(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 202211152333.7 (22)申请日 2022.09.21 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 武文琦　 (74)专利代理 机构 北京晋德允升知识产权代理 有限公司 1 1623 专利代理师 王戈 (51)Int.Cl. G06V 40/40(2022.01) G06V 40/10(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 一种活体 检测模型的生成方法、 装置及设备 (57)摘要 本说明书实施例中公开了一种活体检测模 型的生成方法、 装置及设备。 该方案可以包括： 基 于多任务学习的方式， 分别利用彩色图像样本以 及根据所述彩色图像样本确定出的深度图像样 本或反光图像样本， 对初始模型中的第一活体分 类子模型及第二活体分类子模型进行训练， 得到 训练后模型， 然后从训练后模型中提取使用彩色 图像样本训练得到的第一活体分类子模型作为 活体检测模型。 权利要求书6页 说明书18页 附图4页 CN 115482594 A 2022.12.16 CN 115482594 A 1.一种活体 检测模型的生成方法， 包括： 获取初始模型； 所述初始模型中包括第一活体分类子模型和第二活体分类子模型； 基于多任务学习的方式， 分别利用第一样本集合对所述第一活体分类子模型进行训 练， 以及， 利用第二样本集合对所述第二活体分类子模型进行训练， 得到训练后模型； 所述 第一样本集合中包含彩色图像样本， 所述第二样本集合中包含根据所述彩色图像样本确定 出的深度图像样本或反光图像样本； 从所述训练后模型中提取训练后的所述第一活体分类子模型， 得到活体 检测模型。 2.如权利要求1所述的方法， 所述第二样本集 合包括深度样本集 合与反光样本集 合； 所述利用第二样本集 合对所述第二活体分类子模型进行训练之前， 还 包括： 若所述彩色图像样本携带的分类标签数据用于指示所述彩色图像样本中的样本对象 为活体， 则利用深度估计模型对所述彩色图像样本进行深度估计处理， 得到所述彩色图像 样本对应的深度图像样本； 根据所述彩色图像样本对应的深度图像样本， 生成所述深度样本集 合； 若所述彩色图像样本携带的分类标签数据用于指示所述彩色图像样本中的样本对象 为非活体， 则利用光照模型对所述彩色图像样本进行光照特征分析处理， 得到所述彩色图 像样本对应的反光图像样本； 根据所述彩色图像样本对应的反光图像样本， 生成所述反光样本集 合。 3.如权利要求2所述的方法， 所述利用第二样本集合对所述第二活体分类子模型进行 训练之前， 还 包括： 若所述彩色图像样本携带的分类标签数据用于指示所述彩色图像样本中的样本对象 为非活体， 则将第一纯色图像确定为所述彩色图像样本对应的深度图像样本； 若所述彩色图像样本携带的分类标签数据用于指示所述彩色图像样本中的样本对象 为活体， 则将第二纯色图像确定为所述彩色图像样本对应的反光图像样本 。 4.如权利要求3所述的方法， 所述第 二活体分类子模型包括： 深度分类模型以及反光分 类模型； 所述基于多任务学习的方式， 分别利用第 一样本集合对所述第 一活体分类子模型进行 训练， 以及， 利用第二样本集合对所述第二活体分类子模型进行训练， 得到训练后模型， 具 体包括： 基于多任务学习的方式， 分别利用第一样本集合对所述第一活体分类子模型进行训 练， 利用所述深度样本集合对所述深度分类模型进 行训练， 以及， 利用所述反光样本集合对 所述反光分类模型进行训练， 得到训练后模型。 5.如权利要求4所述的方法， 所述第 一样本集合包括： 全局彩色图像样本集合以及局部 彩色图像样本集合； 所述全局彩色图像样本集合中包含携带有人脸信息及背 景信息的全局 彩色图像样本， 所述局部彩色图像样本集合中包含携带有 所述人脸信息的局部彩色图像样 本； 所述深度样本集合包括： 全局深度样本集合与局部深度样本集合； 所述全局深度样本 集合中包含所述全局彩色图像样本对应的深度图像样本， 所述局部深度样本集合中包含所 述局部彩色图像样本对应的深度图像样本； 所述反光样本集合包括： 全局反光样本集合与局部反光样本集合； 所述全局反光样本权　利　要　求　书 1/6 页 2 CN 115482594 A 2集合中包含所述全局彩色图像样本对应的反光图像样本， 所述局部反光样本集合中包含所 述局部彩色图像样本对应的反光图像样本 。 6.如权利要求5所述的方法， 所述利用第一样本集合对所述第一活体分类子模型进行 训练之前， 还 包括： 获取设备采集到的彩色图像； 针对所述彩色图像进行 人脸识别处 理， 得到所述彩色图像中的预测人脸区域； 从所述彩色图像中提取 所述预测人脸区域内的图像， 得到所述局部彩色图像样本； 从所述彩色图像中提取包含所述预测人脸 区域在内的指定区域中的图像， 得到所述全 局彩色图像样本； 所述指定区域的面积大于所述预测人脸区域的面积。 7.如权利要求5所述的方法， 所述第一活体分类子模型包括第一分类模型及第二分类 模型， 所述深度分类模型包括第三分类模型及第四分类模型， 所述反光分类模型包括第 五 分类模型及第六分类模型； 所述基于多任务学习的方式， 分别利用第 一样本集合对所述第 一活体分类子模型进行 训练， 利用所述深度样本集合对 所述深度分类模型进 行训练， 以及， 利用所述反光样本集合 对所述反光分类模型进行训练， 得到训练后模型， 具体包括： 基于多任务学习的方式， 分别利用所述全局彩色图像样本集合对所述第 一分类模型进 行训练， 利用所述全局深度样本集合对 所述第三分类模型进 行训练， 以及， 利用所述全局反 光样本集 合对所述第五分类模型进行训练， 得到第一训练后模型； 以及， 基于多任务学习的方式， 分别利用所述局部彩色图像样本集合对所述第 二分类模型进 行训练， 利用所述局部深度样本集合对 所述第四分类模型进 行训练， 以及， 利用所述局部反 光样本集 合对所述第六分类模型进行训练， 得到第二训练后模型； 所述从所述训练后模型中提取训练后的所述第一活体分类子模型， 得到活体检测模 型， 具体包括： 从所述第一训练后模型中提取训练后的所述第一分类模型， 以及， 从所述第二训练后 模型中提取训练后的所述第二分类模型， 得到活体 检测模型。 8.如权利要求7所述的方法， 所述第 一分类模型、 所述第 三分类模型以及所述第五分类 模型之间不具有共享网络层， 且所述第一分类模型中的第一隐藏层、 所述第三分类模型中 的第二隐藏层以及所述第五分类模型中的第三隐藏层之 间具有第一连接关系， 所述第一连 接关系用于针对所述第一隐藏层、 所述第二隐藏层以及所述第三隐藏层处的部 分特征向量 进行特征融合处 理； 所述第二分类模型、 所述第四分类模型以及所述第六分类模型之间不具有共享网络 层， 且所述第二分类模型中的第四隐藏层、 所述第四分类模型中的第 五隐藏层以及所述第 六分类模型中的第六隐藏层之 间具有第二连接 关系， 所述第二连接 关系用于针对所述第四 隐藏层、 所述第五隐藏层以及所述第六隐藏层处的部分特 征向量进行 特征融合处 理。 9.如权利要求8所述的方法， 所述第 一分类模型、 所述第 三分类模型以及所述第五分类 模型处的网络层与所述第二分类模型、 所述第四分类模型以及所述第六分类模型 处的网络 层之间均不具有连接关系。 10.如权利要求7至9中任意一项所述的方法， 所述从所述第一训练后模型中提取训练 后的所述第一分类模 型， 以及， 从所述第二训练后模型中提取训练后的所述第二分类模型，权　利　要　求　书 2/6 页 3 CN 115482594 A 3