活体攻击检测模型的训练方法和活体攻击检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115909514A(43)申请公布日2023.04.04(21)申请号202211531496.6G06V10/82(2022.01)(22)申请日2022.12.01(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)发明人武文琦(74)专利代理机构北京恒博知识产权代理有限公司11528专利代理师范胜祥(51)Int.Cl.G06V40/40(2022.01)G06V40/16(2022.01)G06V10/764(2022.01)G06V10/774(2022.01)G06V10/80(2022.01)权利要求书3页说明书20页附图4页(54)发明名称活体攻击检测模型的训练方法和活体攻击检测方法(57)摘要本说明书实施例公开了一种活体攻击检测模型的训练方法、活体攻击检测方法、装置、存储介质及电子设备，将样本人脸图像输入活体攻击检测模型；通过活体攻击检测模型，对样本人脸图像进行特征提取和特征拆分，得到样本人脸图像的内容特征，样本人脸图像的内容特征用于表示样本人脸图像的图像内容；将样本人脸图像的内容特征与参考人脸图像的风格特征进行组合，得到样本组合特征，风格特征用于表示参考人脸图像的图像风格；基于预测标签和参考人脸图像的标注标签之间的第一差异信息，对活体攻击检测模型进行训练，预测标签是活体攻击检测模型基于样本组合特征确定的，标注标签用于表示参考人脸图像是否为活体攻击图像。CN115909514ACN115909514A权利要求书1/3页1.一种活体攻击检测模型的训练方法，包括：将样本人脸图像输入活体攻击检测模型，所述活体攻击检测模型用于确定输入的人脸图像是否为活体攻击图像；通过所述活体攻击检测模型，对所述样本人脸图像进行特征提取和特征拆分，得到所述样本人脸图像的内容特征，所述样本人脸图像的内容特征用于表示所述样本人脸图像的图像内容；将所述样本人脸图像的内容特征与参考人脸图像的风格特征进行组合，得到样本组合特征，所述风格特征用于表示所述参考人脸图像的图像风格；基于预测标签和所述参考人脸图像的标注标签之间的第一差异信息，对所述活体攻击检测模型进行训练，所述预测标签是所述活体攻击检测模型基于所述样本组合特征确定的，所述标注标签用于表示所述参考人脸图像是否为活体攻击图像。2.根据权利要求1所述的方法，所述对所述样本人脸图像进行特征提取和特征拆分，得到所述样本人脸图像的内容特征包括：对所述样本人脸图像进行特征提取，得到所述样本人脸图像的图像特征，所述图像特征包括内容特征和风格特征；对所述样本人脸图像的图像特征进行特征拆分，得到所述样本人脸图像的内容特征。3.根据权利要求2所述的方法，所述对所述样本人脸图像进行特征提取，得到所述样本人脸图像的图像特征包括下述任一项：对所述样本人脸图像进行至少一次卷积，得到所述样本人脸图像的图像特征；对所述样本人脸图像进行至少一次全连接，得到所述样本人脸图像的图像特征；基于注意力机制对所述样本人脸图像进行编码，得到所述样本人脸图像的图像特征。4.根据权利要求2所述的方法，所述对所述样本人脸图像的图像特征进行特征拆分，得到所述样本人脸图像的内容特征包括：对所述样本人脸图像的图像特征进行至少一次卷积，得到所述样本人脸图像的内容特征。5.根据权利要求1所述的方法，所述将所述样本人脸图像的内容特征与参考人脸图像的风格特征进行组合，得到样本组合特征之后，所述方法还包括下述至少一项：基于所述样本组合特征与正样本组合特征之间的第二差异信息，以及所述样本组合特征与负样本组合特征之间的第三差异信息，对所述活体攻击检测模型进行训练，所述正样本组合特征与所述样本组合特征具有相同的风格特征，所述负样本组合特征与所述样本组合特征具有不同的风格特征；将所述样本人脸图像的内容特征输入风格判别单元，通过所述风格判别单元基于所述样本人脸图像的内容特征进行预测，输出所述样本人脸图像的预测风格；基于所述样本人脸图像的预测风格和标注风格之间的第四差异信息，对所述活体攻击检测模型进行训练。6.根据权利要求5所述的方法，所述将所述样本人脸图像的内容特征与参考人脸图像的风格特征进行组合，得到样本组合特征之后，所述方法还包括：基于所述第一差异信息、所述第二差异信息、所述第三差异信息以及所述第四差异信息，确定本轮迭代训练对应的梯度值；基于所述梯度值，对所述活体攻击检测模型进行训练。2CN115909514A权利要求书2/3页7.根据权利要求1所述的方法，所述基于预测标签和所述参考人脸图像的标注标签之间的第一差异信息，对所述活体攻击检测模型进行训练之前，所述方法还包括：通过所述活体攻击检测模型，对所述样本组合特征进行全连接和归