【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种活体检测方法、炫彩检测模型的训练方法及相关设备。
技术介绍
1、随着各种人脸生成技术和换脸技术变得越来越成熟，在商业应用中的安全校验中，如刷脸支付、身份核验等，变得越来越具有挑战性。在众多的攻击手段中，注入攻击是目前比较难以检测和防范的。注入攻击是指攻击者提前非法获得目标任务的图像或者视频，在身份核验时使用目标人物的图像或者视频进行来通过验证。
2、由此可见，为了应对注入攻击确定用于验证的是否为活体成为关键问题。因此，在人工智能领域中如何进行活体检测成为研究的热点问题之一。
技术实现思路
1、本申请实施例的目的提供一种活体检测方法、炫彩检测模型的训练方法及相关设备，用于提高活体检测精度和效率。
2、为了实现上述目的，本申请实施例采用下述技术方案：
3、第一方面，本申请实施例提供一种活体检测方法，包括：
4、获取待检测视频，所述待检测视频为在目标光色序列的光线照射下对待检测对象进行拍摄得到；
5、通过目标炫彩检测模型，基于注意力机制和所述待检测视频中的视频帧之间的时序关系，提取所述待检测视频的视频特征；
6、通过所述目标炫彩检测模型，基于所述视频特征进行光色检测，得到预测光色序列；
7、基于所述目标光色序列和所述预测光色序列，确定所述待检测对象的活体检测结果。
8、本申请实施例提供的活体检测方法，利用活体和非活体对相同光线的吸收特性和偏振效应不同这一原理，按
9、第二方面，本申请实施例提供一种炫彩检测模型的训练方法，包括：
10、获取样本视频，所述样本视频为在样本光色序列的光线照射下对样本对象进行拍摄得到；
11、通过待训练的炫彩检测模型，基于注意力机制和所述样本视频中的视频帧之间的时序关系，提取所述样本视频的视频特征；
12、通过所述炫彩检测模型，基于所述视频特征进行光色检测，得到预测光色序列；
13、基于所述样本光色序列和所述预测光色序列，对所述炫彩检测模型进行更新训练，以得到目标炫彩检测模型。
14、本申请实施例提供的炫彩检测模型的训练方法，用于训练上述目标炫彩检测模型。在模型训练过程中，将样本对象在样本光色序列的光线照射下的样本视频以及样本光色序列作为训练数据，并采用包含特征提取网络和解码网络的炫彩检测模型作为训练的基础模型；接着，考虑到光色序列中每种光色的持续时间极短，相邻光色之间的变化会对被检测对象的成像造成一定的干扰，为此，以整个样本视频作为特征提取对象，由炫彩检测模型基于注意力机制和样本视频的视频帧之间的时序关系进行特征提取，由此提取的视频特征蕴含了时域和空域上的重要信息，进而引入了光色序列变化对样本视频中样本对象成像的动态影响，能够准确反映样本对象的成像跟随光色变化的动态变化特征；然后，由炫彩检测模型基于视频特征进行光色检测，得到预测光色序列，并基于样本光色序列和预测光色序列，对炫彩检测模型进行更新训练，使得炫彩检测模型能够在训练过程中充分学习样本对象在样本光色序列的光线照射下呈现的光学特征，从而具备准确检测光色的能力；由此，训练得到的目标检测模型能够快速、准确地识别任一视频呈现的光色，为后续活体检测提供可靠的数据支撑。
15、第三方面，本申请实施例提供一种活体检测装置，包括：
16、获取单元，用于获取待检测视频，所述待检测视频为在目标光色序列的光线照射下对待检测对象进行拍摄得到；
17、提取单元，用于通过目标炫彩检测模型，基于注意力机制和所述待检测视频中的视频帧之间的时序关系，提取所述待检测视频的视频特征；
18、检测单元，用于通过所述目标炫彩检测模型，基于所述视频特征进行光色检测，得到预测光色序列；
19、所述检测单元，还用于基于所述目标光色序列和所述预测光色序列，确定所述待检测对象的活体检测结果。
20、第四方面，本申请实施例提供一种炫彩检测模型的训练装置，包括：
21、获取单元，用于获取样本视频，所述样本视频为在样本光色序列的光线照射下对样本对象进行拍摄得到；
22、提取单元，用于通过待训练的炫彩检测模型，基于注意力机制和所述样本视频中的视频帧之间的时序关系，提取所述样本视频的视频特征；
23、检测单元，用于通过所述炫彩检测模型，基于所述视频特征进行光色检测，得到预测光色序列；
24、训练单元，用于基于所述样本光色序列和所述预测光色序列，对所述炫彩检测模型进行更新训练，以得到目标炫彩检测模型。
25、第五方面，本申请实施例提供一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现如第一方面所述的活体检测方法；或者，所述处理器被配置为执行所述指令，以实现如第二方面所述的炫彩检测模型的训练方法。
26、第六方面，本申请实施例提供一种计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如第一方面所述的活体检测方法；或者，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如第二方面所述的炫彩检测模型的训练方法。
本文档来自技高网...【技术保护点】
1.一种活体检测方法，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，所述视频特征包括所述待检测视频中各视频帧的图像特征，所述目标光色序列中每个光色具有一个持续时长；
3.根据权利要求1所述的方法，其特征在于，所述通过目标炫彩检测模型，基于注意力机制和所述待检测视频中的视频帧之间的时序关系，提取所述待检测视频的视频特征，包括：
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述目标光色序列中的各个光色为从预设光色集中随机选取得到，所述目标光色序列中任意相邻的两个光色不同。
5.一种炫彩检测模型的训练方法，其特征在于，包括：
6.根据权利要求5所述的方法，其特征在于，所述视频特征包括所述样本视频中各视频帧的图像特征，所述预测光色序列为基于所述样本视频中各视频帧的预测光色进行组合得到，每个视频帧的预测光色为基于每个视频帧的图像特征进行光色预测得到；
7.根据权利要求5所述的方法，其特征在于，所述样本视频包括N种尺寸的样本视频，N为大于2的整数；所述样本光色序列包括每种尺寸的样本视频的样本光色
8.根据权利要求5所述的方法，其特征在于，所述样本视频包括N种尺寸的样本视频，所述通过待训练的炫彩检测模型，基于注意力机制和所述样本视频中的视频帧之间的时序关系，提取所述样本视频的视频特征，包括：
9.一种活体检测装置，其特征在于，包括：
10.一种炫彩检测模型的训练装置，其特征在于，包括：
11.一种电子设备，其特征在于，包括：
12.一种计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至4中任一项所述的活体检测方法；或者，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求5至8中任一项所述的炫彩检测模型的训练方法。
...【技术特征摘要】
1.一种活体检测方法，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，所述视频特征包括所述待检测视频中各视频帧的图像特征，所述目标光色序列中每个光色具有一个持续时长；
3.根据权利要求1所述的方法，其特征在于，所述通过目标炫彩检测模型，基于注意力机制和所述待检测视频中的视频帧之间的时序关系，提取所述待检测视频的视频特征，包括：
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述目标光色序列中的各个光色为从预设光色集中随机选取得到，所述目标光色序列中任意相邻的两个光色不同。
5.一种炫彩检测模型的训练方法，其特征在于，包括：
6.根据权利要求5所述的方法，其特征在于，所述视频特征包括所述样本视频中各视频帧的图像特征，所述预测光色序列为基于所述样本视频中各视频帧的预测光色进行组合得到，每个视频帧的预测光色为基于每个视频帧的图像特征进行光色预测得到；
【专利技术属性】
技术研发人员：向国徽，曾定衡，周安通，蒋宁，陆全，夏粉，
申请(专利权)人：马上消费金融股份有限公司，
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。