(19)中华 人民共和国 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 202111662675.9 (22)申请日 2021.12.31 (71)申请人 浙江大华 技术股份有限公司 地址 310053 浙江省杭州市滨江区滨安路 1187号 (72)发明人 徐佳文　朱树磊　殷俊　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 代理人 潘平 (51)Int.Cl. G06V 40/40(2022.01) G06V 40/16(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 一种活体 检测方法、 装置及电子设备 (57)摘要 本申请公开了一种活体检测方法、 装置及电 子设备， 该方法包括： 将至少一个数据域中的活 体数据与非活体数据输入第一网络模 型； 获取第 一网络模型中通过分类器生成的活体检测结果 及第一网络模型中通过对抗网络生成的域分类 结果； 根据活体检测结果更新分类器对应的参 数； 根据活体检测结果和/或域分类结果更新第 一网络模型中特征生成器对应的参数； 根据更新 参数后特征生成器及更新参数后的分类器， 得到 第二网络模 型。 使用不同数据域中的活体数据与 非活体数据对第一网络模型进行训练， 并用域分 类结果及活体检测结果调整第一网络模型参数， 减小数据域的不同对活体检测的影 响， 进而提高 第二网络模型活体 检测准确性。 权利要求书3页 说明书13页 附图3页 CN 114360072 A 2022.04.15 CN 114360072 A 1.一种活体 检测方法， 其特 征在于， 所述方法包括： 将至少一个数据域中的活体数据与非活体数据输入第一网络模型， 其中， 所述活体数 据及所述非活体数据中至少包括人脸数据； 获取所述第一网络模型中通过分类器生成的活体检测结果及所述第一网络模型中通 过对抗网络生成的域分类结果； 根据所述活体 检测结果更新所述分类 器对应的参数； 根据所述活体检测结果和/或所述域分类结果更新所述第 一网络模型中特征生成器对 应的参数； 根据更新参数后特征生成器及更新参数后的分类器， 得到第 二网络模型， 其中， 所述第 二网络模型用于活体 检测。 2.如权利要求1所述的方法， 其特征在于， 所述将至少一个数据域中的活体数据与非活 体数据输入第一网络模型， 包括： 获取所述活体数据与所述非活体数据， 其中， 所述活体数据和所述非活体数据中包括 人脸图像数据及人脸图像范围以外的图像数据； 将至少一个数据域中的所述活体数据与所述非活体数据输入所述第一网络模型。 3.如权利要求1所述的方法， 其特征在于， 所述根据 所述活体检测结果更新所述分类器 对应的参数， 包括： 计算多个所述活体 检测结果对应的第一损失值， 并检测所述第一损失值是否收敛； 若否， 则调整所述分类 器对应的参数， 直至所述第一损失值收敛。 4.如权利要求1所述的方法， 其特征在于， 所述根据所述活体检测结果和/或所述域分 类结果更新所述第一网络模型中特 征生成器对应的参数， 包括： 计算多个所述活体 检测结果对应的第一损失值； 当所述第一损 失值不收敛时， 调整所述第一网络模型中的特征生成器对应的参数， 直 至所述第一损失值收敛； 和/或 计算多个所述域分类结果对应的第二损 失值， 其中， 所述第二损 失值指示对抗网络对 应的约束函数损失值； 当所述第二损 失值不收敛时， 调整所述第一网络模型中的特征生成器对应的参数， 直 至所述第二损失值收敛。 5.如权利要求1所述的方法， 其特 征在于， 在所述得到第二网络模型之后， 还 包括： 在检测到目标 人脸时， 将所述目标 人脸对应的图像数据输入所述第二网络模型； 通过所述第二网络模型中的特征生成器以及分类器， 确定所述图像数据的分类， 并根 据分类结果判定所述目标 人脸是否为活体。 6.如权利要求5所述的方法， 其特征在于， 所述通过所述第 二网络模型中的特征生成器 以及分类器， 确定所述图像数据的分类， 并根据分类结果判定所述目标人脸是否为活体， 包 括： 通过所述第 二网络模型中的特征生成器以及 分类器对所述图像数据进行分类， 得到包 含数据类别及所述数据类别对应概率的分类结果， 其中， 所述数据类别包括活体数据与非 活体数据； 根据所述分类结果， 确定所述目标 人脸是否为活体。权　利　要　求　书 1/3 页 2 CN 114360072 A 27.如权利要求1所述的方法， 其特征在于， 在所述将至少一个数据域中的活体数据与非 活体数据输入第一网络模型之前， 还 包括： 获取第一外扩数据， 并对所述第一外扩数据进行数据扩充， 得到第二外扩数据， 其中， 所述第一外扩数据中至少包括人脸图像数据及人脸图像范围以外的图像数据， 所述预设数 据至少包括人脸图像数据； 将所述第一外扩数据和所述第二外扩数据输入第一网络模型； 根据第一网络模型中的特征生成器， 生成所述第 一外扩数据对应的第 一特征数据及所 述第二外扩数据对应的第二特 征数据； 根据所述第 一特征数据与 所述第二特征数据之间的对比损失值， 调 整第一网络模型中 的特征生成器对应的参数。 8.如权利要求7 所述的方法， 其特 征在于， 所述获取第一外扩数据， 包括： 在采集人脸图像数据时， 将第一检测框扩大， 得到第二检测框， 其中， 所述第二检测框 中包括人脸图像及人脸图像范围以外的图像； 获取所述第 二检测框 内的所有图像数据， 并对所述所有图像数据中的预设数据进行模 糊处理， 得到所述第一扩充数据， 其中， 所述预设数据至少包括人脸图像数据。 9.如权利要求7所述的方法， 其特征在于， 所述根据 所述第一特征数据与所述第 二特征 数据之间的对比损失值， 调整第一网络模型中的特 征生成器对应的参数， 包括： 计算多个所述第一特 征参数与所述第二特 征参数之间的对比损失值； 判断所述对比损失值是否收敛； 若否， 则调整第一网络模型中的特 征生成器对应的参数， 直到所述对比损失值收敛。 10.如权利要求1所述的方法， 其特征在于， 所述第二网络模型包括所述更新参数后的 特征生成器、 所述更新 参数后的分类 器以及更新后参数的对抗网络 。 11.一种活体 检测装置， 其特 征在于， 所述装置包括： 第一输入模块， 用于将至少一个数据域中的活体数据与非活体数据输入第一网络模 型， 其中， 所述活体数据及所述非活体数据中至少包括人脸数据； 获取模块， 用于获取所述第 一网络模型中通过分类器生成的活体检测结果及所述第 一 网络模型中通过对抗网络生成的域分类结果； 第一更新模块， 用于根据所述活体检测结果更新所述分类器对应的参数； 根据所述活 体检测结果和/或所述 域分类结果更新所述第一网络模型中特 征生成器对应的参数； 确定模块， 用于根据更新参数后特征生成器及更新参数后的分类器， 得到第二网络模 型， 其中， 所述第二网络模型用于活体 检测。 12.如权利要求1 1所述的装置， 其特 征在于， 所述装置还 包括： 检测模块， 用于在检测到目标人脸时， 将所述目标人脸对应的图像数据输入所述第二 网络模型； 判定模块， 用于通过所述第二网络模型中的特征生成器以及分类器， 确定所述图像数 据的分类， 并根据分类结果判定所述目标 人脸是否为活体。 13.如权利要求1 1所述的装置， 其特 征在于， 所述装置还 包括： 扩充模块， 用于获取第一外扩数据， 并对所述第 一外扩数据进行数据扩充， 得到第二外 扩数据， 其中， 所述第一外扩数据中至少包括人脸图像数据及人脸图像范围以外的图像数权　利　要　求　书 2/3 页 3 CN 114360072 A 3