CN115937993A - 活体检测模型训练方法、活体检测方法、装置和电子设备 - Google Patents

Abstract

本公开提供了一种活体检测模型训练方法、活体检测方法、装置和电子设备，涉及人工智能技术领域，具体为深度学习、图像处理、计算机视觉技术领域。该方法包括：通过活体检测模型中的特征提取网络对样本图像中的样本人脸区域进行特征提取得到样本人脸特征；通过动态路由网络根据样本人脸特征从至少两个候选活体检测网络中选择目标活体检测网络；通过目标活体检测网络根据样本人脸特征确定样本图像的预测活体信息；根据目标活体检测网络、预测活体信息、样本图像的标注攻击类型和样本图像的标注活体信息，对特征提取网络、动态路由网络和目标活体检测网络进行训练。通过上述技术方案能够提高活体检测的准确性。

Description

活体检测模型训练方法、活体检测方法、装置和电子设备

技术领域

本公开涉及人工智能技术领域，具体为深度学习、图像处理、计算机视觉技术领域。具体涉及一种活体检测模型训练方法、活体检测方法、装置和电子设备。

背景技术

随着人工智能(Artificial Intelligence，AI)的快速发展，人工智能已经广泛应用于计算机视觉技术、语音识别技术、自然语言处理技术、深度学习、大数据处理技术等领域。

基于人工智能的图像检测技术也已经广泛应用于不同场景。其中，基于人工智能的人脸活体检测技术，用于区分一张图像是否为真人拍摄，是人脸识别系统的基础组成模块，保证人脸识别系统的安全性，因此如何提高活体检测性能十分重要。

发明内容

本公开提供了一种活体检测模型训练方法、活体检测方法、装置和电子设备。

根据本公开的一方面，提供了一种活体检测模型训练方法，包括：

通过活体检测模型中的特征提取网络对样本图像中的样本人脸区域进行特征提取得到样本人脸特征；所述活体检测模型还包括动态路由网络和至少两个候选活体检测网络；

通过所述动态路由网络根据所述样本人脸特征从所述至少两个候选活体检测网络中选择目标活体检测网络；

通过所述目标活体检测网络根据所述样本人脸特征确定样本图像的预测活体信息；

根据所述目标活体检测网络、所述预测活体信息、样本图像的标注攻击类型和样本图像的标注活体信息，对所述特征提取网络、所述动态路由网络和所述候选活体检测网络进行训练。

根据本公开的另一方面，提供了一种活体检测方法，包括：

获取待检测的目标图像；

通过活体检测模型中的特征提取网络对目标图像中的目标人脸区域进行特征提取得到目标人脸特征；所述活体检测模型采用本公开任意实施例公开的活体检测模型训练方法训练得到；

通过活体检测模型中的动态路由网络根据所述目标人脸特征，从所述活体检测模型的至少两个候选活体检测网络中选择至少一个目标活体检测网络；

通过所述目标活体检测网络根据所述目标人脸特征确定目标图像的预测活体信息。

根据本公开的又一方面，提供了一种活体检测模型训练装置，包括：

样本人脸特征模块，用于通过活体检测模型中的特征提取网络对样本图像中的样本人脸区域进行特征提取得到样本人脸特征；所述活体检测模型还包括动态路由网络和至少两个候选活体检测网络；

目标网络选择模块，用于通过所述动态路由网络根据所述样本人脸特征从所述至少两个候选活体检测网络中选择目标活体检测网络；

样本活体预测模块，用于通过所述目标活体检测网络根据所述样本人脸特征确定样本图像的预测活体信息；

网络训练模块，用于根据所述目标活体检测网络、所述预测活体信息、样本图像的标注攻击类型和样本图像的标注活体信息，对所述特征提取网络、所述动态路由网络和所述候选活体检测网络进行训练。

根据本公开的又一方面，提供了一种活体检测装置，包括：

目标图像模块，用于获取待检测的目标图像；

目标人脸特征模块，用于通过活体检测模型中的特征提取网络对目标图像中的目标人脸区域进行特征提取得到目标人脸特征；所述活体检测模型采用本公开任意实施例公开的活体检测模型训练方法训练得到；

目标网络选择模块，用于通过活体检测模型中的动态路由网络根据所述目标人脸特征，从所述活体检测模型的至少两个候选活体检测网络中选择至少一个目标活体检测网络；

目标活体预测模块，用于通过所述目标活体检测网络根据所述目标人脸特征确定目标图像的预测活体信息。

根据本公开的另一方面，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本公开任意实施例所提供的方法。

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计算机执行本公开任意实施例所提供的方法。

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1a是根据本公开实施例提供的一种活体检测模型训练方法的流程图；

图1b是根据本公开实施例提供的一种活体检测模型的结构示意图；

图2是根据本公开实施例提供的另一种活体检测模型训练方法的流程图；

图3a是根据本公开实施例提供的又一种活体检测模型训练方法的流程图；

图3b是根据本公开实施例提供的一种活体检测模型的结构示意图；

图4是根据本公开实施例提供的一种活体检测方法的流程图；

图5是根据本公开实施例提供的一种活体检测模型训练装置的结构示意图；

图6是根据本公开实施例提供的一种基于活体检测装置的结构示意图；

图7是用来实现本公开实施例的活体检测模型训练方法或活体检测方法的电子设备的框图。

具体实施方式

图1a是根据本公开实施例提供的一种活体检测模型训练方法的流程图。该方法适用于对活体检测模型进行训练的情况。该方法可以由活体检测模型训练装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成于电子设备中。如图1a所示，本实施例的活体检测模型训练方法可以包括：

S101，通过活体检测模型中的特征提取网络对样本图像中的样本人脸区域进行特征提取得到样本人脸特征；所述活体检测模型还包括动态路由网络和至少两个候选活体检测网络；

S102，通过所述动态路由网络根据所述样本人脸特征从所述至少两个候选活体检测网络中选择目标活体检测网络；

S103，通过所述目标活体检测网络根据所述样本人脸特征确定样本图像的预测活体信息；

S104，根据所述目标活体检测网络、所述预测活体信息、样本图像的标注攻击类型和样本图像的标注活体信息，对所述特征提取网络、所述动态路由网络和所述候选活体检测网络进行训练。

图1b是根据本公开实施例提供的一种活体检测模型的结构示意图，参考图1b，待训练的活体检测模型包括特征提取网络、动态路由网络和至少两个候选活体检测网络。N个候选活体检测网络由1个真人模块和N-1个专家模块组成，每个专家模块用于去防御对应的候选攻击类型，各专家模块与候选攻击类型之间一一对应。利用特征提取网络对图像进行人脸特征提取，利用动态路由网络根据人脸特征选择对应的专家模块，并将人脸特征动态路由到选择的专家模块，由选择的专家模块进行活体检测。其中，N为大于1的自然数。通过动态路由网络和候选活体检测网络结合的方式将不同攻击类型的数据用不同的专家模块进行识别，大大提高了活体检测算法的准确率和泛化性，能够解决攻击样本复杂多样导致深度学习的人脸活体算法的泛化性差问题。

其中，样本数据集中不仅包括真人图像，还包括各候选攻击类型对应的候选攻击图像。样本数据不仅有标注活体信息，还有标注攻击类型，标注攻击类型为样本数据对应的攻击类型。

在本公开实施例中，可对样本图像进行人脸检测提取得到样本人脸区域。具体的，可通过人脸检测模型对样本图像进行人脸检测，得到人脸的大致位置区域，其中人脸检测模型用于检测人脸位置；根据人脸的大致位置区域，通过人脸关键点检测模型进行人脸关键点检测得到人脸关键点的坐标值，可预设有72个人脸关键点；根据人脸关键点的坐标值进行人脸对齐得到样本人脸区域信息。人脸对齐过程可以如下：根据72个人脸关键点的坐标得到横坐标和纵坐标的最大值、最小值，结合最大值、最小值确定人脸框，将人脸框扩大三部截取人脸图像，并将人脸图像调整到固定尺寸，例如224×224；对人脸图像进行图像归一化处理，例如将人脸图像中每个像素的像素值减去128再除以256，使每个像素的像素值在[-0.5,0.5]之间，对归一化处理后的样本人脸区域图像进行随机数据增强处理，将样本人脸区域图像分成196个尺寸为16×16的图像块(patch)作为活体检测模型的输入。

在活体检测模型中，特征提取网络对输入的样本人脸区域进行特征提取得到样本人脸特征，动态路由网络可根据样本人脸特征，从至少两个候选活体检测网络中选择目标活体检测网络，并将样本人脸特征仅路由给目标活体检测网络，采用目标活体检测网络对样本人脸特征进行活体检测得到样本图像的预测活体信息，除目标活体检测网络之外的其他候选活体检测网络无需对该样本图像进行处理；根据目标活体检测网络、预测活体信息、样本图像的标注攻击类型和样本图像的标注活体信息构建损失函数，并采用损失函数对特征提取网络、动态路由网络和候选活体检测网络进行训练。通过在活体检测模型中引入动态路由网络和包括多个专家模块的候选活体检测网络，利用专家模块去防御对应的攻击类型，利用动态路由网络选择对应的专家模块，实现了一种基于多专家融合的人脸活体检测方式，相比于相关技术中的单一活体检测网络的方式，在面对诸多攻击方式上有很好的防御效果，能够大大提高活体检测算法的准确率和泛化性。

本公开实施例提供的技术方案，通过在活体检测模型中引入动态路由网络和多个专家模块，利用专家模块去防御对应的攻击类型，利用动态路由网络选择对应的专家模块，实现了一种基于多专家融合的人脸活体检测方式，能够大大提高活体检测算法的准确率和泛化性。

图2是根据本公开实施例提供的另一种活体检测模型训练方法的流程图。参见图2，本实施例的活体检测模型训练方法可以包括：

S201，通过活体检测模型中的特征提取网络对样本图像中的样本人脸区域进行特征提取得到样本人脸特征；所述活体检测模型还包括动态路由网络和至少两个候选活体检测网络；

S202，通过所述动态路由网络确定所述样本人脸特征和至少两个候选类中心之间的相似度；所述候选类中心与所述候选活体检测网络之间一一对应；

S203，根据所述相似度，从所述至少两个候选活体检测网络中选择目标活体检测网络；

S204，通过所述目标活体检测网络根据所述样本人脸特征确定样本图像的预测活体信息；

S205，根据所述目标活体检测网络、所述预测活体信息、样本图像的标注攻击类型和样本图像的标注活体信息，对所述特征提取网络、所述动态路由网络和所述候选活体检测网络进行训练。

在本公开实施例中，每一种攻击类型具有各自的攻击类中心，即每一种候选活体检测网络具有各自的候选类中心，候选类中心用于表征对应攻击类型的人脸特征。动态路由模块可为各候选活体检测网络初始化候选类中心，并在训练阶段不断地学习候选类中心，使经学习的候选类中心与候选活体检测网络对应的攻击类型相匹配。

在训练阶段，通过特征提取网络对输入的样本人脸区域进行特征提取得到样本人脸特征，通过动态路由网络分别计算样本人脸特征与每一候选类中心之间的相似度；其中，与该候选类中心之间的相似度用于表征样本图像属于该候选类中心对应候选攻击类型的概率，相似度越大属于对应候选攻击类型的风险越高。动态路由网络可选择相似度相对较高的候选活体检测网络作为样本图像的目标活体检测网络，并将样本人脸特征路由到目标活体检测网络，由目标活体检测网络根据样本人脸特征进行活体检测得到样本图像的预测活体信息。

需要说明的是，本公开实施例对目标活体检测网络的数量不做具体限定，可仅将相似度最大的一个候选活体检测网络作为样本图像的目标活体检测网络，并将该目标活体检测网络的预测结果作为样本图像的预测活体信息；也可将相似度相对较大的前i个候选活体检测网络均作为样本图像的目标活体检测网络，采用i个目标活体检测网络对样本人脸特征进行融合预测得到融合预测结果，作为样本图像的预测活体信息，其中，i为固定且大于1的自然数。在存在多个目标活体检测网络的情况下，本公开实施例对各目标活体检测网络的融合方式不做具体限定。通过动态路由模块根据样本人脸特征与各候选类中心之间的相似度，从各候选活体检测网络中选择目标活体检测网络，能够提高目标活体检测网络与样本图像之间的匹配度，从而提高通过预测活体信息的准确度。

在一种可选实施方式中，所述根据所述目标活体检测网络、样本图像的标注攻击类型和样本图像的标注活体信息，对所述特征提取网络、所述动态路由网络和所述候选活体检测网络进行训练，包括：基于预设的候选活体检测网络和候选攻击类型之间的关联关系，确定所述目标活体检测网络对应的目标攻击类型，作为预测攻击类型；根据所述预测攻击类型和所述样本图像的标注攻击类型，构建第一损失函数，并采用第一损失函数对所述动态路由网络进行训练；根据所述预测活体信息和所述样本图像的标注活体信息，构建第二损失函数，并采用第二损失函数对所述特征提取网络和所述候选活体检测网络进行训练。

在本公开实施例中，还预设有候选活体检测网络和候选攻击类型之间的关联关系。仍以有N个候选活体检测网络中包括1个真人模块和N-1个专家模块为例，也就是说其中1个候选活体检测网络为真人模块，剩余的N-1个候选活体检测网络为不同专家模块的情况下，为专家模块预设有各自的候选攻击类型。

具体的，可基于预设的候选活体检测网络和候选攻击类型之间的关联关系，确定目标活体检测网络对应的目标攻击类型，作为样本图像的预测攻击类型；比较样本图像的预测攻击类型和标注攻击类型得到第一比较结果，并根据第一比较结果构建第一损失函数，且采用第一损失函数对动态路由网络进行训练，使动态路由网络不断地学习各候选类中心；比较样本图像的预测活体信息和标注活体信息得到第二比较结果，并根据第二比较结果构建第二损失函数，且采用第二损失函数对特征提取网络和候选活体检测网络进行训练，使得不断学习特征提取参数和候选活体检测参数。需要说明的是，样本数据集中有属于不同攻击类型的样本图像，每一攻击类型的样本图像仅用于对该攻击类型对应的候选活体检测网络进行训练，而不用于对其他攻击类型对应的候选活体检测网络进行训练。也就是说，针对某一个样本图像，该样本图像的第二损失函数仅用于对特征提取网络和目标活体检测网络进行训练，而不用于对除目标活体检测网络之外的其他候选活体检测网络进行训练。

通过根据样本图像的预测攻击类型和标注攻击类型，对动态路由网络进行训练，能够准确地学习攻击类中心；以及，针对每一候选活体检测网络，通过采用属于对应攻击类型的样本图像的预测活体信息和标注活体信息对该候选活体检测网络进行训练，能够提高该候选活体检测网络的准确性，从而进一步提高活体检测的整体性能。

在一种可选实施方式中，所述候选攻击类型包括如下至少一项：电子屏幕攻击、纸质攻击、二维面具攻击、三维头部模型攻击或证件照攻击。在有5种专家模块的情况下，各专家模块的候选攻击类型依次为电子屏幕攻击、纸质攻击、二维面具攻击、三维头部模型攻击、证件照攻击。通过为多种攻击类型分别部署专家模块，利用专家模块去防御对应的攻击类型，能够提高防御效果。

本公开实施例提供的技术方案，通过动态路由模块根据样本人脸特征与各候选类中心之间的相似度，从各候选活体检测网络中选择目标活体检测网络，能够提高目标活体检测网络与样本图像之间的匹配度，从而提高通过预测活体信息的准确度；以及，通过为多种攻击类型分别部署专家模块，利用专家模块去防御对应的攻击类型，能够提高防御效果。

图3a是根据本公开实施例提供的又一种活体检测模型训练方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图3a，本实施例的活体检测模型训练方法可以包括：

S301，采用样本图像对视觉变换器中的多头自注意力模块和逐点前向网络模块进行预训练，并将经训练的多头自注意力模块作为活体检测模型中初始的特征提取网络；

S302，对经训练的逐点前向网络模块进行复制得到至少两个逐点前向网络模块，作为至少两个活体检测模型中初始的候选活体检测网络；

S303，在初始的特征提取网络和至少两个初始的候选活体检测网络中增加初始的动态路由网络；

S304，通过活体检测模型中的特征提取网络对样本图像中的样本人脸区域进行特征提取得到样本人脸特征；

S305，通过所述动态路由网络根据所述样本人脸特征从所述至少两个候选活体检测网络中选择目标活体检测网络；

S306，通过所述目标活体检测网络根据所述样本人脸特征确定样本图像的预测活体信息；

S307，根据所述目标活体检测网络、所述预测活体信息、样本图像的标注攻击类型和样本图像的标注活体信息，对所述特征提取网络、所述动态路由网络和所述候选活体检测网络进行训练。

其中，S301-S303为活体检测模型的初始化阶段，S304-S307为活体检测模型的训练阶段。

图3b是根据本公开实施例提供的一种活体检测模型的结构示意图；参考图3b，在本公开实施例在视觉变换器(Vision Transformer，ViT)的网络基础上对活体检测模型进行初始化。活体检测模型包括多个依次连接的编码器，以及与尾部编码器连接的输出层，每个编码器包括多头自注意力模块(Multi-Head Self-Attention，MHSA)和一个逐点前向网络模块(Position-wise Feed-Forward Networks，FFN)。MHSA模块用于进行自注意力计算得到原图像标记的自注意力得分，FFN模块用于进行预测。

在初始化阶段，采用样本数据集中的各种样本图像对视觉变换器中的MHSA模块和FFN模块进行预训练，使用二分类交叉熵进行监督得到预训练好的ViT活体检测模型；将ViT活体检测模型中的MHSA模块作为初始的特征提取网络；将ViT活体检测模型中的FFN模块复制多份，作为至少两个初始的候选活体检测网络，并在各FFN模块之前添加一个动态路由网络，动态路由网络的输入端与特征提取网络的输出端连接，动态路由网络的输出端与各候选活体检测网络的输入端连接。通过在视觉变换器的网络基础上构建活体检测模型，直接对预训练的FFN模块进行复制即可作为初始的候选活体检测网络，不仅能够提高候选活体检测网络的构建效率；还便于动态路由网络学习各候选类中心，进一步提升活体检测性能。

在一种可选实施方式中，所述动态路由网络采用全连接(Fully Connected，FC)神经网络结构。通过动态路由网络采用神经网络结构能够提高动态路由网络的可靠性。

在一种可选实施方式中，所述方法还包括：获取新增样本图像的标注攻击类型，并将该标注攻击类型作为新增攻击类型；为所述新增攻击类型增加对应的候选活体检测网络，并对增加的候选活体检测网络进行训练。

在出现新增攻击类型的情况下，将新增样本图像的标注攻击类型作为新增攻击类型，并在活体检测模型中为新增攻击类型增加对应的候选活体检测网络，新增的候选活体检测网络的输入端与动态路由网络的输出端连接，且采用新增样本图像对增加的候选活体检测网络进行训练。仍以活体检测模型中包括1个真人模块和N-1个专家模块为例，在新增一个攻击类型的情况下，在活体检测模型中为该新增攻击类型设置对应的候选活体检测网络，作为第N个专家模块。需要说明的是，在增加的候选活体检测网络进行训练过程中，特征提取网络、动态路由网络中已有的候选类中心、已有的候选活体检测网络均可固定，无需再训练。

具体的，从新增样本图像中提取新增样本人脸区域，将新增样本人脸区域输入特征提取网络得到新增样本人脸特征，采用动态路由模块确定新增样本人脸特征和各候选活体检测网络之间的相似度，并根据相似度将新增候选活体检测网络选作新增样本图像的目标活体检测网络，采用新增样本图像的目标活体检测网络确定新增样本图像的预测活体信息；根据新增样本图像的标注攻击类型和目标活体检测网络对应的候选攻击类型构建第一损失函数，并采用第一损失函数对动态路由网络进行训练，从而为新增攻击类型学习候选类中心；根据新增样本图像的标注活体信息和预测活体信息构建第二损失函数，并采用第二损失函数对目标活体检测网络(即新增候选活体检测网络)、特征提取网络进行训练。

在新增攻击类型的情况下，通过为新增攻击类型添加候选活体检测网络，并采用新增样本图像数据在动态路由网络中学习新增攻击类型的候选类中心，以及学习增加的候选活体检测网络，实现了对活体检测模型的扩展，即在出现新增攻击类型的情况下，只需要增加一个专家模块进行微调即可，进一步提高了活体检测的泛化性。

本公开实施例提供的技术方案，通过在视觉变换器的网络基础上构建活体检测模型，直接对预训练的FFN模块进行复制即可作为候选活体检测网络，不仅能够提高候选活体检测网络的构建效率；便于动态路由网络学习各候选类中心，进一步提升活体检测性能；以及，在出现新增攻击类型的情况下，只需要增加一个专家模块进行微调即可，进一步提高了活体检测的泛化性。

图4是根据本公开实施例提供的一种活体检测方法的流程图。该方法适用于对图像进行活体检测的情况。该方法可以由活体检测装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成于电子设备中。如图4所示，本实施例的活体检测方法可以包括：

S401，获取待检测的目标图像；

S402，通过活体检测模型中的特征提取网络对目标图像中的目标人脸区域进行特征提取得到目标人脸特征；

S403，通过活体检测模型中的动态路由网络根据所述目标人脸特征，从所述活体检测模型的至少两个候选活体检测网络中选择至少一个目标活体检测网络；

S404，通过所述目标活体检测网络根据所述目标人脸特征确定目标图像的预测活体信息。

其中，所述活体检测模型采用本公开任意实施例公开的活体检测模型训练方法训练得到；活体检测模型包括特征提取网络、动态路由网络和至少两个候选活体检测网络，动态路由网络为候选活体检测网络学习了候选类中心，候选类中心用于表征候选活体检测网络对应攻击类型的人脸特征。

在预测阶段，对目标图像进行人脸检测得到目标人脸区域，将目标人脸区域输入特征提取网络，采用特征提取网络对目标人脸区域进行特征提取得到目标人脸特征，将目标人脸特征输入动态路由网络，采用动态路由网络分别根据目标人脸特征与经学习得到的各候选类中心，从候选活体检测网络中选择目标活体检测网络，并采用目标活体检测网络对目标人脸特征进行活体检测得到目标图像的预测活体信息。

由于活体检测模型包括各攻击类型对应的候选活体检测网络，即各专家模块去防御对应的攻击类型；而且，动态路由网络中已经学习有各候选活体检测网络对应的候选类中心，采用各候选类中心能够快速且准确地将目标人脸特征路由到目标活体检测网络，从而提高活体预测的准确性。

本公开实施例提供的技术方案，通过在活体检测模型中引入动态路由网络和多个专家模块，利用专家模块去防御对应的攻击类型，利用动态路由网络选择对应的专家模块，能够大大提高活体检测算法的准确率和泛化性。

在一种可选实施方式中，所述通过活体检测模型中的动态路由网络根据所述目标人脸特征，从所述活体检测模型的至少两个候选活体检测网络中选择至少一个目标活体检测网络，包括：通过活体检测模型中的动态路由网络确定所述目标人脸特征和至少两个候选类中心之间的相似度；所述候选类中心与所述候选活体检测网络之间一一对应；根据所述相似度，从所述至少两个候选活体检测网络中选择至少一个目标活体检测网络。

在本公开实施例中，每一种攻击类型具有各自的攻击类中心。在预测阶段，通过特征提取网络对输入的目标人脸区域进行特征提取得到目标人脸特征，通过动态路由网络分别计算目标人脸特征与每一候选类中心之间的相似度；且可选择相似度相对较高的候选活体检测网络作为目标图像的目标活体检测网络，并采用目标活体检测网络根据目标人脸特征进行活体检测得到目标图像的预测活体信息。

需要说明的是，在目标活体检测网络唯一的情况下，可将相似度最大的候选活体检测网络作为目标活体检测网络，并将目标活体检测网络的预测结果作为目标图像的预测活体信息；在目标活体检测网络不唯一的情况下，可将相似度相对较大的前i个候选活体检测网络均作为目标图像的目标活体检测网络，并采用i个目标活体检测网络对目标样本人脸特征进行融合预测得到融合预测结果，作为目标图像的预测活体信息，其中，i为固定且大于1的自然数。通过动态路由模块根据目标人脸特征与经学习得到的各候选类中心之间的相似度，从各候选活体检测网络中选择目标活体检测网络，能够提高目标活体检测网络与目标图像之间的匹配度，从而提高通过对目标图像的活体检测准确度。

图5是根据本公开实施例提供的一种活体检测模型训练装置的结构示意图。本实施例适用于对活体检测模型进行训练的情况。该装置可以采用软件和/或硬件的方式实现。如图5所示，本实施例的活体检测模型训练装置500可以包括：

样本人脸特征模块510，用于通过活体检测模型中的特征提取网络对样本图像中的样本人脸区域进行特征提取得到样本人脸特征；所述活体检测模型还包括动态路由网络和至少两个候选活体检测网络；

目标网络选择模块520，用于通过所述动态路由网络根据所述样本人脸特征从所述至少两个候选活体检测网络中选择目标活体检测网络；

样本活体预测模块530，用于通过所述目标活体检测网络根据所述样本人脸特征确定样本图像的预测活体信息；

网络训练模块540，用于根据所述目标活体检测网络、所述预测活体信息、样本图像的标注攻击类型和样本图像的标注活体信息，对所述特征提取网络、所述动态路由网络和所述候选活体检测网络进行训练。

在一种可选实施方式中，所述目标网络选择模块520包括：

样本相似度单元，用于通过所述动态路由网络确定所述样本人脸特征和至少两个候选类中心之间的相似度；所述候选类中心与所述候选活体检测网络之间一一对应；

目标网络选择单元，用于根据所述相似度，从所述至少两个候选活体检测网络中选择目标活体检测网络。

在一种可选实施方式中，所述网络训练模块540包括：

预测攻击类型单元，用于基于预设的候选活体检测网络和候选攻击类型之间的关联关系，确定所述目标活体检测网络对应的目标攻击类型，作为预测攻击类型；

第一训练单元，用于根据所述预测攻击类型和所述样本图像的标注攻击类型，构建第一损失函数，并采用第一损失函数对所述动态路由网络进行训练；

第二训练单元，用于根据所述预测活体信息和所述样本图像的标注活体信息，构建第二损失函数，并采用第二损失函数对所述特征提取网络和所述候选活体检测网络进行训练。

在一种可选实施方式中，所述候选攻击类型包括如下至少一项：电子屏幕攻击、纸质攻击、二维面具攻击、三维头部模型攻击或证件照攻击。

在一种可选实施方式中，上述活体检测模型训练装置500还包括初始化模块，所述初始化模块包括：

特征初始化单元，用于采用样本图像对视觉变换器中的多头自注意力模块和逐点前向网络模块进行预训练，并将经训练的多头自注意力模块作为初始的特征提取网络；

活体初始化单元，用于对经训练的逐点前向网络模块进行复制得到至少两个逐点前向网络模块，作为至少两个初始的候选活体检测网络；

路由初始化单元，用于在初始的特征提取网络和至少两个初始的候选活体检测网络中增加初始的动态路由网络。

在一种可选实施方式中，所述动态路由网络采用全连接神经网络结构。

在一种可选实施方式中，上述活体检测模型训练装置500还包括新增攻击模块，所述新增攻击包括：

新增获取单元，用于获取新增样本图像的标注攻击类型，并将该标注攻击类型作为新增攻击类型；

新增训练单元，用于为所述新增攻击类型增加对应的候选活体检测网络，并对增加的候选活体检测网络进行训练。

本公开实施例的技术方案，基于ViT模型结构，引入动态路由和多专家模块，利用这些专家模块去防御对应的攻击类型，利用动态路由选择对应的专家模块，大大提高了活体检测算法的准确率和泛化性，同时易于扩展，在出现新增攻击类型的情况下，只需要增加对应专家模块进行微调即可。

图6是根据本公开实施例提供的一种活体检测装置的结构示意图。本实施例适用于进行活体检测的情况。该装置可以采用软件和/或硬件的方式实现。如图6所示，本实施例的活体检测装置600可以包括：

目标图像模块610，用于获取待检测的目标图像；

目标人脸特征模块620，用于通过活体检测模型中的特征提取网络对目标图像中的目标人脸区域进行特征提取得到目标人脸特征；所述活体检测模型采用本公开任意实施例公开的活体检测模型训练方法训练得到；

目标网络选择模块630，用于通过活体检测模型中的动态路由网络根据所述目标人脸特征，从所述活体检测模型的至少两个候选活体检测网络中选择至少一个目标活体检测网络；

目标活体预测模块640，用于通过所述目标活体检测网络根据所述目标人脸特征确定目标图像的预测活体信息。

在一种可选实施方式中，所述目标网络选择模块620包括：

目标相似度单元，用于通过活体检测模型中的动态路由网络确定所述目标人脸特征和至少两个候选类中心之间的相似度；所述候选类中心与所述候选活体检测网络之间一一对应；

目标网络选择单元，用于根据所述相似度，从所述至少两个候选活体检测网络中选择至少一个目标活体检测网络。

本公开实施例的技术方案，基于ViT模型结构，引入动态路由和多专家模块，利用这些专家模块去防御对应的攻击类型，利用动态路由选择对应的专家模块，大大提高了活体检测算法的准确率和泛化性，同时易于扩展，在出现新增攻击类型的情况下，只需要增加对应专家模块进行微调即可。

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、一种可读存储介质和一种计算机程序产品。

图7是用来实现本公开实施例的活体检测模型训练方法或活体检测方法的电子设备的框图。

图7示出了可以用来实施本公开的实施例的示例电子设备700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7所示，电子设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

电子设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许电子设备700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701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701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701执行上文所描述的各个方法和处理，例如活体检测模型训练方法或活体检测方法。例如，在一些实施例中，活体检测模型训练方法或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708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的活体检测模型训练方法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701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训练方法或活体检测方法。

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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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。

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、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。

云计算(cloud computing)，指的是通过网络接入弹性可扩展的共享物理或虚拟资源池，资源可以包括服务器、操作系统、网络、软件、应用和存储设备等，并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术，可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。

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，本发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 (21)

1.一种活体检测模型训练方法，所述方法包括：

通过活体检测模型中的特征提取网络对样本图像中的样本人脸区域进行特征提取得到样本人脸特征；所述活体检测模型还包括动态路由网络和至少两个候选活体检测网络；

通过所述动态路由网络根据所述样本人脸特征从所述至少两个候选活体检测网络中选择目标活体检测网络；

通过所述目标活体检测网络根据所述样本人脸特征确定样本图像的预测活体信息；

根据所述目标活体检测网络、所述预测活体信息、样本图像的标注攻击类型和样本图像的标注活体信息，对所述特征提取网络、所述动态路由网络和所述候选活体检测网络进行训练。

2.根据权利要求1所述的方法，其中，所述通过所述动态路由网络根据所述样本人脸特征，从所述至少两个候选活体检测网络中选择目标活体检测网络，包括：

通过所述动态路由网络确定所述样本人脸特征和至少两个候选类中心之间的相似度；所述候选类中心与所述候选活体检测网络之间一一对应；

根据所述相似度，从所述至少两个候选活体检测网络中选择目标活体检测网络。

3.根据权利要求1所述的方法，其中，所述根据所述目标活体检测网络、样本图像的标注攻击类型和样本图像的标注活体信息，对所述特征提取网络、所述动态路由网络和所述候选活体检测网络进行训练，包括：

基于预设的候选活体检测网络和候选攻击类型之间的关联关系，确定所述目标活体检测网络对应的目标攻击类型，作为预测攻击类型；

根据所述预测攻击类型和所述样本图像的标注攻击类型，构建第一损失函数，并采用第一损失函数对所述动态路由网络进行训练；

根据所述预测活体信息和所述样本图像的标注活体信息，构建第二损失函数，并采用第二损失函数对所述特征提取网络和所述候选活体检测网络进行训练。

4.根据权利要求3所述的方法，其中，所述候选攻击类型包括如下至少一项：电子屏幕攻击、纸质攻击、二维面具攻击、三维头部模型攻击或证件照攻击。

5.根据权利要求1-4中任一项所述的方法，还包括：

采用样本图像对视觉变换器中的多头自注意力模块和逐点前向网络模块进行预训练，并将经训练的多头自注意力模块作为初始的特征提取网络；

对经训练的逐点前向网络模块进行复制得到至少两个逐点前向网络模块，作为至少两个初始的候选活体检测网络；

在初始的特征提取网络和至少两个初始的候选活体检测网络中增加初始的动态路由网络。

6.根据权利要求5所述的方法，其中，所述动态路由网络采用全连接神经网络结构。

7.根据权利要求5所述的方法，所述方法还包括：

获取新增样本图像的标注攻击类型，并将该标注攻击类型作为新增攻击类型；

为所述新增攻击类型增加对应的候选活体检测网络，并对增加的候选活体检测网络进行训练。

8.一种活体检测方法，所述方法包括：

获取待检测的目标图像；

通过活体检测模型中的特征提取网络对目标图像中的目标人脸区域进行特征提取得到目标人脸特征；所述活体检测模型采用如权利要求1-7中任一项所述的方法训练得到；

通过活体检测模型中的动态路由网络根据所述目标人脸特征，从所述活体检测模型的至少两个候选活体检测网络中选择至少一个目标活体检测网络；

通过所述目标活体检测网络根据所述目标人脸特征确定目标图像的预测活体信息。

9.根据权利要求8所述的方法，其中，所述通过活体检测模型中的动态路由网络根据所述目标人脸特征，从所述活体检测模型的至少两个候选活体检测网络中选择至少一个目标活体检测网络，包括：

通过活体检测模型中的动态路由网络确定所述目标人脸特征和至少两个候选类中心之间的相似度；所述候选类中心与所述候选活体检测网络之间一一对应；

根据所述相似度，从所述至少两个候选活体检测网络中选择至少一个目标活体检测网络。

10.一种活体检测模型训练装置，所述装置包括：

样本人脸特征模块，用于通过活体检测模型中的特征提取网络对样本图像中的样本人脸区域进行特征提取得到样本人脸特征；所述活体检测模型还包括动态路由网络和至少两个候选活体检测网络；

目标网络选择模块，用于通过所述动态路由网络根据所述样本人脸特征从所述至少两个候选活体检测网络中选择目标活体检测网络；

样本活体预测模块，用于通过所述目标活体检测网络根据所述样本人脸特征确定样本图像的预测活体信息；

网络训练模块，用于根据所述目标活体检测网络、所述预测活体信息、样本图像的标注攻击类型和样本图像的标注活体信息，对所述特征提取网络、所述动态路由网络和所述候选活体检测网络进行训练。

11.根据权利要求10所述的装置，其中，所述目标网络选择模块包括：

样本相似度单元，用于通过所述动态路由网络确定所述样本人脸特征和至少两个候选类中心之间的相似度；所述候选类中心与所述候选活体检测网络之间一一对应；

目标网络选择单元，用于根据所述相似度，从所述至少两个候选活体检测网络中选择目标活体检测网络。

12.根据权利要求10所述的装置，其中，所述网络训练模块包括：

预测攻击类型单元，用于基于预设的候选活体检测网络和候选攻击类型之间的关联关系，确定所述目标活体检测网络对应的目标攻击类型，作为预测攻击类型；

第一训练单元，用于根据所述预测攻击类型和所述样本图像的标注攻击类型，构建第一损失函数，并采用第一损失函数对所述动态路由网络进行训练；

第二训练单元，用于根据所述预测活体信息和所述样本图像的标注活体信息，构建第二损失函数，并采用第二损失函数对所述特征提取网络和所述候选活体检测网络进行训练。

13.根据权利要求12所述的装置，其中，所述候选攻击类型包括如下至少一项：电子屏幕攻击、纸质攻击、二维面具攻击、三维头部模型攻击或证件照攻击。

14.根据权利要求10-13中任一项所述的装置，所述装置还包括初始化模块，所述初始化模块包括：

特征初始化单元，用于采用样本图像对视觉变换器中的多头自注意力模块和逐点前向网络模块进行预训练，并将经训练的多头自注意力模块作为初始的特征提取网络；

活体初始化单元，用于对经训练的逐点前向网络模块进行复制得到至少两个逐点前向网络模块，作为至少两个初始的候选活体检测网络；

路由初始化单元，用于在初始的特征提取网络和至少两个初始的候选活体检测网络中增加初始的动态路由网络。

15.根据权利要求14所述的装置，其中，所述动态路由网络采用全连接神经网络结构。

16.根据权利要求14所述的装置，所述装置还包括新增攻击模块，所述新增攻击包括：

新增获取单元，用于获取新增样本图像的标注攻击类型，并将该标注攻击类型作为新增攻击类型；

新增训练单元，用于为所述新增攻击类型增加对应的候选活体检测网络，并对增加的候选活体检测网络进行训练。

17.一种活体检测装置，所述装置包括：

目标图像模块，用于获取待检测的目标图像；

目标人脸特征模块，用于通过活体检测模型中的特征提取网络对目标图像中的目标人脸区域进行特征提取得到目标人脸特征；所述活体检测模型采用如权利要求1-7中任一项所述的方法训练得到；

目标网络选择模块，用于通过活体检测模型中的动态路由网络根据所述目标人脸特征，从所述活体检测模型的至少两个候选活体检测网络中选择至少一个目标活体检测网络；

目标活体预测模块，用于通过所述目标活体检测网络根据所述目标人脸特征确定目标图像的预测活体信息。

18.根据权利要求17所述的装置，其中，所述目标网络选择模块包括：

目标相似度单元，用于通过活体检测模型中的动态路由网络确定所述目标人脸特征和至少两个候选类中心之间的相似度；所述候选类中心与所述候选活体检测网络之间一一对应；

目标网络选择单元，用于根据所述相似度，从所述至少两个候选活体检测网络中选择至少一个目标活体检测网络。

19.一种电子设备，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1-9中任一项所述的方法。

20.一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计算机执行根据权利要求1-9中任一项所述的方法。

21.一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计算机执行根据权利要求1-9中任一项所述的方法。

Images