一种活体人脸检测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种活体人脸检测方法、装置、电子设备及存储介质，用于改善检测图像中的活体人脸的正确率不高的问题。该活体人脸检测方法可以应用于电子设备，该方法包括：获得针对目标对象采集的红外线图像和彩色图像；使用预先训练的第一图像分类模型预测红外线图像中是否包括活体人脸，获得的第一预测结果和不确定程度特征；将不确定程度特征和彩色图像提取出的人脸深度特征进行融合，获得融合特征；使用预先训练的第二图像分类模型根据融合特征预测彩色图像中是否包括活体人脸，获得第二预测结果；根据第一预测结果和第二预测结果确定目标对象对应的人脸是否为活体人脸的检测结果。

【技术实现步骤摘要】
一种活体人脸检测方法、装置、电子设备及存储介质
本申请涉及深度学习、人脸识别和活体检测的
，具体而言，涉及一种活体人脸检测方法、装置、电子设备及存储介质。
技术介绍
活体检测是指在一些身份验证场景确定对象真实生理特征的过程，用于验证用户是否为真实活体；使用活体检测可以有效地抵御照片、面具以及屏幕翻拍等常见的攻击手段，从而帮助甄别欺诈行为。目前的判断图像中的人脸是否为活体人脸的任务中，通常是纹理、频率、光流场等特征分析的方法，这些方法例如：采用LBP(LocalBinaryPattern，局部二值模式)或者光流场等方式来判断是否为活体人脸，或者是基于3D人脸形状的分析，具体例如：通过深度摄像头获取3D人脸的形状，这样可以有效的对抗平面的照片和视频的攻击；在具体的实施过程中，发现使用高清的图片或者视频可以大概率的攻破上述方法，也就是说，使用上述的方法检测图像中的活体人脸的正确率不高。
技术实现思路
本申请实施例的目的在于提供一种活体人脸检测方法、装置、电子设备及存储介质，用于改善检测图像中的活体人脸的正确率不高的问本文档来自技高网...

【技术保护点】
1.一种活体人脸检测方法，其特征在于，应用于电子设备，包括：/n获得针对目标对象采集的红外线图像和彩色图像；/n使用预先训练的第一图像分类模型预测所述红外线图像中是否包括活体人脸，获得的第一预测结果和不确定程度特征；/n将所述不确定程度特征和所述彩色图像提取出的人脸深度特征进行融合，获得融合特征；/n使用预先训练的第二图像分类模型根据所述融合特征预测所述彩色图像中是否包括活体人脸，获得第二预测结果；/n根据所述第一预测结果和所述第二预测结果确定所述目标对象对应的人脸是否为活体人脸的检测结果。/n

【技术特征摘要】
1.一种活体人脸检测方法，其特征在于，应用于电子设备，包括：
获得针对目标对象采集的红外线图像和彩色图像；
使用预先训练的第一图像分类模型预测所述红外线图像中是否包括活体人脸，获得的第一预测结果和不确定程度特征；
将所述不确定程度特征和所述彩色图像提取出的人脸深度特征进行融合，获得融合特征；
使用预先训练的第二图像分类模型根据所述融合特征预测所述彩色图像中是否包括活体人脸，获得第二预测结果；
根据所述第一预测结果和所述第二预测结果确定所述目标对象对应的人脸是否为活体人脸的检测结果。


2.根据权利要求1所述的方法，其特征在于，在所述将所述不确定程度特征和所述彩色图像提取出的人脸深度特征进行融合之前，还包括：
从所述彩色图像中确定人脸区域；
根据所述人脸区域确定所述人脸深度特征。


3.根据权利要求2所述的方法，其特征在于，所述根据所述人脸区域确定所述人脸深度特征，包括：
从所述人脸区域中提取人脸特征；
对所述人脸区域进行深度估计，获得深度特征图；
使用预先训练的深度融合网络模型将人脸特征和深度特征图进行融合，获得所述人脸深度特征。


4.根据权利要求1所述的方法，其特征在于，所述第一预测结果的置信度不大于预设阈值；所述根据所述第一预测结果和所述第二预测结果确定所述目标对象对应的人脸是否为活体人脸的检测结果，包括：
判断所述第二预测结果是否为所述彩色图像中包括活体人脸；
若是，则确定所述目标对象对应的人脸是活体人脸；
若否，则确定所述目标对象对应的人脸不是活体人脸。


5.根据权利要求4所述的方法，其特征在于，所述第一预测结果的置信度大于预设阈值；所述根据所述第一预测结果和所述第二预测结果确定所述目标对象对应的人脸是否为活体人脸的检测结果，还包括：
判断所述第一预测结果是否为所述红外线图像中包括活体人脸；
若是，则所...

【专利技术属性】
技术研发人员：范馨予，
申请(专利权)人：创新奇智北京科技有限公司，
类型：发明
国别省市：北京;11