買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浙大城市學(xué)院申請(qǐng)的專利人臉活體檢測(cè)分類模型的構(gòu)建方法、檢測(cè)分類方法及裝置獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115240280B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210319837.7，技術(shù)領(lǐng)域涉及：G06V40/40；該發(fā)明授權(quán)人臉活體檢測(cè)分類模型的構(gòu)建方法、檢測(cè)分類方法及裝置是由李卓蓉;吳明暉;魏金嶺;張蕓;余岱蔚設(shè)計(jì)研發(fā)完成，并于2022-03-29向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本人臉活體檢測(cè)分類模型的構(gòu)建方法、檢測(cè)分類方法及裝置在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種人臉活體檢測(cè)分類模型的構(gòu)建方法、檢測(cè)分類方法及裝置，包括獲取訓(xùn)練樣本；構(gòu)建一個(gè)用于人臉活體檢測(cè)的深度神經(jīng)網(wǎng)絡(luò)；對(duì)所述訓(xùn)練樣本進(jìn)行預(yù)處理，構(gòu)建第一訓(xùn)練集；對(duì)于所述第一訓(xùn)練集中的每一個(gè)樣本，生成對(duì)應(yīng)的對(duì)抗樣本并添加至第一訓(xùn)練集，構(gòu)成第二訓(xùn)練集；構(gòu)建面向人臉活體檢測(cè)的防御訓(xùn)練損失函數(shù)，利用所述第二訓(xùn)練集迭代優(yōu)化所述深度神經(jīng)網(wǎng)絡(luò)，獲得魯棒的人臉活體檢測(cè)分類模型。分類方法包括：獲取原始待測(cè)數(shù)據(jù)并進(jìn)行預(yù)處理；將待測(cè)數(shù)據(jù)輸入到上述的人臉活體檢測(cè)分類模型中，輸出檢測(cè)結(jié)果。能夠有效克服對(duì)抗樣本對(duì)人臉活體檢測(cè)分類器造成的干擾，進(jìn)而有效提高具有人臉活體檢測(cè)功能的身份認(rèn)證系統(tǒng)的準(zhǔn)確性和可靠性。

本發(fā)明授權(quán)人臉活體檢測(cè)分類模型的構(gòu)建方法、檢測(cè)分類方法及裝置在權(quán)利要求書(shū)中公布了：1.一種人臉活體檢測(cè)分類模型的構(gòu)建方法，其特征在于，包括： 獲取訓(xùn)練樣本； 構(gòu)建一個(gè)用于人臉活體檢測(cè)的深度神經(jīng)網(wǎng)絡(luò)； 對(duì)所述訓(xùn)練樣本進(jìn)行預(yù)處理，構(gòu)建第一訓(xùn)練集； 對(duì)于所述第一訓(xùn)練集中的每一個(gè)樣本，生成對(duì)應(yīng)的對(duì)抗樣本并添加至第一訓(xùn)練集，構(gòu)成第二訓(xùn)練集； 構(gòu)建面向人臉活體檢測(cè)的防御訓(xùn)練損失函數(shù)，利用所述第二訓(xùn)練集迭代優(yōu)化所述深度神經(jīng)網(wǎng)絡(luò)，獲得魯棒的人臉活體檢測(cè)分類模型； 其中，所述面向人臉活體檢測(cè)的防御訓(xùn)練損失函數(shù)L的形式化表示如下： ， 其中，表示分類問(wèn)題的損失函數(shù)，表示對(duì)抗度量學(xué)習(xí)損失函數(shù)，表示正則項(xiàng)，，和分別是各個(gè)損失項(xiàng)的權(quán)重系數(shù)； 其中所述分類問(wèn)題的損失函數(shù)的形式化表示如下： ， 其中表示深度神經(jīng)網(wǎng)絡(luò)，表示二分類損失函數(shù)，表示活體對(duì)象的人臉圖像，表示假體對(duì)象的二次成像，表示在人臉圖像上疊加對(duì)抗擾動(dòng)后合成的對(duì)抗樣本，表示類別標(biāo)簽為活體，表示類別標(biāo)簽為假體； 其中所述對(duì)抗度量學(xué)習(xí)損失函數(shù)的形式化表示如下： ， 其中，T表示三元組損失函數(shù)，g·表示深度神經(jīng)網(wǎng)絡(luò)對(duì)輸入圖像的表征，表示對(duì)抗樣本和假體對(duì)象的二次成像的深度神經(jīng)網(wǎng)絡(luò)表征和之間的距離，a是預(yù)設(shè)邊界值； 其中所述正則項(xiàng)的形式化表示如下： ， 其中，表示范數(shù)為p的正則化； 通過(guò)最小化三元組損失函數(shù)拉近同類的對(duì)抗樣本和假體圖像樣本之間的距離，并增加它們與非同類的活體對(duì)象樣本之間的距離； 所述魯棒的人臉活體檢測(cè)分類模型，既能夠區(qū)分活體對(duì)象的圖像和假體對(duì)象的二次成像，也能夠正確地將對(duì)抗樣本分類為假體對(duì)象，即， ，且，且。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人浙大城市學(xué)院，其通訊地址為：310015 浙江省杭州市拱墅區(qū)湖州街51號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。