基于主动近红外光的人脸防伪算法制造技术

本发明专利技术涉及人脸识别领域，尤其涉及一种基于主动近红外光的人脸防伪算法，包括以下步骤：S1：在近红外光源下采集人脸的正类样本；S2：在近红外光源下采集图片的负类样本；S3：使用SGD优化方法训练一个基于深度神经网络的分类器；S4：利用分类器进行人脸识别，得到结果。与现有技术相比，本申请具有以下优点：1.能够实现活体检测；2.分类精度高；3.分类速度快；4.采用近红外光源，不受可见光的影响。

【技术实现步骤摘要】

本专利技术涉及人脸识别领域，尤其涉及一种基于主动近红外光的人脸防伪算法。
技术介绍
目前，在图像处理和模式识别领域,由手动人工特征和浅层的人工神经网络所获取的特征来进行分类和识别。在复杂环境条件下,这些浅层特征对识别来说是不够的。深层的神经网络即深度学习应运而生，已被大量应用到图像和模式识别领域。深度模型训练(即深度网络训练、深度学习系统训练)的基本流程简要描述如下。网络的每层参数基本都表示成(w,b)，其中w是权值参数，b是偏置参数，每层的输入输出关系是y＝wx+b，其中，x表示输入，y表示输出。各层连接起来就是一个嵌套关系，为简单计，假定总的参数为(W,B)，总的输入输出关系是Y＝F(X,W,B)。如果模型已训练好，即(W,B)已确定，则有输入X直接得到前向输出Y，就是所需的结果。如果模型还没训练好，即(W,B)没有确定，则先给(W,B)一个初始值(W0,B0)，得到训练样本的预测输出Y0＝F(X,W0,B0)，它与训练样本的标签即标定输出Ytrue存在很大的偏差。可以设置一个损失函数，比如说loss＝0.5*(Ytrue-Y0)^2，即预测输出和标签相差越远，则损失函数越大，本文档来自技高网...

【技术保护点】
基于主动近红外光的人脸防伪算法，其特征在于，包括以下步骤：S1：在近红外光源下采集人脸的正类样本；S2：在近红外光源下采集图片的负类样本；S3：使用SGD优化方法训练一个基于深度神经网络的分类器；S4：利用分类器进行人脸识别，得到结果。

【技术特征摘要】
1.基于主动近红外光的人脸防伪算法，其特征在于，包括以下步骤：S1：在近红外光源下采集人脸的正类样本；S2：在近红外光源下采集图片的负类样本；S3：使用SGD优化方法训练一个基于深度神经网络的分类器；S4：利用分类器进行人脸识别，得到结果。2.根据权利要求1所述的基于主动近红外光的人脸防伪算法，其特征在于，步骤S3中分类器包括依次连接的第一层、第二层、第三层、第四层、第五层、第六层，所述第一层为Input层，所述第二层包括依次连接的Conv0层、Bn0层、Relu0层以及Pool0层，所述第三层包括依次连接的Conv1层、Bn1层、Relu...

【专利技术属性】
技术研发人员：王涛，赵五岳，林先炎，
申请(专利权)人：杭州宇泛智能科技有限公司，
类型：发明
国别省市：浙江;33