一种基于深度学习的静态三维人脸活体检测方法技术

本发明专利技术公开了一种基于深度学习的静态三维人脸活体检测方法，该方法包括：通过彩色摄像头拍摄彩色图像，通过深度摄像头拍摄深度图像；当在所述彩色图像中检测到人脸时，根据所述彩色图像和所述深度图像，通过第一卷积神经网络和第二卷积神经网络获得所述人脸对应的特征向量；根据所述人脸对应的特征向量，通过预先训练的活体检测分类器判断所述人脸是否为活体。本发明专利技术仅采用两个摄像头，结合彩色图像和深度图像的特点，结合深度学习及机器学习等技术，大大提高了人脸活体检测的速度、通过率及防伪率，且成本低，精度高。

【技术实现步骤摘要】
一种基于深度学习的静态三维人脸活体检测方法
本专利技术属于人脸识别
，具体涉及一种基于深度学习的静态三维人脸活体检测方法。
技术介绍
随着人脸识别技术的不断发展，很多产品开始使用人脸识别技术验证用户身份，如银行ATM机、无人售货店甚至家用门锁。然而一般的人脸识别技术无法对用户是否为活体进行有效检测，因此恶意者可以通过打印他人照片或者使用手机拍摄他人视频来冒充合法用户，骗过人脸识别系统，实现其恶意目的。因此人脸活体检测技术应运而生。当前，相关技术中提供了一种人脸活体检测技术，该技术使用两个摄像头拍摄的图像获取3D人脸特征点，并训练得到3D人脸检测分类器。之后从第三个摄像头拍摄的图像中提取出人脸区域和人眼区域，使用卷积神经网络作为人眼检测模型，通过结合三个摄像头的数据进行活体判断。上述相关技术中使用两个摄像头的数据获取3D人脸特征点，耗时较长，无法达到实时检测的目的，同时依赖于人眼检测算法的精度，无法保证效率和精确性。而且需要三个摄像头，同时要考虑三个摄像头的视角和图像对齐问题，运算量大，成本高。
技术实现思路
为解决以上问题，本专利技术提供一种基于深度学习的静态三维人脸活体检测方法、装置、设备及计算机可读存储介质，仅采用两个摄像头，结合彩色图像和深度图像的特点，结合深度学习及机器学习等技术，大大提高了人脸活体检测的速度、通过率及防伪率，且成本低，精度高。本专利技术通过以下几个方面来解决以上问题。第一方面，本专利技术实施例提供了一种基于深度学习的静态三维人脸活体检测方法，所述方法包括：通过彩色摄像头拍摄彩色图像，通过深度摄像头拍摄深度图像；当在所述彩色图像中检测到人脸时，根据所述彩色图像和所述深度图像，通过第一卷积神经网络和第二卷积神经网络获得所述人脸对应的特征向量；根据所述人脸对应的特征向量，通过预先训练的活体检测分类器判断所述人脸是否为活体。结合第一方面，本专利技术实施例提供了上述第一方面的第一种可能的实现方式，其中，所述根据所述彩色图像和所述深度图像，通过第一卷积神经网络和第二卷积神经网络获得所述人脸对应的特征向量，包括：对所述彩色图像进行人脸裁剪及归一化处理，得到彩色人脸图像；对所述深度图像进行人脸裁剪及归一化处理，得到深度人脸图像；通过第一卷积神经网络分别对所述彩色人脸图像和所述深度人脸图像进行特征提取，得到第一彩色向量和第一深度向量；通过第二卷积神经网络分布对所述彩色人脸图像和所述深度人脸图像进行特征提取，得到第二彩色向量和第二深度向量；对所述第一彩色向量、所述第二彩色向量、所述第一深度向量和所述第二深度向量进行拼接，得到所述人脸对应的特征向量。结合第一方面的第一种可能的实现方式，本专利技术实施例提供了上述第一方面的第二种可能的实现方式，其中，所述对所述深度图像进行人脸裁剪及归一化处理，得到深度人脸图像，包括：从所述彩色图像中获取预设数目个人脸关键点位置；从所述深度图像中分别获取每个所述人脸关键点位置对应的关键点深度值；根据每个所述关键点深度值对所述深度图像中的人脸区域进行归一化处理，得到深度人脸图像。结合第一方面的第二种可能的实现方式，本专利技术实施例提供了上述第一方面的第三种可能的实现方式，其中，所述从所述深度图像中分别获取每个所述人脸关键点位置对应的关键点深度值，包括：判断所述深度图像中所述人脸关键点位置处的深度值是否为0；如果否，获取所述深度值作为所述人脸关键点位置对应的关键点深度值；如果是，获取所述人脸关键点位置的四个相邻点的深度值，根据所述四个相邻点的深度值进行插值，得到所述人脸关键点位置对应的关键点深度值。结合第一方面的第二种可能的实现方式，本专利技术实施例提供了上述第一方面的第四种可能的实现方式，其中，所述根据每个所述关键点深度值对所述深度图像中的人脸区域进行归一化处理，得到深度人脸图像，包括：从所述深度图像中裁剪出人脸区域图像；确定每个所述关键点深度值中的最大深度值及最小深度值；从所述人脸区域图像中，确定出深度值大于所述最大深度值的第一像素点，以及深度值小于所述最小深度值的第二像素点；将所述第一像素点的深度值修改为所述最大深度值，以及将所述第二像素点的深度值修改为所述最小深度值；将所述人脸区域图像中每个像素点的深度值减去所述最大深度值后再除以所述最大深度值与所述最小深度值之间的差值，得到深度人脸图像。结合第一方面的第一种可能的实现方式，本专利技术实施例提供了上述第一方面的第五种可能的实现方式，其中，所述对所述第一彩色向量、所述第二彩色向量、所述第一深度向量和所述第二深度向量进行拼接，得到所述人脸对应的特征向量，包括：计算所述第一彩色向量与所述第一深度向量之间的第一差值绝对值，计算所述第二彩色向量与所述第二深度向量之间的第二差值绝对值；将所述第一彩色向量、所述第一深度向量、所述第一差值绝对值、所述第二彩色向量、所述第二深度向量及所述第二差值绝对值拼接为第一拼接向量；将所述第一拼接向量均分为两部分，计算所述两部分之间的第三差值绝对值；将所述第一拼接向量和所述第三差值绝对值拼接为所述人脸对应的特征向量。结合第一方面，本专利技术实施例提供了上述第一方面的第六种可能的实现方式，其中，所述根据所述人脸对应的特征向量，通过预先训练的活体检测分类器判断所述人脸是否为活体之前，还包括：通过所述彩色摄像头及所述深度摄像头拍摄活体样本，获取活体特征；通过所述彩色摄像头及所述深度摄像头拍摄非活体样本。获取非活体特征；根据所述活体特征和所述非活体特征训练活体检测分类器。第二方面，本专利技术实施例提供了一种基于深度学习的静态三维人脸活体检测装置，所述装置包括：拍摄模块，用于通过彩色摄像头拍摄彩色图像，通过深度摄像头拍摄深度图像；向量获得模块，用于当在所述彩色图像中检测到人脸时，根据所述彩色图像和所述深度图像，通过第一卷积神经网络和第二卷积神经网络获得所述人脸对应的特征向量；判断模块，用于根据所述人脸对应的特征向量，通过预先训练的活体检测分类器判断所述人脸是否为活体。第三方面，本专利技术实施例提供了一种基于深度学习的静态三维人脸活体检测设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述第一方面或第一方面各种可能的实现方式所述的方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面或第一方面各种可能的实现方式所述的方法。在本专利技术实施例中，通过彩色摄像头拍摄彩色图像，通过深度摄像头拍摄深度图像；当在所述彩色图像中检测到人脸时，根据所述彩色图像和所述深度图像，通过第一卷积神经网络和第二卷积神经网络获得所述人脸对应的特征向量；根据所述人脸对应的特征向量，通过预先训练的活体检测分类器判断所述人脸是否为活体。本专利技术仅采用两个摄像头，结合彩色图像和深度图像的特点，结合深度学习及机器学习等技术，大大提高了人脸活体检测的速度、通过率及防伪率，且成本低，精度高。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了本专利技术本文档来自技高网...

【技术保护点】
1.一种基于深度学习的静态三维人脸活体检测方法，其特征在于，所述方法包括：通过彩色摄像头拍摄彩色图像，通过深度摄像头拍摄深度图像；当在所述彩色图像中检测到人脸时，根据所述彩色图像和所述深度图像，通过第一卷积神经网络和第二卷积神经网络获得所述人脸对应的特征向量；根据所述人脸对应的特征向量，通过预先训练的活体检测分类器判断所述人脸是否为活体。

【技术特征摘要】
1.一种基于深度学习的静态三维人脸活体检测方法，其特征在于，所述方法包括：通过彩色摄像头拍摄彩色图像，通过深度摄像头拍摄深度图像；当在所述彩色图像中检测到人脸时，根据所述彩色图像和所述深度图像，通过第一卷积神经网络和第二卷积神经网络获得所述人脸对应的特征向量；根据所述人脸对应的特征向量，通过预先训练的活体检测分类器判断所述人脸是否为活体。2.根据权利要求1所述的方法，其特征在于，所述根据所述彩色图像和所述深度图像，通过第一卷积神经网络和第二卷积神经网络获得所述人脸对应的特征向量，包括：对所述彩色图像进行人脸裁剪及归一化处理，得到彩色人脸图像；对所述深度图像进行人脸裁剪及归一化处理，得到深度人脸图像；通过第一卷积神经网络分别对所述彩色人脸图像和所述深度人脸图像进行特征提取，得到第一彩色向量和第一深度向量；通过第二卷积神经网络分布对所述彩色人脸图像和所述深度人脸图像进行特征提取，得到第二彩色向量和第二深度向量；对所述第一彩色向量、所述第二彩色向量、所述第一深度向量和所述第二深度向量进行拼接，得到所述人脸对应的特征向量。3.根据权利要求2所述的方法，其特征在于，所述对所述深度图像进行人脸裁剪及归一化处理，得到深度人脸图像，包括：从所述彩色图像中获取预设数目个人脸关键点位置；从所述深度图像中分别获取每个所述人脸关键点位置对应的关键点深度值；根据每个所述关键点深度值对所述深度图像中的人脸区域进行归一化处理，得到深度人脸图像。4.根据权利要求3所述的方法，其特征在于，所述从所述深度图像中分别获取每个所述人脸关键点位置对应的关键点深度值，包括：判断所述深度图像中所述人脸关键点位置处的深度值是否为0；如果否，获取所述深度值作为所述人脸关键点位置对应的关键点深度值；如果是，获取所述人脸关键点位置的四个相邻点的深度值，根据所述四个相邻点的深度值进行插值，得到所述人脸关键点位置对应的关键点深度值。5.根据权利要求3所述的方法，其特征在于，所述根据每个所述关键点深度值对所述深度图像中的人脸区域进行归一化处理，得到深度人脸图像，包括：从所述深度图像中裁剪出人脸区域图像；确定每个所述关键点深度值中的最大深度值及最小深度值；从所述人脸区域图像中，确定出深度值大于所述最大深度值的第一像...

【专利技术属性】
技术研发人员：陈俊逸，
申请(专利权)人：长沙小钴科技有限公司，
类型：发明
国别省市：湖南,43