CN113989871B 一种活体检测模型训练方法及活体检测方法 (奥比中光科技集团股份有限公司)_第1页
CN113989871B 一种活体检测模型训练方法及活体检测方法 (奥比中光科技集团股份有限公司)_第2页
CN113989871B 一种活体检测模型训练方法及活体检测方法 (奥比中光科技集团股份有限公司)_第3页
CN113989871B 一种活体检测模型训练方法及活体检测方法 (奥比中光科技集团股份有限公司)_第4页
CN113989871B 一种活体检测模型训练方法及活体检测方法 (奥比中光科技集团股份有限公司)_第5页
已阅读5页,还剩35页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

道学府路63号高新区联合总部大厦一种活体检测模型训练方法及活体检测方法分别得到人脸图像依次经过每个卷积模块时的池化后的第四特征图像对活体检测初始模型进算力的芯片上;能获得精度更高的活体检测模2构建活体检测初始模型,所述活体检测初始模型包括至不同尺寸的池化后的第四特征图像对所述活体检测初始模型进行监督训练并迭代更新所利用所述活体检测初始模型的所述至少三个卷积模块对所述目标图像进行特征学习,3.如权利要求1或2所述的活体检测模型训练方根据损失函数计算所述第四特征图像、所述第五特征图像和所将所述待检测图像输入采用如权利要求1至4任一项所述的活体检测模型训练方法得对所述特征图像进行二值化,并求解二值化后的特征图像的均值,根若确定所述待检测图像满足预设质量条件,则将所述待检测7.如权利要求5或6所述的活体检测方法,其特所述将所述待检测图像输入采用如权利要求1至4任一项所述的活体检测模型训练方3将所述待检测图像输入与该待检测图像对应的,且采用如权利要构建模块,用于构建活体检测初始模型,所述活体检测卷积执行模块,用于分别得到所述人脸图像依次经过每个卷特征融合执行模块,用于利用所述特征融合模块融合所述至池化执行模块,用于利用所述池化模块池化所第四特征图像和两个不同尺寸池化后的第四特征图像对所述活体检测初始模型进行监督特征图像获取模块,用于将所述待检测图像输入采用如权利要任一项所述的活体检测模型训练方法,或实现如权利要求5至7任一项所述的活体检测方4第四特征图像对所述活体检测初始模型进行监督训练并迭代更新所述活体检测初始模型,[0012]利用所述活体检测初始模型的所述至少三个卷积模块对所述目标图像进行特征用所述第四特征图像和池化后的第四特征图像对所述活体检测初始模型进行监督训练并5[0019]将所述待检测图像输入采用如第一方面或第一方面任一实现方式所述的活体检一方面或第一方面任一实现方式所述的活体检测模型训练方法得到的经训练的活体检测[0024]所述将所述待检测图像输入采用如第一方面或第一方面任一实现方式所述的活特征图像和池化后的第四特征图像对所述活体检测初始模型进行监督训练并迭代更新所6[0044]图3是本申请一实施例提供的一种活体检测模型训练方法中步骤S120的具体实现[0045]图4是本申请一实施例提供的一种活体检测模型训练方法中所使用的进行监督训[0046]图5是本申请一实施例提供的一种活体检测模型训练方法中所使用的样本及对应7[0059]图1是本申请一实施例提供的一种活体检测模型训练方法的实现流程示意图,本[0068]上采样(upsampling)或称为图像插值(interpolating)或放大图像,主要目的是8为3×3卷积层和3个卷积核为3×3的卷积层进行并联,三个卷积模块用于获取所输入的目9活体检测初始模型时的标签采用例如活体(正样本)为1,假体(负样本)为0这种二分类标联网3D人脸识别SoC芯片,此芯片最大支持32MB双倍速率同步动态随机存储器(Double断人脸图像是否为活体的活体检测模型,该活体检测模型由于采用多模态的图像进行训行活体检测方法可以参见后续的图6和图7所示的实活体检测模型训练方法得到的经训练的活体检测模型对目标对象的人脸图像进行活体检[0098]图6是本申请一实施例提供的一种活体检测方法的实现流[0105]对输出的特征图像进行二值化处理,将特征图像中每个像素的像素值归一化为0头部姿态是否合理;判断人脸是否遮挡(可通过深[0116]图8是本申请另一实施例提供的一种活体检测方法的实现流程示意图,如图8所待检测图像对应的活体检测模型对该待检测图像进行外活体检测模型输出红外特征图像,将深度图像输入深度活体检测模型输出深度特征图的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限未详细描述之处请详见前述活体检测模型训练方[0139]参见图10,图10是本申请一实施例提供的一种活体检测模型训练装置的示意框[0142]卷积执行模块103,用于分别得到所述人脸图像依次经过每个卷积模块时的至少[0143]特征融合执行模块104,用于利用所述特征融合模块融合所述至少三个特征图像四特征图像和池化后的第四特征图像对所述活体检测初始模型进行监督训练并迭代更新[0148]利用所述活体检测初始模型的所述至少三个卷积模块对所述目标图像进行特征[0158]特征图像获取模块112,用于将所述待检测图像输入采用前述活体检测模型训练图像对应的,且采用如前述实施例的活体检测模型训练方法得到的经训练的活体检测模多个处理器120(图12中仅示出一个),存储器121以及存储在存储器121中并可在一个或多序。一个或多个处理器120执行计算机程序122时可以实现活体检测模型训练方法和/或活[0186]在一个实施例中,所称处理器120可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,存储设备。存储器121用于存储计算机程序以及电子设备所需的其他程序和数据。存储器121还可以用于暂时地存储已经输出或者将要输储有计算机程序,所述计算机程序被处理器执行时实现可实现活体检测模型训练方法和/[0196]集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论