CN118196558A - 模型的训练方法、活体检测方法、装置、设备、介质 - Google Patents

Abstract

本公开提供了模型的训练方法、活体检测方法、装置、设备、介质，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习、图像处理等技术领域。具体实现方案为：获取包括目标对象的训练图像；获取所述训练图像对应的语义分割图像以及所述训练图像对应的训练标签，所述训练图像对应的训练标签用于指示所述训练图像是否为活体图像；将所述训练图像输入初始活体检测模型，获取输出图像特征；根据所述输出图像特征、所述语义分割图像以及所述训练标签对所述初始活体检测模型进行训练，获取训练完成的活体检测模型。

Description

模型的训练方法、活体检测方法、装置、设备、介质

技术领域

本公开涉及人工智能技术领域，尤其涉及计算机视觉、深度学习、图像处理等技术领域，可应用于智慧城市、智慧金融等应用场景。具体而言，本公开涉及一种活体检测模型的训练方法、活体检测方法、活体检测模型的训练装置、活体检测装置、电子设备、计算机可读存储介质。

背景技术

随着技术的发展，生物识别技术越多越应用于安防、考勤、金融、门禁通行等诸多场景。其中，人脸识别技术因非接触性、安全性等优点更容易被用户接受。

人脸活体检测是人脸识别***的基础模块，可以区分一张图像是否为真人拍摄，来保证人脸识别***的安全性。

发明内容

本公开提供了一种活体检测模型的训练方法、活体检测方法、活体检测模型的训练装置、活体检测装置、电子设备、计算机可读存储介质。

根据本公开的第一方面，提供了一种活体检测模型的训练方法，该方法包括：

获取包括目标对象的训练图像；

获取所述训练图像对应的语义分割图像以及所述训练图像对应的训练标签，所述训练图像对应的训练标签用于指示所述训练图像是否为活体图像；

将所述训练图像输入初始活体检测模型，获取输出图像特征；

根据所述输出图像特征、所述语义分割图像以及所述训练标签对所述初始活体检测模型进行训练，获取训练完成的活体检测模型。

根据本公开的第二方面，提供了一种活体检测方法，该方法包括：

获取待检测图像，将所述待检测图像输入预训练的活体检测模型，获取所述待检测图像的活体检测结果；

其中，所述预训练的活体检测模型基于上述的活体检测模型的训练方法获取。

根据本公开的第三方面，提供了一种活体检测模型的训练装置，该装置包括：

图像数据模块，用于获取包括目标对象的训练图像；

标签数据模块，用于获取所述训练图像对应的语义分割图像以及所述训练图像对应的训练标签，所述训练图像对应的训练标签用于指示所述训练图像是否为活体图像；

训练模块，用于将所述训练图像输入初始活体检测模型，获取输出图像特征；根据所述输出图像特征、所述语义分割图像以及所述训练标签对所述初始活体检测模型进行训练，获取训练完成的活体检测模型。

根据本公开的第四方面，提供了一种活体检测装置，该装置包括：

检测模块，用于获取待检测图像，将所述待检测图像输入预训练的活体检测模型，获取所述待检测图像的活体检测结果；

其中，所述预训练的活体检测模型基于上述的活体检测模型的训练方法获取。

根据本公开的第五方面，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

与上述至少一个处理器通信连接的存储器；其中，

存储器存储有可被上述至少一个处理器执行的指令，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述活体检测模型的训练方法和/或活体检测方法。

根据本公开的第六方面，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，其中，该计算机指令用于使计算机执行上述活体检测模型的训练方法和/或活体检测方法。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述活体检测模型的训练方法和/或活体检测方法。

根据本公开的第八方面，提供了一种人脸识别的产品，包括上述的电子设备。

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

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开实施例提供的一种活体检测模型的训练方法的流程示意图；

图2是本公开实施例提供的活体检测模型的训练方法的一种实现中初始活体检测模型的结构示意图；

图3是本公开实施例提供的另一种活体检测模型的训练方法的部分步骤的流程示意图；

图4是本公开实施例提供的另一种活体检测模型的训练方法的部分步骤的流程示意图；

图5是本公开实施例提供的一种活体检测方法的流程示意图；

图6是本公开实施例提供的活体检测模型的训练方法的一个具体实施例的执行过程的示意图；

图7是本公开实施例提供的一种活体检测模型的训练装置的结构示意图；

图8是本公开实施例提供的一种活体检测装置的结构示意图；

图9是用来实现本公开实施例的活体检测模型的训练方法和活体检测方法的电子设备的框图。

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。

在一些相关技术中，可以使用基于特征二分类的方法实现人脸活体检测。

基于特征二分类的方法可总结为两步：一是对人脸图像进行特征提取，而是对提取的特征进行二分类。其中，特征提取方法主要有基于传统的手工特征提取以及基于深度神经网络提取特征；二分类的方法主要有基于传统机器学习的支持向量机以及基于神经网络的全连接网络。

基于特征二分类的方法将人脸活体和攻击样本视为两个类别，仅仅通过两个类别的标签监督，难以提供足够丰富的学习信息，影响整体检测效果。

在一些相关技术中，可以使用基于异常检测的方法实现人脸活体检测。

基于异常检测的方法将人脸活体样本视为正常类别，攻击样本视为异常类别，通过学习活体类别的特征并使学习到的活体特征处于特征的闭集空间内，而远离活体特征的中心的则视为异常特征，从而实现对异常类别的区分。

但基于异常检测的过程中只对正常样本进行特征学习，缺少攻击样本特征的监督，因此在检测性能上非常有限。

本公开实施例提供的活体检测模型的训练方法、活体检测方法、活体检测模型的训练装置、活体检测装置、电子设备、计算机可读存储介质旨在解决现有技术的如上技术问题中的至少一个。

本公开实施例提供的活体检测模型的训练方法、活体检测方法可以由终端设备或服务器等电子设备执行，终端设备可以为车载设备、用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读程序指令的方式来实现。或者，可通过服务器执行所述方法。

图1示出了本公开实施例提供的活体检测模型的训练方法的流程示意图。如图1中所示，本公开实施例提供的活体检测模型的训练方法包括步骤S110、步骤S120、步骤S130、步骤S140。

在步骤S110中，获取包括目标对象的训练图像；

在步骤S120中，获取训练图像对应的语义分割图像以及训练图像对应的训练标签，训练图像对应的训练标签用于指示训练图像是否为活体图像；

在步骤S130中，将训练图像输入初始活体检测模型，获取输出图像特征；

在步骤S140中，根据输出图像特征、语义分割图像以及训练标签对初始活体检测模型进行训练，获取训练完成的活体检测模型。

举例来说，本公开实施例提供的活体检测模型的训练方法可以用于训练人脸活体检测模型。

在一些可能的实现方式中，在步骤S110中，目标对象可以是人脸(包括活体人脸以及非活体人脸)，训练图像可以通过拍摄获取，也可以通过搜索等方法从互联网数据库获取。

在一些可能的实现方式中，在步骤S120中，训练图像对应的训练标签可以通过人工标注或计算机自动分类等方法确定训练图像是否是活体图像。

具体的，在通过拍摄获取的图像中，训练图像是真人拍摄，则训练图像为活体图像；训练图像不是真人拍摄，则训练图像不是活体图像。

在一些可能的实现方式中，训练图像对应的语义分割图像可以通过将训练图像输入预先训练的语义分割网络对训练图像进行语义分割获取的。

在一些可能的实现方式中，可以通过语义分割网络将训练图像分为不同的区域(如活体区域和非活体区域)，获取语义分割图像的像素的像素值用于指示该像素属于活体区域或非活体区域。一张训练图像的所有像素都属于一个区域也是可以的。

在一些可能的实现方式中，通过语义分割网络获取语义分割图像可以是预先进行的，以减少对初始活体检测模型的训练过程的影响。

在一些可能的实现方式中，在步骤S130和步骤S140中，初始活体检测模型和训练完成的活体检测模型可以包括结构一致的编码器。

编码器用于提取图像的图像特征，其具体可以是由卷积神经网络层组成的特征提取网络。其中，初始活体检测模型的编码器用于提取训练图像的输出图像特征。训练完成的活体检测模型的编码器用于提取输入活体检测模型的待检测图像的检测图像特征。

在一些可能的实现方式中，通过对编码器提取的输出图像特征进行处理来获取预测训练图像是否是活体图像的分类结果以及生成预测训练图像的活体区域和非活体区域的生成图，将分类结果和生成图分别与训练标签和语义分割对象进行对比，获取可以用于方向传播的损失值，并通过将损失值反向传播来对初始活体检测模型的编码器进行训练。

在一些可能的实现方式中，通过对编码器提取的输出图像特征进行处理来获取预测训练图像是否是活体图像的分类结果可以通过分类器来实现。分类器可以是基于深度神经网络的分类器，也可以是基于机器学习的分类器(如支持向量机等)。

在一些可能的实现方式中，通过对编码器提取的输出图像特征进行处理来生成预测训练图像的活体区域和非活体区域的生成图可以是基于与编码器相对的解码器实现。

在一些可能的实现方式中，初始活体检测模型还可以包括其他结构(如上述的分类器和解码器)，这些结构用于对编码器提取的输出图像特征进行处理，以生成可以用于反向传播的损失值。

在一些可能的实现方式中，在到达训练终止条件后，终止对初始活体检测模型的训练，获取训练完成的编码器作为训练完成的活体检测模型的编码器。

在一些可能的实现方式中，训练完成的活体检测模型的编码器用于提取输入活体检测模型的待检测图像的图像特征。通过对待检测图像的图像特征的处理，可以获取待检测图像的活体检测结果。

在本公开实施例提供的活体检测模型的训练方法中，通过训练图像对应的语义分割图像对初始活体检测模型进行训练，语义分割图像的语义信息能够为初始活体检测模型提供足够丰富的学习信息，使得初始活体检测模型可以获取更多有效的信息，进而提升获取的活体检测模型的检测效果。

下面对本公开实施例提供的活体检测模型的训练方法进行具体介绍。

如上所述，在一些可能的实现方式中，初始活体检测模型还可以包括其他结构。

图2示出了本公开实施例提供的活体检测模型的训练方法的一种实现中初始活体检测模型的结构示意图。如图2所示，初始活体检测模型还可以包括解码器。

解码器与编码器相对，可以用于生成与语义分割对象进行对比的生成图。

在一些可能的实现方式中，编码器以是由卷积神经网络层组成的特征提取网络，解码器可以是由反卷积层和上采样层组成的网络，其可以通过反卷积和上采样将编码器提取的输出图像特征恢复为与训练图像尺寸相同的生成图。

图3示出了在初始活体检测模型包括解码器的情况下，对初始活体检测模型进行训练的一种实现方式的流程示意图，如图3所示，对初始活体检测模型进行训练可以包括步骤S310、步骤S320、步骤S330。

在步骤S310中，将训练图像输入编码器，获取训练图像的输出图像特征；

在步骤S320中，将输出图像特征输入解码器，获取生成图；

在步骤S330中，根据生成图以及语义分割图像获取回归损失，根据回归损失进行反向传播，对初始活体检测模型进行训练。

在一些可能的实现方式中，在步骤S310中，将训练图像输入编码器来对训练图像进行特征提取，获取训练图像的输出图像特征。

在一些可能的实现方式中，在步骤S320中，将编码器提取的输出图像特征输入解码器，通过解码器的反卷积和上采样来生成与训练图像尺寸一致的生成图。

在一些可能的实现方式中，生成图可以是区分的区域的图，即生成图的像素的像素值用于指示解码器根据输出图像特征预测的该像素属于的区域(如活体区域或非活体区域)。

在一些可能的实现方式中，在步骤S330中，通过生成图与语义分割图像的像素值的对比获取回归损失，根据回归损失进行反向传播，对初始活体检测模型进行训练，具体可以是对编码器的参数进行修改，并在训练完成后，获取训练完成的编码器作为训练完成的活体检测模型的编码器。

在一些可能的实现方式中，根据回归损失进行反向传播，对初始活体检测模型进行训练，也可以是对编码器和解码器的参数修改，在训练完成后，获取训练完成的编码器和解码器，将训练完成的编码器作为训练完成的活体检测模型的编码器，训练完成的解码器则不参与训练完成的活体检测模型的推理过程。

由于生成图和语义分割图像都是区分了像素所属的区域的图像，通过生成图与语义分割图像的对比，可以确定生成图中像素所属的区域是否预测正确，进而使得初始活体检测模型可以具备区分不同区域的能力，以使编码器可以更多关注与活体检测相关的区域的图像特征，避免编码器过拟合到其他特征，进而提升编码器提取特征的能力，提升获取的活体检测模型的检测效果。

在一些可能的实现方式中，语义分割图像可以包括攻击区域和非攻击区域。其中，攻击区域为训练图像中影响活体检测的区域，如面具、眼镜等对应的区域。非攻击区域为训练图像中除攻击区域外的其他区域，如人体、人体所处的环境等对应区域。

则生成图也可以是区分了攻击区域和非攻击区域的图，即生成图的像素的像素值用于指示解码器根据输出图像特征预测的该像素属于攻击区域还是非攻击区域。

需要强调的是，并不是所有的语义分割图像和生成图都需要包括攻击区域和非攻击区域，也可以存在只有攻击区域或只有非攻击区域的语义分割图像和生成图。这里的区分攻击区域和非攻击区域是说图像的像素可以属于这两种区域，但图像本身是否含有属于这些区域的像素，本公开实施例并不做限定。

如上所述，由于生成图和语义分割图像是标识了攻击区域的图像，通过生成图与语义分割图像的对比，可以使编码器可以更多关注攻击区域的图像特征，进而使得编码器可以更好的提取不同的攻击的特征，以提升活体检测模型区分不同攻击的能力，提升活体检测模型的检测效果。

在一些可能的实现方式中，非攻击区域可以细分为背景区域和活体区域，其中，活体区域为训练图像中包括活体的区域；背景区域为非攻击区域中除活体区域外的其他区域。

则生成图也可以是区分了攻击区域、活体区域、背景区域的图，即生成图的像素的像素值用于指示解码器根据输出图像特征预测的该像素属于攻击区域、活体区域、背景区域。

需要强调的是，并不是所有的语义分割图像和生成图都需要包括攻击区域、活体区域、背景区域，也可以存在只有活体区域和背景区域的语义分割图像和生成图。这里的区分攻击区域、活体区域、和背景区域是说图像的像素可以属于这三种区域，但图像本身是否含有属于这些区域的像素，本公开实施例并不做限定。

如上所述，由于生成图和语义分割图像是标识了攻击区域、活体区域和背景区域的图像，通过生成图与语义分割图像的对比，可以使编码器可以更多关注攻击区域的图像特征，进而使得编码器可以更好的提取不同的攻击的特征，以提升活体检测模型区分不同攻击的能力，提升活体检测模型的检测效果。

同时，由于背景区域中可能存在对攻击区域产生干扰的物品，区分了活体区域和背景区域，可以减少背景区域对区分攻击区域和活体区域的干扰，使得编码器可以更好的关注攻击区域的图像特征。

在一些可能的实现方式中，在非攻击区域可以细分为背景区域和活体区域的情况下，可以通过以下方式来获取训练图像的语义分割图像。

将训练图像输入预先训练的语义分割网络，获取训练图像的攻击像素、背景像素、活体像素；

分别根据训练图像的攻击像素、训练图像的背景像素、训练图像的活体像素生成单通道图像；

根据单通道图像生成语义分割图像。

其中，根据训练图像的攻击像素生成单通道图像可以是根据攻击像素在训练图像的位置，将单通道图像中该位置的像素的像素值设为255，将其他非攻击像素对应的像素的像素值设置为0，生成单通道图像。使用相同的方法，生成背景像素对应的单通道图像和生成活体像素对应的单通道图像。

在一些可能的实现方式中，可以通过通道拼接根据单通道图像生成语义分割图像。

需要强调的是，并不是所有的训练图像都要包括攻击像素、背景像素、活体像素，一些训练图像可以只包括背景像素，一些训练图像也可以只包括活体像素，一些训练图像也可以只包括背景像素和活体像素。若训练图像不包括该类型的像素，则该类型像素对应的单通道图像的像素值可以都是0。

攻击像素、背景像素、活体像素各对应一张单通道图像，即三张单通道图像，也就是说，语义分割图像是三通道图像，是符合图像生成规则的。

如图2所述，在一些可能的实现方式中，初始活体检测模型还可以包括分类器。

在一些可能的实现方式中，分类器可以是基于深度神经网络实现的分类器。

图4示出了在初始活体检测模型包括分类器的情况下，对初始活体检测模型进行训练的一种实现方式的流程示意图，如图4所示，对初始活体检测模型进行训练可以包括步骤S410、步骤S420、步骤S430。

在步骤S410中，将训练图像输入编码器，获取训练图像的输出图像特征；

在步骤S420中，将输出图像特征输入分类器，获取预测训练图像是否为活体图像的分类结果；

在步骤S430中，根据分类结果以及训练标签获取分类损失，根据分类损失进行反向传播，对初始活体检测模型进行训练。

在一些可能的实现方式中，在步骤S410中，将训练图像输入编码器来对训练图像进行特征提取，获取训练图像的输出图像特征。

在一些可能的实现方式中，步骤S410和步骤S310可以是相同的步骤，只执行一个即可，也就是说，步骤S420、步骤S430可以是步骤S310之后的步骤。

在一些可能的实现方式中，在步骤S420中，将编码器提取的输出图像特征输入分类器，通过分类器将输出图像特征进行映射，获取预测训练图像是否为活体图像的分类结果。

在一些可能的实现方式中，分类结果为训练图像是活体图像和训练图像不是活体图像中的一个。

在一些可能的实现方式中，在步骤S430中，通过分类结果与训练标签的对比来获取分类损失，根据分类损失进行反向传播，对初始活体检测模型进行训练，具体可以是对编码器、分类器的参数进行修改，并在训练完成后，获取训练完成的编码器作为训练完成的活体检测模型的编码器，获取训练完成的分类器作为训练完成的活体检测模型的分类器。

在一些可能的实现方式中，分类器可以是二分类的分类器，通过分类结果与训练标签的对比来获取分类损失可以是基于交叉熵损失函数，根据分类结果以及训练标签来获取分类损失。

在一些可能的实现方式中，训练完成的活体检测模型的编码器用于提取待检测图像的检测图像特征，训练完成的活体检测模型的分类器用于根据检测图像特征获取待检测图像的活体检测结果。

在一些可能的实现方式中，可以将分类损失和回归损失结合来对初始活体检测模型进行训练，即通过分类损失和回归损失的反向传播来对初始活体检测模型的编码器、解码器、分类器的参数进行修改，获取训练完成的变卖、解码器和分类器。

通过回归损失引导编码器对图像不同区域进行学习，能有效使编码器具备细粒度的区域区分能力，结合分类损失监督，使编码器能准确关注到攻击区域，从而避免过拟合到无关的背景区域，因此能有效提升获取的活体检测网络的泛化性和检测效果。

图5示出了本公开实施例提供的活体检测方法的流程示意图。如图5中所示，本公开实施例提供的活体检测方法包括步骤S510。

在步骤S510中，获取待检测图像，将待检测图像输入预训练的活体检测模型，获取待检测图像的活体检测结果；

其中，预训练的活体检测模型基于本公开实施例提供的活体检测模型的训练方法获取。

举例来说，在步骤S510中，待检测图像可以是拍摄得到的，拍摄设备可以是手机等终端设备。

基于本公开实施例提供的活体检测模型的训练方法获取活体检测模型的具体过程如上所述，在此不再赘述。

在一些可能的实现方式中，待检测图像的活体检测结果可以是待检测图像是活体图像或待检测图像不是活体图像中的一个。

在一些可能的实现方式中，待检测图像为人脸图像；活体检测模型为基于本公开实施例提供的活体检测模型的训练方法获取的人脸活体检测模型，则待检测图像的活体检测结果可以是待检测图像中的人脸为活体，即真人拍摄或待检测图像中的人脸不是活体。

也就是说，本公开实施例提供的活体检测方法可以用于人脸活体检测，也可以用于人脸活体检测技术为基础的诸多应用，提升应用效果和用户体验。

在本公开实施例提供的活体检测方法中，由于使用的活体检测模型是使用本公开实施例提供的活体检测模型训练方法获取的，通过训练图像对应的语义分割图像对初始活体检测模型进行训练，语义分割图像的语义信息能够为初始活体检测模型提供足够丰富的学习信息，使得初始活体检测模型可以获取更多有效的信息，进而提升获取的活体检测模型的检测效果，也就提升了活体检测的效果。

在一些可能的实现方式中，活体检测模型包括编码器，获取待检测图像的活体检测结果可以是将待检测图像输入编码器获取待检测图像的检测图像特征；根据检测图像特征，获取检测图像的活体检测结果。

由于编码器是根据本公开实施例提供的活体检测训练方法获取，通过语义分割图像的监督，使得编码器可以具备区分不同区域的能力，以使编码器可以更多关注与活体检测相关的区域的图像特征，避免编码器过拟合到其他特征，进而提升编码器提取特征的能力，提升活体检测的检测准确率。

在一些可能的实现方式中，活体检测模型还包括分类器，则可以通过将检测图像特征输入分类器，获取检测图像的活体检测结果。

其中，分类器可以是基于卷积神经网络的二分类的分类器。由于分类器是编码器是一起训练得到的，减少了需要单独训练分类器造成的资源浪费，也可以保证分类器的分类性能。

同时，活体检测模型并不包括解码器，也就和其他方法获取的获取检测模型的推理过程是一致的，不需要额外的推理耗时。

下面以一个具体实施例对本公开实施例提供的活体检测模型的训练方法和活体检测方法进行具体介绍。

图6示出了本公开实施例提供的活体检测模型的训练方法的一个具体实施例的执行过程的示意图，如图6所示，利用开源语义分割网络SAM对训练图像进行语义分割，将训练图像的像素分为攻击像素、活体像素、背景像素，并分别根据攻击像素、活体像素、背景像素生成单通道图像，对三个单通道图像进行通道拼接构成一张三通道图像，即语义分割图像。

初始活体检测模型包括编码器、解码器和分类器。将训练图像输入编码器，编码器将训练图像转为低维特征，获取的低维特征输入解码器，解码器通过反卷积和上采样将低维特征恢复为训练图像尺寸的生成图。获取的低维特征输入二分类的分类器，得到训练图像的分类结果。

根据生成图与语义分割图像做像素级的回归，采用L1损失函数，生成回归损失；根据分类结果与训练标签，采用交叉熵损失函数，生成分类损失；通过回归损失和分类损失的反向传播来对编码器、解码器、分类器的参数进行修改，来获取训练完成的编码器、解码器、分类器。

将训练完成的编码器和分类器组成预训练的活体检测模型，在推理阶段，将待检测图像输入编码器，获取检测图像特征，将检测图像特征输入分类器，获取待检测图像的活体检测结果。

基于与图1中所示的方法相同的原理，图7示出了本公开实施例提供的一种活体检测模型的训练装置的结构示意图，如图7所示，该活体检测模型的训练装置70可以包括：

图像数据模块710，用于获取包括目标对象的训练图像；

标签数据模块720，用于获取训练图像对应的语义分割图像以及训练图像对应的训练标签，训练图像对应的训练标签用于指示训练图像是否为活体图像；

训练模块730，用于将训练图像输入初始活体检测模型，获取输出图像特征；根据输出图像特征、语义分割图像以及训练标签对初始活体检测模型进行训练，获取训练完成的活体检测模型。

在本公开实施例提供的活体检测模型的训练装置中，通过训练图像对应的语义分割图像对初始活体检测模型进行训练，语义分割图像的语义信息能够为初始活体检测模型提供足够丰富的学习信息，使得初始活体检测模型可以获取更多有效的信息，进而提升获取的活体检测模型的检测效果。

在一些可能的实现方式中，初始活体检测模型至少包括编码器、解码器；训练模块730包括：特征提取单元，用于将训练图像输入编码器，获取训练图像的输出图像特征；解码单元，用于将输出图像特征输入解码器，获取生成图；回归损失单元，用于根据生成图以及语义分割图像获取回归损失，根据回归损失进行反向传播，对初始活体检测模型进行训练。

在一些可能的实现方式中，初始活体检测模型还包括分类器；训练模块730包括：分类单元，用于将输出图像特征输入分类器，获取预测训练图像是否为活体图像的分类结果；分类损失单元，用于根据分类结果以及训练标签获取分类损失，根据分类损失进行反向传播，对初始活体检测模型进行训练。

在一些可能的实现方式中，语义分割图像包括攻击区域和非攻击区域；攻击区域为训练图像中影响活体检测的区域；非攻击区域为训练图像中除攻击区域外的其他区域。

在一些可能的实现方式中，非攻击区域包括背景区域和活体区域；活体区域为训练图像中包括活体的区域；背景区域为非攻击区域中除活体区域外的其他区域。

在一些可能的实现方式中，标签数据模块720包括：分割单元，用于将训练图像输入预先训练的语义分割网络，获取训练图像的攻击像素、背景像素、活体像素；图像生成单元，用于分别根据训练图像的攻击像素、训练图像的背景像素、训练图像的活体像素生成单通道图像；根据单通道图像生成语义分割图像。

在一些可能的实现方式中，目标对象为人脸图像；活体检测模型为人脸活体检测模型。

可以理解的是，本公开实施例中的活体检测模型的训练装置的上述各模块具有实现图1中所示的实施例中的活体检测模型的训练方法相应步骤的功能。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件，上述各模块可以单独实现，也可以多个模块集成实现。对于上述活体检测模型的训练装置的各模块的功能描述具体可以参见图1中所示实施例中的活体检测模型的训练方法的对应描述，在此不再赘述。

基于与图5中所示的方法相同的原理，图8示出了本公开实施例提供的一种活体检测装置的结构示意图，如图8所示，该活体检测装置80可以包括：

检测模块810，用于获取待检测图像，将待检测图像输入预训练的活体检测模型，获取待检测图像的活体检测结果；

其中，预训练的活体检测模型基于本公开实施例提供的活体检测模型的训练方法获取。

在本公开实施例提供的活体检测装置中，由于使用的活体检测模型是使用本公开实施例提供的活体检测模型训练方法获取的，通过训练图像对应的语义分割图像对初始活体检测模型进行训练，语义分割图像的语义信息能够为初始活体检测模型提供足够丰富的学习信息，使得初始活体检测模型可以获取更多有效的信息，进而提升获取的活体检测模型的检测效果，也就提升了活体检测的效果。

在一些可能的实现方式中，训练完成的活体检测模型至少包括编码器；检测模块810包括：编码器单元，用于将待检测图像输入编码器获取待检测图像的检测图像特征；分类器单元，用于根据检测图像特征，获取检测图像的活体检测结果。

在一些可能的实现方式中，训练完成的活体检测模型还包括分类器；分类器单元还用于：将检测图像特征输入分类器，获取检测图像的活体检测结果。

在一些可能的实现方式中，待检测图像为人脸图像；活体检测模型为人脸活体检测模型；检测模块，还用于确定待检测图像中的人脸是否为活体。

可以理解的是，本公开实施例中的活体检测装置的上述各模块具有实现图5中所示的实施例中的活体检测方法相应步骤的功能。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件，上述各模块可以单独实现，也可以多个模块集成实现。对于上述活体检测装置的各模块的功能描述具体可以参见图5中所示实施例中的活体检测方法的对应描述，在此不再赘述。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质、一种计算机程序产品和人脸识别的产品。

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，指令被至少一个处理器执行，以使至少一个处理器能够执行如本公开实施例提供的活体检测模型的训练方法和/或活体检测方法。

该电子设备与现有技术相比，通过训练图像对应的语义分割图像对初始活体检测模型进行训练，语义分割图像的语义信息能够为初始活体检测模型提供足够丰富的学习信息，使得初始活体检测模型可以获取更多有效的信息，进而提升获取的活体检测模型的检测效果。

该可读存储介质为存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如本公开实施例提供的活体检测模型的训练方法和/或活体检测方法。

该可读存储介质与现有技术相比，通过训练图像对应的语义分割图像对初始活体检测模型进行训练，语义分割图像的语义信息能够为初始活体检测模型提供足够丰富的学习信息，使得初始活体检测模型可以获取更多有效的信息，进而提升获取的活体检测模型的检测效果。

该计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本公开实施例提供的活体检测模型的训练方法和/或活体检测方法。

该计算机程序产品与现有技术相比，通过训练图像对应的语义分割图像对初始活体检测模型进行训练，语义分割图像的语义信息能够为初始活体检测模型提供足够丰富的学习信息，使得初始活体检测模型可以获取更多有效的信息，进而提升获取的活体检测模型的检测效果。

该人脸识别的产品，包括上述的电子设备。

该人脸识别的产品与现有技术相比，通过训练图像对应的语义分割图像对初始活体检测模型进行训练，语义分割图像的语义信息能够为初始活体检测模型提供足够丰富的学习信息，使得初始活体检测模型可以获取更多有效的信息，进而提升获取的活体检测模型的检测效果。

图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如活体检测模型的训练方法和活体检测方法。例如，在一些实施例中，活体检测模型的训练方法和活体检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的活体检测模型的训练方法和/或活体检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行活体检测模型的训练方法和活体检测方法。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (20)

1.一种活体检测模型的训练方法，包括：

获取包括目标对象的训练图像；

获取所述训练图像对应的语义分割图像以及所述训练图像对应的训练标签，所述训练图像对应的训练标签用于指示所述训练图像是否为活体图像；

将所述训练图像输入初始活体检测模型，获取输出图像特征；

根据所述输出图像特征、所述语义分割图像以及所述训练标签对所述初始活体检测模型进行训练，获取训练完成的活体检测模型。

2.根据权利要求1所述的方法，其中，所述初始活体检测模型至少包括编码器、解码器；

所述将所述训练图像输入初始活体检测模型，获取输出图像特征；根据所述输出图像特征、所述语义分割图像以及所述训练标签对所述初始活体检测模型进行训练，获取训练完成的活体检测模型，包括：

将所述训练图像输入所述编码器，获取所述训练图像的输出图像特征；

将所述输出图像特征输入所述解码器，获取生成图；

根据所述生成图以及所述语义分割图像获取回归损失，根据所述回归损失进行反向传播，对所述初始活体检测模型进行训练。

3.根据权利要求2所述的方法，其中，所述初始活体检测模型还包括分类器；

所述方法还包括：

将所述输出图像特征输入所述分类器，获取预测所述训练图像是否为活体图像的分类结果；

根据所述分类结果以及所述训练标签获取分类损失，根据所述分类损失进行反向传播，对所述初始活体检测模型进行训练。

4.根据权利要求2所述的方法，其中，所述语义分割图像包括攻击区域和非攻击区域；所述攻击区域为所述训练图像中影响活体检测的区域；所述非攻击区域为所述训练图像中除攻击区域外的其他区域。

5.根据权利要求4所述的方法，其中，所述非攻击区域包括背景区域和活体区域；所述活体区域为所述训练图像中包括活体的区域；所述背景区域为所述非攻击区域中除所述活体区域外的其他区域。

6.根据权利要求5所述的方法，其中，所述获取所述训练图像对应的语义分割图像，包括：

将所述训练图像输入预先训练的语义分割网络，获取所述训练图像的攻击像素、背景像素、活体像素；

分别根据所述训练图像的攻击像素、所述训练图像的背景像素、所述训练图像的活体像素生成单通道图像；

根据所述单通道图像生成所述语义分割图像。

7.根据权利要求1所述的方法，其中，所述目标对象为人脸；所述活体检测模型为人脸活体检测模型。

8.一种活体检测方法，其中，

获取待检测图像，将所述待检测图像输入预训练的活体检测模型，获取所述待检测图像的活体检测结果；

其中，所述预训练的活体检测模型基于权利要求1-7任一项所述的活体检测模型的训练方法获取。

9.根据权利要求8所述的方法，其中，所述预训练的活体检测模型至少包括编码器；

所述将所述待检测图像输入预训练的活体检测模型，获取所述待检测图像的活体检测结果，包括：

将所述待检测图像输入所述编码器获取所述待检测图像的检测图像特征；

根据所述检测图像特征，获取所述检测图像的活体检测结果。

10.根据权利要求9所述的方法，其中，所述预训练的活体检测模型还包括分类器；

所述根据所述检测图像特征，获取所述检测图像的活体检测结果，包括：

将所述检测图像特征输入所述分类器，获取所述检测图像的活体检测结果。

11.根据权利要求8所述的方法，其中，所述待检测图像为人脸图像；所述预训练的活体检测模型为人脸活体检测模型；

所述获取所述待检测图像的活体检测结果包括：

确定所述待检测图像中的人脸是否为活体。

12.一种活体检测模型的训练装置，包括：

图像数据模块，用于获取包括目标对象的训练图像；

标签数据模块，用于获取所述训练图像对应的语义分割图像以及所述训练图像对应的训练标签，所述训练图像对应的训练标签用于指示所述训练图像是否为活体图像；

训练模块，用于将所述训练图像输入初始活体检测模型，获取输出图像特征；根据所述输出图像特征、所述语义分割图像以及所述训练标签对所述初始活体检测模型进行训练，获取训练完成的活体检测模型。

13.根据权利要求12所述的装置，其中，所述初始活体检测模型至少包括编码器、解码器；

所述训练模块包括：

特征提取单元，用于将所述训练图像输入所述编码器，获取所述训练图像的输出图像特征；

解码单元，用于将所述输出图像特征输入所述解码器，获取生成图；

回归损失单元，用于根据所述生成图以及所述语义分割图像获取回归损失，根据所述回归损失进行反向传播，对所述初始活体检测模型进行训练。

14.根据权利要求13所述的装置，其中，所述初始活体检测模型还包括分类器；

所述训练模块还包括：

分类单元，用于将所述输出图像特征输入所述分类器，获取预测所述训练图像是否为活体图像的分类结果；

分类损失单元，用于根据所述分类结果以及所述训练标签获取分类损失，根据所述分类损失进行反向传播，对所述初始活体检测模型进行训练。

15.根据权利要求12所述的装置，其中，所述语义分割图像包括攻击区域和非攻击区域；所述攻击区域为所述训练图像中影响活体检测的区域；所述非攻击区域为所述训练图像中除攻击区域外的其他区域。

16.一种活体检测装置，其中，

检测模块，用于获取待检测图像，将所述待检测图像输入预训练的活体检测模型，获取所述待检测图像的活体检测结果；

其中，所述预训练的活体检测模型基于权利要求1-7任一项所述的活体检测模型的训练方法获取。

17.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法和/或权利要求8-11中任一项所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法和/或权利要求8-11中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法和/或权利要求8-11中任一项所述的方法。

20.一种人脸识别的产品，包括：权利要求17所述的电子设备。