[发明专利]微表情识别模型的训练方法、反欺诈方法和相关设备

说明书

本申请提供了一种微表情识别模型的训练方法、反欺诈方法和相关设备，在模型训练阶段，首先基于全局脸部图像的识别筛选出具有标识性的欺骗区域。然后，使用欺骗区域对应的第二训练数据集进行第二阶段模型训练，使得模型的计算力度更小，因此使得训练后的微表情识别模型在应用时能够具有更高的识别准确度，大幅度减少错误率。同时，第二阶段模型训练时通过随机裁剪各个欺骗区域对应的人脸区域图像进行模型训练，能够增加数据变异性，从而够增强模型的局部区域学习的优势，同时对未知类型欺骗也具有一定的识别能力，能够增强模型健壮性，进一步提升训练后的微表情识别模型在应用时的识别准确度，提高风险控制的能力。

技术领域

本申请涉及模型训练技术领域，特别涉及一种微表情识别模型的训练方法、反欺诈方法和相关设备。

背景技术

人脸识别在现在生活中已经很普遍应用，比如在手机的人脸解锁，小区门禁，人脸支付，人脸身份识别，网上借贷等。欺诈种类包含人脸图片、视频重播、人脸道具模型以及未知欺诈类型，现有技术都是通过全局欺骗性进行评分，客户在对摄像头进行身份核实时，需要按照规范进行做动作，同时可以让客户说相关语言等，在此过程中识别客户的面部行为，并分析客户行为是否有欺诈及真实性，系统地进行反欺诈分析。但这种方法很难识别出客户是否有欺诈行为，欺诈者可以通过使用“假脸”手段来模仿用户的身份，比如各种3D打印面具，用户相关视频回放，化妆，VR等手段，因此现有全局欺骗性评分的人脸识别方法准确度较低，用户体验较差。

发明内容

本申请的主要目的为提供一种微表情识别模型的训练方法、反欺诈方法和相关设备，旨在解决现有针对人脸识别的反欺诈方法的准确度较低的弊端。

为实现上述目的，本申请提供了一种微表情识别模型的训练方法，所述训练方法包括：

获取第一训练数据集，所述第一训练数据集的每个第一训练数据包括人脸完整图像和对应的图像标签；

将所述第一训练数据输入全链路神经网络进行第一阶段模型训练，直至模型收敛，得到初始识别模型和欺骗预测分数图，所述欺骗预测分数图标注有若干个欺骗区域；

根据各所述欺骗区域，从各所述人脸完整图像中裁剪对应的人脸区域图像，以及选择对应的所述图像标签组成第二训练数据集；

将所述第二训练数据集输入所述初始识别模型进行第二阶段模型训练，直至模型收敛，得到微表情识别模型。

本申请还提供了一种基于微表情识别的反欺诈方法，所述反欺诈方法包括：

采集第一用户脸部图像；

将所述第一用户脸部图像输入微表情识别模型，解析得到识别分数，其中，所述微表情识别模型为如上所述的微表情识别模型的训练方法训练所得的模型；

判断所述识别分数是否大于第二分数阈值；

若所述识别分数大于第二分数阈值，则判定所述第一用户脸部图像识别成功。

本申请还提供了一种微表情识别模型的训练装置，所述训练装置包括：

获取模块，用于获取第一训练数据集，所述第一训练数据集的每个第一训练数据包括人脸完整图像和对应的图像标签；

第一训练模块，用于将所述第一训练数据输入全链路神经网络进行第一阶段模型训练，直至模型收敛，得到初始识别模型和欺骗预测分数图，所述欺骗预测分数图标注有若干个欺骗区域；

构建模块，用于根据各所述欺骗区域，从各所述人脸完整图像中裁剪对应的人脸区域图像，以及选择对应的所述图像标签组成第二训练数据集；

第二训练模块，用于将所述第二训练数据集输入所述初始识别模型进行第二阶段模型训练，直至模型收敛，得到微表情识别模型。

本申请还提供了一种基于微表情识别的反欺诈装置，所述反欺诈装置包括：