(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210377207.5 (22)申请日 2022.04.11 (71)申请人 北京三快在线科技有限公司 地址 100080 北京市海淀区北四环西路9号 2106-030 (72)发明人 梁大双　张广昊　杨松　何先华　 李慧　郝占龙　闫鹏飞　 (74)专利代理 机构 北京三高永信知识产权代理 有限责任公司 1 1138 专利代理师 谢冬寒 (51)Int.Cl. G06V 40/40(2022.01) G06V 40/16(2022.01) G06V 10/80(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06V 10/766(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 活体检测模型的训练方法、 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模型的训练方 法、 装置、 电子设备及存储介质， 属于人工智能技 术领域。 所述方法包括： 将人脸图像样本分别与 对应的活体线索特征图和攻击线索特征图进行 融合， 得到人脸图像样本对应的活体线索图和攻 击线索图； 基于人脸图像样本对应的活体线索图 和攻击线索图， 对初始活体检测模型进行训练， 得到活体检测模 型。 本公开将所提取的活体线索 特征图和攻击线索特征图融合到原图中， 使 得人 脸图像样 本的活体特征及攻击特征得以增强， 进 而基于线索增强的人脸图像样本训练活体检测 模型， 提高了所训练的活体检测模型的精度， 采 用该活体检测模型进行检测时能够捕捉到人脸 图像的局部特 征， 从而获得较佳的检测效果。 权利要求书3页 说明书16页 附图5页 CN 114783070 A 2022.07.22 CN 114783070 A 1.一种活体 检测模型的训练方法， 其特 征在于， 所述方法包括： 获取人脸图像样本， 所述人脸图像样本包括活体人脸图像样本和攻击人脸图像样本； 获取所述人脸图像样本对应的活体线索特征图和攻击线索特征图， 所述活体线索特征 图用于突显所述人脸图像样本中对象的活体特征， 所述攻击线索特征图用于突显所述人脸 图像样本中对象的攻击特 征； 将所述人脸图像样本分别与对应的活体线索特征图和攻击线索特征图进行融合， 得到 所述人脸图像样本对应的活体线索图和攻击线索图； 基于所述人脸图像样本对应的活体线索图和攻击线索图， 对初始 活体检测模型进行训 练， 得到活体 检测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述获取所述人脸图像样本对应的活体线 索特征图， 包括： 调用第一编解码网络， 对所述人脸图像样本进行处理， 得到所述人脸图像样本对应的 活体线索特 征图， 所述第一编解码网络用于获取任一人脸图像的活体线索特 征图。 3.根据权利要求2所述的方法， 其特征在于， 所述调用第一编解码网络， 对所述人脸图 像样本进行处 理， 得到所述人脸图像样本对应的活体线索特 征图之前， 还 包括： 将所述人脸图像样本输入到初始第 一编解码网络中， 输出所述人脸图像样本对应的第 一人脸特 征图； 基于所述人脸图像样本对应的第 一人脸特征图和第 一目标损失函数， 对所述初始第 一 编解码网络的网络参数值进行优化； 基于优化后的网络参数， 获取 所述第一编解码网络 。 4.根据权利要求3所述的方法， 其特征在于， 所述第 一目标损失函数包括第 一损失函数 和第二损失函数， 所述基于所述人脸图像样本对应的第一人脸特征图和第一目标损失函 数， 对所述初始第一编解码网络的网络参数值的优化过程， 包括： 将所述人脸图像样本中各个攻击人脸图像样本对应的第一人脸特征图输入到第一损 失函数中， 所述第一损失函数为表征各个攻击人脸图像样本对应的第一人脸特征图的平均 像素值的函数； 将所述人脸图像样本对应的第 一人脸特征图输入到第 二损失函数中， 所述第 二损失函 数为表征所述人脸图像样本中各个活体人脸图像样本对应的第一人脸特征图、 第一锚人脸 图像样本对应的第一人脸特征图以及各个攻击人脸图像样本对应的第一人脸特征图之间 距离关系的函数， 所述第一锚人脸图像样本属于所述各个攻击人脸图像样本； 基于所述第 一损失函数的函数值和所述第 二损失函数的函数值， 对所述初始第 一编解 码网络的网络参数值进行联合优化， 以使 所述第一损失函数的函数值和所述第二损失函数 的函数值均最小。 5.根据权利要求1所述的方法， 其特征在于， 所述获取所述人脸图像样本对应的攻击线 索特征图， 包括： 调用第二编解码网络， 对所述人脸图像样本进行处理， 得到所述人脸图像样本对应的 攻击线索特 征图， 所述第二编解码网络用于获取任一人脸图像的攻击线索特 征图。 6.根据权利要求5所述的方法， 其特征在于， 所述调用第二编解码网络， 对所述人脸图 像样本进行处 理， 得到所述人脸图像样本对应的攻击线索特 征图之前， 还 包括：权　利　要　求　书 1/3 页 2 CN 114783070 A 2将所述人脸图像样本输入到初始第 二编解码网络中， 输出所述人脸图像样本对应的第 二人脸特 征图； 基于所述人脸图像样本对应的第 二人脸特征图和第 二目标损失函数， 对所述初始第 二 编解码网络的网络参数值进行优化； 基于优化后的网络参数， 获取 所述第二编解码网络 。 7.根据权利要求6所述的方法， 其特征在于， 所述第 二目标损失函数包括第 三损失函数 和第四损失函数， 所述基于所述人脸图像样本对应的第二人脸特征图和第二目标损失函 数， 对所述初始第二编解码网络的网络参数值的优化过程， 包括： 将所述人脸图像样本中各个活体人脸图像样本对应的第二人脸特征图输入到第三损 失函数中， 所述第三损失函数为表征各个活体人脸图像对应的第二人脸特征图的平均像素 值的函数； 将所述人脸图像样本对应的第 二人脸特征图输入到第四损失函数中， 所述第四损失函 数为表征所述人脸图像样本中各个攻击人脸图像样本对应的第二人脸特征图、 第二锚人脸 图像样本对应的第二人脸特征图以及各个活体人脸图像样本对应的第二人脸特征图之间 距离关系的函数， 所述第二锚人脸图像样本属于所述各个活体人脸图像样本； 基于所述第 三损失函数的函数值和所述第四损失函数的函数值， 对所述初始第 二编解 码网络的网络参数值进行联合优化， 以使 所述第三损失函数的函数值和所述第四损失函数 的函数值均最小。 8.根据权利要求1所述的方法， 其特征在于， 所述将所述人脸图像样本分别与对应的活 体线索特征图和攻击线索特征图进行融合， 得到所述人脸图像样本对应的活体线索图和攻 击线索图， 包括： 将所述人脸图像样本中各个像素点的像素值与对应的活体线索特征图中相应像素点 的像素值相加， 得到所述人脸图像样本对应的活体线索图； 将所述人脸图像样本中各个像素点的像素值与对应的攻击线索特征图中相应像素点 的像素值相加， 得到所述人脸图像样本对应的攻击线索图。 9.根据权利要求1所述的方法， 其特征在于， 所述基于所述人脸图像样本对应的活体线 索图和攻击线索图， 对初始活体 检测模型进行训练， 得到活体 检测模型， 包括： 调用所述初始 活体检测模型， 对所述人脸图像样本对应的活体线索图和攻击线索图进 行检测， 得到所述活体线索图的第一检测分数和所述 攻击线索图的第二检测分数； 获取所述第 一检测分数和所述第 二检测分数的平均值， 作为所述人脸图像样本的检测 分数； 基于预设 分数和所述检测分数， 确定所述人脸图像样本的检测结果； 根据所述人脸图像样本的检测结果和标注结果， 对所述初始 活体检测模型的模型参数 进行调整， 得到所述活体 检测模型。 10.一种活体 检测模型的训练装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取人脸图像样本， 所述人脸图像样本包括活体人脸图像样本和攻击 人脸图像样本； 所述获取模块， 还用于获取所述人脸图像样本对应的活体线索特征图和攻击线索特征 图， 所述活体线索特征图用于突显所述人脸图像样本中对 象的活体特征， 所述攻击线索特权　利　要　求　书 2/3 页 3 CN 114783070 A 3