(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 202210511476.6 (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 黄泽斌　 (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 杨静 (51)Int.Cl. G06V 40/16(2022.01) G06V 40/40(2022.01) G06V 10/44(2022.01) G06V 10/56(2022.01) G06V 10/774(2022.01)G06V 10/80(2022.01) G06K 9/62(2022.01) G06F 21/32(2013.01) (54)发明名称 活体检测方法、 模 型的训练方法、 装置、 电子 设备及介质 (57)摘要 本公开提供了一种活体检测方法、 模 型的训 练方法、 装置、 电子设备及介质， 涉及人工智能技 术领域， 具体为深度学习、 图像处理、 计算机视觉 技术领域， 可应用于人脸识别等场景。 具体实现 方案为： 获取目标对象 的面部区域图像和扩展区 域图像， 其中， 面部区域图像包括第一面部区域 的图像， 扩展区域图像是第二面部区域和第二面 部区域以外的预定扩展区域的图像； 根据目标对 象的面部区域图像和至少一个扩展区域图像， 得 到目标图像数据， 其中， 目标图像数据包括以下 至少之一： 第一融合图像和辅助图像数据， 辅助 图像数据包括以下至少之一： 轮廓图像和第二融 合图像； 利用目标图像数据进行活体检测， 得到 针对目标对象的活体 检测结果。 权利要求书4页 说明书13页 附图6页 CN 114821732 A 2022.07.29 CN 114821732 A 1.一种活体 检测方法， 包括： 获取目标对象的面部区域图像和扩展区域图像， 其中， 所述面部区域图像包括第一面 部区域的图像， 所述扩展区域图像是第二面部区域和所述第二面部区域以外的预定扩展区 域的图像； 根据所述面部区域图像和所述扩展区域图像， 得到目标图像数据， 其中， 所述目标图像 数据包括以下至少之一： 第一融合图像和辅助图像数据， 所述辅助图像数据包括以下至少 之一： 轮廓图像和第二融合图像； 以及 利用所述目标图像数据进行活体 检测， 得到针对所述目标对象的活体 检测结果。 2.根据权利要求1所述的方法， 其中， 所述根据所述面部区域图像和所述扩展区域图 像， 得到目标图像数据， 包括： 对所述面部区域图像和所述扩展区域图像进行拼接， 得到所述第一融合图像； 根据所述第一融合图像、 所述面部区域图像和所述扩展区域图像中的至少之一， 得到 所述辅助图像数据； 以及 根据所述第一融合图像和所述辅助图像数据中的至少之一， 得到所述目标图像数据。 3.根据权利要求2所述的方法， 其中， 所述根据所述第一融合图像、 所述面部区域图像 和所述扩展区域图像中的至少之一， 得到所述辅助图像数据， 包括： 利用轮廓提取算法处 理所述第一融合图像， 得到所述轮廓图像； 利用以下 方式之一得到所述第二融合图像： 对所述第一融合图像进行颜色空间转换， 得到所述第二融合图像； 以及 根据转换面部区域图像和至少一个转换扩展区域图像， 得到所述第二融合图像， 其中， 所述转换面部区域图像是对所述面部区域图像进 行颜色空间转换得到的， 所述转换扩展区 域图像是对所述扩展区域图像进行颜色转换 得到的。 4.根据权利要求1～3中任一项所述的方法， 其中， 所述利用所述目标图像数据进行活 体检测， 得到针对所述目标对象的活体 检测结果， 包括： 对所述目标图像数据进行 特征提取， 得到目标 特征数据； 以及 根据所述目标 特征数据进行活体分类， 得到针对所述目标对象的活体 检测结果。 5.根据权利要求1～4中任一项所述的方法， 还 包括： 从所述目标对象的场景图像中提取所述第一面部区域的图像， 得到所述面部区域图 像； 以及 从所述场景图像中提取所述第二面部区域和所述第二面部区域以外的预定扩展区域 的图像， 得到所述扩展区域图像。 6.一种活体 检测模型的训练方法， 包括： 获取样本对象的样本面部区域图像和样本扩展区域图像， 其中， 所述样本面部区域图 像是第一样本面部区域的图像， 所述样本扩展区域图像是第二样本面部区域和所述第二样 本面部区域以外的预定样本扩展区域的图像； 根据所述样本面部区域图像和所述样本扩展区域图像， 得到样本图像数据， 其中， 所述 样本图像数据包括以下至少之一： 第一样本融合图像和样本辅助图像数据， 所述样本辅助 图像数据包括以下至少之一： 样本轮廓图像和第二样本融合图像； 以及 利用所述样本图像数据训练深度学习模型， 得到所述活体 检测模型。权　利　要　求　书 1/4 页 2 CN 114821732 A 27.根据权利要求6所述的方法， 其中， 所述根据所述样本面部区域图像和所述样本扩展 区域图像， 得到样本图像数据， 包括： 对所述样本对象的样本面部区域图像和所述样本扩展区域图像进行拼接， 得到所述第 一样本融合图像； 根据所述第 一样本融合图像、 所述样本面部区域图像和所述样本扩展区域图像中的至 少之一， 得到所述样本 辅助图像数据； 以及 根据所述第 一样本融合图像和所述样本辅助图像数据中的至少之一， 得到所述样本图 像数据。 8.根据权利要求6或7所述的方法， 其中， 所述利用所述样本 图像数据训练深度学习模 型， 得到所述活体 检测模型， 包括： 将所述样本图像数据输入所述深度学习模型， 得到所述样本对象的活体 检测结果； 将所述样本对象的活体检测结果和 活体检测标签值输入预定损 失函数， 得到输出值； 以及 根据所述输出值调整所述深度学习模型的模型参数， 直至满足预定条件， 得到所述活 体检测模型。 9.一种活体 检测装置， 包括： 第一获取模块， 用于获取目标对象的面部区域图像和扩展区域图像， 其中， 所述面部区 域图像是第一面部区域的图像， 所述扩展区域图像是第二面部区域和所述第二面部区域以 外的预定扩展区域的图像； 第一获得模块， 用于根据 所述面部区域图像和所述扩展区域图像， 得到目标图像数据， 其中， 所述目标图像数据包括以下至少之一： 第一融合图像和辅助图像数据， 所述辅助图像 数据包括以下至少之一： 轮廓图像和第二融合图像； 以及 第二获得模块， 用于利用所述目标图像数据进行活体检测， 得到针对所述目标对象的 活体检测结果。 10.根据权利要求9所述的装置， 其中， 所述第一获得模块， 包括： 第一获得子模块， 用于对所述面部区域图像和所述扩展区域图像进行拼接， 得到所述 第一融合图像； 第二获得子模块， 用于根据所述第一融合图像、 所述面部区域图像和所述扩展区域图 像中的至少之一， 得到所述辅助图像数据； 以及 第三获得子模块， 用于根据所述第一融合图像和所述辅助图像数据中的至少之一， 得 到所述目标图像数据。 11.根据权利要求10所述的装置， 其中， 所述第二获得子模块， 包括： 第一获得 单元， 用于利用轮廓提取算法处 理所述第一融合图像， 得到所述轮廓图像； 利用以下 方式之一得到所述第二融合图像： 第二获得单元， 用于对所述第 一融合图像进行颜色空间转换， 得到所述第 二融合图像； 以及 第三获得单元， 用于根据转换面部区域图像和至少一个转换扩展区域图像， 得到所述 第二融合图像， 其中， 所述转换面部区域图像是对所述面部区域图像进行颜色空间转换得 到的， 所述 转换扩展区域图像是对所述扩展区域图像进行颜色转换 得到的。权　利　要　求　书 2/4 页 3 CN 114821732 A 3