(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 202211081105.5 (22)申请日 2022.09.06 (71)申请人 平安银行股份有限公司 地址 518000 广东省深圳市罗湖区深南 东 路5047号 (72)发明人 梁俊杰　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 梁韬 (51)Int.Cl. G06V 20/00(2022.01) G06V 40/16(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 人脸翻拍检测方法、 装置、 电子设备及存储 介质 (57)摘要 本申请实施例提供一种人脸翻拍检测方法、 装置、 电子设备及存储介质， 属于图像处理技术 领域。 该方法包括： 分别对N张RGB合格人脸图进 行频域转换； 将N张人脸频域图分别输入到预先 构建的频域模型中， 对N个频域特征分类结果进 行加权平均， 得到第一真人分类概率； 将N张D深 度人脸图分别输入到预先构建的深度图模型中， 对N个深度特征分类结果加权平均， 得到第二真 人分类概率； 将第一真人分类概率和第二真人分 类概率进行融合， 得到最终分类概率； 根据最终 分类概率与预设翻拍阈值确定翻拍人脸分类结 果。 这样， 能确定翻拍人脸 分类结果， 提高检测人 脸翻拍的精准率， 基于精准的人脸翻拍检测， 金 融机构能实现精准的反欺诈行为识别， 确保金融 交易安全。 权利要求书2页 说明书12页 附图8页 CN 115147705 A 2022.10.04 CN 115147705 A 1.一种人脸翻拍检测方法， 其特 征在于， 所述方法包括： 获取N张RGB合格人脸图及其对应的N张D深度人脸图； 分别对N张所述RGB合格人脸图进行 频域转换， 得到N张人脸频域图； 将N张所述人脸频域图分别输入到预先构建的频域模型中， 通过所述频域模型获取N个 频域特征分类结果， 对N个所述频域特 征分类结果进行加权平均， 得到第一真人分类概 率； 将N张所述D深度人脸图分别输入到预先构建的深度图模型中， 通过所述深度图输出N 个深度特 征分类结果， 对N个所述深度特 征分类结果加权平均， 得到第二真人分类概 率； 将所述第一真人分类概 率和所述第二真人分类概 率进行融合， 得到最终分类概 率； 根据所述 最终分类概 率与预设翻拍阈值确定翻拍人脸分类结果。 2.根据权利要求1所述的方法， 其特征在于， 获取各所述RGB合格人脸图及其对应的D深 度人脸图， 包括： 通过MediaPip e进行人脸检测， 在检测到一个人脸图像时， 获取人脸图像面积与整图的 人脸面积比， 在所述人脸面积比处于预设合格面积比区间时， 将所述整图确定为所述 RGB合 格人脸图； 将与所述RGB合格人脸 图同步拍摄的D深度人脸 图作为所述RGB合格人脸图对应的D深 度人脸图。 3.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 基于se‑Densenet模型构建待训练模型； 构建所述频域模型， 包括： 将频域图训练样本 输入所述待训练模型进行计算， 得到第一训练分类结果； 根据所述第一训练分类结果对所述待训练模型进行调整， 得到所述频域模型； 构建所述深度图模型， 包括： 将深度图训练样本 输入所述待训练模型进行计算， 得到第二训练分类结果； 根据所述第二训练分类结果对所述待训练模型进行调整， 得到所述深度图模型。 4.根据权利要求3所述的方法， 其特征在于， 所述se ‑Densenet模型包括多个SE ‑Dense 模块， 所述基于se ‑Densenet模型构建待训练模型， 包括： 在各DenseNet模块的卷积层加上对应的Se注意力机制模块构建各 所述SE‑Dense模块； 将各所述SE‑Dense模块 通过卷积层和池化层连接， 构建所述待训练模型。 5.根据权利要求4所述的方法， 其特征在于， 所述SE ‑Dense模块包括多个BN ‑Relu‑Conv 层以及所述Se注意力机制模块， 构建SE ‑Dense模块， 包括： 将多个所述BN ‑Relu‑Conv层依次叠加， 得到 叠加子模块； 在所述叠加子模块的后N ‑1个BN‑Relu‑Conv层的Conv层添加对应的S e‑block注意力模 块， 得到所述SE ‑Dense模块。 6.根据权利要求1所述的方法， 其特征在于， 所述通过所述频域模型获取N个频域特征 分类结果， 包括： 通过所述频域模型分别计算各所述RGB合格人脸图对应的真人分类概率和翻拍分类概 率； 将各所述RGB合格人脸图对应的真人分类概 率作为各 所述频域特 征分类结果。 7.根据权利要求1所述的方法， 其特征在于， 所述根据所述最终分类概率与 预设翻拍阈权　利　要　求　书 1/2 页 2 CN 115147705 A 2值确定翻拍人脸分类结果， 包括： 在所述最终分类概 率大于所述预设翻拍阈值的情况 下， 确定翻拍人脸分类结果。 8.根据权利要求7 所述的方法， 其特 征在于， 所述方法还 包括： 在所述最终分类概率小于或等于所述预设翻拍阈值的情况下， 确定真人人脸分类结 果。 9.根据权利要求1所述的方法， 其特征在于， 所述将所述第 一真人分类概率和所述第 二 真人分类概 率进行融合， 得到最终分类概 率， 包括： 分别设置第一权 重及第二权 重， 所述第一权 重小于所述第二权 重； 计算所述第 一权重和所述第 一真人分类概率的第 一乘积值， 计算所述第 二权重和所述 第二真人分类概率的第二乘积值， 将所述第一乘积值和所述第二乘积值的和值确定为所述 最终分类概 率。 10.一种人脸翻拍检测装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取N张RGB合格人脸图及其对应的N张D深度人脸图； 转换模块， 用于分别对N张所述RGB合格人脸图进行 频域转换， 得到N张人脸频域图； 第一处理模块， 用于将N张所述人脸频域图分别输入到预先构建的频域模型中， 通过所 述频域模型获取N个频域特征分类结果， 对N个所述频域特征分类结果进行加权平均， 得到 第一真人分类概 率； 第二处理模块， 用于将N张所述D深度人脸图分别输入到预先构建的深度图模型中， 通 过所述深度图输出N个深度特征分类结果， 对N个所述深度特征分类结果加权平均， 得到第 二真人分类概 率； 融合模块， 用于将所述第一真人分类概率和所述第二真人分类概率进行融合， 得到最 终分类概 率； 确定模块， 用于根据所述 最终分类概 率与预设翻拍阈值确定翻拍人脸分类结果。 11.一种电子设备， 其特征在于， 包括存储器以及处理器， 所述存储器存储有计算机程 序， 所述计算机程序在所述处理器运行时执行权利要求 1至9中任一项 所述的人脸翻拍检测 方法。 12.一种计算机可读存储介质， 其特征在于， 其存储有计算机程序， 所述计算机程序在 处理器上运行时执 行权利要求1至9中任一项所述的人脸翻拍检测方法。权　利　要　求　书 2/2 页 3 CN 115147705 A 3