(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 202210252551.1 (22)申请日 2022.03.15 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 时勇杰　陆进　刘玉宇　肖京　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 陈春芹 (51)Int.Cl. G06V 40/16(2022.01) G06V 40/40(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 活体判别方法及电子设备、 存 储介质 (57)摘要 一种活体判别方法及电子设备、 存储介质， 其主要目的在于提高活体判别的稳定性， 该方法 包括： 获取目标图像， 并在目标图像中生成第一 检测框和第二检测框， 第一检测框和第二检测框 均用于定位待判别对象， 且第一检测框的检测区 域大于第二检测框的检测区域。 利用第一检测框 和第二检测框分别从目标图像中截取第一图像 和第二图像， 并将第一图像输入基于自监督预训 练得到的第一预设神经网络中进行特征提取， 得 到第一特征信息， 将第二图像输入第二预设神经 网络中进行特征提取， 得到第二特征信息。 若根 据第一特征信息识别出非活体特征， 将待判别对 象确定为非活体， 否则， 根据第一特征信息和第 二特征信息进行活体判别， 得到活体判别结果。 权利要求书3页 说明书13页 附图4页 CN 114627534 A 2022.06.14 CN 114627534 A 1.一种活体判别方法， 其特 征在于， 所述方法包括： 获取目标图像， 并在所述目标图像中生成第一检测框和第二检测框， 所述第一检测框 和所述第二检测框均用于定位待判别对象， 且所述第一检测框的检测区域大于所述第二检 测框的检测区域； 利用所述第 一检测框从所述目标图像中截取第 一图像， 并将所述第 一图像输入第 一预 设神经网络中进行特征提取， 得到第一特征信息， 所述第一预设神经网络是基于 自监督预 训练得到的； 利用所述第 二检测框从所述目标图像中截取第 二图像， 并将所述第 二图像输入第 二预 设神经网络中进行 特征提取， 得到第二特 征信息； 根据所述第一特征信息进行非活体特征的识别， 若识别出非活体特征， 将所述待判别 对象确定为非活体； 若未识别出非活体特征， 根据所述第一特征信息和所述第二特征信息 进行活体判别， 得到活体判别结果。 2.根据权利要求1所述的方法， 其特征在于， 所述第 一预设神经网络和所述第 二预设神 经网络的训练步骤 包括： 获取图像样本以及所述图像样本的活体判别标签； 在所述图像样本 中生成第 三检测框和第四检测框， 所述第 三检测框的检测区域大于所 述第四检测框的检测区域； 利用所述第 三检测框从所述图像样本 中截取第 三图像， 以及利用所述第四检测框从所 述图像样本中截取第四图像； 根据预设特征类型， 生成所述第三图像的自监督特征， 所述预设特征类型为活体图像 与非活体图像中存在差异的特 征类型； 利用所述第三图像对第一预设神经网络进行训练， 得到第一训练结果， 并利用所述自 监督特征对所述第一预设神经网络进行自监 督学习， 得到自监 督结果； 利用所述第四图像对第二预设神经网络进行训练， 得到第二训练结果； 根据所述第一训练结果和所述第二训练结果进行活体判别， 得到目标判别结果； 根据所述自监督结果、 所述目标判别结果和所述活体判别标签调整所述第 一预设神经 网络和所述第二预设神经网络的参数， 直至 达到训练结束条件。 3.根据权利要求2所述的方法， 其特征在于， 所述利用所述第 三图像对第 一预设神经网 络进行训练， 得到第一训练结果， 包括： 将所述第 三图像输入第一预设神经网络 中进行N次特征提取， 得到第 N次特征提取对应 的第一提取信息， N 为正整数； 将所述第一 提取信息确定为第一训练结果； 所述利用所述自监督特征对所述第一预设神经网络进行自监督学习， 得到自监督结 果， 包括： 获取第N‑m次特征提取对应的第二提取信息， m表示自监督层 数， m为正整数且m∈[1， N ‑ 1]； 将所述第二提取信息和所述自监督特征输入预训练的自监督分支中， 得到自监督结 果。 4.根据权利要求2所述的方法， 其特征在于， 所述根据预设特征类型， 生成所述第三图权　利　要　求　书 1/3 页 2 CN 114627534 A 2像的自监 督特征， 包括： 根据预设特 征类型， 生成所述第三图像的目标 特征图； 获取预设的自监 督层数， 并获取与所述自监 督层数匹配的特 征图尺寸； 根据所述特征图尺寸对所述目标特征图进行尺寸调整， 得到所述第 三图像的自监督特 征。 5.根据权利要求2所述的方法， 其特征在于， 所述利用所述第 三检测框从所述图像样本 中截取第三图像， 包括： 从所述图像样本中截取 所述第三检测框对应的子图像； 将所述第三检测框对应的子 图像确定为第三图像， 或者， 对所述第三检测框对应的子 图像进行 数据增强处 理， 得到第三图像； 所述利用所述第四检测框从所述图像样本中截取第四图像， 包括： 从所述图像样本中截取 所述第四检测框对应的子图像； 将所述第四检测框对应的子 图像确定为第 四图像， 或者， 对所述第 四检测框对应的子 图像进行 数据增强处 理， 得到第四图像。 6.根据权利要求1至5任一项所述的方法， 其特征在于， 所述将所述第一图像输入第一 预设神经网络中进行 特征提取， 得到第一特 征信息， 包括： 对所述第一图像进行 标准化处理， 得到第五图像； 将所述第五图像输入第一预设神经网络中进行 特征提取， 得到第一特 征信息； 所述将所述第二图像输入第二预设神经网络中进行特征提取， 得到第二特征信息， 包 括： 对所述第 二图像进行标准化处理， 得到第六图像， 其中， 所述第五图像对应的第 一图像 尺寸与所述第六图像对应的第二图像尺寸之间满足指 定倍数， 且所述第一图像尺寸大于所 述第二图像尺寸； 将所述第六图像输入第二预设神经网络中进行 特征提取， 得到第二特 征信息。 7.根据权利要求1至5任一项所述的方法， 其特征在于， 所述在所述目标图像中生成第 一检测框和第二检测框， 包括： 在所述目标图像中生成初始检测框， 所述初始检测框用于 定位待判别对象； 将所述初始检测框确定为第二检测框， 并对所述初始检测框进行外扩处理， 得到第一 检测框； 或者， 对所述初始检测框进行两次外扩处理， 得到第 一检测框和第二检测框， 所述第一 检测框的检测范围大于所述第二检测框的检测范围。 8.根据权利要求1至5任一项所述的方法， 其特征在于， 所述根据所述第一特征信息和 所述第二特 征信息进行活体判别， 得到活体判别结果， 包括： 获取预训练的活体判别模型， 所述活体判别模型包括融合单 元和分类单 元； 将所述第一特征信 息和所述第 二特征信 息输入所述融合单元中进行特征融合， 得到目 标特征信息； 将所述目标特征信息输入所述分类单元中， 得到活体概率以及非活体概率， 活体概率 表示所述待判别对象为活体的概率， 所述非活体概率表示所述待判别对象为非活体的概 率；权　利　要　求　书 2/3 页 3 CN 114627534 A 3