一种人脸活体识别网络训练方法、系统及电子设备与流程

技术特征：
1.一种人脸活体识别网络训练方法，其特征在于：包括如下步骤：获取经过预处理的图像；将图像进行特征提取，检测图像中的人脸特征，获得分类预测结果；基于分类预测结果，采用am-softmax loss函数计算对应的损失函数值；基于损失函数值，采用梯度下降算法反向求取梯度，更新识别网络的模型参数。2.如权利要求1中所述人脸活体识别网络训练方法，其特征在于：所述am-softmax loss函数具体为：3.如权利要求2中所述人脸活体识别网络训练方法，其特征在于：式中，缩放因子s设定为1，m设定为0.5。4.如权利要求1中所述人脸活体识别网络训练方法，其特征在于：图像的预处理包括图像增强和/或图像缩放处理。5.一种人脸活体识别网络系统，其特征在于，包括：图像预处理单元，用于获取经过预处理的图像；预测单元，用于将图像进行特征提取，检测图像中的人脸特征，获得分类预测结果；损失监督单元，用于基于分类预测结果，采用am-softmax loss函数计算对应的损失函数值；模型更新单元，用于基于损失函数值，采用梯度下降算法反向求取梯度，更新识别网络的模型参数。6.一种电子设备，包括存储器和处理器，其特征在于：所述存储器中存储有计算机程序，所述计算机程序被设置为运行时执行所述权利要求1至4任一项中所述人脸活体识别网络训练方法；所述处理器被设置为通过所述计算机程序执行所述权利要求1至4任一项中所述人脸活体识别网络训练方法。

技术总结
本发明提供一种人脸活体识别网络训练方法、系统及电子设备，包括步骤：获取经过预处理的图像；将图像进行特征提取，检测图像中的人脸特征，获得分类预测结果；基于分类预测结果，采用Am-softmax Loss函数计算对应的损失函数值；基于损失函数值，采用梯度下降算法反向求取梯度，更新识别网络的模型参数，使得训练后的识别网络能够在不同的样本间建立一个角度边界，在不同样本之间形成一个大角度的间隔监督函数，能更大的拉开样本之间的差别，增强了类间距离，使得训练后的识别网络在面对多种攻击人脸时具有更高的识别精度，准确区分人脸活体，提高识别准确度。提高识别准确度。提高识别准确度。


技术研发人员：胡胤 王涛 汪云 邱真 陈阳 刘健
受保护的技术使用者：深圳市瑞驰信息技术有限公司
技术研发日：2022.01.20
技术公布日：2022/5/6