静默活体检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及生物识别领域，公开了一种静默活体检测方法、装置、设备及存储介质。静默活体检测方法包括：对预先采集的训练样本图像进行预处理，生成训练样本集；构建Xception模型，所述Xception模型依次包括输入层、第一卷积层、第二卷积层、全局平均池化层和二分类器，其中所述第一卷积层由1x1卷积核组成；采用所述训练样本集对所述Xception模型进行训练，得到静默活体检测模型；采集待检测对象的样本图像并输入所述静默活体检测模型进行识别，输出所述待检测图像对应的静默活体概率；若所述静默活体概率大于预置阈值，则确定静默活体检测通过。本发明专利技术在Xception模型基础上增加了由1x1卷积核构成的第一卷积层，提高了活体检测准确性。

Method, device, equipment and storage medium for silent living body detection

【技术实现步骤摘要】
静默活体检测方法、装置、设备及存储介质
本专利技术涉及生物识别领域，尤其涉及一种静默活体检测方法、装置、设备及存储介质。
技术介绍
随着技术的发展，人脸识别技术开始广泛应用于人们日常生活的方方面面。为了避免照片或视频的攻击性登录方式，人脸识别领域有个专有手段，称为“活体检测”。常见的活体检测方式有配合式活体、静默活体、纹理特征识别等方式。其中，配合式活体需要提取人脸区域的特定运动信息来进行识别，如眨眼，嘴部运动，点头摇头。然而这需要用户进行配合，耗时长。而纹理特征识别一般是基于图像RGB纹理特征，并结合多核SVM融合算法对人脸进行识别。此方法的训练和推理成本小，不需要上传到服务器进行判断，但调参困难，准确率低。因此无需用户进行繁琐的脸部动作的，基于静默活体的人脸识别具有更强的实用性和广泛性。静默活体检测不需要用户进行眨眼，张嘴，数数等一系列的动作配合来判断是否是真实人物，而是通过提取用户的特征以判断是否为活体。然而，由于在静默活体检测中，对人脸区域的识别受到光照、遮挡等因素干扰，存在识别的精确度低的问题。
技术实现思路
本专利技术的主要目的在于，解决目前静默活体检测精确率低的技术问题。本专利技术第一方面提供了一种静默活体检测方法，所述静默活体检测方法包括：对预先采集的训练样本图像进行预处理，生成训练样本集；构建Xception模型，所述Xception模型依次包括输入层、第一卷积层、第二卷积层、全局平均池化层和二分类器，其中所述第一卷积层由1x1卷积核组成；采用所述训练样本集对所述Xception模型进行训练，得到静默活体检测模型；采集待检测对象的样本图像并输入所述静默活体检测模型进行识别，输出所述待检测图像对应的静默活体概率；若所述静默活体检测概率大于预置阈值，则确定静默活体检测通过。可选的，在本专利技术第一方面的第一种实现方式中，所述对预先采集的训练样本图像进行预处理，生成训练样本集包括：获取待处理的训练样本图像，其中，所述训练样本图像包括活体人脸图像与非活体人脸图像；对所述训练样本图像进行人脸调整和颜色空间转换，得到由HSV颜色空间的第一图像和YCrCb颜色空间的第二图像组成的目标图像；对所述目标图像进行数据标定，得到训练样本集。可选的，在本专利技术第一方面的第二种实现方式中，所述对所述训练样本图像进行人脸调整和颜色空间转换，得到由HSV颜色空间的第一图像和YCrCb颜色空间的第二图像组成的目标图像包括：对所述待处理的训练样本图像进行人脸定位和特征点定位，得到定位结果；根据所述定位结果，对所述训练样本图像中的人脸进行调整，其中，所述调整包括缩放、位移和旋转；对调整后的所述待检测图像的颜色空间进行转换，得到由HSV颜色空间的第一图像和YCrCb颜色空间的第二图像组成的目标图像。可选的，在本专利技术第一方面的第三种实现方式中，所述采用所述训练样本集对所述Xception模型进行训练，得到静默活体检测模型包括：对所述Xception模型进行初始化，并将所述训练样本集输入所述Xception模型中；通过所述Xception模型，对所述训练样本集中所述目标图像进行处理，得到所述目标图像为静默活体图像的预测概率基于所述数据标定和预置损失函数，计算得到所述预测概率对应的损失结果；根据所述损失结果，对所述Xception模型的参数进行调节，得到静默活体检测模型。可选的，在本专利技术第一方面的第四种实现方式中，所述通过所述Xception模型，对所述训练样本集中所述目标图像进行处理，得到所述目标图像为静默活体图像的预测概率包括：通过所述第一卷积层，对所述目标图像进行卷积，得到所述第一图像对应的第一卷积值和所述第二图像对应的第二卷积值；通过所述第二卷积层，对所述第一卷积值和所述第二卷积值进行卷积，得到所述第一图像对应的第一特征矩阵和所述第二图像对应第二特征矩阵；通过所述全局平均池化层，对所述第一特征矩阵和所述第二特征矩阵进行池化，得到所述第一图像对应的第一特征向量和所述第二图像对应的第二特征向量；通过所述二分类器，将所述第一特征向量和所述第二特征向量进行平均，并将平均后的所述第一特征向量和所述第二特征向量均一化，得到所述目标图像为静默活体图像的预测概率。可选的，在本专利技术第一方面的第五种实现方式中，所述第二卷积层与所述全局平均池化层之间还包括Dropout层，所述通过所述全局平均池化层，对所述第一特征矩阵和所述第二特征矩阵进行池化，得到所述第一图像对应的第一特征向量和所述第二图像对应的第二特征向量包括：通过所述Dropout层，对所述第一特征矩阵和所述第二特征矩阵中元素进行随机丢失，得到所述第一图像对应的第三特征矩阵和所述第二图像对应的第四特征矩阵；通过所述全局平均池化层，计算所述第三特征矩阵和所述第四特征矩阵对应的平均值，得到所述第一图像对应的第一特征向量和所述第二图像对应的第二特征向量。可选的，在本专利技术第一方面的第六种实现方式中，所述根据所述损失结果，对所述Xception模型的参数进行调节，得到静默活体检测模型包括：将所述损失结果反向传播回所述Xception模型；根据所述损失结果，采用随机梯度下降法对所述Xception模型的网络参数进行迭代更新，直至所述Xception模型收敛；当所述Xception模型收敛时，确定当前所述Xception模型的网络参数为目标参数，得到静默活体检测模。本专利技术第二方面提供了一种静默活体检测装置，包括：预处理模块，用于对预先采集的训练样本图像进行预处理，生成训练样本集；构建模块，用于构建Xception模型，所述Xception模型依次包括输入层、第一卷积层、第二卷积层、全局平均池化层和二分类器，其中所述第一卷积层由1x1卷积核组成；训练模块，用于采用所述训练样本集对所述Xception模型进行训练，得到静默活体检测模型；检测模块，用于采集待检测对象的样本图像并输入所述静默活体检测模型进行识别，输出所述待检测图像对应的静默活体概率；判定模块，用于若所述静默活体检测概率大于预置阈值，则确定静默活体检测通过。可选的，在本专利技术第二方面的第一种实现方式中，所述预处理模块包括：获取单元，用于获取待处理的训练样本图像，其中，所述训练样本图像包括活体人脸图像与非活体人脸图像；转换单元，用于对所述训练样本图像进行人脸调整和颜色空间转换，得到由HSV颜色空间的第一图像和YCrCb颜色空间的第二图像组成的目标图像；标定单元，用于对所述目标图像进行数据标定，得到训练样本集。可选的，在本专利技术第二方面的第二种实现方式中，所述转换单元具体用于：对所述待处理的训练样本图像进行人脸定位和特征点定位，得到定位结果；根据所述定位结果，对所述训练样本图像中的人脸进行调整，其中，所述调整包括缩放、位移和旋转；<本文档来自技高网...

【技术保护点】
1.一种静默活体检测方法，其特征在于，所述静默活体检测方法包括：/n对预先采集的训练样本图像进行预处理，生成训练样本集；/n构建Xception模型，所述Xception模型依次包括输入层、第一卷积层、第二卷积层、全局平均池化层和二分类器，其中所述第一卷积层由1x1卷积核组成；/n采用所述训练样本集对所述Xception模型进行训练，得到静默活体检测模型；/n采集待检测对象的样本图像并输入所述静默活体检测模型进行识别，输出所述待检测图像对应的静默活体概率；/n若所述静默活体概率大于预置阈值，则确定静默活体检测通过。/n

【技术特征摘要】
1.一种静默活体检测方法，其特征在于，所述静默活体检测方法包括：
对预先采集的训练样本图像进行预处理，生成训练样本集；
构建Xception模型，所述Xception模型依次包括输入层、第一卷积层、第二卷积层、全局平均池化层和二分类器，其中所述第一卷积层由1x1卷积核组成；
采用所述训练样本集对所述Xception模型进行训练，得到静默活体检测模型；
采集待检测对象的样本图像并输入所述静默活体检测模型进行识别，输出所述待检测图像对应的静默活体概率；
若所述静默活体概率大于预置阈值，则确定静默活体检测通过。


2.根据权利要求1所述的静默活体检测方法，其特征在于，所述对预先采集的训练样本图像进行预处理，生成训练样本集包括：
获取待处理的训练样本图像，其中，所述训练样本图像包括活体人脸图像与非活体人脸图像；
对所述训练样本图像进行人脸调整和颜色空间转换，得到由HSV颜色空间的第一图像和YCrCb颜色空间的第二图像组成的目标图像；
对所述目标图像进行数据标定，得到训练样本集。


3.根据权利要求2所述的静默活体检测方法，其特征在于，所述对所述训练样本图像进行人脸调整和颜色空间转换，得到由HSV颜色空间的第一图像和YCrCb颜色空间的第二图像组成的目标图像包括：
对所述待处理的训练样本图像进行人脸定位和特征点定位，得到定位结果；
根据所述定位结果，对所述训练样本图像中的人脸进行调整，其中，所述调整包括缩放、位移和旋转；
对调整后的所述待检测图像的颜色空间进行转换，得到由HSV颜色空间的第一图像和YCrCb颜色空间的第二图像组成的目标图像。


4.根据权利要求3所述的静默活体检测方法，所述采用所述训练样本集对所述Xception模型进行训练，得到静默活体检测模型包括：
对所述Xception模型进行初始化，并将所述训练样本集输入所述Xception模型中；
通过所述Xception模型，对所述训练样本集中所述目标图像进行处理，得到所述目标图像为静默活体图像的预测概率；
基于所述数据标定和预置损失函数，计算得到所述预测概率对应的损失结果；
根据所述损失结果，对所述Xception模型的参数进行调节，得到静默活体检测模型。


5.根据权利要求4所述的静默活体检测方法，其特征在于，所述通过所述Xception模型，对所述训练样本集中所述目标图像进行处理，得到所述目标图像为静默活体图像的预测概率包括：
通过所述第一卷积层，对所述目标图像进行卷积，得到所述第一图像对应的第一卷积值和所述第二图像对应的第二卷积值；
通过所述第二卷积层，对所述第一卷积值和所述第二卷积值进行卷积，得到所述第一图像对应的第一特征矩阵和所述第二图像对应第二特征矩阵；
通过所述全局平均池化层，对所述第...

【专利技术属性】
技术研发人员：杨周龙，李培吉，杨天宇，
申请(专利权)人：上海东普信息科技有限公司，
类型：发明
国别省市：上海;31