【技术实现步骤摘要】
本申请涉及神经网络领域，尤其涉及一种人脸图像的验证方法、装置、电子设备及存储介质。
技术介绍
1、随着人脸识别技术的快速发展，人脸识别技术在多种场景下提升用户的生活或者工作效率，例如电子锁或人脸支付场景。基于人脸识别技术，可以通过人脸特征对用户的身份进行快速验证。
2、在银行应用场景中，用户办理业务需要先登录用户账户，通过人脸识别技术可以快速验证用户的身份并登录用户账户，而提升用户办理业务的效率。银行应用场景的性质，决定了该场景对安全性的要求较高，因此在验证用户的身份的流程中需要包括对人脸图像的真实性的验证。
3、在相关技术中，通过提取人脸图像中的关键点特征，验证人脸图像的真实性，这种方法提取的特征较为简单，导致验证的准确性差的问题。
技术实现思路
1、本申请提供一种人脸图像的验证方法、装置、电子设备及存储介质，用以提升人脸图像的验证准确性。
2、第一方面，本申请提供一种人脸图像的验证方法，包括：接收人脸图像验证请求，所述人脸图像验证请求包括当前人脸图像；通过人脸图像预测模型，对所述当前人脸图像的真实性进行预测，得到预测结果，所述预测结果为所述当前人脸图像为真实人脸图像或者所述当前人脸图像为虚假人脸图像，所述人脸图像预测模型基于协同互蒸馏方法进行模型训练得到；若所述预测结果为所述当前人脸图像为真实人脸图像，则比对所述当前人脸图像与数据库中的多个人脸图像，得到验证结果。
3、在一种可能的实施方式中，通过人脸图像预测模型，对所述当前人脸图
4、在一种可能的实施方式中，根据所述多个预测概率，确定所述预测结果，包括：确定每个所述预测概率对应的虚假类型所对应的第一阈值；若任一预测概率不超过对应的第一阈值，则确定所述预测结果为所述当前人脸图像为真实人脸图像；若存在至少一个预测概率超过对应的第一阈值，则确定所述预测结果为所述当前人脸图像为虚假人脸图像。
5、在一种可能的实施方式中，比对所述当前人脸图像与数据库中的多个人脸图像，得到验证结果，包括：确定所述数据库中的所述多个人脸图像；若所述多个人脸图像中存在目标人脸图像，则确定所述验证结果为验证通过，所述目标人脸图像与所述当前人脸图像的相似度大于第二阈值；若所述多个人脸图像中不存在所述目标人脸图像，则确定所述验证结果为验证未通过。
6、在一种可能的实施方式中，所述方法还包括：获取多个样本人脸图像；对每个所述样本人脸图像分别执行第一处理，得到对应的负样本图像；将所述多个样本人脸图像以及每个所述样本人脸图像对应的负样本图像作为训练样本；基于协同互蒸馏方法，对所述训练样本进行模型训练，得到人脸图像预测模型。
7、在一种可能的实施方式中，对每个所述样本人脸图像分别执行第一处理，得到对应的负样本图像，包括：确定多个第一处理方法，所述第一处理方法包括以下至少一种：人像抠图、面部对齐、贴图替换、人头抠图、人脸检测模型处理、人脸交换模型处理或者人像复原模型处理；针对任一样本人脸图像，通过所述第一处理方法分别执行第一处理，得到所述样本人脸图像对应的至少一个负样本图像。
8、在一种可能的实施方式中，基于协同互蒸馏方法，对所述训练样本进行模型训练，得到人脸图像预测模型，包括：确定教师模型以及2个学生模型，所述教师模型以及所述学生模型分别为卷积神经网络模型；将所述训练样本分别输入所述教师模型以及所述2个学生模型进行模型训练，得到每个学生模型对应的训练模型，所述教师模型用于指导所述2个学生模型，所述2个学生模型之间进行互相学习；将任一训练模型，确定为所述人脸图像预测模型。
9、第二方面，本申请提供一种人脸图像的验证装置，包括：接收模块，用于接收人脸图像验证请求，所述人脸图像验证请求包括当前人脸图像；分类模块，用于通过人脸图像预测模型，对所述当前人脸图像的真实性进行预测，得到预测结果，所述预测结果为所述当前人脸图像为真实人脸图像或者所述当前人脸图像为虚假人脸图像，所述人脸图像预测模型基于协同互蒸馏方法进行模型训练得到；验证模块，用于若所述预测结果为所述当前人脸图像为真实人脸图像，则比对所述当前人脸图像与数据库中的多个人脸图像，得到验证结果。
10、在一种可能的实施方式中，所述分类模块，具体用于确定所述人脸图像预测模型；所述分类模块，具体还用于将所述当前人脸图像输入所述人脸图像预测模型，得到多个预测概率，每个所述预测概率对应一个虚假类型；所述分类模块，具体还用于根据所述多个预测概率，确定所述预测结果。
11、在一种可能的实施方式中，所述分类模块，具体用于确定每个所述预测概率对应的虚假类型所对应的第一阈值；所述分类模块，具体还用于若任一预测概率不超过对应的第一阈值，则确定所述预测结果为所述当前人脸图像为真实人脸图像；所述分类模块，具体还用于若存在至少一个预测概率超过对应的第一阈值，则确定所述预测结果为所述当前人脸图像为虚假人脸图像。
12、在一种可能的实施方式中，所述装置还包括：比对模块，用于确定所述数据库中的所述多个人脸图像；所述比对模块，还用于若所述多个人脸图像中存在目标人脸图像，则确定所述验证结果为验证通过，所述目标人脸图像与所述当前人脸图像的相似度大于第二阈值；所述比对模块，还用于若所述多个人脸图像中不存在所述目标人脸图像，则确定所述验证结果为验证未通过。
13、在一种可能的实施方式中，所述装置还包括：训练模块，用于获取多个样本人脸图像；所述训练模块，还用于对每个所述样本人脸图像分别执行第一处理，得到对应的负样本图像；所述训练模块，还用于将所述多个样本人脸图像以及每个所述样本人脸图像对应的负样本图像作为训练样本；所述训练模块，还用于基于协同互蒸馏方法，对所述训练样本进行模型训练，得到人脸图像预测模型。
14、在一种可能的实施方式中，所述训练模块，具体用于确定多个第一处理方法，所述第一处理方法包括以下至少一种：人像抠图、面部对齐、贴图替换、人头抠图、人脸检测模型处理、人脸交换模型处理或者人像复原模型处理；所述训练模块，具体还用于针对任一样本人脸图像，通过所述第一处理方法分别执行第一处理，得到所述样本人脸图像对应的至少一个负样本图像。
15、在一种可能的实施方式中，所述训练模块，具体用于确定教师模型以及2个学生模型，所述教师模型以及所述学生模型分别为卷积神经网络模型；所述训练模块，具体还用于将所述训练样本分别输入所述教师模型以及所述2个学生模型进行模型训练，得到每个学生模型对应的训练模型，所述教师模型用于指导所述2个学生模型，所述2个学生模型之间进行互相学习；所述训练模块，具体还用于将任一训练模型，确定为所述人脸图像预测模型。
16、第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接本文档来自技高网...
【技术保护点】
1.一种人脸图像的验证方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过人脸图像预测模型，对所述当前人脸图像的真实性进行预测，得到预测结果，包括：
3.根据权利要求2所述的方法，其特征在于，根据所述多个预测概率，确定所述预测结果，包括：
4.根据权利要求1-3任一项所述的方法，其特征在于，比对所述当前人脸图像与数据库中的多个人脸图像，得到验证结果，包括：
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，对每个所述样本人脸图像分别执行第一处理，得到对应的负样本图像，包括：
7.根据权利要求5或6所述的方法，其特征在于，基于协同互蒸馏方法，对所述训练样本进行模型训练，得到人脸图像预测模型，包括：
8.一种人脸图像的验证装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有
11.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种人脸图像的验证方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过人脸图像预测模型，对所述当前人脸图像的真实性进行预测，得到预测结果，包括：
3.根据权利要求2所述的方法，其特征在于，根据所述多个预测概率，确定所述预测结果，包括：
4.根据权利要求1-3任一项所述的方法，其特征在于，比对所述当前人脸图像与数据库中的多个人脸图像，得到验证结果，包括：
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，对每个所述样本人脸图像分别执行第一处理，得到对应的负样本...
【专利技术属性】
技术研发人员：尹世豪，张邦元，牛杰杰，彭国雯，余立付，胡牛犇，赵德政，
申请(专利权)人：中原银行股份有限公司，
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。