[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

说明书

本申请提供了人脸图像来源的识别方法、装置、存储介质及电子设备，包括：将获取到的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，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；将目标特征向量输入至分类识别网络，确定待检测人脸图像是否为从真实用户采集的。这样，通过在初始特征提取网络结构的基础上增加监督学习网络对图像特征提取网络进行训练，在对待测人脸图像进行检测时，通过训练好的图像特征提取网络提取出带有辅助检测特征信息的目标特征向量，可以为分类识别网络的分类识别提供更多的分类依据，可以提高对人脸图像来源的识别的准确性。

技术领域

本申请涉及人脸识别技术领域，尤其是涉及人脸图像来源的识别方法、装置、存储介质及电子设备。

背景技术

在手机解锁，移动支付，远程身份验证等关键登录系统场景中，刷脸操作成为了最便捷的行为方式之一，相比于密码验证，利用人身份信息进行验证，更加安全且更能代表本人操作，而目前刷脸行为存在被伪造合法用户人脸的攻击的风险，如非用户本人利用伪造的包含有用户脸部信息的照片进行伪造验证等，其安全性有待加强。采集到的人脸图像，能否确定为来源于用户本身，成为亟需解决的问题。

现阶段，对于人脸图像验证的方式一般为利用深度图像判断人脸的3D性，利用深度学习技术，利用摄像头端向用户投射炫光，依据真人人脸与屏幕照片或打印纸张的颜色变化来进行区别是否为真实本人，一般的方案为让用户进行点点头，张张嘴，眨眨眼，摇摇头等一些列动作，采集视频，利用卷积神经网络以及时序网络判断视频中连续帧的人的行为动作变化，来进行身份认证，上述方法中对用户的认证判断方式的判断较为单一，导致这些方法仍然存在无法准确识别照片伪造用户的情况，因此对用户的人脸识别的准确率较低。

发明内容

有鉴于此，本申请的目的在于提供人脸图像来源的识别方法、装置、存储介质及电子设备，通过在初始特征提取网络结构的基础上增加监督学习网络对图像特征提取网络进行训练，得到训练好的图像特征提取网络，在对待测人脸图像进行检测时，通过训练好的图像特征提取网络提取出带有辅助检测特征信息的目标特征向量，可以为分类识别网络的分类识别提供更多的分类依据，可以提高对人脸图像来源的识别的准确性。

本申请实施例提供了一种人脸图像来源的识别方法，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。

进一步的，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。

进一步的，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；