(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 202210506492.6 (22)申请日 2022.05.10 (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 邹棹帆　王珂尧　岳海潇　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 周祺 (51)Int.Cl. G06V 40/40(2022.01) G06V 40/16(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 活体检测模 型的训练方法、 活体对象检测方 法以及装置 (57)摘要 本公开提供了一种活体检测模型的训练方 法、 活体对象检测方法， 涉及人工智能技术领域， 尤其涉及深度学习、 图像处理、 计算机视觉技术 领域， 可应用于人脸识别等场景。 活体检测模型 的训练方法的具体实现方案为： 将第一活体检测 训练集的活体负样本输入初始活体检测模型， 得 到活体负样 本特征； 根据活体负样 本特征与目标 参考活体负样本特征， 确定第一聚类反馈数值， 其中， 第一聚类 反馈数值用于表征活体负样本特 征与目标参考活体负样本特征之间的相似度， 目 标参考活体负样本特征是基于多个参考活体负 样本特征与活体负样本特征之间的相似度得到 的； 以及根据第一聚类反馈数值， 调整初始活体 检测模型的模型参数， 得到中间活体 检测模型。 权利要求书4页 说明书16页 附图8页 CN 114764950 A 2022.07.19 CN 114764950 A 1.一种活体 检测模型的训练方法， 包括： 将第一活体 检测训练集的活体负 样本输入初始活体 检测模型， 得到活体负 样本特征； 根据所述活体负样本特征与目标参考活体负样本特征， 确定第一 聚类反馈数值， 其中， 所述第一聚类反馈数值用于表征所述活体负样本特征与所述目标参考活体负样本特征之 间的相似度， 所述目标参考活体负样本特征是基于多个参考活体负样本特征与所述活体负 样本特征之间的相似度得到的； 以及 根据所述第一聚类反馈数值， 调整所述初始活体检测模型的模型参数， 得到中间活体 检测模型。 2.根据权利要求1所述的方法， 其中， 所述根据所述活体负样本特征与目标参考活体负 样本特征， 确定第一聚类反馈数值包括： 根据所述活体负样本特征与每一个所述参考活体负样本特征的相似度参数， 确定所述 目标参考活体负 样本特征； 以及 根据所述活体负样本特征、 所述目标参考活体负样本特征以及负样本损 失函数， 确定 所述第一聚类反馈数值。 3.根据权利要求1所述的方法， 其中， 所述参考活体负样本特征是基于所述第 一活体检 测训练集的所述活体负 样本经过特征提取得到的， 所述活体 检测模型的训练方法还 包括： 根据所述第一聚类反馈数值更新所述 参考活体负 样本特征。 4.根据权利要求2所述的方法， 还 包括： 将所述第一活体检测训练集的活体正样本输入所述初始 活体检测模型， 得到活体正样 本特征； 根据所述活体正样本特征与参考活体正样本特征， 确定第 二聚类反馈数值， 其中， 所述 第二聚类反馈数值用于表征所述活体正样本特征与所述参考活体正样本特征之间的相似 度； 以及 根据所述第二聚类反馈数值， 调整所述初始活体检测模型的模型参数， 得到所述中间 活体检测模型。 5.根据权利要求4所述的方法， 其中， 所述初始活体检测模型包括卷积神经网络模型， 所述根据所述活体正样本特 征与参考活体正样本特 征， 确定所述第二聚类反馈数值包括： 根据所述卷积神经网络模型的全连接层权 重， 确定所述 参考活体正样本特 征； 根据所述活体正样本特征和所述参考活体正样本特征， 确定所述活体正样本特征的概 率数值； 以及 根据活体正样本特征、 所述概率数值以及正样本特征损 失函数， 确定所述第二聚类反 馈数值。 6.根据权利要求4所述的方法， 其中， 所述负样本特征损失函数包括以下中的至少一 个： 余弦相似度损失函数、 距离损失函数； 所述正样本特征损失函数包括以下中的至少一 个： 交叉熵损失函数、 对数损失函数。 7.根据权利要求1 ‑6中任一项所述的方法， 还 包括： 基于所述第 一活体检测训练集的样本和教师模型， 确定第 一样本特征参数， 其中， 所述 教师模型由所述中间活体 检测模型 得到； 基于第二活体检测训练集的样本和学生模型， 确定第 二样本特征参数， 其中， 所述学生权　利　要　求　书 1/4 页 2 CN 114764950 A 2模型由所述教师模型得到， 所述第二活体检测训练集包括所述第一活体检测训练集和回流 活体检测训练集； 根据所述第一样本特征参数和所述第二样本特征参数， 确定特征参数监督数值， 所述 特征参数监 督数值用于表征 所述教师模型向所述学生模型进行模型迁移的迁移效果； 以及 根据所述特 征参数监 督数值， 调整所述学生模型的模型参数， 得到目标活体 检测模型。 8.根据权利要求7所述的方法， 其中， 所述根据所述第 一样本特征参数和所述第 二样本 特征参数， 确定特 征参数监 督数值包括： 确定每两个所述第一特 征样本参数之间的相关性 参数， 得到第一相关性 参数； 确定每两个所述第二特 征样本参数之间的相关性 参数， 得到第二相关性 参数； 以及 确定所述第 一相关性参数和所述第 二相关性参数之间的相似度参数， 得到所述特征参 数监督数值。 9.一种活体对象检测方法， 包括： 将待检测图像输入活体 检测模型， 得到活体对象检测结果， 其中， 所述活体 检测模型 是利用权利要求1 ‑8之一所述的方法训练得到的。 10.一种活体 检测模型的训练装置， 包括： 活体负样本特征确定模块， 用于将第 一活体检测训练集的负样本输入初始 活体检测模 型， 得到活体负 样本特征； 第一聚类反馈数值确定模块， 用于根据所述活体负样本特征与目标参考活体负样本特 征， 确定第一聚类反馈数值， 其中， 所述第一聚类反馈数值用于表征所述负样本特征与所述 目标参考活体负样本特征之 间的相似度， 所述目标参考活体负样本特征是基于多个参考活 体负样本特征与所述活体负 样本特征之间的相似度得到的； 以及 中间活体检测模型第一确定模块， 用于根据所述第一聚类反馈数值， 调整所述初始活 体检测模型的模型参数， 得到中间活体 检测模型。 11.根据权利要求10所述的装置， 其中， 所述第一聚类反馈数值确定模块包括： 目标参考活体负样本特征确定子模块， 用于根据 所述活体负样本特征与每一个所述参 考活体负 样本特征的相似度参数， 确定所述目标参 考活体负 样本特征； 以及 第一聚类反馈数值确定子模块， 用于根据所述活体负样本特征、 所述目标参考活体负 样本特征以及负 样本损失函数， 确定所述第一聚类反馈数值。 12.根据权利要求10所述的装置， 其中， 所述参考活体负样本特征是基于所述第 一活体 检测训练集的所述负 样本经过特征提取得到的， 所述活体 检测模型的训练装置还 包括： 参考活体负样本特征更新模块， 用于根据 所述第一聚类反馈数值更新所述参考活体负 样本特征。 13.根据权利要求1 1所述的装置， 还 包括： 活体正样本特征确定模块， 用于将所述第 一活体检测训练集的活体正样本输入所述初 始活体检测模型， 得到活体正样本特 征； 第二聚类反馈数值确定模块， 用于根据所述活体正样本特征与参考活体正样本特征， 确定第二聚类反馈数值， 其中， 所述第二聚类反馈数值用于表征所述活体正样本特征与所 述参考活体正样本特 征之间的相似度； 以及 中间活体检测模型第二确定模块， 用于根据所述第二聚类反馈数值， 调整所述初始活权　利　要　求　书 2/4 页 3 CN 114764950 A 3