[发明专利]活体检测模型的训练方法、装置、电子设备及存储介质

权利要求书

1.一种活体检测模型的训练方法，其特征在于，所述方法包括：

获取人脸图像样本，所述人脸图像样本包括活体人脸图像样本和攻击人脸图像样本；

获取所述人脸图像样本对应的活体线索特征图和攻击线索特征图，所述活体线索特征图用于突显所述人脸图像样本中对象的活体特征，所述攻击线索特征图用于突显所述人脸图像样本中对象的攻击特征；

将所述人脸图像样本分别与对应的活体线索特征图和攻击线索特征图进行融合，得到所述人脸图像样本对应的活体线索图和攻击线索图；

基于所述人脸图像样本对应的活体线索图和攻击线索图，对初始活体检测模型进行训练，得到活体检测模型。

2.根据权利要求1所述的方法，其特征在于，所述获取所述人脸图像样本对应的活体线索特征图，包括：

调用第一编解码网络，对所述人脸图像样本进行处理，得到所述人脸图像样本对应的活体线索特征图，所述第一编解码网络用于获取任一人脸图像的活体线索特征图。

3.根据权利要求2所述的方法，其特征在于，所述调用第一编解码网络，对所述人脸图像样本进行处理，得到所述人脸图像样本对应的活体线索特征图之前，还包括：

将所述人脸图像样本输入到初始第一编解码网络中，输出所述人脸图像样本对应的第一人脸特征图；

基于所述人脸图像样本对应的第一人脸特征图和第一目标损失函数，对所述初始第一编解码网络的网络参数值进行优化；

基于优化后的网络参数，获取所述第一编解码网络。

4.根据权利要求3所述的方法，其特征在于，所述第一目标损失函数包括第一损失函数和第二损失函数，所述基于所述人脸图像样本对应的第一人脸特征图和第一目标损失函数，对所述初始第一编解码网络的网络参数值的优化过程，包括：

将所述人脸图像样本中各个攻击人脸图像样本对应的第一人脸特征图输入到第一损失函数中，所述第一损失函数为表征各个攻击人脸图像样本对应的第一人脸特征图的平均像素值的函数；

将所述人脸图像样本对应的第一人脸特征图输入到第二损失函数中，所述第二损失函数为表征所述人脸图像样本中各个活体人脸图像样本对应的第一人脸特征图、第一锚人脸图像样本对应的第一人脸特征图以及各个攻击人脸图像样本对应的第一人脸特征图之间距离关系的函数，所述第一锚人脸图像样本属于所述各个攻击人脸图像样本；

基于所述第一损失函数的函数值和所述第二损失函数的函数值，对所述初始第一编解码网络的网络参数值进行联合优化，以使所述第一损失函数的函数值和所述第二损失函数的函数值均最小。

5.根据权利要求1所述的方法，其特征在于，所述获取所述人脸图像样本对应的攻击线索特征图，包括：

调用第二编解码网络，对所述人脸图像样本进行处理，得到所述人脸图像样本对应的攻击线索特征图，所述第二编解码网络用于获取任一人脸图像的攻击线索特征图。

6.根据权利要求5所述的方法，其特征在于，所述调用第二编解码网络，对所述人脸图像样本进行处理，得到所述人脸图像样本对应的攻击线索特征图之前，还包括：

将所述人脸图像样本输入到初始第二编解码网络中，输出所述人脸图像样本对应的第二人脸特征图；

基于所述人脸图像样本对应的第二人脸特征图和第二目标损失函数，对所述初始第二编解码网络的网络参数值进行优化；

基于优化后的网络参数，获取所述第二编解码网络。