申请/专利权人:智慧眼科技股份有限公司
申请日:2022-11-03
公开(公告)日:2022-12-02
公开(公告)号:CN115424335A
主分类号:G06V40/16
分类号:G06V40/16;G06V40/40;G06V20/40;G06V10/82;G06V10/774;G06V10/764;G06V10/762
优先权:
专利状态码:有效-授权
法律状态:2023.08.04#授权;2022.12.20#实质审查的生效;2022.12.02#公开
摘要:本发明公开了一种活体识别模型训练方法、活体识别方法及相关设备,包括:通过获取基础视频,并从基础视频中获取训练图像,采用初始活体识别模型的卷积神经网络提取训练图像的图像特征,作为第一特征,对第一特征进行编码后依次输入到循环神经网络,得到心率信息,并基于心率信息构建心率分类器,基于训练图像对初始活体识别模型进行训练优化,得到优化后的活体识别模型;采用优化后活体识别模型提取正样本图像对应的图像特征,作为第二特征,基于每个第二特征,确定中心特征,并根据中心特征构建异常判断器,基于优化后的活体识别模型、心率分类器和异常判断器,构建目标活体识别模型,采用本发明有利于提高活体判断的准确性。
主权项:1.一种活体识别模型训练方法,其特征在于,所述活体识别模型训练方法包括:获取基础视频,并从所述基础视频中依次提取图像作为锚定人脸图像和正样本图像,并采用所述锚定人脸图像、所述正样本图像和预设的假脸图像构建有序队列,作为训练图像;采用初始活体识别模型的卷积神经网络提取所述训练图像的图像特征,作为第一特征,所述初始活体识别模型依次包含卷积神经网络和循环神经网络;对所述第一特征进行编码后依次输入到所述循环神经网络,得到心率信息,并基于所述心率信息构建心率分类器;基于所述训练图像对所述初始活体识别模型进行训练优化,得到优化后的活体识别模型;采用所述优化后的活体识别模型提取正样本图像对应的图像特征,作为第二特征,基于每个所述第二特征,确定中心特征,并根据中心特征构建异常判断器;基于所述优化后的活体识别模型、所述心率分类器和所述异常判断器,构建目标活体识别模型。
全文数据:
权利要求:
百度查询: 智慧眼科技股份有限公司 活体识别模型训练方法、活体识别方法及相关设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。