【技术实现步骤摘要】
一种人脸图像检测方法、装置、电子设备及存储介质
本申请涉及图像处理
，尤其涉及一种人脸图像检测方法、装置、电子设备及存储介质。
技术介绍
活体检测是指通过眨眼、张嘴、摇头、点头等组合动作，对人脸特征点定位和追踪的技术，验证待检人员是否为真实活体本人操作，因为人脸图像具有可造假性，例如待检人员戴面具、或者通过照片合成等手段改变人脸图像的真实性，而这些手段在人脸图像检测的过程中较难被识别，因此，如果通过直接检测人脸图像来检验待检人员的真实身份，容易出现检测错误的问题，从而降低对有效人员的身份的保障力度。而使用活体检测可以有效解决上述问题。但是活体检测也存在一些问题，因为现在的活体检测设备大多采用自助检测模式，即待检人员自行按照机器提示进行检测，而通常周围不存在监督人员，因此，一些不法的待检人员采用戴人皮面具、戴印有人脸图像的照片、甚至通过计算机技术手段合成活体检测过程中所产生的人脸图像等，活体检测设备容易误检这些待检人员，认为他们的身份真实可靠，这就容易对真正的有效人员的身份及财产等造成威胁。专利技...
【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结合正常样本图像和问题样本图像，创建人脸图像分类模型，所述正常样本图像为通过活体检测，且具有第一人脸特征的人脸图像，所述问题样本图像为通过活体检测，且具有第二人脸特征的人脸图像，所述人脸图像分类模型为具有确定人脸图像类别的功能的模型；/n获取待检测人脸图像，所述待检测人脸图像为通过活体检测的待检人员在活体检测过程中的人脸图像；/n利用所述人脸图像分类模型计算所述待检测人脸图像的检测分数；/n将所述检测分数与预设分数阈值进行对比以确定所述待检测人脸图像的图像类别。/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：
结合正常样本图像和问题样本图像，创建人脸图像分类模型，所述正常样本图像为通过活体检测，且具有第一人脸特征的人脸图像，所述问题样本图像为通过活体检测，且具有第二人脸特征的人脸图像，所述人脸图像分类模型为具有确定人脸图像类别的功能的模型；
获取待检测人脸图像，所述待检测人脸图像为通过活体检测的待检人员在活体检测过程中的人脸图像；
利用所述人脸图像分类模型计算所述待检测人脸图像的检测分数；
将所述检测分数与预设分数阈值进行对比以确定所述待检测人脸图像的图像类别。
2.根据权利要求1所述的方法，其特征在于，所述结合正常样本图像和问题样本图像，创建人脸图像分类模型包括：
从人脸图像数据库中获取过检人脸图像，所述过检人脸图像为通过活体检测的人员在活体检测过程中的人脸图像；
确定每一过检人脸图像的面部特征图像；
确定正常样本图像和问题样本图像，所述正常样本图像为所述面部特征图像与第一人脸特征相匹配的所述过检人脸图像，所述问题样本图像为所述面部特征图像与第二人脸特征相匹配的所述过检人脸图像；
利用卷积神经网络训练所述正常样本图像和所述问题样本图像，得到人脸图像分类模型。
3.根据权利要求2所述的方法，其特征在于，所述确定正常样本图像和问题样本图像之后包括：
确定每一所述正常样本图像和每一所述问题样本图像中的面部区域图像，所述面部区域图像为所述正常样本图像和所述问题样本图像中与预设脸部轮廓图像相匹配的区域；
裁剪每一所述正常样本图像，得到相应的第一面部区域图像，裁剪每一所述问题样本图像，得到相应的第二面部区域图像；
分别放大每一所述第一面部区域图像和每一所述第二面部区域图像，对应得到第一处理后正常样本图像和处理后问题样本图像，以供创建人脸图像分类模型。
4.根据权利要求1所述的方法，其特征在于，所述获取待检测人脸图像包括：
获取通过活体检测的待检人员的活体检测视频；
从所述活体检测视频中抽取所述待检测人脸图像，所述待检测人脸图像为所述活体检测视频中与预设人脸正面轮廓图像匹配度最高的一帧图像。
5.根据权利要求1所述的方法，其特征在于，所述将所述检测分数与预设分数阈值进行对比以确定所述待检测人脸图像的图像类别包括：
获取所述待检测分数中的正常类别分数，所述正常类别分数为所述待检测人脸图像与正常样本图像相匹配的分值；
对比所述正常类别分数与所述预设分数阈值；
如果所述正常类别分数大于所述预设分数阈值，则所述待检测人脸图像为正常图像；如果所述正常类别分数小于或者等于预设分数阈值，则所述待检测人脸图像为问题图像。
6.一种人脸图像检测装置，其特征在于，所述装置包括：
模型创建模块，用于结合正常样本图像和问题样本图像，创建人脸图像分类模型，所述正常样本图像为通过活体检测，且具有第一人脸特征的人脸图像，所述问题样本图像为通过活体检测，且具有第二人脸特征的人脸图像，所述人脸图像分类模型为具有确定人脸...
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。