【技术实现步骤摘要】
本申请涉及人工智能领域，尤其涉及一种活体检测模型的训练方法、活体检测方法及相关产品。
技术介绍
1、活体检测是在一些身份验证场景中，检测是否为真实生物活体的方法。现有技术中，可基于规则设置的数字图像处理算法或基于数据和训练的机器学习算法得到活体检测模型，来进行活体检测。基于数字图像处理算法得到的活体检测模型通常基于人为设置规则的提取图像中的特征，其提取的特征范围小，鲁棒性低，泛化能力较差。相对而言，基于数据集训练的机器学习算法得到的活体检测模型能够获取到更宽泛的特征，但是受限于训练样本集的数据分布，其对样本的依赖性比较大，可能与样本数据集过拟合，仍然存在鲁棒性低、泛化能力弱的问题。
技术实现思路
1、本申请实施例提供一种活体检测模型的训练方法、活体检测方法及相关产品，以避免样本数据的过拟合，提高活体检测模型的鲁棒性和泛化能力。
2、第一方面，本申请实施例提供一种活体检测模型的训练方法，所述方法包括：
3、将第一训练样本输入目标识别模型中，得到第一特征矩阵；其中，所述目标识别模型用于识别目标，其基于深度神经网络预先训练得到，所述第一特征矩阵基于所述目标识别模型中指定中间层的输出生成；
4、对所述第一特征矩阵进行主成分分析，得到第二特征矩阵；其中，所述第二特征矩阵基于所述第一特征矩阵的中度重要性主成分生成；
5、将所述第二特征矩阵输入待训练的活体检测模型，基于所述第二特征矩阵对所述第一训练样本进行活体检测，得到所述第一训练样本的活体检测预
6、根据所述第一训练样本的活体检测预测值计算所述第一训练样本的预测损失值，根据所述第一训练样本的损失值对所述活体检测模型的参数进行迭代更新。
7、第二方面，本申请实施例提供一种活体检测方法，所述方法包括：
8、获取待进行活体检测的目标图像；
9、将所述目标图像输入目标识别模型中，得到所述目标图像的第一特征矩阵；其中，所述目标识别模型用于识别目标，其基于深度神经网络预先训练得到，所述第一特征矩阵基于所述目标识别模型中指定中间层的输出生成；
10、对所述目标图像的第一特征矩阵进行主成分分析，得到所述目标图像的第二特征矩阵；
11、将所述目标图像的第二特征矩阵输入活体检测模型中，对所述目标图像进行活体检测；
12、获取所述活体检测模型输出的所述目标图像的活体检测预测值；
13、其中，所述活体检测模型基于前述实施例所述的活体检测模型的训练方法训练得到。
14、第三方面，本申请实施例提供一种活体检测模型的训练装置，所述装置包括：
15、第一特征获取模块，用于将第一训练样本输入目标识别模型中，得到第一特征矩阵；其中，所述目标识别模型用于识别目标，其基于深度神经网络预先训练得到，所述第一特征矩阵基于所述目标识别模型中指定中间层的输出生成；
16、第二特征获取模块，用于对所述第一特征矩阵进行主成分分析，得到第二特征矩阵；其中，所述第二特征矩阵基于所述第一特征矩阵的中度重要性主成分生成；
17、活体检测模块，用于将所述第二特征矩阵输入待训练的活体检测模型，基于所述第二特征矩阵对所述第一训练样本进行活体检测，得到所述第一训练样本的活体检测预测值；其中，所述活体检测预测值用于表示是否为活体；
18、参数更新模块，用于根据所述第一训练样本的活体检测预测值计算所述第一训练样本的预测损失值，根据所述第一训练样本的损失值对所述活体检测模型的参数进行迭代更新。
19、第四方面，本申请实施例提供一种计算机设备，其特征在于，所述设备包括：
20、处理器；以及
21、被安排成存储计算机可执行指令的存储器，所述可执行指令被配置由所述处理器执行，所述可执行指令包括用于执行如前述实施例提供的活体检测模型的训练方法或如前述实施例提供的活体检测方法中的步骤。
22、第五方面，本申请实施例提供一种存储介质，所述存储介质用于存储计算机可执行指令，所述可执行指令使得计算机执行如前述实施例提供的活体检测模型的训练方法或如前述实施例提供的活体检测方法。
23、本申请实施例提供的活体检测模型的训练方法、活体检测方法及相关产品，通过目标识别模型指定中间层以前网络获取第一训练样本的第一特征矩阵，根据第一特征矩阵的中度重要性主成分生成第二特征矩阵，根据第二特征矩阵进行活体检测，对活体检测模型进行训练，能够利用目标识别辅助进行活体检测，提高活体检测的鲁棒性和泛化性。
本文档来自技高网...【技术保护点】
1.一种活体检测模型的训练方法，所述方法包括：
2.根据权利要求1所述的训练方法，所述方法还包括：
3.根据权利要求1所述的训练方法，其中，所述目标识别模型中指定中间层的输出包括：多个特征图；所述将第一训练样本输入目标识别模型中，得到第一特征矩阵，包括：
4.根据权利要求1-3中任一项权利要求所述的训练方法，所述对所述第一特征矩阵进行主成分分析，得到第二特征矩阵，包括：
5.根据权利要求4所述的训练方法，所述对所述第一特征矩阵进行主成分分析，得到第二特征矩阵，还包括：
6.根据权利要求5所述的训练方法，所述对所述第二特征矩阵进行增强处理包括：
7.一种活体检测方法，所述方法包括：
8.一种活体检测模型的训练装置，所述装置包括：
9.一种计算机设备，其特征在于，所述设备包括：
10.一种存储介质，其特征在于，所述存储介质用于存储计算机可执行指令，所述可执行指令使得计算机执行如权利要求1-6中任一项或如权利要求7任一项所述的方法。
【技术特征摘要】
1.一种活体检测模型的训练方法，所述方法包括：
2.根据权利要求1所述的训练方法，所述方法还包括：
3.根据权利要求1所述的训练方法，其中，所述目标识别模型中指定中间层的输出包括：多个特征图；所述将第一训练样本输入目标识别模型中，得到第一特征矩阵，包括：
4.根据权利要求1-3中任一项权利要求所述的训练方法，所述对所述第一特征矩阵进行主成分分析，得到第二特征矩阵，包括：
5.根据权利要求4所述的训练方法，所述对所述第一特征...
【专利技术属性】
技术研发人员：戴玮，
申请(专利权)人：杭州萤石软件有限公司，
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。