【技术实现步骤摘要】
一种人脸图像处理方法、装置、电子设备及存储介质
本申请涉及人脸识别
，具体涉及一种人脸图像处理方法、装置、电子设备及存储介质。
技术介绍
近年来，通过人脸识别进行身份认证的技术日趋成熟，被越来越多地应用于考勤、门检、安检和刑侦等领域。但人脸易用照片、视频等方式进行复制，因此不法分子可能用照片或视频假冒合法用户，对身份认证系统的安全构成了严重威胁。相关技术中主要通过双目摄像头、红外感应、摄像头外置传感器等形式，在单个摄像头的基础上，另外增加感知维度，或者直接采用多目摄像头，感知当前人脸的三维空间信息，用以区分真实人脸和欺骗人脸。但相关技术中在单个摄像头的基础上增加额外设备，防欺骗的成本高。
技术实现思路
为解决以上问题，本申请提供一种人脸图像处理方法、装置、电子设备及存储介质，在单目摄像头上实现人脸防欺骗功能，既利用单人脸信息，又综合多时刻下多人脸信息，进行特征融合，防欺骗的准确性高，成本低。本申请通过以下几个方面来解决以上问题。第一方面，本申请实施例提供了一种人脸图像
【技术保护点】
1.一种人脸图像处理方法，其特征在于，包括：/n从单目摄像头拍摄的视频数据中截取多帧包含人脸的图像；/n通过预先训练的单人脸特征提取网络分别对每帧图像进行特征提取，得到每帧图像对应的人脸特征图像；/n根据每个人脸特征图像，生成对应的融合人脸特征图像；/n根据所述融合人脸特征图像，通过预先训练的分类模型确定所述融合人脸特征图像中包含的人脸是否为真实人脸。/n
【技术特征摘要】
1.一种人脸图像处理方法，其特征在于，包括：
从单目摄像头拍摄的视频数据中截取多帧包含人脸的图像；
通过预先训练的单人脸特征提取网络分别对每帧图像进行特征提取，得到每帧图像对应的人脸特征图像；
根据每个人脸特征图像，生成对应的融合人脸特征图像；
根据所述融合人脸特征图像，通过预先训练的分类模型确定所述融合人脸特征图像中包含的人脸是否为真实人脸。
2.根据权利要求1所述的方法，其特征在于，所述单人脸特征提取网络包括依次排列的第一卷积层、第一子模块、第二子模块、第二卷积层、第三卷积层、第四卷积层和第一池化层；所述第一子模块包括依次排列的第五卷积层、第六卷积层和第二池化层；所述第二子模块包括依次排列的第七卷积层、第八卷积层和第三池化层；
所述通过预先训练的单人脸特征提取网络分别对每帧图像进行特征提取，得到每帧图像对应的人脸特征图像，包括：
将第一图像输入所述第一卷积层进行第一预设比例和第一预设迭代次数的卷积处理，得到所述第一图像对应的第一卷积图像，所述第一图像为所述多帧包含人脸的图像中的任意一帧图像；
将所述第一卷积图像输入所述第五卷积层进行第二预设比例和第二预设迭代次数的卷积处理，得到所述第一图像对应的第二卷积图像；
将所述第二卷积图像输入所述第六卷积层进行第三预设比例和第三预设迭代次数的卷积处理，得到所述第一图像对应的第三卷积图像；
将所述第三卷积图像输入所述第二池化层进行第四预设比例的池化处理，得到所述第一图像对应的第一池化图像；
将所述第一池化图像输入所述第七卷积层进行第五预设比例和第四预设迭代次数的卷积处理，得到所述第一图像对应的第四卷积图像；
将所述第四卷积图像输入所述第八卷积层进行第六预设比例和第五预设迭代次数的卷积处理，得到所述第一图像对应的第五卷积图像；
将所述第一池化图像进行第七预设比例的池化处理得到第二池化图像，将所述第五卷积图像和所述第二池化图像输入所述第三池化层，对所述第五卷积图像进行所述第八预设比例的池化处理得到第三池化图像；将所述第二池化图像和所述第三池化图像进行叠加，得到所述第一图像对应的第四池化图像；
将所述第四池化图像输入所述第二卷积层进行第九预设比例和第六预设迭代次数的卷积处理，得到所述第一图像对应的第六卷积图像；
将所述第六卷积图像输入所述第三卷积层进行第十预设比例和第七预设迭代次数的卷积处理，得到所述第一图像对应的第七卷积图像；
将所述第七卷积图像输入第四卷积层进行第十一预设比例和第八预设迭代次数的卷积处理，得到所述第一图像对应的第八卷积图像；
将所述第八卷积图像输入所述第一池化层进行第十二预设比例的池化处理，得到所述第一图像对应的人脸特征图像。
3.根据权利要求1所述的方法，其特征在于，所述根据每个人脸特征图像，生成对应的融合人脸特征图像，包括：
将每个人脸特征图像中时间戳相邻的两个人脸特征图像组成特征图像集；
分别对每个特征图像集中包括的两个人脸特征图像进行运动特征分析，得到每个特征图像集对应的运动特征图像；
根据每个特征图像集对应的运动特征图像，生成融合人脸特征图像。
4.根据权利要求3所述的方法，其特征在于，所述分别对每个特征图像集中包括的两个人脸特征图像进行运动特征分析，得到每个特征图像集对应的运动特征图像，包括：
通过第一预设算子分别对每个特征图像集包括的两个人脸特征图像进行边缘检测处理；
通过第二预设算子分别对每个特征图像集包括的两个人脸特征图像进行位移相减处理；
将边缘检测处理的结果和位移相减处理的结果进行累加，得到每个特征图像集对应的运动特征图像。
5.根据权利要求3所述的方法，其特征在于，所述根据每个特征图像集对应的运动特征图像，生成融合人脸特征图像，包括：
将每个特征图像集对应的运动特征图像中所有像素点的坐标值进行加权平均运算，得到所述人脸对应的融合特征图像。
6.根据权利要求2所述的方法，其特征在于，所述通过预先训练的单人脸特征提取网络分别对每帧图像进行特征提取之前，还包括：
获取预设数目的人脸图像，所述预设数目的人脸图像中包括真实人脸的人脸图像和欺骗人脸的人脸图像；
分别从每个人脸图像中确定出人脸关键点坐标；
分别对每个人脸图像中的人脸关键点坐标的像素值、人脸关键点坐标周围与人脸关键点坐标相邻的一圈像素点的像素值以及除人脸关键点坐标及所述一圈像素点外的其它像素点的像素值进行重置，得到每个人脸图像对应的第一人脸特征图像；
将每个人脸图像分别输入包括依次排列的第一卷积层、第一子模块、第二子模块、第二卷积层、第三卷积层、第四卷积层和第一池化层的网络模型中进行模型训练，得到每个人脸图像对应的第二人脸特征图像；
根据每个人脸图像对应的第一人脸特征图像和第二人脸特征图像，分别计算所述网络模型的精度值；
在模型训练过程中调整所述网络模型的模型参数，直至所述精度值大于或等于预设阈值时，将训练的所述网络模型确定为单人脸特征提取网络。
7.一种人脸图像处理装...
【专利技术属性】
技术研发人员：唐侃毅，
申请(专利权)人：新华三大数据技术有限公司，
类型：发明
国别省市：河南;41
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。