活体识别模型训练方法、活体检测方法及装置制造方法及图纸

本发明专利技术提供一种活体识别模型训练方法、活体检测方法及装置，其中所述活体识别模型训练方法包括：获取包含人体头肩特征的多个图像作为正样本，以及不包含人体头肩特征的多个图像作为负样本；利用所述正样本和负样本对神经网络模型进行训练，直至所述神经网络模型对人体头肩特征的识别正确率大于预设阈值。

Living body recognition model training method, living body detection method and device

The invention provides a method for training a vivid recognition model, a vivid detection method and a device thereof, wherein the vivid recognition model training method comprises: acquiring a plurality of images including human head and shoulder features as positive samples, and a plurality of images not including human head and shoulder features as negative samples; and utilizing the positive samples and negative samples. The neural network model is trained until the recognition accuracy of the neural network model is higher than the preset threshold.

【技术实现步骤摘要】
活体识别模型训练方法、活体检测方法及装置
本专利技术涉及图像检测领域，具体涉及一种活体识别模型训练方法、活体检测方法及装置。
技术介绍
目前，各种规模的视频监控系统已广泛应用于各行各业，除了治安、金融、银行、交通、军队和口岸等领域外，还包括社区、写字楼、酒店、公共场所、工厂、商场、小区、甚至家庭等场合。通过对视频图像进行检测和判断，可以对图像的内容进行识别从而实现自动识别某种目标或行为的目的。目前已有很多人体检测方法，例如有基于传统运动检测的方法如基于前景检测及图像分块等，还有基于机械学习的方法，例如基于“AdaBoost+Haar”的行人检测和“方向梯度直方图(HOG)+支持向量机(SVM)”等方法。但是这些方法都存在不同程度的问题，如基于运动检测的方法，前景检测很容易受到光照等环境的影响，导致不稳定，出现鬼影、分块、漏检等问题；而这些机械学习的方法，由于人群比较密集的地方如地铁站、汽车站、火车站等，很容易出现，个体被遮挡的情况。而当个体出现遮挡的情况下，“AdaBoost+Haar”和“HOG+SVM”等方法都会存在不同程度的漏检问题，同时，人员出现量大的场景，计算度成量级上升的本文档来自技高网...

【技术保护点】
1.一种活体识别模型训练方法，其特征在于，包括：获取包含人体头肩特征的多个图像作为正样本，以及不包含人体头肩特征的多个图像作为负样本；利用所述正样本和负样本对神经网络模型进行训练，直至所述神经网络模型对人体头肩特征的识别正确率大于预设阈值。

【技术特征摘要】
1.一种活体识别模型训练方法，其特征在于，包括：获取包含人体头肩特征的多个图像作为正样本，以及不包含人体头肩特征的多个图像作为负样本；利用所述正样本和负样本对神经网络模型进行训练，直至所述神经网络模型对人体头肩特征的识别正确率大于预设阈值。2.根据权利要求1所述的方法，其特征在于，在所述利用所述正样本和负样本对神经网络模型进行训练的步骤中，采用聚合通道特征算法对所述神经网络模型进行训练。3.根据权利要求1或2所述的方法，其特征在于，所述正样本包括不同性别、不同年龄段、不同姿态、以及身着不同服装的人体图像。4.根据权利要求1或2所述的方法，其特征在于，所述正样本的数量大于所述负样本的数量。5.一种活体检测方法，其特征在于，包括：获取由门禁系统采集到的待识别视频图像；利用权利要求1-4中任一项所述的方法训练的神经网络模型对所述待识别视频图像中的每一帧图像进行识别；标记识别到的人体头肩特征。6.一种活体...

【专利技术属性】
技术研发人员：李俊，赵晓萌，张如高，
申请(专利权)人：新智认知数据服务有限公司，
类型：发明
国别省市：上海,31