【技术实现步骤摘要】
活体识别方法、装置、设备及存储介质
本公开涉及计算机视觉
，具体涉及一种活体识别方法、装置、设备及存储介质。
技术介绍
在智能门禁、无感通行等相关的安防领域中，需要利用活体识别技术，判断摄像头采集的视频中的人脸图像是真人脸的人脸图像，还是假人脸(人脸面具等)的人脸图像，以防止利用假人脸对安防系统进行攻击的行为。但是，在活体识别的相关技术中，只能对单人脸场景下的人脸图像进行活体识别。对于多人脸场景下的人脸图像，比如用于安防领域的摄像头采集的包含多张人脸的图像，并不能进行活体识别。
技术实现思路
本公开提供了一种活体识别方法、装置、设备及存储介质。根据本公开实施例的第一方面，提供一种活体识别方法，所述方法包括：获取待识别的多人脸图像，所述多人脸图像中包括至少两张人脸；由所述多人脸图像中获取多张单人脸图像；分别对所述多张单人脸图像进行活体识别，得到每张单人脸图像的活体识别结果。在一些可选实施例中，所述分别对所述多张单人脸图像进行活体识别，得到每张单人脸图像的活体识别结果，包括：将所...
【技术保护点】
1.一种活体识别方法，其特征在于，所述方法包括：/n获取待识别的多人脸图像，所述多人脸图像中包括至少两张人脸；/n由所述多人脸图像中获取多张单人脸图像；/n分别对所述多张单人脸图像进行活体识别，得到每张单人脸图像的活体识别结果。/n
【技术特征摘要】
1.一种活体识别方法，其特征在于，所述方法包括：
获取待识别的多人脸图像，所述多人脸图像中包括至少两张人脸；
由所述多人脸图像中获取多张单人脸图像；
分别对所述多张单人脸图像进行活体识别，得到每张单人脸图像的活体识别结果。
2.根据权利要求1所述的方法，其特征在于，所述分别对所述多张单人脸图像进行活体识别，得到每张单人脸图像的活体识别结果，包括：
将所述每张单人脸图像输入预先训练得到的活体识别神经网络，由所述活体识别神经网络输出所述每张单人脸图像对应的人脸部分以及所述人脸部分对应的活体识别结果。
3.根据权利要求1或2所述的方法，其特征在于，所述由所述多人脸图像中获取多张单人脸图像，包括：
由所述多人脸图像的人脸中检测得到至少一个目标人脸，所述目标人脸的人脸质量信息满足质量条件；
基于所述目标人脸，从所述多人脸图像中提取包括所述目标人脸的图像，作为所述单人脸图像。
4.根据权利要求3所述的方法，其特征在于，所述人脸质量信息包括如下至少一项：人脸大小、遮挡比例、俯仰角、旋转角。
5.根据权利要求3或4所述的方法，所述由所述多人脸图像的人脸中检测得到至少一个目标人脸，包括：
将所述多人脸图像输入预先训练得到的人脸检测神经网络，由所述人脸检测神经网络输出所述多人脸图像中包括的多个人脸对应的人脸信息；
基于所述人脸信息，确定所述人脸的人脸质量信息；
将人脸质量信息满足所述质量条件的人脸，确定为所述目标人脸。
6.根据权利要求5所述的方法，其特征在于，所述人脸信息包括如下至少一项：人脸位置信息和人脸关键点信息。
7.根据权利要求3至6中任一项所述的方法，其特征在于，所述从所述多人脸图像中提取包括所述目标人脸的图像，作为所述单人脸图像，包括：
获取所述目标人脸的人脸位置信息，所述人脸位置信息包括人脸框至少两个位置点的坐标；
根据所述人脸位置信息，从所述多人脸图像中提取包括所述目标人脸的单人脸图像。
8.根据权利要求2至7中任一项所述的方法，其特征在于，在所述将所述每张单人脸图像输入预先训练得到的活体识别神经网络之前，还包括：
获取第一训练样本；所述第一训练样本中包括多张样本图像，每张所述样本图像中包括一张人脸；
对所述第一训练样本中的至少部分样本图像进行数据增强处理，得到处理后样本图像；
基于第二训练样本训练所述活体识别神经网络，所述第二训练样本中包括所述多张样本图像以及所述处理后样本图像。
9.根据权利要求8所述的方法，其特征在于，所述数据增强处理，包括如下至少一项：模糊处理、亮度调整、噪声处理、遮挡处理、下采样处理。
10.根据权利要求8或9所述的方法，其特征在于，在所述数据增强处理包括下采样处理的情况下，所述对所述第一训练样本中的至少部分样本图像进行数据增强处理，得到处理后样本图像，包括：
对所述至少部分样本图像进行下采样处理，得到中间图像；
基于所述至少部分样本图像的分辨率，对所述中间图像进行上采样处理，得到所述处理后样本图像，所述处理后样本图像的分辨率与所述至少部分样本图像的分辨率相同。
11.一种活体识别装置，其特征在于，所述装置包括：
多人脸图像获取模块，用于获取待识别的多人脸图像，所述多人脸图像中包括至少两张...
【专利技术属性】
技术研发人员：殷国君，陈梓轩，邵婧，闫俊杰，
申请(专利权)人：上海商汤智能科技有限公司，
类型：发明
国别省市：上海;31
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。