【技术实现步骤摘要】
3D人脸活体检测方法、装置、计算机设备及存储介质
本专利技术涉及活体检测方法，更具体地说是指3D人脸活体检测方法、装置、计算机设备及存储介质。
技术介绍
由于深度学习的发展，大规模人脸识别成为可能。目前人脸识别技术已经广泛应用于安防，闸机以及金融支付等场景。人脸识别的过程不仅要确认获取的人脸是不是来源于同一个人，同时还要确认要比对的图片是不是来源于真人，即人脸的活体检测。人脸活体检测包含动作活体、静默活体，动作活体是指受试者根据随机指令做相应的动作，如张嘴、眨眼、摇头以确定是不是真人，动作活体可以用来防静态图片的攻击，但是对于录好的视频却很难防；静默活体包含单目、3D的活体检测，单目活体速度快，对硬件要求低，但是对于高清图片以及无明显差异的图片防攻击能力较差，3D活体检测是用两个彩色摄像头或者其它设备计算图片深度信息来进行活体检测，现有的3D活体检测方式由于硬件的要求等导致准确率较低。综上所述，现有的活体检测均存在准确率较低的问题。因此，有必要设计一种新的方法，实现提高活体检测的准确率。
技术实现思路
<...
【技术保护点】
1.3D人脸活体检测方法，其特征在于，包括：/n获取来自双目摄像头的图像，以得到待检测图像；/n对所述待检测图像进行处理并计算测距，以得到测距信息图；/n根据所述测距信息图进行初步活体检测，以得到第一检测结果；/n判断所述第一检测结果是否大于预设置的阈值；/n若所述第一检测结果大于预设置的阈值，则对所述待检测图像进行预处理，以得到中间人脸图像；/n将中间人脸图像输入至3D活体检测模型内进行二次活体检测，以得到第二检测结果；/n判断所述第二检测结果是否为活体图像；/n若所述第二检测结果是活体图像，则输出所述待检测图像为活体图像的通知至终端，以使得终端进行人脸识别操作；/n若所...
【技术特征摘要】
1.3D人脸活体检测方法，其特征在于，包括：
获取来自双目摄像头的图像，以得到待检测图像；
对所述待检测图像进行处理并计算测距，以得到测距信息图；
根据所述测距信息图进行初步活体检测，以得到第一检测结果；
判断所述第一检测结果是否大于预设置的阈值；
若所述第一检测结果大于预设置的阈值，则对所述待检测图像进行预处理，以得到中间人脸图像；
将中间人脸图像输入至3D活体检测模型内进行二次活体检测，以得到第二检测结果；
判断所述第二检测结果是否为活体图像；
若所述第二检测结果是活体图像，则输出所述待检测图像为活体图像的通知至终端，以使得终端进行人脸识别操作；
若所述第二检测结果不是活体图像，则执行所述获取待检测图像；
其中，所述3D活体检测模型是通过若干带有类别标签的活体图像以及若干带有类别标签的非活体图像作为样本集训练卷积神经网络所得的。
2.根据权利要求所述的3D人脸活体检测方法，其特征在于，所述对所述待检测图像进行处理并计算测距，以得到测距信息图，包括：
对所述待检测图像进行校正，以得到第一图像；
对所述第一图像进行立体匹配，以得到视差图；
根据所述视差图计算测距，以得到测距信息图。
3.根据权利要求2所述的3D人脸活体检测方法，其特征在于，所述对所述待检测图像进行校正，以得到第一图像，包括：
获取双目摄像头经过标定所得到的双目摄像头参数矩阵；
根据所述双目摄像头参数矩阵生成所述待检测图像的校正所需的像素映射矩阵，以得到校正矩阵；
采用校正矩阵对所述待检测图像进行校正，以得到第一图像。
4.根据权利要求2所述的3D人脸活体检测方法，其特征在于，所述对所述第一图像进行立体匹配，以得到视差图，包括：
对所述第一图像进行归一化处理，以得到第二图像；
对第二图像进行匹配，以得到最佳匹配信息；
对所述最佳匹配信息进行过滤，以得到视差图。
5.根据权利要求1所述的3D人脸活体检测方法，其特征在于，所述根据所述测距信息图进行初步活体检测，以得到第一检测结果，包括：
对所述测距信息图进行灰度化处理，以得到灰度图像；
对所述灰度图像计算其拉普拉斯方差，以得到第一检测结果。
6.根据权利要求1所述的3D人脸活体检测方法，其特征在于，所述3D活体检测模型是通过若干带有类别标签的活体图像以及若干带有类别标签的非活体图像作为样本集训练卷积神经网络所得的，包括：
获取若干带有类别标签的活体图像以及若干带有类别...
【专利技术属性】
技术研发人员：张欢，黄军文，柯南海，文戈，陈兴委，赵士红，
申请(专利权)人：深圳市华付信息技术有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。