征向量以及每一张非真实用户样本图像对应的高光反光特征向量，得到所述辅助检测特征向量。

4.根据权利要求2所述的识别方法，其特征在于，通过以下步骤确定辅助检测特征向量：

将所述初始特征向量依次输入至顺次连接的三个卷积层中，得到改变维度后的更新特征向量；

针对每一张样本图像，对该样本图像进行傅里叶变换，得到带有频谱信息的频谱特征向量；

比对每一张真实用户样本图像对应的频谱特征向量以及每一张非真实用户样本图像对应的频谱特征向量，得到所述辅助检测特征向量。

5.根据权利要求3或4所述的识别方法，其特征在于，所述基于得到的每一个初始特征向量与对应的所述辅助检测特征向量，更新所述初始特征提取网络中的各个参数，包括：

将所述每一张样本图像对应的初始特征向量与辅助检测特征向量进行计算，得到带有辅助检测特征信息的目标特征向量；

利用得到的多个目标特征向量反向传播更新所述初始特征提取网络中的各个参数。

6.一种人脸图像来源的识别装置，其特征在于，所述识别装置包括：

图像获取模块，用于获取待检测用户的待检测人脸图像；

向量确定模块，用于将所述待检测人脸图像输入训练好的图像特征提取网络，得到带有辅助检测特征信息的目标特征向量；其中，所述训练好的图像特征提取网络是通过依次连接的初始特征提取网络以及监督学习网络训练得到的；所述辅助检测特征信息通过真实用户样本图像以及非真实用户样本图像对比学习得到，用于辅助判断待检测人脸图像的来源信息；

图像检测模块，用于将所述目标特征向量输入至分类识别网络，确定所述待检测人脸图像是否为从真实用户采集的。