活体检测方法、装置、电子设备及存储介质.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CN114202805A(43)申请公布日2022.03.18(21)申请号202111404822.2G06V10/80(2022.01)(22)申请日2021.11.24G06K9/62(2022.01)G06N3/04(2006.01)(71)申请人北京百度网讯科技有限公司G06N3/08(2006.01)地址100085北京市海淀区上地十街10号百度大厦二层(72)发明人黄泽斌(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人单冠飞(51)Int.Cl.G06V40/40(2022.01)G06V40/16(2022.01)G06V10/82(2022.01)G06V10/774(2022.01)G06V10/764(2022.01)权利要求书3页说明书10页附图7页(54)发明名称活体检测方法、装置、电子设备及存储介质(57)摘要本公开提供了一种活体检测方法、装置、电子设备及存储介质，涉及人工智能领域，具体为深度学习、计算机视觉技术领域，可应用于人脸识别、活体检测等场景。方案为：对获取的输入图像进行特征提取得到第一特征图和第二特征图；将第一特征图和第二特征图进行特征融合，得到融合特征图；采用活体检测模型的第一池化层对融合特征图进行尺寸调整，以得到符合固定尺寸的目标特征图，并对目标特征图进行活体检测。由此，无需对输入图像中的目标对象的脸部图像进行外扩和调整，避免了脸部图像的特征丢失，同时，通过第一池化层对融合特征进行尺寸调整，实现了融合特征的归一化，避免了特征不对齐的情况，提升了活体检测结果的可靠性和鲁棒性。CN114202805ACN114202805A权利要求书1/3页1.一种活体检测方法，包括：获取输入图像；对所述输入图像以第一降采样率进行特征提取得到第一特征图，以及以第二降采样率进行特征提取以得到第二特征图；将所述第一特征图和所述第二特征图进行特征融合，以得到融合特征图；采用活体检测模型的第一池化层对所述融合特征图进行尺寸调整，以得到符合固定尺寸的目标特征图；对所述目标特征图进行活体检测，以确定所述输入图像中的目标对象是否为活体。2.根据权利要求1所述的方法，其中，所述采用活体检测模型的池化层对所述融合特征图进行尺寸调整，以得到符合固定尺寸的目标特征图，包括：将所述融合特征图输入所述活体检测模型的区域生成网络RPN进行感兴趣区域预测，以从所述融合特征图中确定多个感兴趣区域的特征子图；将所述多个感兴趣区域的特征子图输入所述活体检测模型的池化层进行尺寸调整，以得到各所述感兴趣区域符合固定尺寸的目标特征图。3.根据权利要求1所述的方法，其中，所述活体检测模型还包括第一卷积层、第二卷积层以及第二池化层，所述对所述输入图像以第一降采样率进行特征提取得到第一特征图，以及以第二降采样率进行特征提取以得到第二特征图，包括：将所述输入图像输入至所述第一卷积层进行特征提取，以得到中间特征图；采用所述第二卷积层对所述中间特征图以第一降采样率进行特征提取，以得到第一特征图；采用所述第二池化层对所述中间特征图以第二降采样率进行特征提取，以得到第二特征图。4.根据权利要求1所述的方法，其中，所述对所述目标特征图进行活体检测，以确定所述输入图像中的目标对象是否为活体，包括：采用所述活体检测模型的深度特征提取网络对所述目标特征图进行深度特征提取，以得到深度特征图；采用所述活体检测模型中的预测层对所述深度特征图进行分类，以得到所述输入图像中的目标对象的分类概率；根据所述分类概率，确定所述目标对象是否为活体。5.根据权利要求1‑4任一项所述的方法，其中，所述将所述第一特征图和所述第二特征图进行特征融合，以得到融合特征图，包括：将所述第一特征图与所述第二特征图进行拼接，得到所述融合特征图。6.根据权利要求1‑4任一项所述的方法，其中，所述将所述第一特征图和所述第二特征图进行特征融合，以得到融合特征图，包括：将所述第一特征图与所述第二特征图进行拼接，得到所述拼接图像；将所述拼接图像输入卷积层，以融合得到所述融合特征图。7.根据权利要求1‑4任一项所述的方法，其中，所述获取输入图像，包括：获取待检测的目标图像；根据设定图像尺寸，对所述目标图像进行缩放处理，以得到所述输入图像。2CN114202805A权利要求书2/3页8.一种活体检测装置，包括：获取模块，用于获取输入图像；提取模块，用于对所述输入图像以第一降采样率进行特征提取以得到第一特征图，以及以第二降采样率进行特征提取以得到第二特征图；融合模块，用于将所述第一特征图和所述第二特征图进行特征融合，以得到融合特征图；调整模块，用于采用活体检测模型的第一池化层对所述融合特征图进行尺寸调整，以得到符合固定尺