活体检测模型的训练方法、活体检测方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115953849A(43)申请公布日2023.04.11(21)申请号202310096975.8(22)申请日2023.01.19(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人曹佳炯(74)专利代理机构北京留理知识产权代理事务所(普通合伙)16049专利代理师李哲(51)Int.Cl.G06V40/40(2022.01)G06V20/70(2022.01)G06V10/764(2022.01)G06V10/774(2022.01)G06V10/778(2022.01)权利要求书5页说明书21页附图3页(54)发明名称活体检测模型的训练方法、活体检测方法及系统(57)摘要本说明书提供一种活体检测模型的训练方法、活体检测方法及系统，获得目标域的多个第一训练图像及其对应的多个伪标签，并基于多个第一训练图像及其对应的多个伪标签，以及第一综合损失信息对训练前活体检测模型进行活体分类的迭代训练，第一综合损失信息在训练中对迭代训练的训练结果进行信息最大化约束和/或伪标签中心约束，以及输出训练完成后得到的目标活体检测模型。该方法和系统利用第一综合损失信息对训练前活体检测模型在迭代训练时的训练结果进行信息最大化约束和/或伪标签中心约束，从而能够提高伪标签的预测准确度，进而在指导训练前活体检测模型的训练时，能够提高目标检测模型的活体检测性能和活体跨域自适应的性能。CN115953849ACN115953849A权利要求书1/5页1.一种活体检测模型的训练方法，包括：获得目标域的多个第一训练图像及其对应的多个伪标签，每个所述第一训练图像包括用户的生物特征，所述伪标签为表征所述第一训练图像是活体类别或攻击类别的非人工标注信息；基于所述多个第一训练图像及其对应的多个伪标签，以及第一综合损失信息对训练前活体检测模型进行活体分类的迭代训练，所述第一综合损失信息在所述训练中对所述迭代训练的训练结果进行信息最大化约束和/或伪标签中心约束；以及输出训练完成后得到的目标活体检测模型。2.根据权利要求1所述的方法，其中，所述多个第一训练图像对应有所述活体类别与所述攻击类别的标注分布规律；以及每次所述迭代训练包括：将所述多个第一训练图像输入至所述训练前活体检测模型，确定所述多个第一训练图像对应的多个第一活体分类训练结果；将所述多个第一训练图像在上一次迭代训练时的多个第一活体分类训练结果，确定为当前次迭代训练时所述多个第一训练图像对应的多个伪标签；基于所述多个第一活体分类训练结果，确定所述多个第一训练图像对应的所述活体分类的训练分布结果，以及基于多个第一活体分类训练结果和所述多个伪标签，以及所述训练分布结果和所述标注分布规律确定所述第一综合损失信息，以对所述迭代训练的所述训练结果进行信息最大化约束。3.根据权利要求2所述的方法，其中，所述训练前活体检测模型包括训练前第一特征编码器和训练前第一活体分类器；以及所述将所述多个第一训练图像输入至所述训练前活体检测模型，确定所述多个第一训练图像的多个第一活体分类训练结果，包括：将所述多个第一训练图像输入至所述训练前第一特征编码器，得到所述多个第一训练图像对应的多个第一训练特征；以及将所述多个第一训练特征输入至所述训练前第一活体分类器，得到所述多个第一训练图像对应的多个第一活体分类训练结果。4.根据权利要求2所述的方法，其中，所述基于所述多个第一活体分类训练结果，确定所述多个第一训练图像对应的所述活体分类的训练分布结果，包括：基于所述多个第一活体分类训练结果中活体类别和攻击类别的分布情况，确定所述训练分布结果。5.根据权利要求2所述的方法，其中，所述基于多个第一活体分类训练结果和所述多个伪标签，以及所述训练分布结果和所述标注分布规律确定所述第一综合损失信息，包括：基于所述多个第一活体分类训练结果及对应的所述多个伪标签之间的差异，确定第一活体分类损失信息；基于所述训练分布结果和所述标注分布规律之间的差异，确定活体分类的分布损失信息，并将所述活体分类的分布损失信息确定为信息最大化约束损失信息；以及基于所述第一活体分类损失信息与所述信息最大化约束损失信息的累加和，得到所述2CN115953849A权利要求书2/5页第一综合损失信息。6.根据权利要求5所述的方法，其中，所述活体分类的分布损失信息约束所述训练分布结果趋近于所述标注分布规律。7.根据权利要求2所述的方法，其中，所述第一活体分类训练结果包括所述活体分类的预测概率；以及所述基于多个第一活体分类训练结果和所述多个伪标签，以及所述训练分布结果和所述标注分布规律确定所述第一综合损失信息，包括：基于所述多个第一活体分类训练结果及对应的所述多个