The embodiment of the present invention provides a method, system and equipment for face biopsy detection to obtain the face depth map of the face to be recognized; judges whether the face to be recognized is a living body based on the face depth map, and judges whether the face to be recognized is a living body if the face depth map satisfies the preset conditions. Using the difference of face depth prediction between the second photograph or video image and the real person image, combining with the prediction result of the depth learning model, we can resist the attack of photos and videos on the face recognition system. Based on the convolution neural network, we can extract the deep-seated features of the image. We can learn an end-to-end face image to the face depth map through the convolution neural network. Image mapping, using the depth map computed by the real face and the zero depth map attacked by the default face to supervise the learning of the network, has fast detection speed and wide application range. Both mobile and computer terminals are applicable. Based on the framework of depth learning, the essential difference between real face and attacking face is intuitively expressed.
【技术实现步骤摘要】
一种人脸活体检测方法、系统和设备
本专利技术涉及生物特征识别
,更具体地,涉及一种人脸活体检测方法、系统和设备。
技术介绍
人体有诸多唯一的特征,比如人脸、指纹、虹膜、人耳等,这些特征被统称为生物特征。生物特征识别技术广泛应用于生活中的各个领域,其中,人脸识别技术因其特征采集方便、卫生等特点,应用最为广泛,例如,人脸识别应用于安防、门禁领域。随着人脸识别应用领域的扩展,也出现了越来越多的攻击人脸识别的方法。常见的攻击方法包括使用人脸照片、视频和3D面具模型等介质模拟人脸在人脸识别设备前对人脸识别进行攻击。可见,现有技术中对人脸识别进行攻击采用的大多数是非活体介质,因此,对待识别的人脸进行活体检测,以抵御对识别进行的攻击,是一个亟待解决的问题。现有技术中,进行人脸活体检测的方法主要分为两类:静态检测方法、动态检测方法。其中,动态检测方法大多采用指令式的交互方式,诸如眨眼、摇头、张嘴等,来判断参与检测活动的是否为真人,存在速度慢、参与者难配合等问题,在以视频做攻击媒介的情况下识别准确率较低;而静态的活体检测又存在准确率低,极易被攻破,难以在市场上应用。
技术实现思路
本专利技术提供一种克服上述问题或者至少部分地解决上述问题的一种人脸活体检测方法、系统和设备。根据本专利技术的第一个方面,提供一种人脸活体检测方法,包括:获取待识别人脸的人脸深度图;基于所述人脸深度图判断待识别人脸是否为活体,若所述人脸深度图满足预设条件,则判断待识别人脸为活体。根据本专利技术的第二个方面,提供一种人脸活体检测系统,包括人脸图像获取模块、人脸深度图预测模块和判断模块;所述人脸图像获 ...
【技术保护点】
1.一种人脸活体检测方法,其特征在于,包括:获取待识别人脸的人脸深度图;基于所述人脸深度图判断待识别人脸是否为活体,若所述人脸深度图满足预设条件,则判断待识别人脸为活体。
【技术特征摘要】
1.一种人脸活体检测方法,其特征在于,包括:获取待识别人脸的人脸深度图;基于所述人脸深度图判断待识别人脸是否为活体,若所述人脸深度图满足预设条件,则判断待识别人脸为活体。2.根据权利要求1所述的人脸活体检测方法,其特征在于,获取待识别人脸的人脸深度图前,还包括:以活体人脸图像与攻击人脸图像作为输入人脸图像样本,将真实人脸计算出的活体人脸深度图和攻击人脸图像默认的零深度图作为监督,输入到卷积神经网络中进行训练,得到深度图像预测模型。3.根据权利要求2所述的人脸活体检测方法,其特征在于,将活体人脸图像与攻击人脸图像作为输入人脸图像样本后,还包括:获取活体人脸图像对应的活体人脸深度图,基于密集人脸对齐方法将所述活体人脸图像匹配到3D人脸模型上,并通过Z-Buffer方法对所述3D人脸模型进行处理,得到活体人脸深度图。4.根据权利要求3所述的人脸活体检测方法,其特征在于,输入到卷积神经网络中进行训练,具体包括:以所述活体人脸图像为输入、对应的活体人脸深度图为输出,以所述攻击人脸图像为输入、零深度图为输出,进行卷积神经网络训练。5.根据权利要求2所述的人脸活体检测方法,其特征在于,获取待识别人脸的人脸深度图具体包括:获取待识别人脸的人脸图像,并检测人脸图像中人脸框的位置,基于人脸框的位置对所述人脸图像进行裁剪,将裁剪后的人脸图像输入到深度图像预测模型中,得到...
【专利技术属性】
技术研发人员:马立磊,磊董远,白洪亮,熊风烨,
申请(专利权)人:北京飞搜科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。