(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221083425 0.X (22)申请日 2022.07.14 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 王珂尧　张国生　岳海潇　冯浩城　 (74)专利代理 机构 北京鸿德 海业知识产权代理 有限公司 1 1412 专利代理师 刘振龙 (51)Int.Cl. G06V 40/40(2022.01) G06V 40/16(2022.01) G06V 10/42(2022.01) G06V 10/74(2022.01) (54)发明名称 人脸活体检测及相应模 型的训练方法、 装置 及存储介质 (57)摘要 本公开提供了一种人脸活体检测及相应模 型的训练方法、 装置及存储介质。 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， 可应用于人脸识别等场景。 具体实 现方案为： 对待检测人脸图像进行预处理， 获取 目标人脸图像； 所述目标人脸图像中人脸区域的 占比大于所述待检测人脸图像中人脸区域的占 比； 获取所述目标人脸图像的全局特征； 基于全 局特征和预建立的特征库， 对所述待检测人脸图 像进行人脸活体检测。 本公开的技术， 能够有效 地提高人脸活体 检测的准确性。 权利要求书4页 说明书11页 附图6页 CN 115359574 A 2022.11.18 CN 115359574 A 1.一种人脸活体 检测方法， 包括： 对待检测人脸图像进行预处理， 得到目标人脸图像； 所述目标人脸图像中人脸区域的 占比大于所述待检测人脸图像中人脸区域的占比； 获取所述目标 人脸图像的全局特 征； 基于所述全局特 征和预建立的特 征库， 对所述待检测人脸图像进行 人脸活体 检测。 2.根据权利要求1所述的方法， 其中， 所述对待检测的人脸图像进行预处理， 获取目标 人脸图像， 包括： 将所述待检测人脸图像输入人脸关键点检测模型进行关键点检测， 得到所述待检测人 脸图像的人脸区域中人脸关键点 坐标； 基于所述人脸关键点 坐标， 对对应的目标 人脸进行 人脸对齐， 得到对齐人脸图像； 基于所述对齐人脸图像获取 所述目标 人脸图像。 3.根据权利要求2所述的方法， 其中， 所述基于所述对齐人脸图像获取所述目标人脸图 像， 包括： 通过仿射变换截取 所述对齐人脸图像中的第一人脸图像； 将所述第一人脸图像的尺寸配置为预设尺寸， 得到第二人脸图像； 根据所述第二人脸图像获取 所述目标 人脸图像。 4.根据权利要求3所述的方法， 其中， 所述根据所述第 二人脸图像获取所述目标人脸图 像， 包括： 对所述第二人脸图像进行归一 化处理， 得到所述目标 人脸图像。 5.根据权利要求1所述的方法， 其中， 基于所述全局特征和预建立的特征库， 对所述待 检测人脸图像进行 人脸活体 检测之前， 所述方法还 包括： 基于预先训练 的活体人脸检测模型、 至少两张人脸图像模板和所述模板对应的第 一标 签， 建立所述特 征库， 所述第一标签指示以下任意项： 活体人脸、 攻击、 攻击类型。 6.根据权利要求5所述的方法， 其中， 基于所述活体人脸检测模型、 至少两张人脸图像 模板和所述模板对应的第一标签， 建立所述特 征库， 包括： 采用所述活体人脸检测模型提取 所述模板的模板特 征； 基于所述模板特 征和对应的所述第一标签， 建立所述特 征库。 7.根据权利要求6所述的方法， 其中， 基于所述全局特征和预建立的特征库， 对所述待 检测人脸图像进行 人脸活体 检测， 包括： 获取所述全局特 征和所述特 征库中的各目标 特征之间的第一相似度； 在所述第一相似度中获取最大的第二相似度； 响应于所述第 二相似度 大于或者等于预设阈值， 所述待检测人脸图像的标签为所述第 二相似度对应的所述目标 特征的所述第一标签。 8.根据权利要求7 所述的方法， 其中， 所述方法还 包括： 响应于所述第二相似度小于所述预设阈值， 向审核平台发送所述待检测人脸图像； 接收所述审核平台发送的所述待检测人脸图像的攻击类型； 将所述全局特 征和所述 攻击类型， 加入所述特 征库。 9.一种活体人脸检测模型的训练方法， 包括： 获取包括至少两条训练数据的训练数据组， 所述训练数据包括训练人脸图像、 以及对权　利　要　求　书 1/4 页 2 CN 115359574 A 2应的标签， 所述标签用于标识真实人脸或者攻击， 且所述标签用于标识 攻击时， 包括至少两 级标签； 对所述训练数据组中的各训练人脸图像进行预处理， 得到对应的训练目标人脸图像； 所述训练目标 人脸图像中人脸区域的占比大于所述训练人脸图像中人脸区域的占比； 基于各所述训练目标 人脸图像以及对应的所述标签， 对活体人脸检测模型进行训练。 10.根据权利要求9所述的方法， 其中， 基于各所述训练目标人脸图像以及对应的所述 标签， 对活体人脸检测模型进行训练， 包括： 将所述训练目标人脸图像输入至所述活体人脸检测模型， 得到所述训练目标人脸图像 的全局特 征； 基于所述训练目标人脸图像的全局特征和第 一分类数量的全连接层， 预测所述训练人 脸图像对应的第一预测结果； 基于所述训练目标人脸图像的全局特征和第 二分类数量的全连接层， 预测所述训练人 脸图像对应的第二预测结果； 分别基于所述第一预测结果、 所述第二预测结果和所述训练人脸图像的标签， 构建第 一损失函数和第二损失函数； 基于所述训练数据组的不同的所述训练目标人脸图像的全局特征， 构建三元损失函 数； 检测所述第 一损失函数、 所述第 二损失函数和所述第 三损失函数之和得到的总损失函 数是否收敛； 若不收敛， 调整所述活体人脸检测模型的参数。 11.一种人脸活体 检测装置， 包括： 预处理模块， 用于对待检测人脸图像进行预处理， 得到目标人脸图像； 所述目标人脸图 像中人脸区域的占比大于所述待检测人脸图像中人脸区域的占比； 特征获取模块， 用于获取 所述目标 人脸图像的全局特 征； 人脸活体检测模块， 用于基于所述全局特征和预建立的特征库， 对所述待检测人脸图 像进行人脸活体 检测。 12.根据权利要求1 1所述的装置， 其中， 所述预处 理模块， 用于： 将所述待检测人脸图像输入人脸关键点检测模型进行关键点检测， 得到所述待检测人 脸图像的人脸区域中人脸关键点 坐标； 基于所述人脸关键点 坐标， 对对应的目标 人脸进行 人脸对齐， 得到对齐人脸图像； 基于所述对齐人脸图像获取 所述目标 人脸图像。 13.根据权利要求12所述的装置， 其中， 所述预处 理模块， 还用于： 通过仿射变换截取 所述对齐人脸图像中的第一人脸图像； 将所述第一人脸图像的尺寸配置为预设尺寸， 得到第二人脸图像； 根据所述第二人脸图像获取 所述目标 人脸图像。 14.根据权利要求13所述的装置， 其中， 所述预处 理模块， 还用于： 对所述第二人脸图像进行归一 化处理， 得到所述目标 人脸图像。 15.根据权利要求1 1所述的装置， 其中， 所述装置还 包括： 建立模块， 用于基于预先训练的活体人脸检测模型、 至少两张人脸图像模板和所述模权　利　要　求　书 2/4 页 3 CN 115359574 A 3