一种活体人脸识别方法及系统技术方案

本发明专利技术公开了一种活体人脸识别方法，包括步骤：采集摄像头拍摄的视频帧图像；通过已训练的卷积神经网络来识别视频帧图像是否为活体人脸图像。本发明专利技术还公开了一种活体人脸识别系统，包括摄像模块、采集模块、活体人脸检测模块，采集模块分别与摄像模块、活体人脸检测模块相连，其中：采集模块对摄像模块拍摄的视频进行采样获得视频帧图像；活体人脸检测模块通过已训练的卷积神经网络检测识别视频帧图像是否为活体人脸图像。本发明专利技术用采用深度学习神经网络模拟人类的大脑，通过训练神经网络来判别是否是活体人脸，很大程度上让计算机通过“直觉”来判别是活体人脸还是照片，而不是设计的算法，这样避免了算法的缺陷，大大提高了识别的准确率。

【技术实现步骤摘要】
一种活体人脸识别方法及系统
本专利技术属于人脸识别
，尤其涉及一种活体人脸识别方法及系统。
技术介绍
生物特征识别系统的使用安全性是人们普遍关注的问题，人们对生物特征识别系统的信心和接受很大程度上取决于系统的鲁棒性、低错误率和抗欺骗能力。因此活体检测是生物特征识别系统中检测和拒绝仿冒身份特征的一项重要功能。在人脸识别系统中有可能面临的所有的欺骗中，通过照片或者视频的方式毫无疑问是最常见的。如果没有活体人脸检测做保障，用一张照片、一段视频都可以欺诈通过，那么这样的人脸识别有什么实际应用价值？因此，人脸识别技术目前还存在严重的安全隐患。比如，在智能家居的安防产品中，通过人脸识别认证是普遍的做法，但人脸识别有一个很大的问题，当有人用照片来欺骗安防摄像头时，有时候显得无能为力。现有技术中中，专利号CN201510633817《活体人脸识别方法和装置》中，通过双摄像头采集图像数据，然后根据双摄像头采集的两张图片数据中通过一定算法提取人脸面目深度信息来确定是否是真实的人脸，因为照片是平面的，是没有深度信息的。但这种传统算法不可能是无缺陷的，这种方法在真实使用中很容易造成误判，尤其是在复杂环本文档来自技高网...

【技术保护点】
一种活体人脸识别方法，其特征在于，包括步骤：S100采集摄像头拍摄的视频帧图像；S200通过已训练的卷积神经网络来识别所述视频帧图像是否为活体人脸图像。

【技术特征摘要】
1.一种活体人脸识别方法，其特征在于，包括步骤：S100采集摄像头拍摄的视频帧图像；S200通过已训练的卷积神经网络来识别所述视频帧图像是否为活体人脸图像。2.根据权利要求1所述的一种活体人脸识别方法，其特征在于，所述步骤S100之前还包括步骤：S010通过摄像头采集用于训练的活体人脸图像样本及人脸照片样本，并进行分类；S020通过卷积神经网络的深度学习所述活体人脸图像样本、人脸照片样本，学习训练后获得能分辨出活体人脸与照片的活体人脸识别模型。3.根据权利要求2所述的一种活体人脸识别方法，其特征在于，所述步骤S200包括步骤：S210对所述视频帧图像进行图像处理；S220对处理后的视频帧图像进行人脸检测，判断所述视频帧图像是否包含了人脸，若是则进入下一步骤；S230将所述处理后的视频帧图像作为所述活体人脸识别模型的输入，获得识别分类结果。4.根据权利要求3所述的一种活体人脸识别方法，其特征在于，所述步骤S210中所述的图像处理包括对所述视频帧图像进行光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波及锐化处理。5.根据权利要求1-4任一项所述的一种活体人脸识别方法，其特征在于，所述摄像头为双摄像头。6.一种活体人脸识别系统，其特征在于，包括摄像模块、采集模块、活体人脸检测模块，所述采集模块分别与所述摄像模块、活体人脸检测模块相连，其中：所述采集模块对所述摄像模块拍摄的视频进行采样获得视频帧图像；所述活体人...

【专利技术属性】
技术研发人员：王斌，
申请(专利权)人：上海斐讯数据通信技术有限公司，
类型：发明
国别省市：上海,31