本发明专利技术提供了一种相片攻击检测模型训练方法、系统、设备及介质，包括：采集真实人脸的RGB图像和红外图像，将所述真实人脸的RGB图像和红外图像进相关联后生成正样本训练集；采集真实人脸的红外图像和攻击相片的RGB图像，将所述真实人脸的红外图像和所述攻击相片的RGB图像相关联后生成负样本训练集；根据所述负样本训练集和所述正样本训练集对神经网络模型进行训练生成相片攻击检测模型。本发明专利技术中通过该相片攻击检测模型能够判断RGB图像是否为攻击相片，防止了通过小照片进行人脸识别系统攻击的安全隐患，保证了人脸识别系统的安全运行。行。行。
【技术实现步骤摘要】
相片攻击检测模型训练方法、系统、设备及介质
[0001]本专利技术涉及人脸识别，具体地，涉及相片攻击检测模型训练方法、系统、设备及介质。
技术介绍
[0002]人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。
[0003]人脸识别的流水线如图1所示,通过RGB相机采集RGB图像，然后顺次进行人脸检测、人脸对齐以及活体检测，且在通过活体检测后进行人脸识别。但是由于RGB 图像对活体判定能力不足，目前多采用多模态摄像头来对上述人脸识别流程进行改进,改进后的人脸识别的流程如图2所示。在基于多模态摄像头的人脸识别流程中，为了进一步的提高算法对于假体攻击的抵挡能力，一般会基于主动光来进行活体判断,活体判断通过之后,再基于RGB图像来进行人脸识别。因此在多模态摄像头的人脸识别模式中,就可以存通过小照片攻击。
[0004]如图3、图4所示，可以看到在用户进行恶意攻击时,在主动光摄像头正常工作的同时小照片近距离挡住RGB摄像头,同时真人活体正常站在模组前面。这样算法通过主动光采集到的真人图像将攻破活体算法,然后RGB抓拍到的小照片攻击假体将被用于对人脸识别算法进行攻击。如果小照片上的人脸识别通过,那么恶意用户就成功攻破整个人脸识别系统。随着多模态人脸识别技术的广泛应用,小照片攻击日益成为人脸认证应用中的潜在安全隐患。
技术实现思路
[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种相片攻击检测模型训练方法、系统、设备及介质。
[0006]根据本专利技术提供的相片攻击检测模型训练方法，包括如下步骤：
[0007]步骤S1：采集真实人脸的RGB图像和红外图像，将所述真实人脸的RGB图像和红外图像进相关联后生成正样本训练集；
[0008]步骤S2：采集真实人脸的红外图像和攻击相片的RGB图像，将所述真实人脸的红外图像和所述攻击相片的RGB图像相关联后生成负样本训练集；
[0009]步骤S3：根据所述负样本训练集和所述正样本训练集对神经网络模型进行训练生成相片攻击检测模型。
[0010]优选地，所述步骤S1包括如下步骤：
[0011]步骤S101：将所述真实人脸的RGB图像、红外图像进行人脸检测确定第一人脸区域、第二人脸区域；
[0012]步骤S102：将所述第一人脸区域、所述第二人脸区域进行裁剪后相关联生成一正
样本；
[0013]步骤S103：重复执行步骤S101至步骤S102，生成所述正样本训练集。
[0014]优选地，所述步骤S2包括如下步骤：
[0015]步骤S201：将所述真实人脸的红外图像和所述攻击相片的RGB图像进行人脸检测确定第三人脸区域、第四人脸区域；
[0016]步骤S202：将所述第三人脸区域、所述第四人脸区域进行裁剪后相关联生成一负样本；
[0017]步骤S203：重复执行步骤S201至步骤S202，生成所述负样本训练集。
[0018]优选地，当采集真实人脸RGB图像、红外图像时，包括如下步骤：
[0019]步骤M1：通过多目模组的光束投射器端向所述目标人物投射红外泛光；
[0020]步骤M2：通过所述多目模组的红外相机接收经所述目标人物反射后的所述红外泛光生成红外图像；
[0021]步骤M3：通过所述多目模组中的RGB相机采集所述目标人物的RGB图像。
[0022]优选地，所述S102包括如下步骤：
[0023]步骤S1021：获取所述预设置尺寸的图像截取框，将所述图像截取框移动至包括所述第一人脸区域的第一目标区域以及包括所述第二人脸区域的第二目标区域；
[0024]步骤S1022：在所述第一目标区域、所述第二目标区域通过所述图像截取框截取预设置尺寸的第一人脸像素区域和第二人脸像素区域；
[0025]步骤S1023：将所述第一人脸像素区域、所述第二人脸像素区域相关联后生成一正样本；
[0026]优选地，所述S202包括如下步骤：
[0027]步骤S2021：获取所述预设置尺寸的图像截取框，将所述图像截取框移动至包括所述第三人脸区域的第三目标区域以及包括所述第四人脸区域的第四目标区域；
[0028]步骤S2022：在所述第三目标区域、所述第四目标区域通过所述图像截取框截取预设置尺寸的第三人脸像素区域和第四人脸像素区域；
[0029]步骤S2023：将所述第三人脸像素区域、所述第四人脸像素区域相关联后生成一负样本。
[0030]优选地，所述相片攻击检测模型包括RGB全局特征提取层、IR全局特征提取层、拼接层、全连接层、非线性激活层、随机丢弃层以及线性分类器；
[0031]所述第一特征提取子网络，用于提取所述RGB图像的特征图；
[0032]所述第二特征提取子网络，用于提取所述红外图像的特征图；
[0033]所述RGB全局特征提取层，用于对所述RGB图像生成的特征图张量进行整形生成预设置形状的RGB全局特征图；
[0034]所述IR全局特征提取层，用于对所述红外图像生成的特征图张量进行整形生成预设置形状的IR全局特征图；
[0035]所述拼接层，用于将所述RGB全局特征图和所述IR全局特征图进行拼接生成拼接特征图；
[0036]所述全连接层、所述非线性激活层、所述随机丢弃层以及线性分类器，用于顺次对所述拼接特征图进行处理以生成所述相片攻击检测模型的损失函数。
[0037]根据本专利技术提供的相片攻击检测模型训练系统，包括如下模块：
[0038]正样本生成模块，用于获取采集的真实人脸的RGB图像和红外图像，将所述真实人脸的RGB图像和红外图像进相关联后生成正样本训练集；
[0039]负样本生成模块，用于获取采集的真实人脸的红外图像和攻击相片的RGB图像，将所述真实人脸的红外图像和所述攻击相片的RGB图像相关联后生成负样本训练集；
[0040]模型训练模块，用于根据所述负样本训练集和所述正样本训练集对神经网络模型进行训练生成相片攻击检测模型。
[0041]根据本专利技术提供的相片攻击检测模型训练设备，包括：
[0042]处理器；
[0043]存储器，其中存储有所述处理器的可执行指令；
[0044]其中，所述处理器配置为经由执行所述可执行指令来执行所述的相片攻击检测模型训练方法的步骤。
[0045]根据本专利技术提供的计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的相片攻击检测模型训练方法的步骤。
[0046]与现有技术相比，本专利技术具有如下的有益效果：
[0047]本专利技术中通过将采集的真实人脸的RGB图像和红外图像相关联生成正样本训练集，将采集的真实人脸的红外图像和攻击相片的RGB图像相关联后生成负样本训练集，根据所述负样本本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种相片攻击检测模型训练方法，其特征在于，包括如下步骤：步骤S1：采集真实人脸的RGB图像和红外图像，将所述真实人脸的RGB图像和红外图像进相关联后生成正样本训练集；步骤S2：采集真实人脸的红外图像和攻击相片的RGB图像，将所述真实人脸的红外图像和所述攻击相片的RGB图像相关联后生成负样本训练集；步骤S3：根据所述负样本训练集和所述正样本训练集对神经网络模型进行训练生成相片攻击检测模型。2.根据权利要求1所述的相片攻击检测模型训练方法，其特征在于，所述步骤S1包括如下步骤：步骤S101：将所述真实人脸的RGB图像、红外图像进行人脸检测确定第一人脸区域、第二人脸区域；步骤S102：将所述第一人脸区域、所述第二人脸区域进行裁剪后相关联生成一正样本；步骤S103：重复执行步骤S101至步骤S102，生成所述正样本训练集。3.根据权利要求1所述的相片攻击检测模型训练方法，其特征在于，所述步骤S2包括如下步骤：步骤S201：将所述真实人脸的红外图像和所述攻击相片的RGB图像进行人脸检测确定第三人脸区域、第四人脸区域；步骤S202：将所述第三人脸区域、所述第四人脸区域进行裁剪后相关联生成一负样本；步骤S203：重复执行步骤S201至步骤S202，生成所述负样本训练集。4.根据权利要求2所述的相片攻击检测模型训练方法，其特征在于，当采集真实人脸RGB图像、红外图像时，包括如下步骤：步骤M1：通过多目模组的光束投射器端向所述目标人物投射红外泛光；步骤M2：通过所述多目模组的红外相机接收经所述目标人物反射后的所述红外泛光生成红外图像；步骤M3：通过所述多目模组中的RGB相机采集所述目标人物的RGB图像。5.根据权利要求2所述的相片攻击检测模型训练方法，其特征在于，所述S102包括如下步骤：步骤S1021：获取所述预设置尺寸的图像截取框，将所述图像截取框移动至包括所述第一人脸区域的第一目标区域以及包括所述第二人脸区域的第二目标区域；步骤S1022：在所述第一目标区域、所述第二目标区域通过所述图像截取框截取预设置尺寸的第一人脸像素区域和第二人脸像素区域；步骤S1023：将所述第一人脸像素区域、所述第二人脸像素区域相关联后生成一正样本。6.根据权利要求3所述的相片攻击检测模型训练方法，其...
【专利技术属性】
技术研发人员：段兴，汪博，朱力，吕方璐，
申请(专利权)人：深圳市光鉴科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。