(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 202210725663.4 (22)申请日 2022.06.24 (71)申请人 深圳前海微众 银行股份有限公司 地址 518027 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 王昕远　郑少杰　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 师索　黄健 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01)G06V 10/80(2022.01) (54)发明名称 模型训练方法、 图像背 景相似判断方法及装 置 (57)摘要 本申请提供一种模型训练方法、 图像背景相 似判断方法及装置， 该模型训练方法基于训练数 据， 训练用于对刷脸图像的背景相似度评分进行 预测的目标模型， 其中， 训练数据包括多个数据 对以及每一数据对的背景相似度评分标签， 每一 数据对的背景相似度评分标签根据相应数据对 的背景相似程度确定， 每一数据对包括两个刷脸 图像。 从而， 利用模型训练的思想， 提供了一种对 刷脸图像的背景相似度评分进行预测的方式， 不 仅实现对刷脸图像背景相似度评分的分析， 而且 确保了分析的准确性， 有利于快速地识别欺诈团 伙， 以对其欺诈行为进行 预警以及响应 。 权利要求书3页 说明书19页 附图6页 CN 115063861 A 2022.09.16 CN 115063861 A 1.一种模型训练方法， 其特 征在于， 包括： 确定训练数据， 所述训练数据包括多个数据对以及每一数据对的背景相似度评分标 签， 所述每一数据对的背景相似度评分标签根据相应数据对的背景相似程度确定， 所述每 一数据对 包括两个刷脸图像； 根据所述训练数据， 对预设初始模型进行训练， 得到训练好的目标模型， 所述目标模型 用于对刷脸图像的背景相似度评分进行 预测。 2.根据权利要求1所述的方法， 其特征在于， 所述背景相似度评分标签包括至少三个不 同的评分标签， 各个评分标签对应的数据对的背景相似程度不同； 所述根据所述训练数据， 对预设初始模型进行训练， 得到训练好的目标模型， 包括： 基于预设余弦距离的最大值和最小值， 初始化背景相似度预测评分； 确定所述各个评分标签到所述背景相似度预测评分的映射标签； 根据所述映射标签， 构建损失函数； 基于所述损 失函数和所述训练数据， 对所述预设初始模型进行训练， 得到训练好的目 标模型。 3.根据权利要求2所述的方法， 其特征在于， 所述确定所述各个评分标签到所述背景相 似度预测评分的映射标签， 包括： 获取预设的评分标签与背景相似度评分的映射关系式， 所述映射关系式中包括待求解 参数； 根据所述映射关系式、 所述各个评分标签和所述背景相似度预测评分， 确定所述待求 解参数的值； 基于所述映射关系式和所述待求解参数的值， 获得所述各个评分标签到所述背景相似 度预测评分的映射标签。 4.根据权利要求2所述的方法， 其特征在于， 所述根据所述映射标签， 构建损失函数， 包 括： 确定所述每一数据对 对应的余弦距离数据与相应映射标签的均方误差； 基于所述均方误差， 确定所述损失函数。 5.根据权利要求1至4中任一项所述的方法， 其特征在于， 在所述确定训练数据之前， 还 包括： 获取多个刷脸图像； 对所述多个刷脸图像进行 预处理， 其中， 所述预处 理包括图像前 景背景处 理； 所述确定训练数据， 包括： 基于预处 理后的多个刷脸图像， 确定所述训练数据。 6.根据权利要求5所述的方法， 其特 征在于， 还 包括： 去除所述多个刷脸图像中的第一类图像， 其中， 所述第一类图像为图像中人脸占比大 于第一阈值的图像。 7.根据权利要求6所述的方法， 其特征在于， 所述去除所述多个刷脸图像中的第 一类图 像， 包括： 确定所述多个刷脸图像中每一刷脸图像中包 含人脸的最小矩形框； 计算所述最小矩形框的面积与相应刷脸图像面积的比值， 基于所述比值， 获得所述每权　利　要　求　书 1/3 页 2 CN 115063861 A 2一刷脸图像中的人脸占比； 根据所述每一刷脸图像中的人脸占比， 去除所述多个刷脸图像中的所述第一类图像。 8.根据权利要求5所述的方法， 其特征在于， 所述对所述多个刷脸图像进行预处理， 包 括： 确定所述多个刷脸图像中每一刷脸图像对应的前 景背景分割图； 将所述每一刷脸图像与其对应的前 景背景分割图进行融合处 理。 9.根据权利要求8所述的方法， 其特征在于， 所述将所述每一刷脸图像与其对应的前景 背景分割图进行融合处 理， 包括： 确定所述每一刷脸图像对应的前 景背景分割图的灰度图； 计算每一灰度图中各个像素点的红绿蓝值， 并基于所述每一灰度图中各个像素点的红 绿蓝值， 对相应灰度图进行二 值化处理； 将二值化处理后的灰度图中各个像素点的取值按位取反， 获得取反图， 并将每一取反 图与相应刷脸图像进行按位与处 理， 获得融合后的图像。 10.根据权利要求5所述的方法， 其特 征在于， 还 包括： 去除所述多个刷脸图像中的第二类图像， 其中， 所述第二类图像为图像背景包含的预 设关键信息小于第二阈值的图像。 11.根据权利要求10所述的方法， 其特征在于， 所述预设关键信息包括去亮度色彩方 差， 所述第二阈值包括色彩方差阈值； 所述去除所述多个刷脸图像中的第二类图像， 包括： 确定每一刷脸图像对应的前 景背景分割图； 对所述每一刷脸图像对应的前景背景分割图进行边界扩展， 并将所述每一刷脸图像与 相应的边界扩展后的前 景背景分割图进行融合， 获得第一融合图； 计算所述第一融合图的去亮度色彩方差； 基于所述第 一融合图的去亮度色彩方差， 去除所述多个刷脸图像中去亮度色彩方差小 于所述色彩方差阈值的图像。 12.根据权利要求11所述的方法， 其特征在于， 所述预设关键信息包括边缘占比， 所述 第二阈值包括 边缘占比阈值； 在所述基于所述第 一融合图的去亮度色彩方差， 去除所述多个刷脸图像中去亮度色彩 方差小于所述色彩方差阈值的图像之后， 还 包括： 对于去除所述多个刷脸图像中去亮度色彩方差小于所述色彩方差阈值的图像后的剩 余刷脸图像， 确定所述剩余刷脸图像中每一刷脸图像对应的边 缘检测图像； 将每一边缘检测图像与相应的边界扩展后的前景背景分割图进行融合， 获得第 二融合 图； 计算所述第二融合图的边 缘占比； 基于所述第 二融合图的边缘占比， 去除所述剩余刷脸图像中边缘占比小于所述边缘占 比阈值的图像。 13.根据权利要求2至4中任一项所述的方法， 其特征在于， 在所述基于预设余弦距离的 最大值和最小值， 初始化背景相似度预测评分之前， 还 包括： 确定所述训练数据的每一数据对中两个刷脸图像的红绿蓝矩阵， 其中， 所述红绿蓝矩权　利　要　求　书 2/3 页 3 CN 115063861 A 3