静默式活体图片识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种基于机器学习的静默式活体图片识别方法、装置、计算机设备和存储介质。所述方法包括：获取待验证图片，根据待验证图片的颜色信息和亮度信息，构建待验证图片的多通道图片数据，将多通道图片数据输入预先设置的深度卷积网络，得到多通道图片数据对应的特征标签，当特征标签与目标标签匹配时，则确定待验证图片为活体图片。采用本方法能够提高活体图片识别的效率。

Quiet living image recognition methods, devices, computer equipment and storage media

【技术实现步骤摘要】
静默式活体图片识别方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种静默式活体图片识别方法、装置、计算机设备和存储介质。
技术介绍
随着计算机技术的发展，人脸识别也得到了较大的发展。在进行人脸识别时，需要通过摄像头获取人脸信息，然后对人脸信息进行识别，从而确定人的身份，但是这种方式下，无法确认采集的是活体的人脸信息，从而导致人脸识别不安全。传统技术中，为了解决活体识别的问题，可以采用双目摄像头，获取三维集合信息，但是这种方式对硬件要求高，可实现性较差，可以采用软件方法实现活体识别，在利用软件方法实现时，需要在用户的配合下，获取多帧的人脸图片，然后通过图片信息中包含的时间信息确认所获取的图片中是否为活体，然而这种方式下，操作较为复杂，需要用户配合才能实现。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够解决活体识别的操作复杂问题的静默式活体图片识别方法、装置、计算机设备和存储介质。一种静默式活体图片识别方法，所述方法包括：获取待验证图片；根据所述待验证图片的颜色信息和亮度信息，构建所述待验证图片的多通道图片数据；将所述多通道图片数据输入预先设置的深度卷积网络，得到所述多通道图片数据对应的特征标签；当所述特征标签与目标标签匹配时，则确定所述待验证图片为活体图片。在其中一个实施例中，还包括：根据所述待验证图片的颜色信息，得到所述待验证图片的RGB三通道图片数据；根据所述待验证图片的亮度信息，得到所述待验证图片的HSV三通道图片数据；根据所述RGB三通道图片数据和所述HSV三通道图片数据，得到所述多通道图片数据。在其中一个实施例中，还包括：将所述多通道图片数据输入预先设置的卷积神经网络，通过所述卷积神经网络的卷积层对所述RGB三通道图片数据和HSV三通道图片数据进行计算，得到所述多通道图片数据对应的图片特征；根据所述图片特征，得到所述多通道图片数据对应的特征标签。在其中一个实施例中，还包括：根据所述深度卷积网络的全连接层，得到所述图片特征映射至各个预设标签的概率，通过预先设置的归一化指数函数，输出所述预设标签中的一个作为所述多通道图片数据对应的特征标签。在其中一个实施例中，还包括：根据预先设置的一次图片，构建对应与所述一次图片的二次图片；所述二次图片是通过拍摄所述一次图片得到的图片数据；根据所述一次图片和所述二次图片，建立所述深度卷积网络的训练集和验证集；通过所述训练集以及预先设置的损失函数，对初始卷积神经网络进行训练，当所述初始卷积神经网络在所述验证集的准确率达到阈值时，得到所述深度卷积神经网络。在其中一个实施例中，还包括：对所述一次图片进行数据增强操作，得到多张对应于所述一次图片的增强一次图片；所述数据增强操作包括：旋转操作、缩放操作以及翻转操作；对所述二次图片进行所述数据增强操作，得到多张对应于所述二次图片的增强二次图片；根据所述增强一次图片和所述增强二次图片，建立所述深度卷积网络的训练集和验证集。在其中一个实施例中，所述特征标签包括1或0，所述目标标签为1，还包括：当所述特征标签为1时，确定所述特征标签与所述目标标签匹配，确定所述待验证图片为活体图片。一种静默式活体图片识别装置，所述装置包括：数据获取模块，用于获取待验证图片；特征提取模块，用于根据所述待验证图片的颜色信息和亮度信息，构建所述待验证图片的多通道图片数据；预测模块，用于将所述多通道图片数据输入预先设置的深度卷积网络，得到所述多通道图片数据对应的特征标签；识别模块，用于当所述特征标签与目标标签匹配时，则确定所述待验证图片为活体图片。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取待验证图片；根据所述待验证图片的颜色信息和亮度信息，构建所述待验证图片的多通道图片数据；将所述多通道图片数据输入预先设置的深度卷积网络，得到所述多通道图片数据对应的特征标签；当所述特征标签与目标标签匹配时，则确定所述待验证图片为活体图片。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以下步骤：获取待验证图片；根据所述待验证图片的颜色信息和亮度信息，构建所述待验证图片的多通道图片数据；将所述多通道图片数据输入预先设置的深度卷积网络，得到所述多通道图片数据对应的特征标签；当所述特征标签与目标标签匹配时，则确定所述待验证图片为活体图片。上述静默式活体图片识别方法、装置、计算机设备和存储介质，通过获取静默式的图片数据，基于颜色特征和亮度特征对图片数据进行多通道输入，构建多通道图片数据，以多通道图片数据作为深度卷积网络的输入，深度卷积网络是通过大量图片数据进行深度学习得到，因此，针对多通道图片数据，可以完成底层特征提取，以及底层特征向高层特征的转化，由于底层特征是由亮度特征和颜色特征转化得到，因此，高层特征可以及进一步深化亮度特征和颜色特征之间的联系，在检测活体时，全连接层根据高层特征映射至各个标签的结果，输出对应的特征标签，当输出的特征标签与目标标签匹配时，确定图片数据是否为活体图片。因而无需获取带时序的连续图片，就可以确定图片数据是否为活体图片，本专利技术实施例的技术方案在实现活体图片识别时操作更为简单，从而提高活体图片识别的效率。附图说明图1为一个实施例中静默式活体图片识别方法的应用场景图；图2为一个实施例中静默式活体图片识别方法的流程示意图；图3为一个实施例中构建多通道图片数据步骤的流程示意图；图4为另一个实施例中静默式活体图片识别方法的流程示意图；图5为一个实施例中静默式活体图片识别装置的结构框图；图6为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的静默式活体图片识别方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。其中，终端102可以但不限于是各种摄像装置、个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。当终端102为摄像装置时，终端102通过本地局域网络或者互联网与服务器104相连，终端102在接收到拍摄指令时，进行拍摄并将拍摄得到的图片数据通过网络发送给服务器104。另外，终端102是个人计算机时，服务器104包括两种获取图片数据的方式，其一是通过个人计算机的摄像功能，此时，个人计算机等同于摄像装置，其二是将图片数据存储在个人计算机的存储介质中，从而通过从存储介质中取出图片数据，将图片数据通过网络上传至服务器104。通过上述方式，服务器104获取到图片数据，将图片数据定义为待验证图片数据，服务器提取图片数据的颜色信息和亮度信息，构建待验证图片数据的多通道数据，从而将多通道数据输入服务器104中设置的深度卷积网络中，深度卷积网络数据多通道图片数据对应的特征标签。然后服务器对特征标签和目标标签进行匹配，若二者相匹配时，确定待验证图片为活体图片。在一个实施例中，如图2所示，提供了一种静默式活体图片识别方法，以该方法应用于图1本文档来自技高网...

【技术保护点】
1.一种静默式活体图片识别方法，所述方法包括：获取待验证图片；根据所述待验证图片的颜色信息和亮度信息，构建所述待验证图片的多通道图片数据；将所述多通道图片数据输入预先设置的深度卷积网络，得到所述多通道图片数据对应的特征标签；当所述特征标签与目标标签匹配时，则确定所述待验证图片为活体图片。

【技术特征摘要】
1.一种静默式活体图片识别方法，所述方法包括：获取待验证图片；根据所述待验证图片的颜色信息和亮度信息，构建所述待验证图片的多通道图片数据；将所述多通道图片数据输入预先设置的深度卷积网络，得到所述多通道图片数据对应的特征标签；当所述特征标签与目标标签匹配时，则确定所述待验证图片为活体图片。2.根据权利要求1所述的方法，其特征在于，根据所述待验证图片的颜色信息和亮度信息，构建所述待验证图片的多通道图片数据，包括：根据所述待验证图片的颜色信息，得到所述待验证图片的RGB三通道图片数据；根据所述待验证图片的亮度信息，得到所述待验证图片的HSV三通道图片数据；根据所述RGB三通道图片数据和所述HSV三通道图片数据，得到所述多通道图片数据。3.根据权利要求2所述的方法，其特征在于，将所述多通道图片数据输入预先设置的深度卷积网络，得到所述多通道图片数据对应的特征标签，包括：将所述多通道图片数据输入预先设置的深度卷积网络，通过所述深度卷积网络的卷积层对所述RGB三通道图片数据和HSV三通道图片数据进行计算，得到所述多通道图片数据对应的图片特征；根据所述图片特征，得到所述多通道图片数据对应的特征标签。4.根据权利要求3所述的方法，其特征在于，根据所述图片特征，得到所述多通道图片数据对应的特征标签，包括：根据所述深度卷积网络的全连接层，得到所述图片特征映射至各个预设标签的概率，通过预先设置的归一化指数函数，输出所述预设标签中的一个作为所述多通道图片数据对应的特征标签。5.根据权利要求1所述的方法，其特征在于，训练深度卷积网络的方式，包括：根据预先设置的一次图片，构建对应于所述一次图片的二次图片；所述二次图片是通过拍摄所述一次图片得到的图片数据；根据所述一次图片和所述二次图片，建立所...

【专利技术属性】
技术研发人员：王德勋，徐国强，邱寒，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东,44