(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 202210923071.3 (22)申请日 2022.08.02 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 徐佳文　殷俊　朱树磊　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 严翠霞 (51)Int.Cl. G06V 40/10(2022.01) G06V 40/16(2022.01) G06V 40/40(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) (54)发明名称 活体检测方法、 活体检测模 型的训练方法及 装置 (57)摘要 本申请公开了一种活体检测方法、 活体检测 模型的训练方法及装置。 其中， 活体检测模型包 括第一模块和第二模块， 该 活体检测模型的训练 方法包括： 通过第一模块对训练样 本图像进行图 像分割而得到分割特征图， 基于分割特征图计算 图像分割损失； 通过第二模块对分割特征图进行 活体检测而得到活体检测结果， 基于活体检测结 果计算分类损失； 基于图像分割损失和分类损失 计算总损失； 以总损失对活体检测模 型的参数进 行优化， 以得到训练后的活体检测模型。 本申请 可以提高基于摄像头获取的图片数据来进行静 默活体检测的准确性。 权利要求书2页 说明书9页 附图2页 CN 115424293 A 2022.12.02 CN 115424293 A 1.一种活体检测模型的训练方法， 其特征在于， 所述活体检测模型包括第一模块和第 二模块， 所述方法包括： 通过所述第 一模块对训练样本图像进行图像分割 而得到分割特征图， 基于所述分割特 征图计算图像分割损失； 通过所述第 二模块对所述分割特征图进行活体检测而得到活体检测结果， 基于所述活 体检测结果计算分类损失； 基于所述图像分割损失和所述分类损失计算总损失； 以所述总损失对所述活体 检测模型的参数进行优化， 以得到训练后的活体 检测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述通过所述第 一模块对训练样本图像进 行图像分割而得到分割特 征图， 基于所述分割特 征图计算图像分割损失， 包括： 对所述训练样本图像中的像素进行预分类， 以将所述训练样本图像分割成至少一个区 域； 利用所述第一模块对所述训练样本图像进行处 理而得到分割特 征图； 基于所述分割特征图中对应于每一所述区域的特征确定每一所述 区域的标签， 以确定 出所述训练样本图像中所有像素的标签； 基于所述训练样本图像中每一像素的所述标签及所述分割特征图中与所述标签对应 的特征值， 计算出 所述图像分割损失。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述分割特征图中对应于每一所 述区域的特 征确定每一所述区域的标签， 包括： 将所述分割特征图中对应于所述训练样本图像中每一像素的所有特征值中的最大特 征值所属类别， 作为每一像素的类别； 将每一所述区域中出现次数最多的类别作为每一所述区域中所有像素的标签。 4.根据权利要求1所述的方法， 其特征在于， 所述通过所述第 二模块对所述分割特征图 进行活体 检测而得到活体 检测结果， 基于所述活体 检测结果计算分类损失， 之前包括： 基于所述训练样本图像构造正样本对和负样本对， 所述正样本对中训练样本图像的活 体属性相同， 所述负 样本对中训练样本图像的活体属性 不相同； 所述通过所述第二模块对所述分割特征图进行活体检测而得到活体检测结果， 基于所 述活体检测结果计算分类损失， 包括： 确定所述正样本对在所述活体检测模型下的相似度， 以及确定所述负样本对在所述活 体检测模型 下的相似度； 基于所述 正样本对的相似度和所述负 样本对的相似度计算对比损失； 所述基于所述图像分割损失和所述分类损失计算总损失， 包括： 基于所述图像分割损失、 所述对比损失和所述分类损失计算总损失。 5.根据权利要求 4所述的方法， 其特 征在于， 至少部分所述正样本对中训练样本图像对应的对象身份不相同， 所述负样本对中训练 样本图像对应的对象身份相同； 和/或， 至少部分所述正样本对中训练样本图像对应的预设环境信 息不相同， 所述负样本对中 训练样本图像对应的预设环境信息相同。 6.根据权利要求4所述的方法， 其特征在于， 所述第二模块包括特征转换单元， 所述特权　利　要　求　书 1/2 页 2 CN 115424293 A 2征转换单元包括对称且参数共享的两个分支； 所述确定所述正样本对在所述活体检测模型 下的相似度， 以及所述确定所述负 样本对在所述活体 检测模型 下的相似度； 包括： 将所述正样本对中的两个样本分别 输入到对应的分支， 计算所述两个分支的输出的相 似度而得到所述 正样本对在所述活体 检测模型 下的相似度； 将所述负样本对中的两个样本分别 输入到对应的分支， 计算所述两个分支的输出的相 似度而得到所述负 样本对在所述活体 检测模型 下的相似度。 7.根据权利要求6所述的方法， 其特征在于， 所述活体检测模型包括分类单元， 所述通 过所述第二模块对所述分割特征图进 行活体检测而得到活体检测结果， 基于所述活体检测 结果计算分类损失， 包括： 利用所述分类单元对所述特征转换单元的每一分支的输出进行处理， 得到所述每一分 支的输出对应的训练样本图像的活体属性； 基于所述训练样本图像的活体属性计算所述分类损失。 8.根据权利要求1所述的方法， 其特征在于， 所述训练样本图像为对象区域向外扩展后 所得到的区域图像。 9.一种利用活体检测模型进行活体检测的方法， 其特征在于， 所述活体检测模型包括 第一模块和第二模块， 所述方法包括： 获取待检测对象图像； 通过所述第一模块对所述待检测对象图像分割， 得到分割特 征图； 通过所述第 二模块对所述分割特征图进行活体检测， 得到所述待检测对象图像的活体 检测结果； 所述活体检测模型是根据图像分割损失和分类损失进行优化的， 所述图像分割损失是 基于训练样本图像的分割特征图计算得到的， 所述分类损失是基于所述训练样本图像的活 体检测结果计算得到的。 10.一种电子设备， 其特征在于， 所述电子设备包括处理器， 所述处理器用于执行指令 以实现权利要求1 ‑9中任一项所述的方法。 11.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有指令/程 序数据， 所述指令 /程序数据用于被执 行以实现权利要求1 ‑9中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115424293 A 3