[发明专利]一种多模态活体检测模型训练方法及多模态活体检测方法

说明书

本申请提供一种多模态活体检测模型训练方法，包括：获取样本人脸对应的样本通道图像；对样本通道图像进行随机屏蔽和均不屏蔽处理得到对应的目标格式图像并标注目标格式图像对应的样本置信度；根据目标格式图像及其对应的样本置信度获取样本训练集，并利用样本训练集对预设活体检测神经网络进行训练得到多模态活体检测模型。本申请通过采用单模态格式图像和多模态格式图像对模型进行训练得到多模态统一的模型，可以灵活的对单模态格式图像和多模态格式图像进行活体检测，应用于产品时可对应单模态或多模态的活体检测进行灵活部署，大幅减少了维护多个模型的工作量，并且提高了活体检测的准确率和稳定性。

技术领域

本申请属于计算机技术领域，尤其涉及一种多模态活体检测模型训练方法及多模态活体检测方法。

背景技术

活体检测是指在一些身份验证场景确定对象真实生理特征的方法，一般可通过眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位和人脸追踪等技术，从而验证用户是否为真实活体本人，其在人脸识别应用尤为重要。现有技术中通常采用神经网络模型进行活体检测，但是，在训练过程中通常是直接使用固定模态的样本对初始模型进行训练得到活体检测神经网络模型，从而使得该活体检测神经网络模型只能对固定模态的数据进行检测，以无法灵活的适应各种场景，导致活体检测的准确率和稳定性都比较低。

发明内容

本申请实施例提供了一种多模态活体检测模型训练方法及多模态活体检测方法，可以解决上述问题。

第一方面，本申请实施例提供了多模态活体检测模型训练方法，包括获取样本人脸对应的样本通道图像；其中，样本通道图像为单通道灰度图像、单通道红外图像及单通道深度图像拼接得到；对样本通道图像进行随机屏蔽和均不屏蔽处理得到对应的目标格式图像并标注所述目标格式图像对应的样本置信度；其中，目标格式图像包括单模态格式图像和多模态格式图像，单模态格式图像为样本通道图像中的任一通道图像，多模态格式图像为样本图像中的多种通道图像组合；根据目标格式图像及其对应的样本置信度获取样本训练集，并利用样本训练集对预设活体检测神经网络进行训练得到多模态活体检测模型。

第二方面，本申请实施例提供了一种多模态活体检测方法，包括获取待识别人脸图像，其中，待识别人脸图像可包括灰度图像、红外图像或深度图像中的任意一种或多种组合；将待识别人脸图像输入多模态活体检测模型进行检测处理得到待识别人脸图像对应的活体检测结果；其中，多模态活体检测模型是通过第一方面的多模态活体检测模型训练方法训练得到的。

第三方面，本申请实施例提供了一种多模态活体检测模型训练装置，包括：图像获取单元，用于获取样本人脸对应的样本通道图像，其中，样本通道图像至少由单通道灰度图像、单通道红外图像及单通道深度图像拼接得到；屏蔽标注单元，用于对样本通道图像进行随机屏蔽和均不屏蔽处理得到对应的目标格式图像并标注目标格式图像对应的样本置信度；其中，目标格式图像包括单模态格式图像和多模态格式图像，单模态格式图像为样本通道图像中的任一通道图像，多模态格式图像为样本图像中的多种通道图像组合；训练集获取单元，用于根据目标格式图像及其对应的样本置信度获取样本训练集；训练单元，用于根据样本训练集对预设活体检测神经网络进行训练，得到多模态活体检测模型。

第四方面，本申请实施例提供了一种多模态活体检测装置，包括：获取单元，用于获取待识别人脸图像；待识别人脸图像包括可包括灰度图像、红外图像或深度图像中的任意一种或多种组；检测单元，用于将待识别人脸图像输入多模态活体检测模型进行检测处理，得到待识别人脸图像对应的活体检测结果；其中，多模态活体检测模型是通过第一方面的多模态活体检测模型训练方法训练得到的。

第五方面，本申请实施例提供了一种多模态活体检测模型训练设备，包括存储器、处理器以及存储在存储器中并可在所述处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面所述的方法或如上述第二方面所述的方法。