一种基于卷积神经网络的人脸活体检测方法技术

本发明专利技术公开了一种基于卷积神经网络的人脸活体检测方法，包括如下步骤：步骤1，对训练集图像进行处理；步骤2，将归一化的图像输入到预训练的卷积神经网络；步骤3，将得到的深度人脸卷积特征进行LBP特征提取；步骤4，进行SVM训练，得到用于人脸活体识别的SVM分类器；步骤5，对待检测人脸视频进行采集处理，将采集到的单帧转化为灰度图；对于采集到的图像进行人脸检测，如果有人脸，则对人脸图像进行图像归一化；步骤6，将待检测图像进行步骤2和步骤3的处理，然后进行特征提取，得到图像的LBP特征；步骤7，将LBP特征输入到人脸活体识别的SVM分类器中判断是否为活体人脸。本申请计算量小，人脸活体检测效率高，同时也提高了活体检测的准确率。

A Face Biopsy Detection Method Based on Convolutional Neural Network

【技术实现步骤摘要】
一种基于卷积神经网络的人脸活体检测方法
本专利技术涉及一种人脸活体检测方法，具体说是一种基于卷积神经网络的人脸活体检测方法。
技术介绍
随着计算机视觉技术的不断发展，人脸识别技术的性能得到了质的提升。由于人脸识别技术具有直接、方便、易用的特点，目前广泛应用于智能监控、金融、移动支付的领域。随着人脸识别技术的广泛应用，人脸识别技术的安全问题也日益突出。例如：攻击者可以利用用户的图片欺骗人脸识别系统进行移动支付等，造成用户的损失。为了提高人脸识别技术的安全性，需要准确判断当前的用户是否为活体。最近有些关于人脸活体检测的尝试，其中最为典型的方法是交互式人脸检测，在该方法中，需要从多帧图像中判断用户的动作，导致该方法计算时间长，检测过程繁琐。同时该方法对图像的质量要求较高，当受到光照，硬件条件设备等影响的条件下，导致活体检测效果较差。基于图像纹理特征的人脸活体检测一直是研究热点，利用局部二值化模式(LBP)图像纹理特征，利用支持向量机(SVM)分类器进行人脸活体检测，该方法虽然简单，但是易受到噪声和光照条件的影响。
技术实现思路
为解决现有技术存在的上述缺点，本申请提供一种基于卷积神经网络的人脸本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的人脸活体检测方法，其特征在于，包括如下步骤：步骤1，对训练集图像进行处理，归一化到64*64像素大小；步骤2，将归一化的图像输入到预训练的卷积神经网络；步骤3，将得到的深度人脸卷积特征进行LBP特征提取；步骤4，进行SVM训练，得到用于人脸活体识别的SVM分类器；步骤5，对待检测人脸视频进行采集处理，将采集到的单帧转化为灰度图；对于采集到的图像进行人脸检测，如果有人脸，则对人脸图像进行图像归一化到64*64像素；步骤6，将待检测图像进行步骤2和步骤3的处理，然后进行特征提取，得到图像的LBP特征；步骤7，将LBP特征输入到人脸活体识别的SVM分类器中判断是否为活体人脸...

【技术特征摘要】
1.一种基于卷积神经网络的人脸活体检测方法，其特征在于，包括如下步骤：步骤1，对训练集图像进行处理，归一化到64*64像素大小；步骤2，将归一化的图像输入到预训练的卷积神经网络；步骤3，将得到的深度人脸卷积特征进行LBP特征提取；步骤4，进行SVM训练，得到用于人脸活体识别的SVM分类器；步骤5，对待检测人脸视频进行采集处理，将采集到的单帧转化为灰度图；对于采集到的图像进行人脸检测，如果有人脸，则对人脸图像进行图像归一化到64*64像素；步骤6，将待检测图像进行步骤2和步骤3的处理，然后进行特征提取，得到图像的LBP特征；步骤7，将LBP特征输入到...

【专利技术属性】
技术研发人员：王存睿，黄星宇，
申请(专利权)人：大连民族大学，
类型：发明
国别省市：辽宁,21