一种人脸图像检测方法及装置、存储介质制造方法及图纸

本申请实施例公开了一种人脸图像检测方法，包括：对待检测图像进行预处理，获得目标人脸图像，以及目标人脸图像对应的频谱特征向量；利用卷积神经网络检测模型，对目标人脸图像进行活体检测处理，确定出第一活体概率；卷积神经网络检测模型为具备利用图像信息实现活体判断的模型；利用频谱特征检测模型，对频谱特征向量进行活体检测处理，确定出第二活体概率；频谱特征检测模型为具备利用频谱信息实现活体判断的模型；基于第一活体概率和第二活体概率，确定待检测图像的活体检测结果。

A face image detection method, device and storage medium

【技术实现步骤摘要】
一种人脸图像检测方法及装置、存储介质
本申请实施例涉及人脸识别
，尤其涉及一种人脸图像检测方法及装置、存储介质。
技术介绍
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。在人脸识别的过程中，通常需要结合活体检测，以证明人脸图像来自于真实的用户，保证安全性。在现有技术中，针对人脸的活体检测方式可以划分为配合式和非配合式。配合式的检测方法通常要求用户在进行人脸识别时做出特定的动作，譬如眨眼、点头，以及张嘴等。非配合式的检测方法主要依赖一些特殊的硬件设备，如红外相机和深度相机。然而，对于配合式的检测方法，不方便用户使用，且容易被预先录制好的伪造视频欺骗，对于非配合式的检测方法，硬件设备的要求高，应用局限性大，容易受到光线等外部环境的影响，活体检测准确率均较低。
技术实现思路
本申请实施例提供一种人脸图像检测方法及装置、存储介质，利用预设活体检测模型，结合人脸图像，以及人脸图像对应的频谱特征向量，检测图像是否来源于真实的人，不仅检测过程简单，而且不易受外部环境影响，准确率较高。本申请实施例的技术方案是这样实现的：本申请实施例提供了一种人脸图像检测方法，所述方法包括：对待检测图像进行预处理，获得目标人脸图像，以及所述目标人脸图像对应的频谱特征向量；利用卷积神经网络检测模型，对所述目标人脸图像进行活体检测处理，确定出第一活体概率；所述卷积神经网络检测模型为具备利用图像信息实现活体判断的模型；利用频谱特征检测模型，对所述频谱特征向量进行活体检测处理，确定出第二活体概率；所述频谱特征检测模型为具备利用频谱信息实现活体判断的模型；基于所述第一活体概率和所述第二活体概率，确定所述待检测图像的活体检测结果。在上述人脸图像检测方法中，所述对待检测图像进行预处理，获得目标人脸图像，以及所述目标人脸图像对应的频谱特征向量，包括：对所述待检测图像进行人脸识别，并从所述待检测图像中裁剪出识别到的人脸区域，得到人脸区域图像；对所述人脸区域图像进行标准化调整，得到所述目标人脸图像；对所述目标人脸图像进行频谱特征提取，得到所述频谱特征向量。在上述人脸图像检测方法中，所述基于所述第一活体概率和所述第二活体概率，确定所述待检测图像的活体检测结果，包括：按照预设权重，对所述第一活体概率和所述第二活体概率加权求和，得到所述综合活体概率；当所述综合活体概率大于预设概率阈值时，确定所述活体检测结果为来源于活体；当所述综合活体概率小于或者等于所述预设概率阈值时，确定所述活体检测结果为来源于非活体。在上述人脸图像检测方法中，所述利用卷积神经网络检测模型，对所述目标人脸图像进行活体检测处理，确定出第一活体概率之前，所述方法还包括：获取多个检测样本图像，并对所述多个检测样本图像中的每一个样本图像进行裁剪和标准化调整，得到多个人脸样本图像；按照预设划分比例对所述多个人脸样本图像进行集合划分，得到人脸图像训练集和人脸图像测试集；获取所述多个人脸样本图像中每一个人脸样本图像对应的一个预设活体概率，得到多个预设活体概率；利用所述人脸图像训练集、所述人脸图像测试集和所述多个预设活体概率，对预设神经网络模型进行训练和测试，获得所述卷积神经网络检测模型。在上述人脸图像检测方法中，所述对所述多个检测样本图像中的每一个样本图像进行裁剪和标准化调整，得到多个人脸样本图像，包括：对所述多个检测样本图像中的每一个图像进行人脸识别，并裁剪出识别到的人脸区域，得到多个第一样本图像；对所述多个第一样本图像中的每一个图像进行人脸对齐处理，得到多个第二样本图像；对所述多个第二样本图像中的每一个图像进行归一化处理，得到多个第三样本图像；对所述多个第三样本图像中的每一个图像进行数据增强处理，得到所述多个人脸样本图像。在上述人脸图像检测方法中，所述利用所述人脸图像训练集、所述人脸图像测试集和所述多个预设活体概率，对预设神经网络模型进行训练，获得所述卷积神经网络检测模型，包括：利用所述人脸图像训练集，以及所述多个预设活体概率中，所述人脸图像训练集中每一个样本图像对应的预设活体概率，对所述预设神经网络模型进行训练，获得已训练神经网络模型；利用所述人脸图像测试集，以及所述多个预设活体概率中，所述人脸图像测试集中每一个样本图像对应的预设活体概率，对所述已训练神经网络模型进行测试，获得检测准确率；当所述检测准确率大于预设准确率阈值时，将所述已训练神经网络模型确定为所述卷积神经网络检测模型。在上述人脸图像检测方法中，所述获得检测准确率之后，所述方法还包括：当所述检测准确率大于所述预设准确率阈值时，获取所述人脸图像测试集中，利用所述已训练神经网络模型活体检测错误的至少一个人脸样本图像；利用所述至少一个人脸样本图像，以及所述多个预设活体概率中，所述至少一个人脸样本图像中每一个样本图像对应的预设活体概率，对所述已训练神经网络模型进行再次训练，得到所述卷积神经网络检测模型。本申请实施例提供了一种人脸图像检测装置，所述装置包括：图像处理模块，用于对待检测图像进行预处理，获得目标人脸图像，以及所述目标人脸图像对应的频谱特征向量；第一检测模块，用于利用卷积神经网络检测模型，对所述目标人脸图像进行活体检测处理，确定出第一活体概率；所述卷积神经网络检测模型为具备利用图像信息实现活体判断的模型；第二检测模块，用于利用频谱特征检测模型，对所述频谱特征向量进行活体检测处理，确定出第二活体概率；所述频谱特征检测模型为具备利用频谱信息实现活体判断的模型；活体判断模块，用于基于所述第一活体概率和所述第二活体概率，确定所述待检测图像的活体检测结果。在上述人脸图像检测装置中，所述图像处理模块，具体用于对所述待检测图像进行人脸识别，并从所述待检测图像中裁剪出识别到的人脸区域，得到人脸区域图像；对所述人脸区域图像进行标准化调整，得到所述目标人脸图像；对所述目标人脸图像进行频谱特征提取，得到所述频谱特征向量。在上述人脸图像检测装置中，所述活体判断模块，具体用于按照预设权重，对所述第一活体概率和所述第二活体概率加权求和，得到综合活体概率；当所述综合活体概率大于预设概率阈值时，确定所述活体检测结果为来源于活体；当所述综合活体概率小于或者等于所述预设概率阈值时，确定所述活体检测结果为来源于非活体。在上述人脸图像检测装置中，所述装置还包括模型训练模块，所述图像处理模块，获取多个检测样本图像，并对所述多个检测样本图像中的每一个样本图像进行裁剪和标准化调整，得到多个人脸样本图像；按照预设划分比例对所述多个人脸样本图像进行集合划分，得到人脸图像训练集和人脸图像测试集；获取所述多个人脸样本图像中每一个人脸样本图像对应的一个预设活体概率，得到多个预设活体概率；所述模型训练模块，用于利用所述人脸图像训练集、所述人脸图像测试集和所述多个本文档来自技高网...

【技术保护点】
1.一种人脸图像检测方法，其特征在于，所述方法包括：/n对待检测图像进行预处理，获得目标人脸图像，以及所述目标人脸图像对应的频谱特征向量；/n利用卷积神经网络检测模型，对所述目标人脸图像进行活体检测处理，确定出第一活体概率；所述卷积神经网络检测模型为具备利用图像信息实现活体判断的模型；/n利用频谱特征检测模型，对所述频谱特征向量进行活体检测处理，确定出第二活体概率；所述频谱特征检测模型为具备利用频谱信息实现活体判断的模型；/n基于所述第一活体概率和所述第二活体概率，确定所述待检测图像的活体检测结果。/n

【技术特征摘要】
1.一种人脸图像检测方法，其特征在于，所述方法包括：
对待检测图像进行预处理，获得目标人脸图像，以及所述目标人脸图像对应的频谱特征向量；
利用卷积神经网络检测模型，对所述目标人脸图像进行活体检测处理，确定出第一活体概率；所述卷积神经网络检测模型为具备利用图像信息实现活体判断的模型；
利用频谱特征检测模型，对所述频谱特征向量进行活体检测处理，确定出第二活体概率；所述频谱特征检测模型为具备利用频谱信息实现活体判断的模型；
基于所述第一活体概率和所述第二活体概率，确定所述待检测图像的活体检测结果。


2.根据权利要求1所述的方法，其特征在于，所述对待检测图像进行预处理，获得目标人脸图像，以及所述目标人脸图像对应的频谱特征向量，包括：
对所述待检测图像进行人脸识别，并从所述待检测图像中裁剪出识别到的人脸区域，得到人脸区域图像；
对所述人脸区域图像进行标准化调整，得到所述目标人脸图像；
对所述目标人脸图像进行频谱特征提取，得到所述频谱特征向量。


3.根据权利要求1所述的方法，其特征在于，所述基于所述第一活体概率和所述第二活体概率，确定所述待检测图像的活体检测结果，包括：
按照预设权重，对所述第一活体概率和所述第二活体概率加权求和，得到所述综合活体概率；
当所述综合活体概率大于预设概率阈值时，确定所述活体检测结果为来源于活体；
当所述综合活体概率小于或者等于所述预设概率阈值时，确定所述活体检测结果为来源于非活体。


4.根据权利要求1所述的方法，其特征在于，所述利用卷积神经网络检测模型，对所述目标人脸图像进行活体检测处理，确定出第一活体概率之前，所述方法还包括：
获取多个检测样本图像，并对所述多个检测样本图像中的每一个样本图像进行裁剪和标准化调整，得到多个人脸样本图像；
按照预设划分比例对所述多个人脸样本图像进行集合划分，得到人脸图像训练集和人脸图像测试集；
获取所述多个人脸样本图像中每一个人脸样本图像对应的一个预设活体概率，得到多个预设活体概率；
利用所述人脸图像训练集、所述人脸图像测试集和所述多个预设活体概率，对预设神经网络模型进行训练和测试，获得所述卷积神经网络检测模型。


5.根据权利要求4所述的方法，其特征在于，所述对所述多个检测样本图像中的每一个样本图像进行裁剪和标准化调整，得到多个人脸样本图像，包括：
对所述多个检测样本图像中的每一个图像进行人脸识别，并裁剪出识别到的人脸区域，得到多个第一样本图像；
对所述多个第一样本图像中的每一个图像进行人脸对齐处理，得到多个第二样本图像；
对所述多个第二样本图像中的每一个图像进行归一化处理，得到多个第三样本图像；
对所述多个第三样本图像中的每一个图像进行数据增强处理，得到所述多个人脸样本图像。


6.根据权利要求4所述的方法，其特征在于，所述利用所述人脸图像训练集、所述人脸图像测试集和所述多个预设活体概率，对预设神经网络模型进行训练，获得所述卷积神经网络检测模型，包括：
利用所述人脸图像训练集，以及所述多个预设活体概率中，所述人脸图像训练集中每一个样本图像对应的预设活体概率，对所述预设神经网络模型进行训练，获得已训练神经网络模型；
利用所述人脸图像测试集，以及所述多个预设活体概率中，所述人脸图像测试集中每一个样本图像对应的预设活体概率，对所述已训练神经网络模型进行测试，获得检测准确率；
当所述检测准确率大于预设准确率阈值时，将所述已训练神经网络模型确定为所述卷积神经网络检测模型。


7.根据权利要求6所述的方法，其特征在于，所述获得检测准确率之后，所述方法还包括：
当所述检测准确率大于所述预设准确率阈值时，获取所述人脸图像测试集中，利用所述已训练神经网络模型活体检测错误的至少一个人脸样本图像；
利用所述至少一个人脸样本图像，以及所述多个预设活体概率中，所述至少一个人脸样本图像中每一个样本图像对应的预设活体概率，对所述已训练神经网络模型进行再次训练，得到所述卷积神经网络检测模型。


8.一种人脸图像...

【专利技术属性】
技术研发人员：孙莹莹，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东;44