活体检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及人工智能领域，提供了一种活体检测方法、装置、计算机设备和存储介质。其中，活体检测方法包括：获取待检测人脸图像；对待检测人脸图像进行特征提取，得到对应的图像特征；将所得到的图像特征输入预先训练的基于活体人脸图像集合训练得到的第一生成对抗网络中的生成器，得到与待检测人脸图像对应的第一生成图像；将所得到的图像特征输入预先训练的基于非活体人脸图像集合训练得到的第二生成对抗网络中的生成器，得到与待检测人脸图像对应的第二生成图像，分别计算第一生成图像、第二生成图像与待检测人脸图像之间的相似度，得到第一相似度及第二相似度；根据第一相似度及第二相似度，确定待检测人脸图像对应的活体检测结果。

Living detection methods, devices, computer equipment and storage media

The application relates to the field of artificial intelligence, and provides a living detection method, device, computer equipment and storage medium. Among them, the living detection methods include: acquiring the face image to be detected; extracting the features of the face image to be detected to obtain the corresponding image features; inputting the obtained image features into the generator in the first generation network trained based on the living face image set to obtain the first generation image corresponding to the face image to be detected; and The second generation image corresponding to the face image to be detected is obtained, and the similarity between the first generation image, the second generation image and the face image to be detected is calculated respectively to obtain the first similarity and the second similarity; according to the first similarity and The second similarity is used to determine the living detection result corresponding to the face image to be detected.

【技术实现步骤摘要】
活体检测方法、装置、计算机设备和存储介质
本申请涉及人工智能
，特别是涉及一种活体检测方法、装置、计算机设备和存储介质。
技术介绍
随着人工智能技术的发展，出现了人脸识别技术，然而目前人脸识别技术能识别人脸图像的身份但无法准确辨别所输入人脸的真伪。为了能够自动地、高效地辨别图像真伪抵抗欺骗攻击以确保系统安全，提出了活体检测技术，所谓的活体检测，通俗地讲，就是在人脸识别的过程中判断这张人脸对应的是否为活人。传统的活体检测技术，需要用户作出指定动作，并录制视频进行分析来判断，由于分析视频的时间也相对较长，导致活体检测的效率低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高活体检测效率的活体检测方法、装置、计算机设备和存储介质。一种活体检测方法，所述方法包括：获取待检测人脸图像；对所述待检测人脸图像进行特征提取，得到对应的图像特征；将所得到的图像特征输入预先训练的第一生成对抗网络中的生成器，得到与所述待检测人脸图像对应的第一生成图像，其中，所述第一生成对抗网络是基于活本文档来自技高网...

【技术保护点】
1.一种活体检测方法，所述方法包括：/n获取待检测人脸图像；/n对所述待检测人脸图像进行特征提取，得到对应的图像特征；/n将所得到的图像特征输入预先训练的第一生成对抗网络中的生成器，得到与所述待检测人脸图像对应的第一生成图像，其中，所述第一生成对抗网络是基于活体人脸图像集合训练得到的，所述活体人脸图像集合为对活体人脸进行拍摄所得到的图像集合；/n将所得到的图像特征输入预先训练的第二生成对抗网络中的生成器，得到与所述待检测人脸图像对应的第二生成图像，其中，所述第二生成对抗网络是基于非活体人脸图像集合训练得到的，所述非活体人脸图像为对非活体人脸进行拍摄所得到的图像集合；/n计算所述第一生成图像与所...

【技术特征摘要】
1.一种活体检测方法，所述方法包括：
获取待检测人脸图像；
对所述待检测人脸图像进行特征提取，得到对应的图像特征；
将所得到的图像特征输入预先训练的第一生成对抗网络中的生成器，得到与所述待检测人脸图像对应的第一生成图像，其中，所述第一生成对抗网络是基于活体人脸图像集合训练得到的，所述活体人脸图像集合为对活体人脸进行拍摄所得到的图像集合；
将所得到的图像特征输入预先训练的第二生成对抗网络中的生成器，得到与所述待检测人脸图像对应的第二生成图像，其中，所述第二生成对抗网络是基于非活体人脸图像集合训练得到的，所述非活体人脸图像为对非活体人脸进行拍摄所得到的图像集合；
计算所述第一生成图像与所述待检测人脸图像之间的相似度，得到第一相似度；
计算所述第二生成图像与所述待检测人脸图像之间的相似度，得到第二相似度；
根据所述第一相似度及所述第二相似度，确定待检测人脸图像对应的活体检测结果。


2.根据权利要求1所述的方法，其特征在于，所述计算所述第一生成图像与所述待检测人脸图像之间的相似度，得到第一相似度，包括：
将所述第一生成图像与所述待检测图像分别缩放至预设的尺寸；
对缩放后的所述第一生成图像与所述待检测图像分别进行灰度处理；
依次计算灰度处理后的所述第一生成图像中每行像素点的平均值，并对得到的所有平均值计算方差，得到所述第一生成图像对应的第一特征值；
依次计算灰度处理后的所述待检测图像中每行像素点的平均值，并对得到的所有平均值计算方差，得到所述待检测图像对应的第二特征特征值；
计算所述第一特征值与所述第二特征值之间的差值，基于所述差值得到第一相似度。


3.根据权利要求1所述的方法，其特征在于，所述第一生成对抗网络的生成步骤包括：
获取活体人脸图像集合；
对所述活体人脸图像集合中的活体人脸图像进行特征提取，得到与所述活体人脸图像对应的第一训练特征，所述第一训练特征中包含空间信息和频域特征；
将所得到的第一训练特征输入第一初始生成器，得到第一生成人脸图像；
基于所得到的第一生成人脸图像和所述活体人脸图像之间的相似度，调整所述第一初始生成器的参数；
将所得到的第一生成人脸图像和所述活体人脸图像分别输入第一初始判别器，得到第一判别结果和第二判别结果，其中，所述第一判别结果和所述第二判别结果分别用于表征所得到的第一生成人脸图像和所述活体人脸图像是否是真实人脸图像；
基于第一差异和第二差异，调整所述第一初始生成器和所述第一初始判别器的参数，其中，所述第一差异是所述第一判别结果和用于表征输入所述第一初始判别器的图像不是真实人脸图像的否判别结果之间的差异，所述第二差异是所述第二判别结果和用于表征输入所述第一初始判别器的图像是真实人脸图像的是判别结果之间的差异；
将调整后的所述第一初始生成器和所述第一初始判别器分别确定为所述第一生成对抗网络中的生成器和判别器。


4.根据权利要求1所述的方法，其特征在于，所述第二生成对抗网络的生成步骤包括：
获取非活体人脸图像集合；
对所述非活体人脸图像集合中的非活体人脸图像，进行特征提取，得到与所述非活体人脸图像对应的第二训练特征，所述第二训练特征中不包含空间信息且所包含的频域特征中的高频分量少于所述第一训练特征；
将所得到的第二训练特征输入第二初始生成器，得到第二生成人脸图像；
基于所得到的第二生成人脸图像和所述非活体人脸图像之间的相似度，调整所述第二初始生成器的参数；
将所得到的第二生成人脸图像和所述非活体人脸图像分别输入第二初始判别器，得到第三判别结果和第四判别结果，其中，所述第三判别结果和所述第四判别结果分别用于表征所得到的第二生成人脸图像和该非活体人脸图像是否是真实人脸图像；
基于第三差异和第四差异，调整所述第二初始生成器和所述第二初始判别器的参数，其中，所述第三差异是所述第三判别结果和用于表征输入...

【专利技术属性】
技术研发人员：杨晟，程检萍，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44