一种图片的活体检测及分类方法技术

本发明专利技术公开了一种图片的活体检测及分类方法，方法包括：步骤S1：根据应用场景下的图片内容，生成部分图像，并形成有效图像集；步骤S2：将有效图像集中的图片提取特征向量，并将图片的活检分类以及特征向量用于训练神经网络模型，使得训练后的神经网络模型能够根据输入的图片自动对图片进行活检分类；步骤S3：将需要活检检测的图片进行修剪后形成多幅待检图片，并将待检图片分别送入训练后的神经网络模型，从而得到每幅待检图片的输出结果；步骤S4：对多个输出结果进行数据融合并归一化后，与预设阈值对比，从而根据对比结果判断需要活检检测的图片的活检分类。本发明专利技术的方法提高了人像图像活检检测的准确度。

【技术实现步骤摘要】
一种图片的活体检测及分类方法
本专利技术涉及图像中人脸的活体检测领域，具体地说，涉及一种图片的活体检测及分类方法。
技术介绍
随着科技的发展与普及，人脸识别技术已经广泛应用到我们生活中各个场景，比如手机登录、小区门禁、签到打卡等。为了防止他人使用照片、屏幕、模型等伪造人脸，检测当前用户是否为真实用户就很重要，即活体检测技术。而当前流行的活体检测技术，主要是基于双目摄像头的，在单目摄像头下成熟的技术不多，比如根据亮度、纹理等特征判断，或者让用户做出指定动作，或者用一序列不同颜色的光照来模拟结构光，这些技术在手机端可能有一定效果，但是其他非手机端的公共场景，由于人脸距离远，成像不够清晰，现有方法的活体检测效果就会急剧下降，使得算法无法使用。传统场景下的活体检测技术一般是通过两个摄像头(结合来判断，为了减少成本，提高应用的通用性，越来越多的厂商开始关注单目摄像头活体检测技术，即只使用一个普通彩色摄像头。目前流行的方案主要有：1.让用户做出指定动作(点头、转头等)；2.直接提取人脸图像特征(亮度、纹理、边缘等)；本文档来自技高网...

【技术保护点】
1.一种图片的活体检测及分类方法，其特征在于，所述方法包括：/n步骤S1：根据应用场景下的图片内容，生成部分图像，并形成有效图像集，所述有效图像集中的每个图像标记有活检分类，所述活检分类包括活体和非活体；/n步骤S2：将所述有效图像集中的图片利用卷积神经网络提取特征向量，并将图片的活检分类以及所述特征向量用于训练神经网络模型，使得训练后的所述神经网络模型能够根据输入的图片自动对图片进行活检分类；/n步骤S3：将需要活检检测的图片进行修剪后形成多幅待检图片，并将所述待检图片分别送入训练后的所述神经网络模型，从而得到每幅待检图片的输出结果；/n步骤S4：对多个所述输出结果进行数据融合并归一化后，与...

【技术特征摘要】
1.一种图片的活体检测及分类方法，其特征在于，所述方法包括：
步骤S1：根据应用场景下的图片内容，生成部分图像，并形成有效图像集，所述有效图像集中的每个图像标记有活检分类，所述活检分类包括活体和非活体；
步骤S2：将所述有效图像集中的图片利用卷积神经网络提取特征向量，并将图片的活检分类以及所述特征向量用于训练神经网络模型，使得训练后的所述神经网络模型能够根据输入的图片自动对图片进行活检分类；
步骤S3：将需要活检检测的图片进行修剪后形成多幅待检图片，并将所述待检图片分别送入训练后的所述神经网络模型，从而得到每幅待检图片的输出结果；
步骤S4：对多个所述输出结果进行数据融合并归一化后，与预设阈值对比，从而根据对比结果判断所述需要活检检测的图片的活检分类。


2.如权利要求1所述的图片的活体检测及分类方法，其特征在于，所述有效图像集中的图片包括活体样本区，所述活体样本区为人脸截图区域；所述有效图像集中的图片至少有部分属于所述活体样本区位于所述图片中心的位置。


3.如权利要求2所述的图片的活体检测及分类方法，其特征在于，对所述神经网络模型的训练包括分类模型训练，所述分类模型训练使用中心损失函数，所述中心损失函数为：



其中m代表类别数量，xi代表隐藏层的输出特...

【专利技术属性】
技术研发人员：易炜，
申请(专利权)人：深圳印像数据科技有限公司，
类型：发明
国别省市：广东;44