训练活体人脸识别模型、识别活体人脸的方法及相关装置制造方法及图纸

本公开提供了训练活体人脸识别模型、识别活体人脸的方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及计算机视觉和深度学习技术等人工智能领域。该方法的一具体实施方式包括：获取人脸图像集，并从该人脸图像集的人脸图像中提取目标区域所属的部分图像，得到区域人脸图像集；将该区域人脸图像集中的区域人脸图像叠加至活体人脸图像集中的活体人脸图像的目标区域，得到叠加人脸图像集；从该叠加人脸图像集中的叠加人脸图像中提取出人脸图像叠加特征，并基于该人脸图像叠加特征训练得到活体人脸识别模型。应用该实施方式提供的活体人脸识别模型，可提升利用遮挡信息进行活体人脸冒充、攻击的防御能力。

【技术实现步骤摘要】
训练活体人脸识别模型、识别活体人脸的方法及相关装置
本公开涉及人工智能领域，具体涉及计算机视觉和深度学习技术，可应用于人脸识别场景下，尤其涉及一种训练活体人脸识别模型和识别活体人脸的方法，以及以对应的装置、电子设备、计算机可读存储介质及计算机程序产品。
技术介绍
人脸活体检测即区分一张图像是否为真人拍摄，是人脸识别系统的基础组成模块，保证人脸识别系统的安全性。现有技术通常使用深度学习技术的人脸活体检测算法来实现活体人脸识别。
技术实现思路
本公开实施例提出了一种训练活体人脸识别模型、识别活体人脸的方法、装置、电子设备、计算机可读存储介质及计算机程序产品。第一方面，本公开实施例提出了一种训练活体人脸识别模型的方法，包括：获取人脸图像集，并从该人脸图像集的人脸图像中提取目标区域所属的部分图像，得到区域人脸图像集；将该区域人脸图像集中的区域人脸图像叠加至活体人脸图像集中的活体人脸图像的目标区域，得到叠加人脸图像集；从该叠加人脸图像集中的叠加人脸图像中提取出人脸图像叠加特征，并基于该人脸图像叠加特征训练得到活体人脸识别模型。第二方面，本公开实施例提出了一种训练活体人脸识别模型的装置，包括：一种训练活体人脸识别模型的装置，包括：区域人脸图像集获取单元，被配置成获取人脸图像集，并从该人脸图像集的人脸图像中提取目标区域所属的部分图像，得到区域人脸图像集；叠加人脸图像集生成单元，被配置成将该区域人脸图像集中的区域人脸图像叠加至活体人脸图像集中的活体人脸图像的目标区域，得到叠加人脸图像集；叠加特征提取及模型训练单元，被配置成从该叠加人脸图像集中的叠加人脸图像中提取出人脸图像叠加特征，并基于该人脸图像叠加特征训练得到活体人脸识别模型。第三方面，本公开实施例提出了一种识别活体人脸的方法，包括：获取待识别人脸图像；调用活体人脸识别模型对该待识别人脸图像进行识别；其中，该活体人脸识别模型根据第一方面中任一实现方式中任一项描述的训练活体人脸识别模型的方法得到。第四方面，本公开实施例提出了一种识别活体人脸的装置，包括：人脸图像获取单元，被配置成获取待识别人脸图像；活体人脸识别单元，被配置成调用活体人脸识别模型对该待识别人脸图像进行识别；其中，该活体人脸识别模型根据第二方面中任一实现方式中任一项描述的训练活体人脸识别模型的装置训练得到。第五方面，本公开实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的训练活体人脸识别模型的方法或如第三方面中任一实现方式描述的识别活体人脸的方法。第六方面，本公开实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的训练活体人脸识别模型的方法或如第三方面中任一实现方式描述的识别活体人脸的方法。第七方面，本公开实施例提供了一种包括计算机程序的计算机程序产品，该计算机程序在被处理器执行时能够实现如第一方面中任一实现方式描述的训练活体人脸识别模型的方法或如第三方面中任一实现方式描述的识别活体人脸的方法。本公开实施例提供的训练活体人脸识别模型、识别活体人脸的方法、装置、电子设备、计算机可读存储介质及计算机程序产品，在获取人脸图像集后，从该人脸图像集的人脸图像中提取目标区域所属的部分图像，得到区域人脸图像集，然后将该区域人脸图像集中的区域人脸图像叠加至活体人脸图像集中的活体人脸图像的目标区域，得到叠加人脸图像集，并从该叠加人脸图像集中的叠加人脸图像中提取出人脸图像叠加特征，最终基于该人脸图像叠加特征训练得到活体人脸识别模型，通过该方式训练得到的活体人脸识别模型，可以提升针对活体人脸的检测能力，对利用遮挡信息进行活体人脸冒充、攻击的识别攻击方式有较强的防御能力。应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：图1是本公开可以应用于其中的示例性系统架构；图2为本公开实施例提供的一种训练活体人脸识别模型的方法的流程图；图3为本公开实施例提供的另一种训练活体人脸识别模型的方法的流程图；图4为本公开实施例提供的一种训练活体人脸识别模型的装置的结构框图；图5为本公开实施例提供的一种识别活体人脸的装置的结构框图；图6为本公开实施例提供的一种适用于执行训练活体人脸识别模型、识别活体人脸的方法的电子设备的结构示意图。具体实施方式以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。图1示出了可以应用本申请的用于训练人脸识别模型以及识别人脸的方法、装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103和服务器105上可以安装有各种用于实现两者之间进行信息通讯的应用，例如安全验证类应用、活体人脸识别类应用、即时通讯类应用等。终端设备101、102、103和服务器105可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等；当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中，其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器；服务器为软件时，可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。服务器105通过内置的各种应用可以提供各种服务，以可以为用户提供活体人脸识别服务的活体人脸识别类应用为例，服务器105在运行该活体人脸识别类时可实现如下效果：首先，通过网络104从终端设备101、102、103接收输入的待识别人脸图像；然后，本文档来自技高网...

【技术保护点】
1.一种训练活体人脸识别模型的方法，包括：/n获取人脸图像集，并从所述人脸图像集的人脸图像中提取目标区域所属的部分图像，得到区域人脸图像集；/n将所述区域人脸图像集中的区域人脸图像叠加至活体人脸图像集中的活体人脸图像的目标区域，得到叠加人脸图像集；/n从所述叠加人脸图像集中的叠加人脸图像中提取出人脸图像叠加特征，并基于所述人脸图像叠加特征训练得到活体人脸识别模型。/n

【技术特征摘要】
1.一种训练活体人脸识别模型的方法，包括：
获取人脸图像集，并从所述人脸图像集的人脸图像中提取目标区域所属的部分图像，得到区域人脸图像集；
将所述区域人脸图像集中的区域人脸图像叠加至活体人脸图像集中的活体人脸图像的目标区域，得到叠加人脸图像集；
从所述叠加人脸图像集中的叠加人脸图像中提取出人脸图像叠加特征，并基于所述人脸图像叠加特征训练得到活体人脸识别模型。


2.根据权利要求1所述的方法，其中，所述从所述人脸图像集的人脸图像中提取目标区域所属的部分图像，得到区域人脸图像集，包括：
确定所述人脸图像集的人脸图像中的人脸关键点；
根据所述人脸关键点确定五官轮廓，并根据所述五官轮廓确定五官各自所属区域；
根据五官区域选择信息在所述五官各自所属区域中确定至少一个目标五官区域；
将所述目标五官区域的图像提取为五官区域图像，得到五官区域图像集。


3.根据权利要求2所述的方法，其中，所述根据五官区域选择信息在所述五官各自所属区域中确定至少一个目标五官区域，包括：
根据五官区域选择信息在所述五官各自所属区域中确定至少一个存在遮挡或佩饰的目标五官区域。


4.根据权利要求所述1的方法，其中，所述将所述区域人脸图像集中的区域人脸图像叠加至活体人脸图像集中的活体人脸图像的目标区域，包括：
响应于所述区域人脸图像为提取自所述人脸图像的目标五官区域的图像，将所述区域人脸图像集中的区域人脸图像叠加至活体人脸图像集中的活体人脸图像的目标五官区域。


5.根据权利要求1所述的方法，其中，区域人脸图像叠加至活体人脸图像的叠加方式包括：图层叠加、同位置像素点的像素信息融合中的至少一种。


6.根据权利要求1-5任一项所述的方法，其中，所述获取人脸图像集之前，还包括：
通过人脸生成模型生成原始人脸图像，得到原始人脸图像集；
分别从原始人脸图像集中的每张原始人脸图像中提取出人脸面部图像，得到原始人脸面部图像集；
对所述原始人脸面部图像集中的原始人脸面部图像进行归一化处理，得到所述人脸图像集。


7.根据权利要求6所述的方法，其中，所述分别从原始人脸图像集中的每张原始人脸图像中提取出人脸面部图像，得到原始人脸面部图像集，包括：
分别确定所述原始人脸图像集中的每张原始人脸图像中的人脸位置信息；
在基于所述人脸位置信息确定出的人脸区域中提取人脸关键点，得到关键点坐标；
根据所述关键点坐标确定面部提取边框，并根据所述面部提取边框从相应的原始人脸图像中提取出人脸面部图像，得到所述原始人脸面部图像集。


8.一种识别活体人脸的方法，包括：
获取待识别人脸图像；
调用活体人脸识别模型对所述待识别人脸图像进行识别；其中，所述活体人脸识别模型根据权利要求1-6中任一项所述的训练活体人脸识别模型的方法得到。


9.一种训练活体人脸识别模型的装置，包括：
区域人脸图像集获取单元，被配置成获取人脸图像集，并从所述人脸图像集的人脸图像中提取目标区域所属的部分图像，得到区域人脸图像集；
叠加人脸图像集生成单元，被配置成将所述区域人脸图像集中的区域人脸图像叠加至活体人脸图像集中的活体人脸图像的目标区域，得到叠加人脸图像集；
叠加特征提取及模型训练单元，被配置成从所述叠加人脸图像集中的叠加人脸图像中提取出人脸图像叠加特征，并基于所述人脸图像叠加特征训练得到活体人脸识别模型。


10.根据权利要求9所述的装置，其...

【专利技术属性】
技术研发人员：王珂尧，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11