CN114998963A - 图像检测方法和用于训练图像检测模型的方法 - Google Patents

Abstract

本公开提供了一种图像检测方法和用于训练图像检测模型的方法，涉及人工智能技术领域，具体为深度学习、图像检测、计算机视觉技术领域，可应用于人脸等场景。实现方案为：获取第一图像，第一图像包括多个图像块；获取第一图像的第一图像特征和与第一图像对应的第二图像的第二图像特征中的至少一项特征；以及基于至少一项特征，获取检测结果，检测结果指示第一图像的第一类别；其中，第二图像包括多个图像块，并且多个图像块在第一图像中的位置与在第二图像中的位置不同，第一图像特征与第二图像特征之间的相似度高于预定相似度。

Description

图像检测方法和用于训练图像检测模型的方法

技术领域

本公开涉及人工智能技术领域，具体为深度学习、图像检测、计算机视 觉技术领域，可应用于人脸等场景，具体涉及一种图像检测方法和用于训练 图像检测模型的方法、装置、电子设备、计算机可读存储介质和计算机程序 产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、 推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。 人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式 存储、大数据处理等技术：人工智能软件技术主要包括计算机视觉技术、语 音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、 知识图谱技术等几大方向。

基于人工智能的图像检测技术，已经渗透到各个领域。其中，基于人工 智能的人脸活体检测技术，根据用户输入的图像数据，判断该图像数据是否 来自于人脸活体。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另 有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被 认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认 为在任何现有技术中已被公认。

发明内容

本公开提供了一种图像检测方法、用于训练图像检测模型的方法、装置、 电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种图像检测方法，包括：获取第一图像， 所述第一图像包括多个图像块；获取所述第一图像的第一图像特征和与所述 第一图像对应的第二图像的第二图像特征中的至少一项特征；以及基于所述 至少一项特征，获取检测结果，所述检测结果指示所述第一图像的第一类别； 其中，所述第二图像包括所述多个图像块，并且所述多个图像块在所述第一 图像中的位置与在所述第二图像中的位置不同，所述第一图像特征与所述第 二图像特征之间的相似度高于预定相似度。

根据本公开的另一方面，提供了一种用于训练图像检测模型的方法，包 括：获取第一训练图像，所述训练图像具有标注标签并且包括多个训练图像 块，所述标注标签指示所述第一训练图像对应第四类别；基于所述多个训练 图像块，获取第二训练图像，所述多个训练图像块在所述第一训练图像中的 位置不同于所述多个训练图像块在所述第二训练图像中的位置；基于训练图 像对和所述标注标签，训练图像检测模型；其中，所述训练图像对包括：所 述第一训练图像和所述第二训练图像。

根据本公开的另一方面，提供了一种图像检测装置，包括：图像获取单 元，被配置用于获取第一图像，所述第一图像包括多个图像块；特征获取单 元，被配置用于获取所述第一图像的图像特征和与所述第一图像对应的第二 图像的图像特征中的至少一项特征；以及检测结果获取单元，被配置用于基 于所所述至少一项特征，获取检测结果，所述检测结果指示所述第一图像的 第一类别，其中，所述第二图像包括所述多个图像块，并且所述多个图像块 在所述第一图像中的位置与在所述第二图像中的位置不同，所述第一图像特征与所述第二图像特征之间的相似度高于预定相似度。。

根据本公开的另一方面，提供了一种用于训练图像检测模型的装置，包 括：训练图像获取单元，被配置用于获取第一获得训练图像，所述训练图像 具有标注标签并且包括多个训练图像块，所述标注标签指示所述第一训练图 像在多个分类中的对应分类对应第四类别；更新训练图像获取单元，被配置 用于基于所述多个训练图像块，获得更新获取第二训练图像，所述多个训练 图像块在所述第一训练图像中的多个位置不同于所述多个训练图像块在所 述更新第二训练图像中的多个位置；确定单元，被配置用于将所述训练图像和所述更新训练图像确定为训练图像对；以及训练单元，被配置用于基于所 述训练图像对和所述标注标签，训练图像检测模型；其中，所述训练图像对 包括：所述第一训练图像和所述第二训练图像。

根据本公开的另一方面，提供了一种电子设备，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实现根据上述的方法。

根据本公开的另一方面，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，所述计算机指令用于使所述计算机实现根据上述的方 法。

根据本公开的另一方面，提供了一种计算机程序产品包括计算机程序， 其中，所述计算机程序在被处理器执行时实现根据上述的方法。

根据本公开的一个或多个实施例，通过获得第一图像的第一图像特征和 与该第一图像相应的第二图像的第二图像特征中的至少一项特征，并基于所 获得的至少一项获得检测结果，由于该第一图像特征与第二图像特征的相似 度不小于预定相似度，而该第一图像与该第二图像分别包括多个图像块，并 且该多个图像块在第一图像中的位置和在该第二图像中的位置不同，使得所 获得的至少一个特征是与多个图像块的位置无关的特征，避免因为过度关注 与图像块的位置相关的特征，而影响检测结果的准确性。

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

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字 描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的 目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似 但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法 的示例性系统的示意图；

图2示出了根据本公开的实施例的图像检测方法的流程图；

图3示出了根据本公开的实施例的图像检测方法中获取第一图像的第一 图像特征和与第一图像对应的第二图像的第二图像特征中的至少一项特征 的过程的流程图；

图4示出了根据本公开的实施例的图像检测方法中基于所述至少一项特 征获得检测结果的过程的流程图；

图5示出了根据本公开的实施例的图像检测方法中基于所述至少一项特 征获得检测结果的过程的流程图；

图6示出了根据本公开的实施例的用于训练图像检测模型的方法的流程 图；

图7示出了根据本公开的实施例的用于训练图像检测模型的方法中获得 第一训练图像的过程的流程图；

图8示出了根据本公开的实施例的用于训练图像检测模型的方法中获得 第一训练图像的过程的流程图；

图9示出了根据本公开的实施例的用于训练图像检测模型的方法中基于 训练图像对和标注标签训练图像检测模型的过程的流程图；

图10示出了根据本公开的实施例的图像检测装置的结构框图；

图11示出了根据本公开的实施例的用于训练图像检测模型的装置的结 构框图；以及

图12示出了能够用于实现本公开的实施例的示例性电子设备的结构框 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。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。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描 述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种 术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第 二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述， 它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定 示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特 意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所 使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方 式。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其 中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个 客户端设备101、102、103、104、105和106、服务器120以及将一个或多 个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、 102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行图像检测方法 的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环 境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的 服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、 102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功 能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件 组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或 106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交 互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的， 其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系 统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来接收检 测结果。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交 互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘 了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何 数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计 算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计 算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服 务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设 备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统， 例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类 Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统， 例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便 携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA) 等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏 系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备 能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信 应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且 可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多 种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数 据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以 太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络 (VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网 络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如 PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、 大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以 包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架 构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个 或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的 功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业 上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各 种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服 务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析 和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈 送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户 端设备101、102、103、104、105和106的一个或多个显示设备来显示数据 馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结 合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技 术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项 主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数 据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用 于存储诸如音频文件和对象文件的信息。数据存储库130可以驻留在各种位 置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可 以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数 据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数 据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以 响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来 存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例 如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公 开所描述的各种方法和装置。

参看图2，根据本公开的一些实施例的一种图像检测方法200包括：

步骤S210：获取第一图像，所述第一图像包括多个图像块；

步骤S220：获取所述第一图像的第一图像特征和与所述第一图像对应 的第二图像的第二图像特征中的至少一项特征；

步骤S230：基于所述至少一项特征，获取检测结果，所述检测结果指示 所述第一图像的第一类别。

其中，所述第二图像包括所述多个图像块，并且所述多个图像块在所述 第一图像中的位置与在所述第二图像中的位置不同，所述第一图像特征与所 述第二图像特征之间的相似度高于预定相似度。

根据本公开的一个或多个实施例，通过获得第一图像的第一图像特征和 与该第一图像相应的第二图像的第二图像特征中的至少一项特征，并基于所 获得的至少一项特征获得检测结果，由于该第一图像特征与二图像特征的相 似度不小于预定相似度，而该第一图像与该第二图像分别包括多个图像块， 并且该多个图像块在第一图像中的位置和在该第二图像中的位置不同，使得 所获得的至少一项特征是与多个图像块的位置无关的特征，避免因为过度关 注与图像块的位置相关的特征，而影响检测结果的准确性。

在相关技术中，通过对图像中的各种特征均进行提取，基于所提取的各 种特征，综合判断，以获得图像的检测结果。由于所提取的特征中包括一些 非必要的特征，可能使得判断过程受到干扰，使得所获得的检测结果准确性 不高。

例如，在人脸活体检测过程中，通过对包含人脸的图像进行特征提取， 以判断该图像是否来自与人脸活体。然而，在包含人脸的图像中，除了包含 判断其是否来自于人脸活体的特征，还包括判断其是否为人脸的特征(即， 人脸结构特征)、是哪一人脸的特征(即，人脸身份特征)等；基于这些人 脸结构特征和人脸身份特征，判断其是否来自于人脸活体，往往使得判断结 果不准确。

在一些情况中，通过对人进行拍照后所获得的图像进行特征提取，基于 所提取的特征与预先记录的人脸身份信息进行比对，以判断该人是否通过验 证。在这项判断过程中，人脸身份特征往往对检测结果造成重大的干扰，如 果在所提取的特征中对人脸身份特征的关注占据较大比例，往往使得检测结 果不准确。例如，使用该人的照片作为对人进行拍照后获得的图像，进行验 证，由于人的照片也包含人脸身份信息，使得仅仅通过对该人的照片进行拍 照就能通过验证，从而使得验证结果不准确。

在根据本公开的实施例中，通过获得第一图像或者第一图像对应的第二 图像的与所包括的多个图像块的位置无关的特征，降低模型对非必要特征的 关注(例如，人脸身份特征和人脸结构特征等)，从而提升所获得的检测结 果的准确性。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加 工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序 良俗。

在一些实施例中，所述第一图像包括包含人脸的图像，所述第一类别包 括：人脸活体类、屏幕攻击类、头模攻击类或者纸质攻击。

需要说明的是，第一图像为包含人脸的图像，第一类别包括人脸活体类、 屏幕攻击类、头模攻击类或者纸质攻击类仅仅是示例性的，本领域技术人员 应当理解，根据本公开的图像检测方法可以应用于在任意图像对应于任意类 别的分类过程中。

在一些实施例中，步骤S210、获得第一图像包括：响应于接收到图像， 对所接收的图像进行人脸检测；响应于在该所接收的图像中检测到人脸，将 该所接收的图像确定为第一图像。

在一些实施例中，该所接收的图像可以是由摄像装置拍摄获得的图像， 也可以是从存储器中读取的或者由其他数据传送装置传送的图像。

在一些实施例中，步骤S220、获取所述第一图像的第一图像特征和与所 述第一图像对应的第二图像的图像特征中的至少一项特征包括：基于所述第 一图像，获得所述第一图像特征，并且将所述第一图像特征作为所述至少一 项特征。

在一些实施例中，如图3所示，步骤S220、获取所述第一图像的第一图 像特征和与所述第一图像对应的第二图像的图像特征中的至少一项特征包 括：

步骤S310：对所述第一图像进行划分，得到所述多个图像块；

步骤S320：将所述多个图像块进行重新组合，得到所述第二图像；以及

步骤S330：基于所述第一图像和所述第二图像中的至少一个，获取所述 至少一项特征。

通过对第一图像进行划分，获得多个图像块后，对多个图像块进行重新 组合获得第二图像，使得获得第二图像的方法简单，数据处理量少。

例如，通过将第一图像划分成8个图像块，通过对8个图像块进行随机 组合，获得第二图像。

在一些实施例中，步骤S330、基于所述第一图像和所述第二图像中的至 少一个，对应获取所述至少一项特征包括：基于第二图像，获取第二图像特 征，将第二图像特征作为所述至少一项特征。

在一些实施例中，步骤S330、基于所述第一图像和所述第二图像中的至 少一个，对应获取所述至少一项特征包括：基于第一图像，获取第一图像特 征，并且基于第二图像，获取第二图象特征；将所述第一图像特征和所述第 二图像特征共同作为所述至少一项特征。在一些实施例中，所述基于所述第 一图像和所述第二图像中的至少一个，对应获取所述至少一个一项特征包括：

将所述第一图像和所述第二图像中的至少一个输入至特征提取网络，以 对应得到所述至少一个特征；其中，

所述特征提取网络采用训练图像和与所述训练图像对应的更新训练图 像训练而来，所述训练图像和所述更新训练图像对应于相同的标注标签并且 分别包括多个训练图像块，所述标注标签指示所述训练图像和所述更新训练 图像的对应类别，所述多个训练图像块在所述训练图像中的多个位置不同于 所述多个训练图像块在所述更新训练图像中的多个位置。

由于训练图像和更新训练图像对应于相同的标注标签并且分别包括多 个训练图像块，而该多个训练图像块在训练图像中的多个位置不同于在更新 训练图像中的多个位置，使得在基于训练图像和更新训练图像在训练特征提 取网络的过程中，能够采用训练图像对特征提取网络提取更新训练图像的图 像特征的过程进行监督，或者采用更新训练图像对特征提取网络提取训练图 像的图像特征的过程进行监督，进而使经训练的特征提取网络针对训练图像 和更新训练图像所提取的图像特征能够最大程度的相似，即与多个训练图像 块在训练图像或更新训练图像中的位置无关，在所提取的图像特征中降低对 非必要的特征(例如，人脸身份特征、人脸结构特征)的关注度，进而提升 基于所提取的特征获得的检测结果的准确度。

可以理解，由于经训练的特征提取网络针对训练图像和更新训练图像所 提取的图像特征能够最大程度的相似，基于经训练的特征提取网络针对训练 图像所提取的图像特征获得的检测结果和基于经训练的特征提取网络针对 更新训练图像所提取的图像特征获得的检测结果将趋于相同。

在一些实施例中，特征提取网络可以包括Resnet-18、MobileNet V2、 VGG11、VGG15中的卷积网络等，在此并不限定。

在一些实施例中，所述至少一项特征为第一图像的第一图像特征，在步 骤S230中基于第一图像特征获得检测结果。

在一些实施例中，所述至少一项特征为第二图像的第二图像特征，在步 骤S230中基于第二图像特征获得检测结果。

在一些实施例中，所述至少一项特征包括所述第一图像特征和所述第二 图像特征，并且其中，如图4所示，步骤S230、基于所述至少一项特征，获 得检测结果包括：

步骤S410：将所述第一图像特征和所述第二图像特征进行融合，得到融 合特征；以及

步骤S420：基于所述融合特征，获得所述检测结果。

通过将第一图像的第一图像特征和第二图像的第二图像特征进行融合， 基于所获得的融合特征获得检测结果，减少数据处理量。

在一些实施例中，将第一图像的第一图像特征和第二图像的第二图像特 征在通道方向上融合，获得融合特征。

在一些实施例中，所述至少一项特征包括：所述第一图像特征和所述第 二图像特征，并且其中，如图5所示，步骤S230、所述基于所述至少一项特 征，获所述得检测结果包括：

步骤S510：基于所述第一图像特征，获得第一结果，所述第一结果指示 所述第一图像对应第二类别；

步骤S520：基于所述第二图像特征，获得第二结果，所述第二结果指示 所述第一图像对应第三类别；以及

步骤S530：基于所述第一结果和所述第二结果，获取所述检测结果。

通过分别基于第一图像特征和第二图像特征获得第一结果和第二结果 后，获得检测结果，提升结果准确性。

在一些实施例中，通过将第一图像特征和第二图像特征分别输入至分类 网络，以获得与第一图像对应的第一结果和与第二图像对应的第二结果。

在一些实施例中，通过对第一结果和第二结果进行加权，以获得检测结 果。

根据本公开的另一方面，还提供了一种用于训练图像检测模型的方法。 如图6所示，方法600包括：

步骤S610：获取第一训练图像，所述训练图像具有标注标签并且包括多 个训练图像块，所述标注标签指示所述第一训练图像对应第四类别；

步骤S620：基于所述多个训练图像块，获取第二训练图像，所述多个训 练图像块在所述第一训练图像中的位置不同于所述多个训练图像块在所述 第二训练图像中的位置；以及

步骤S630：基于训练图像对和所述标注标签，训练图像检测模型，其中， 所述训练图像对包括：所述第一训练图像和所述第二训练图像。

由于第一训练图像和第二训练图像对应于相同的标注标签并且分别包 括多个训练图像块，而该多个训练图像块在第一训练图像中的多个位置不同 于在第二训练图像中的多个位置，使得在基于第一训练图像和第二训练图像 在训练特征提取网络的过程中，能够采用训练图像对特征提取网络提取更新 训练图像的图像特征的过程进行监督，或者采用第一训练图像对特征提取网 络提取训练图像的图像特征的过程进行监督，进而使经训练的特征提取网络 针对第一训练图像和第一训练图像所提取的图像特征能够最大程度的相似， 即与多个训练图像块在第一训练图像或第一训练图像中的位置无关，在所提 取的图像特征中降低对非必要的特征(例如，人脸身份特征、人脸结构特征) 的关注度，进而提升基于所提取的特征获得的检测结果的准确度。

在相关技术中，采用所获得的训练图像直接对图像检测模型进行训练， 由于训练图像中不仅仅包括用于用于获得检测结果的必要特征，还包括由于 所提取的特征中包括一些非必要的特征，可能使得判断过程受到干扰，使得 所获得的检测结果准确性不高。而在训练过程中，采用的监督信息有限，不 能细分至各个特征(例如，二分类监督)，使得训练后的模型同时基于必要 特征和非必要特征获得检测结果，使得检测结果的准确性不高。同时，图像 检测模型的泛化能力较差。

例如，在训练人脸验证模型的过程中，采用训练图像对模型进行训练， 通过提取训练图像中的图像特征，并将图像特征和与预先存储的人脸身份特 征进行对比，以判断该活体人脸是否通过验证。由于模型训练过程中，采用 二分类监督训练，使得模型提取的特征包括用于获得检测结果的必要特征， 也包括非必要特征，例如人脸身份特征。并且使得训练后的模型强烈依赖于 非必要特征进行判断。如果将用人的照片作为输入图像，输入模型以进行验 证，由于人的照片也包含人脸身份特征，使得人的照片就能通过验证，从而 使得验证结果不准确。

在根据本公开的实施例中，通过在训练过程中，使模型中的特征提取网 络针对第一训练图像所提取的图像特征和针对第二训练图像所提取的图像 特征趋于相似，使经训练的模型所提取的图像特征是与训练图像块的位置无 关的特征，即区别于人脸身份特征或人脸结果信息的特征，降低模型对非必 要特征的关注，从而提升所获得的检测结果的准确性。

在一些实施例中，图像检测模型用于人脸活体检测，所述第一训练图像 包括：包含人脸的图像，所述第四类别包括人脸活体类、屏幕攻击类、头模 攻击类或者纸质攻击类。

在一些实施例中，图像检测模型包括特征提取网络和分类网络，特征提 取网络可以是Resnet-18、MobileNet V2、VGG11、VGG15等，在此并不限 定；分类网络例如可以是全连接层，池化层等。

在一些实施例中，如图7所示，步骤S610、获得训练图像包括：

步骤S710：获得包含第一对象的第三图像和包含第二对象的第四图像， 并且所述第三图像和所述第四图像对应第五类别；

步骤S720：获得所述第三图像中与所述第一对象相应的第一图像区域， 和所述第四图像中与所述第二对象相应的第二图像区域；

步骤S730：将所述第三图像中的所述第一图像区域替换为所述第二图 像区域，以获得第五图像，并且将所述第四图像中的所述第二图像区域替换 为所述第一图像区域，以获得第六图像；

步骤S740：将所述第三图像、所述第四图像、所述第五图像和所述第六 图像分别确定为所述第一训练图像，其中，所述第一训练图像的标注标签指 示所述第一训练图像对应所述第五类别。

通过获得同一类别下的不同的两个图像，并将两个图像中的对象区域 (例如，人脸区域)互换，以获得两个更新的图像，并且将该两个图像和两 个更新的图像均作为训练图像，一方面可以增加训练图像的数量，另一方面 进一步降低经训练后的模型对对象区域中的特征的关注。

例如，第一对象和第二对象为不同的人脸。在获得第一图像中与第一对 象相应的第一图像区域的过程中，通过对第一图像进行人脸关键点检测，获 得72个人脸关键点，从而获得第一图像区域。同样，在获得第二图像中的 与第二对象相应的第二图像区域的过程中，通过对第二图像进行人脸关键点 检测，获得72个人脸关键点，从而获得第二图像区域。通过将第一图像区 域和第二图像区域互换，获得更新第一图像和更新第二图像。

由于第五图像中的人脸身份特征与第一图像中的人脸身份特征不同，但 两者均对应于相同的类别(第五类别)，使得模型训练过程中通过第一图像 和第五图像进行训练后，相较于其他区域，对第一图像区域(位于第一图像 中)和第二图像区域(位于第五图像中)的特征更不关注，进一步减少对非 必要特征(人脸身份信息)的关注。

在一些实施例中，第五类别为屏幕攻击类、头模攻击类或者纸质攻击类 中的任一类。

在一些实施例中，如图8所示，步骤S610、获得训练图像包括：

步骤S810：获得包含第三对象的第七图像和包含第四对象的第八图像， 并且所述第七图像和所述第八图像对应第六类别；

步骤S820：基于所述第七图像和所述第八图像生成第九图像，所述第九 图像包括第五对象，所述第五对象与与所述第四对象的相似度不小于预设值；

步骤S830：将所述第七图像、所述第八图像、所述第九图像分别确定为 所述第一训练图像，其中，所述第一训练图像的标注标签指示所述第一训练 图像对应所述第六类别。

通过获得同一类别下的不同的两个图像，并基于两个图像生成第九图像， 并将该两个图像和第九图像分别确定为训练图像，可以增加训练图像的数量。 同时，由于第九图像中的第五对象与第四图像中的第四对象的相似度不小于 预设值，即第九图像是基于第三图像中用于在多个类别中区分其所对应的第 六类别的分类特征和第四图像中用于识别第四对象的对象识别特征(例如， 人脸身份特征)生成的，即在生成第五图像的过程中，将第七图像和第八图 像中的分类特征和对象识别特征进行解耦后，基于第七图像的分类特征和第 八图像的对象识别特征生成的。后续基于第九图像训练图像检测模型之后， 进一步降低经训练后的模型对非必要特征(即，对象识别特征，例如，人脸 身份特征)的关注。

在一些实施例中，第六类别为屏幕攻击类、头模攻击类或者纸质攻击类 中的任一类。

在一些实施例中，在步骤S820中，采用图像生成模型基于第七图像和 第八图像，生成第九图像。其中，生成模型包括编码器和解码器，编码器将 第七图像和第八图像分别编码为分类特征和对象识别特征，解码器基于第七 图像的分类特征和第八图像的对象识别特征生成第九图像。

在一些实施例中，在步骤S610中，通过对训练图像进行划分以获得多 个训练图像块。在步骤S620中，通过对多个训练图像块进行随机重新组合， 以获得更新训练图像。

在一些实施例中，如图9所示，步骤S640、基于所述训练图像对和所述 标注标签，训练图像检测模型包括：

步骤S910：将所述第一训练图像和所述第二训练图像分别输入至所述 特征提取网络，以获得与所述第一训练图像对应的第一训练图像特征和与所 述第二训练图像对应的第二训练图像特征；

步骤S920：将所述第一训练图像特征和所述第二训练图像特征中的至 少一项输入至所述分类网络，以获得至少一个预测结果；

步骤S930：基于所述至少一个预测结果和所述标注标签，获得至少一个 损失；以及

步骤S940：基于所述至少一个损失，获得所述训练图像对对应的总损失； 以及

步骤S950：基于所述总损失，调整所述图像检测模型的参数。

通过获得训练图像对对应的总损失，调整图像检测模型的参数，使得训 练过程中，一方面基于第一训练图像进行图像检测模型的训练，另一方面基 于第二训练图像进行检测模型的训练，使得第一训练图像和第二训练图像在 训练过程中起到互监督的效果，使基于训练后的图像检测模型获得的检测结 果准确。

在一些实施例中，所述至少一个预测结果包括与所述第一训练图像对应 的第一结果和与所述第二训练图像对应的第二结果，所述至少一个损失包括 与所述第一训练图像对应的第一损失和与所述第二训练图像对应的第二损 失；所述总损失为所述第一损失和所述第二损失之和。

通过分别获得第一训练图像的预测结果和第二训练图像的预测结果获 得总损失，实现第一训练图像和第二训练图像在预测结果上的互监督，使经 训练的模型针对第一训练图形和第二训练图像所获得的检测结果趋于一致， 使在获得检测结果的过程中减少对非必要特征的关注。

在一些实施例中，第一损失和第二损失均为二分类交叉熵损失。

在一些实施例中，所述基于所述至少一个损失，获得所述训练图像对对 应的总损失包括：

将所述第一训练图像特征和所述第二训练图像特征中的一个作为标签 特征，另一个作为预测特征，以计算所述标签特征和预测特征之间的特征损 失；以及

基于所述至少一个损失和所述特征损失，获得所述总损失。

通过计算特征损失，获得总损失，实现第一训练图像和第二训练图像在 所提取的特征上的互监督，使经训练的特征提取网络针对第一训练图像和第 二训练图像所提取的特征趋近于相似，使在提取特征的过程中减少对非必要 特征的关注。

在一些实施例中，通过计算标签特征和预测特征之间的L1损失，以获 得特征损失。

根据本公开的另一方面，还提供了一种图像检测装置，如图10所示， 装置1000包括：

图像获取单元1010，被配置用于获取第一图像，所述第一图像包括多个 图像块；特征获取单元1020，被配置用于获取所述第一图像的图像特征和与 所述第一图像对应的第二图像的图像特征中的至少一项特征；以及检测结果 获取单元1030，被配置用于基于所所述至少一项特征，获取检测结果，所述 检测结果指示所述第一图像的第一类别，其中，所述第二图像包括所述多个 图像块，并且所述多个图像块在所述第一图像中的位置与在所述第二图像中 的位置不同，所述第一图像特征与所述第二图像特征之间的相似度高于预定 相似度。

在一些实施例中，所述特征获取单元1020包括：图像划分单元单元， 被配置用于对所述第一图像进行划分，得到所述多个图像块；更新图像获取 单元，被配置用于将所述多个图像块进行重新组合，得到所述第二图像；以 及特征获取子单元，被配置用于基于所述第一图像和所述第二图像中的至少 一个，对应获取所述至少一个特征。

在一些实施例中，所述特征获取子单元包括：图像输入单元，被配置用 于将所述第一图像和所述第二图像中的至少一个输入至特征提取网络，以对 应得到所述至少一个特征；其中，所述特征提取网络采用训练图像和与所述 训练图像对应的更新训练图像训练而来，所述训练图像和所述更新训练图像 对应于相同的标注标签并且分别包括多个训练图像块，所述标注标签指示所 述训练图像和所述更新训练图像的对应类别，所述多个训练图像块在所述训 练图像中的多个位置不同于所述多个训练图像块在所述更新训练图像中的 多个位置。

在一些实施例中，所述至少一项特征包括：所述第一图像特征和所述第 二图像特征，所述检测结果获取单元包括：特征融合单元，被配置用于将所 述第一图像特征和所述第二图像特征进行融合，得到融合特征；第一检测结 果获取子单元，被配置用于基于所述融合特征，获得所述检测结果。

在一些实施例中，所述至少一项特征包括：所述第一图像特征和所述第 二图像特征，所述检测结果获取单元包括：第一结果获取单元，被配置用于 基于所述第一图像特征，获得第一结果，所述第一结果指示所述第一图像对 应第二类别；第二结果获取单元，被配置用于基于所述第二图像特征，获得 第二结果，所述第二结果指示所述第一图像对应第三；以及第二检测结果获 取子单元，被配置用于基于所述第一结果和所述第二结果，获取所述检测结 果。

在一些实施例中，所述第一图像包括：包含人脸的图像，所述第一类别 包括：人脸活体类、屏幕攻击类、头模攻击分类或者纸质攻击类。

根据本公开的另一方面，还提供了一种用于训练图像检测模型的装置， 如图11所示，装置1100包括：训练图像获取单元1110，被配置用于获取第 一训练图像，所述训练图像具有标注标签并且包括多个训练图像块，所述标 注标签指示所述第一训练图像对应第四类别；更新训练图像获取单元1120， 被配置用于基于所述多个训练图像块，获取第二训练图像，所述多个训练图 像块在所述第一训练图像中的位置不同于所述多个训练图像块在所述第二 训练图像中的位置；以及训练单元1130，训练单元，被配置用于基于训练图 像对和所述标注标签，训练图像检测模型；其中，所述训练图像对包括：所 述第一训练图像和所述第二训练图像。

在一些实施例中，所述图像检测模型包括特征提取网络和分类网络，所 述训练单元1130包括：特征获取单元，被配置用于将所述第一训练图像和 所述第二训练图像分别输入至所述特征提取网络，以获得与所述第一训练图 像对应的第一训练图像特征和与所述第二训练图像对应的第二训练图像特 征；预测结果获取单元，被配用于将所述第一图像特征和所述第二训练图像 特征中的至少一项输入至所述分类网络，以获得至少一个预测结果；损失计 算单元，被配置用于基于所述至少一个预测结果和所述标注标签，获得至少 一个损失；以及总损失获取单元，被配置用于基于所述至少一个损失，获得 所述训练图像对对应的总损失；以及参数调整单元，被配置用于基于所述总 损失，调整所述图像检测模型的参数。

在一些实施例中，所述至少一个预测结果包括与所述第一训练图像对应 的第一结果和与所述第二训练图像对应的第二结果，所述至少一个损失包括 与所述第一训练图像对应的第一损失和与所述第二训练图像对应的第二损 失；所述总损失为所述第一损失和所述第二损失之和。

在一些实施例中，所述第一获取子单元包括：特征损失计算单元，被配 置用于将所述第一训练图像特征和所述第二训练图像特征中的一个作为标 签特征，另一个作为预测特征，以计算所述标签特征和预测特征之间的特征 损失；以及第二获取子单元，被配置用于基于所述至少一个损失和所述特征 损失，获得所述总损失。

在一些实施例中，所述训练图像获取单元1110包括：第一图像获取子 单元，被配置用于获得包含第一对象的第三图像和包含第二对象的第四图像， 并且所述第三图像和所述第四图像对应第五类别；图像区域确定单元，被配 置用于获得所述第三图像中与第一对象相应的第一图像区域，和所述第四图 像中与第二对象相应的第二图像区域；图像区域替换单元，被配置用于将所 述第三图像中的所述第一图像区域替换为所述第二图像区域，以获得第五图 像，并且将所述第四图像中的所述第二图像区域替换为所述第一图像区域，以获得第六图像；第一图像确定单元，被配置用于将所述第三图像、所述第 四图像、所述第五图像和所述第六图像分别确定为所述第一训练图像，其中， 所述第一训练图像的标注标签指示所述训练图像对应所述第五类别。

在一些实施例中，所述训练图像获取单元1110包括：第二图像获取子 单元，被配置用于获得包含第三对象的第七图像和包含第四对象的第八图像， 并且所述第七图像和所述第八图像对应第六类别；图像生成单元，被配置用 于基于所述第七图像和所述第八图像生成第九图像，所述第九图像包括第五 对象，所述第五对象与与所述第四对象的相似度不小于预设值；第二图像确 定单元，被配置用于将所述第七图像、所述第八图像、所述第九图像分别确 定为所述第一训练图像，其中，所述第一训练图像的标注标签指示所述第一训练图像对应第六类别。

在一些实施例中，所述第一训练图像包括包含人脸的图像，所述第四类 别包括人脸活体类、屏幕攻击类、头模攻击类或者纸质攻击类。

根据本公开的另一方面，还提供了一种电子设备，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根据本公开所述的方法。

根据本公开的另一方面，还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，所述计算机指令用于使所述计算机执行根据本公开 所述的方法。

根据本公开的另一方面，还提供了一种计算机程序产品，包括计算机程 序，其中，所述计算机程序在被处理器执行时实现根据本公开所述的方法。

参考图12，现将描述可以作为本公开的服务器或客户端的电子设备1200 的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备 旨在表示各种形式的数字电子的计算机设备，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12所示，电子设备1200包括计算单元1201，其可以根据存储在只 读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访 问存储器(RAM)1203中的计算机程序，来执行各种适当的动作和处理。在 RAM 1203中，还可存储电子设备1200操作所需的各种程序和数据。计算单 元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出 (I/O)接口1205也连接至总线1204。

电子设备1200中的多个部件连接至I/O接口1205，包括：输入单元1206、 输出单元1207、存储单元1208以及通信单元1209。输入单元1206可以是 能向电子设备1200输入信息的任何类型的设备，输入单元1206可以接收输 入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的 键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、 操作杆、麦克风和/或遥控器。输出单元1207可以是能呈现信息的任何类型 的设备，并且可以包括但不限于显示器、扬声器、对象/音频输出终端、振动 器和/或打印机。存储单元1208可以包括但不限于磁盘、光盘。通信单元1209 允许电子设备1200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，并且可以包括但不限于调制解调器、网卡、红外通信设 备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设 备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元1201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1201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1201执行上文所描述的各个方法和处理， 例如方法200。例如，在一些实施例中，方法200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1208。在一些实施例中， 计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载 入和/或安装到电子设备1200上。当计算机程序加载到RAM 1203并由计算 单元1201执行时，可以执行上文描述的方法200的一个或多个步骤。备选 地，在其他实施例中，计算单元1201可以通过其他任何适当的方式(例如， 借助于固件)而被配置为执行方法200。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系 统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、 专用标准产品(ASSP)、芯片上系统的系统(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系统上执行和/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，可以从存储系统、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 至该存储系统、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 存储以供指令执行系统、装置或设备使用或与指令执行系统、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、或半导体系统、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系统和技术， 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。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如， 作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、 或者包括前端部件的计算系统(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 的系统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系统中。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)来将系统的部件相互连接。通信网络的示例包括： 局域网(LAN)、广域网(WAN)和互联网。

计算机系统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，也可以为分布式系统的服务器，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、也可以顺序地或以 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。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方 法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实 施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施 例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通 过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组 合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多 要素可以由本公开之后出现的等同要素进行替换。

Claims (29)

1.一种图像检测方法，包括：

获取第一图像，所述第一图像包括多个图像块；

获取所述第一图像的第一图像特征和与所述第一图像对应的第二图像的第二图像特征中的至少一项特征；以及

基于所述至少一项特征，获取检测结果，所述检测结果指示所述第一图像的第一类别；

其中，所述第二图像包括所述多个图像块，并且所述多个图像块在所述第一图像中的位置与在所述第二图像中的位置不同，所述第一图像特征与所述第二图像特征之间的相似度高于预定相似度。

2.根据权利要求1所述的方法，其中，所述获取所述第一图像的第一图像特征和与所述第一图像对应的第二图像的第二图像特征中的至少一项特征包括：

对所述第一图像进行划分，得到所述多个图像块；

将所述多个图像块进行重新组合，得到所述第二图像；以及

基于所述第一图像和所述第二图像中的至少一个，对应获取所述至少一项特征。

3.根据权利要求1所述的方法，其中，所述基于所述第一图像和所述第二图像中的至少一个，对应获取所述至少一项特征，包括：

将所述第一图像和所述第二图像中的至少一个输入至特征提取网络，以对应得到所述至少一个特征；其中，

所述特征提取网络采用训练图像和与所述训练图像对应的更新训练图像训练而来，所述训练图像和所述更新训练图像对应于相同的标注标签并且分别包括多个训练图像块，所述标注标签指示所述训练图像和所述更新训练图像的对应类别，所述多个训练图像块在所述训练图像中的多个位置不同于所述多个训练图像块在所述更新训练图像中的多个位置。

4.根据权利要求1所述的方法，其中，所述至少一项特征包括：所述第一图像特征和所述第二图像特征；

所述基于所述至少一项特征，获取检测结果包括：

将所述第一图像特征和所述第二图像特征进行融合，得到融合特征；以及

基于所述融合特征，获得所述检测结果。

5.根据权利要求3所述的方法，其中，所述至少一项特征包括：所述第一图像特征和所述第二图像特征；

所述基于所述至少一项特征，获取检测结果包括：

基于所述第一图像特征，获得第一结果，所述第一结果指示所述第一图像对应第二类别；

基于所述第二图像特征，获得第二结果，所述第二结果指示所述第一图像对应第三类别；以及

基于所述第一结果和所述第二结果，获取所述检测结果。

6.根据权利要求2所述的方法，其中，所述第一图像包括：包含人脸的图像，所述第一类别包括：人脸活体类、屏幕攻击类、头模攻击类或者纸质攻击类。

7.一种用于训练图像检测模型的方法，包括：

获取第一训练图像，所述训练图像具有标注标签并且包括多个训练图像块，所述标注标签指示所述第一训练图像对应第四类别；

基于所述多个训练图像块，获取第二训练图像，所述多个训练图像块在所述第一训练图像中的位置不同于所述多个训练图像块在所述第二训练图像中的位置；以及

基于训练图像对和所述标注标签，训练图像检测模型；

其中，所述训练图像对包括：所述第一训练图像和所述第二训练图像。

8.根据权利要求7所述的方法，其中，所述图像检测模型包括特征提取网络和分类网络，所述基于训练图像对和所述标注标签，训练图像检测模型包括：

将所述第一训练图像和所述第二训练图像分别输入至所述特征提取网络，以获得与所述第一训练图像对应的第一训练图像特征和与所述第二训练图像对应的第二训练图像特征；

将所述第一训练图像特征和所述第二训练图像特征中的至少一项输入至所述分类网络，以获得至少一个预测结果；

基于所述至少一个预测结果和所述标注标签，获得至少一个损失；以及

基于所述至少一个损失，获得所述训练图像对对应的总损失；以及

基于所述总损失，调整所述图像检测模型的参数。

9.根据权利要求8所述的方法，其中，所述至少一个预测结果包括与所述第一训练图像对应的第一结果和与所述第二训练图像对应的第二结果，所述至少一个损失包括与所述第一训练图像对应的第一损失和与所述第二训练图像对应的第二损失；所述总损失为所述第一损失和所述第二损失之和。

10.根据权利要求8所述的方法，其中，所述基于所述至少一个损失，获得所述训练图像对对应的总损失包括：

将所述第一训练图像特征和所述第二训练图像特征中的一个作为标签特征，另一个作为预测特征，以计算所述标签特征和预测特征之间的特征损失；以及

基于所述至少一个损失和所述特征损失，获得所述总损失。

11.根据权利要求7所述的方法，其中，所述获得所述第一训练图像包括：

获得包含第一对象的第三图像和包含第二对象的第四图像，并且所述第三图像和所述第四图像对应第五类别；

获得所述第三图像中与所述第一对象相应的第一图像区域，和所述第四图像中与所述第二对象相应的第二图像区域；

将所述第三图像中的所述第一图像区域替换为所述第二图像区域，以获得第五图像，并且将所述第四图像中的所述第二图像区域替换为所述第一图像区域，以获得第六图像；以及

将所述第三图像、所述第四图像、所述第五图像和所述第六图像分别确定为所述第一训练图像，其中，所述第一训练图像的标注标签指示所述第一训练图像对应所述第五类别。

12.根据权利要求7所述的方法，其中，所述获得所述训练图像包括：

获得包含第三对象的第七图像和包含第四对象的第八图像，并且所述第七图像和所述第八图像对应第六类别；

基于所述第七图像和所述第八图像生成第九图像，所述第九图像包括第五对象，所述第五对象与与所述第四对象的相似度不小于预设值；以及

将所述第七图像、所述第八图像、所述第九图像分别确定为所述第一训练图像，其中，所述第一训练图像的标注标签指示所述第一训练图像对应所述第六类别。

13.根据权利要求7所述的方法，其中，所述第一训练图像包括包含人脸的图像，所述第四类别包括人脸活体类、屏幕攻击类、头模攻击类或者纸质攻击类。

14.一种图像检测装置，包括：

图像获取单元，被配置用于获取第一图像，所述第一图像包括多个图像块；

特征获取单元，被配置用于获取所述第一图像的图像特征和与所述第一图像对应的第二图像的图像特征中的至少一项特征；以及

检测结果获取单元，被配置用于基于所所述至少一项特征，获取检测结果，所述检测结果指示所述第一图像的第一类别，其中，

所述第二图像包括所述多个图像块，并且所述多个图像块在所述第一图像中的位置与在所述第二图像中的位置不同，所述第一图像特征与所述第二图像特征之间的相似度高于预定相似度。

15.根据权利要求14所述的装置，其中，所述特征获取单元包括：

图像划分单元单元，被配置用于对所述第一图像进行划分，得到所述多个图像块；

更新图像获取单元，被配置用于将所述多个图像块进行重新组合，得到所述第二图像；以及

特征获取子单元，被配置用于基于所述第一图像和所述第二图像中的至少一个，对应获取所述至少一个特征。

16.根据权利要求15所述的装置，其中，所述特征获取子单元包括：

图像输入单元，被配置用于将所述第一图像和所述第二图像中的至少一个输入至特征提取网络，以对应得到所述至少一个特征；其中，

所述特征提取网络采用训练图像和与所述训练图像对应的更新训练图像训练而来，所述训练图像和所述更新训练图像对应于相同的标注标签并且分别包括多个训练图像块，所述标注标签指示所述训练图像和所述更新训练图像的对应类别，所述多个训练图像块在所述训练图像中的多个位置不同于所述多个训练图像块在所述更新训练图像中的多个位置。

17.根据权利要求16所述的装置，其中，所述至少一项特征包括：所述第一图像特征和所述第二图像特征，所述检测结果获取单元包括：

特征融合单元，被配置用于将所述第一图像特征和所述第二图像特征进行融合，得到融合特征；以及

第一检测结果获取子单元，被配置用于基于所述融合特征，获得所述检测结果。

18.根据权利要求16所述的装置，其中，所述至少一项特征包括：所述第一图像特征和所述第二图像特征，所述检测结果获取单元包括：

第一结果获取单元，被配置用于基于所述第一图像特征，获得第一结果，所述第一结果指示所述第一图像对应第二类别；

第二结果获取单元，被配置用于基于所述第二图像特征，获得第二结果，所述第二结果指示所述第一图像对应第三；以及

第二检测结果获取子单元，被配置用于基于所述第一结果和所述第二结果，获取所述检测结果。

19.根据权利要求14-18中任一项所述的装置，其中，所述第一图像包括：包含人脸的图像，所述第一类别包括：人脸活体类、屏幕攻击类、头模攻击类或者纸质攻击类。

20.一种用于训练图像检测模型的装置，包括：

训练图像获取单元，被配置用于获取第一训练图像，所述训练图像具有标注标签并且包括多个训练图像块，所述标注标签指示所述第一训练图像对应第四类别；

更新训练图像获取单元，被配置用于基于所述多个训练图像块，获取第二训练图像，所述多个训练图像块在所述第一训练图像中的位置不同于所述多个训练图像块在所述第二训练图像中的位置；以及

训练单元，被配置用于基于训练图像对和所述标注标签，训练图像检测模型；

其中，所述训练图像对包括：所述第一训练图像和所述第二训练图像。

21.根据权利要求20所述的装置，其中，所述图像检测模型包括特征提取网络和分类网络，所述训练单元包括：

特征获取单元，被配置用于将所述第一训练图像和所述第二训练图像分别输入至所述特征提取网络，以获得与所述第一训练图像对应的第一训练图像特征和与所述第二训练图像对应的第二训练图像特征；

预测结果获取单元，被配用于将所述第一图像特征和所述第二训练图像特征中的至少一项输入至所述分类网络，以获得至少一个预测结果；

损失计算单元，被配置用于基于所述至少一个预测结果和所述标注标签，获得至少一个损失；

总损失获取单元，被配置用于基于所述至少一个损失，获得所述训练图像对对应的总损失；以及

参数调整单元，被配置用于基于所述总损失，调整所述图像检测模型的参数。

22.根据权利要求21所述的装置，其中，所述至少一个预测结果包括与所述第一训练图像对应的第一结果和与所述第二训练图像对应的第二结果，所述至少一个损失包括与所述第一训练图像对应的第一损失和与所述第二训练图像对应的第二损失；所述总损失为所述第一损失和所述第二损失之和。

23.根据权利要求21所述的装置，其中，所述第一获取子单元包括：

特征损失计算单元，被配置用于将所述第一训练图像特征和所述第二训练图像特征中的一个作为标签特征，另一个作为预测特征，以计算所述标签特征和预测特征之间的特征损失；以及

第二获取子单元，被配置用于基于所述至少一个损失和所述特征损失，获得所述总损失。

24.根据权利要求20所述的装置，其中，所述训练图像获取单元包括：

第一图像获取子单元，被配置用于获得包含第一对象的第三图像和包含第二对象的第四图像，并且所述第三图像和所述第四图像对应第五类别；

图像区域确定单元，被配置用于获得所述第三图像中与第一对象相应的第一图像区域，和所述第四图像中与第二对象相应的第二图像区域；

图像区域替换单元，被配置用于将所述第三图像中的所述第一图像区域替换为所述第二图像区域，以获得第五图像，并且将所述第四图像中的所述第二图像区域替换为所述第一图像区域，以获得第六图像；以及

第一图像确定单元，被配置用于将所述第三图像、所述第四图像、所述第五图像和所述第六图像分别确定为所述训练图像，其中，所述训练图像的标注标签指示所述训练图像对应所述第五类别。

25.根据权利要求20所述的装置，其中，所述训练图像获取单元包括：

第二图像获取子单元，被配置用于获得包含第三对象的第七图像和包含第四对象的第八图像，并且所述第七图像和所述第八图像对应第六类别；

图像生成单元，被配置用于基于所述第七图像和所述第八图像生成第九图像，所述第九图像包括第五对象，所述第五对象与与所述第四对象的相似度不小于预设值；以及

第二图像确定单元，被配置用于将所述第七图像、所述第八图像、所述第九图像分别确定为所述训练图像，其中，所述训练图像的标注标签指示所述第一训练图像对应第六类别。

26.根据权利要求20所述的装置，其中，所述第一训练图像包括：包含人脸的图像，所述第四类别包括：人脸活体类、屏幕攻击类、头模攻击类或者纸质攻击类。

27.一种电子设备，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1-13中任意一项所述的方法。

28.一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1-13中任一项所述的方法。

29.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-13中任一项所述的方法。

Images