【技术实现步骤摘要】
人脸活体检测方法、装置及计算机可读存储介质
本专利技术实施例涉及图像处理与计算机视觉领域，特别涉及一种人脸活体检测方法、装置及计算机可读存储介质。
技术介绍
人脸图像是用于高度精确的人脸识别系统的最易访问的生物特征识别方式，当然也容易受到许多种不同类型的伪造人脸攻击。因此，旨在确定摄像头捕获的人脸图像是否真实的活体检测技术也随之产生。目前的人脸活体检测方法包括：基于单目摄像头RGB人脸图像进行的交互式活体检测、基于双目摄像头NIR图像和RGB图像进行的双目活体检测，上述两种检测方法均是利用人工选择的特征(如LBP，HoG，SIFT，SURF和DoG)来得到活体与非活体的特征分布，从而区分人脸图像是否为活体。专利技术人发现现有技术中至少存在如下问题：目前基于单目RGB人脸图片进行活体检测主要为交互式活体检测，需要用户进行点头、张嘴、眨眼等动作配合，用户配合时间长，导致用户体验不佳；基于双目摄像头NIR图像和RGB图像的两种人脸图像信息的双目活体检测，主要利用人工选取的特征，再利用SVM(支持向量机)进行分类。人工选取的...
【技术保护点】
1.一种人脸活体检测方法，其特征在于，包括：/n获取包含待检测人脸的近红外图像和可见光图像；/n分别对所述近红外图像和所述可见光图像进行裁剪处理，得到所述近红外图像的第一人脸图像块、所述可见光图像的第二人脸图像块，其中，所述第一人脸图像块和所述第二人脸图像块均至少包括一个人脸特征；/n将所述第一人脸图像块和所述第二人脸图像块输入预设神经网络模型中进行活体检测，判断所述待检测人脸是否为活体。/n
【技术特征摘要】
1.一种人脸活体检测方法，其特征在于，包括：
获取包含待检测人脸的近红外图像和可见光图像；
分别对所述近红外图像和所述可见光图像进行裁剪处理，得到所述近红外图像的第一人脸图像块、所述可见光图像的第二人脸图像块，其中，所述第一人脸图像块和所述第二人脸图像块均至少包括一个人脸特征；
将所述第一人脸图像块和所述第二人脸图像块输入预设神经网络模型中进行活体检测，判断所述待检测人脸是否为活体。
2.根据权利要求1所述的人脸活体检测方法，其特征在于，所述预设神经网络模型通过以下方式训练得到：
S1：采集正、负样本图像，其中，正样本图像包括真实活体近红外图像和真实活体可见光图像，负样本图像包括伪造活体近红外图像和伪造活体可见光图像；
S2：将所述正、负样本图像输入卷积神经网络模型，得到活体检测结果；
S3：根据所述活体检测结果计算所述卷积神经网络模型的损失函数，并根据所述损失函数调整所述卷积神经网络模型的学习率；
S4：重复步骤S1至步骤S3，直至所述损失函数满足预设要求，将满足预设要求的损失函数对应的学习率作为所述卷积神经网络模型的最终学习率，并将具有最终学习率的卷积神经网络模型作为所述预设神经网络模型。
3.根据权利要求2所述的人脸活体检测方法，其特征在于，在将所述正、负样本图像输入卷积神经网络模型之前，还包括：
调整所述正、负样本图像的图像大小，以使所述图像大小等于预设阈值；
对调整图像大小后的正、负样本图像进行随机翻转和旋转，再对进行随机翻转和旋转后的正、负样本图像进行基于人脸框的裁剪，得到多个人脸图像块，其中，每个人脸图像块至少包括一个人脸特征；
所述将所述正、负样本图像输入卷积神经网络模型，得到活体检测结果，包括：
将所述多个人脸图像块输入卷积神经网络模型，得到活体检测结果。
4.根据权利要求3所述的人脸活体检测方法，其特征在于，所述将所述多个人脸图像块输入卷积神经网络模型，得到活体检测结果，包括：
对每个所述人脸图像块进行特征提取，得到多个人脸特征；
将所述多个人脸特征进行拼接和随机移除，得到特征矩阵，对所述特征矩阵进行特征提取，得到所述活体检测结果。
5.根据权利要求4所述的人脸活体检测方法，其特征在于，所述对每个所述人脸图像块进行特征提取，包括：
采用预设残差网络对每个所述人脸图像块进行深度特征提取，其中，所述预设残差网络按照网络层...
【专利技术属性】
技术研发人员：余述超，浦贵阳，程耀，
申请(专利权)人：中移杭州信息技术有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：浙江;33
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。