[发明专利]活体检测模型的方法、装置及电子设备

说明书

本公开提出了一种活体检测模型的训练方法，涉及计算机视觉和深度学习等人工智能领域，适用于人脸识别和活体检测场景，包括获取携带人脸的训练样本图像，并将训练样本图像输入活体检测模型中，由活体检测模型获取训练样本图像的多个尺度的目标特征图；将从每个尺度的目标特征图中提取候选特征进行特征融合，获取目标融合特征；基于目标融合特征，确定活体检测模型的分类损失函数；根据分类损失函数对活体检测模型的参数进行调整，并继续使用下一个训练样本图像对调整参数后的模型进行训练，直至训练结束生成目标活体检测模型。本公开中，样本图像不同位置的特征得到了有效利用，提升了模型的运算效率以及准确性，实现了模型的有效优化。

技术领域

本公开涉及图像处理领域，尤其涉及计算机视觉和深度学习等人工智能领域，可适用于人脸识别和活体检测等场景下。

背景技术

随着社会的发展，人脸识别融入了人们生活的各个方面，通过活体检测技术可以对人脸识别技术的安全性进行保证。然而，相关技术中，活体检测聚焦于人脸或人脸外扩部分区域进行活体检测，使得活体检测结果的准确性不够，无法实现对于人脸识别技术的高安全性保障。

因此，如何提升活体检测算法的准确性，成为了目前需要解决的问题。

发明内容

本公开提出了一种活体检测模型的训练方法、装置、电子设备、存储介质及计算机程序产品。

根据本公开的第一方面，提出了一种活体检测模型的训练方法，包括：获取携带人脸的训练样本图像，并将所述训练样本图像输入活体检测模型中，由所述活体检测模型获取所述训练样本图像的多个尺度的目标特征图；从每个尺度的所述目标特征图中提取候选特征，并对所述候选特征进行特征融合，获取目标融合特征；基于所述目标融合特征，确定所述活体检测模型的分类损失函数；根据所述分类损失函数对所述活体检测模型的参数进行调整，并继续使用下一个训练样本图像对调整模型参数的所述活体检测模型进行训练，直至训练结束生成目标活体检测模型。

根据本公开的第二方面，提出了一种活体检测模型的训练装置，包括：获取模块，用于获取携带人脸的训练样本图像，并将所述训练样本图像输入活体检测模型中，由所述活体检测模型获取所述训练样本图像的多个尺度的目标特征图；融合模块，用于从每个尺度的所述目标特征图中提取候选特征，并对所述候选特征进行特征融合，获取目标融合特征；生成模块，用于基于所述目标融合特征，确定所述活体检测模型的分类损失函数；调整模块，用于根据所述分类损失函数对所述活体检测模型的参数进行调整，并继续使用下一个训练样本图像对调整模型参数的所述活体检测模型进行训练，直至训练结束生成目标活体检测模型。

根据本公开的第三方面，提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面任一项所述的活体检测模型的训练方法。

根据本公开的第四方面，提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述第一方面任一项所述的活体检测模型的训练方法。

根据本公开的第五方面，提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述第一方面任一项所述的活体检测模型的训练方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1为本公开一实施例的活体检测模型的训练方法的流程示意图；

图2为本公开另一实施例的活体检测模型的训练方法的流程示意图；