活体检测模型的训练方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112926508A(43)申请公布日2021.06.08(21)申请号202110317807.8(22)申请日2021.03.25(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)发明人徐文浩(74)专利代理机构济南信达专利事务所有限公司37100代理人李世喆(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书5页说明书16页附图3页(54)发明名称活体检测模型的训练方法和装置(57)摘要本说明书实施例提供了一种活体检测模型的训练方法和装置。根据该实施例的方法，首先获取至少两个训练样本对；在获取训练样本对时，先获取该训练样本对中的正样本，然后对该正样本进行伪造处理得到该训练样本对的负样本，其中，正样本被标注为真实人脸图像，负样本被被标注为伪造人脸图像；然后，将所述至少两个训练样本对输入到所述活体检测模型中；通过活体检测模型可以得到训练样本对中正样本的图像特征和负样本的图像特征，并根据得到的图像特征计算训练样本对的对比损失；最后，根据得到的各对比损失，训练所述活体检测模型。CN112926508ACN112926508A权利要求书1/5页1.活体检测模型的训练方法，包括：获取至少两个训练样本对；每一个训练样本对包括一个被标注为真实人脸图像的正样本、一个被标注为伪造人脸图像的负样本；其中，每一个训练样本对中的负样本是对该训练样本对中的正样本进行伪造处理后得到的；将所述至少两个训练样本对输入到所述活体检测模型中；针对每一个训练样本对，获取由所述活体检测模型得到的该训练样本对中正样本的图像特征和负样本的图像特征；根据该训练样本对中正样本的图像特征和负样本的图像特征，计算该训练样本对的对比损失；根据得到的各对比损失，训练所述活体检测模型。2.根据权利要求1所述的方法，其中，所述进行伪造处理包括如下中的至少一种：对该正样本进行照片打印，并对打印出的照片进行拍照，得到拍照后的图像；从屏幕上展示该正样本，并对该屏幕上展示的正样本进行拍照，得到拍照后的图像；根据该正样本所包括的真实人脸图像，制作对应该真实人脸图像的面具，并对制作成的该面具进行拍照，得到拍照后的图像。3.根据权利要求2所述的方法，其中，在所述得到拍照后的图像之后，进一步包括：对得到的该拍照后的图像执行如下处理中的至少一项：调整色度、调整亮度、调整对比度、调整饱和度和加噪声处理；将处理后的图像确定为该训练样本对中的负样本。4.根据权利要求1所述的方法，其中，所述根据得到的各对比损失，训练所述活体检测模型，包括：根据得到的各对比损失，计算归一化对比损失；判断归一化对比损失是否大于设定的第一损失阈值；如果是，调整所述训练所述活体检测模型的参数，并返回执行所述活体检测模型的训练方法；如果否，则结束对所述活体检测模型的训练。5.根据权利要求1所述的方法，其中，所述计算该训练样本对的对比损失，包括：利用如下计算式进行计算：2Lj＝max(c‑d(m1,m2)，0)其中，Lj用于表征第j个训练样本对的对比损失，c用于表征设定阈值，d(m1,m2)用于表征该第j个训练样本对中正样本的图像特征m1与该训练样本对中负样本的图像特征m2的欧式距离，N用于表征所述活体检测模型对应的特征维度的数量；用于表征该第j个训练样本对中正样本在第i维的特征维度上的图像特征，用于表征该第j个训练样本对中负样本在第i维的特征维度上的图像特征。6.根据权利要求1所述的方法，在所述将所述至少两个训练样本对输入到所述活体检2CN112926508A权利要求书2/5页测模型中之后，在根据得到的各对比损失训练所述活体检测模型之前，进一步包括：针对每一个训练样本对，获取由所述活体检测模型得到的该训练样本对中正样本的活体检测值和负样本的活体检测值；计算该训练样本对中正样本的活体检测值与真实人脸图像对应的目标检测值之间的交叉熵损失，以及计算该训练样本对中负样本的活体检测值与伪造人脸图像对应的目标检测值之间的交叉熵损失；所述根据得到的各对比损失训练所述活体检测模型，包括：根据得到的各交叉熵损失以及所述各对比损失，训练所述活体检测模型。7.根据权利要求6所述的方法，其中，所述真实人脸图像对应的目标检测值为1；所述计算该训练样本对中正样本的活体检测值与真实人脸图像对应的目标检测值之间的交叉熵损失，包括：利用如下计算式进行计算：其中，用于表征第j个训练样本对中正样本的活体检测值与真实人脸图像对应的目+标检测值之间的交叉熵损失，Pj用于表征该第j个训练样本对中正样本的活体检测值。8.根据权利要求6所述的方法，其中，所述伪造人脸图像对应的目标检测值为