【技术实现步骤摘要】
跨摄像头的人脸活体检测方法及系统
本专利技术涉及人脸识别
，特别涉及一种跨摄像头的人脸活体检测方法、一种计算机可读存储介质和一种跨摄像头的人脸活体检测系统。
技术介绍
近年来，深度学习技术的发展提高了人脸识别的精度，促进了基于人脸系统的进一步应用。因此，人脸被越来越多地与隐私和个人财产联系在一起，所以，预防对于人脸识别系统的非真实人脸攻击就会非常重要，即人脸活体检测。相关技术中，基于单摄像头训练得到的活体检测模型，在不同摄像头不同环境下测试时，泛化性能大大降低，活体检测效果差。
技术实现思路
本专利技术旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种跨摄像头的人脸活体检测方法，能够在不对活体检测模型进行重新训练的情况下，保证跨摄像头活体检测结果的准确性。本专利技术的第二个目的在于提出一种计算机可读存储介质。本专利技术的第三个目的在于提出一种跨摄像头的人脸活体检测系统。为达到上述目的，本专利技术第一方面实施例提出了一种跨摄像头的人...
【技术保护点】
1.一种跨摄像头的人脸活体检测方法，其特征在于，包括以下步骤：/n通过源摄像头对样本图像进行采集，以得到第一训练数据集，并根据所述第一训练数据集进行神经网络模型的训练，以得到人脸活体检测模型；/n通过源摄像头和目标摄像头进行活体样本对的采集，以根据活体样本对生成第二训练数据集，并根据所述第二训练数据集进行生成对抗网络的训练，以得到风格转移函数模型；/n通过目标摄像头获取待检测人脸图像，并将所述待检测人脸图像输入到所述风格转移函数模型，以及将风格转移后的待检测人脸图像输入到所述人脸活体检测模型，以得到待检测人脸图像对应的活体检测结果。/n
【技术特征摘要】
1.一种跨摄像头的人脸活体检测方法，其特征在于，包括以下步骤：
通过源摄像头对样本图像进行采集，以得到第一训练数据集，并根据所述第一训练数据集进行神经网络模型的训练，以得到人脸活体检测模型；
通过源摄像头和目标摄像头进行活体样本对的采集，以根据活体样本对生成第二训练数据集，并根据所述第二训练数据集进行生成对抗网络的训练，以得到风格转移函数模型；
通过目标摄像头获取待检测人脸图像，并将所述待检测人脸图像输入到所述风格转移函数模型，以及将风格转移后的待检测人脸图像输入到所述人脸活体检测模型，以得到待检测人脸图像对应的活体检测结果。
2.如权利要求1所述的跨摄像头的人脸活体检测方法，其特征在于，在根据所述第一训练数据集进行神经网络模型的训练时，根据以下公式按权重增加中心差分卷积算子：
其中，w(m,n)表示卷积核对应的值，g(i,j)表示当前像素值，m,n表示卷积核的宽与长，θ，1-θ表示普通卷积算子与中心差分算子的权重，y(i,j)表示中心差分卷积算子。
3.如权利要求1所述的跨摄像头的人脸活体检测方法，其特征在于，在根据所述第一训练数据集进行神经网络模型的训练时，损失函数通过以下公式表述：
其中，L表示损失函数，qi,j(k)表示位置在(i,j,k)处的概率输出，p(k)表示标定真实值。
4.如权利要求1所述的跨摄像头的人脸活体检测方法，其特征在于，所述目标摄像头与所述源摄像头之间具有固定的距离差，其中，在通过源摄像头和目标摄像头进行活体样本对的采集之前，还包括：
通过固定间距的目标摄像头与源摄像头对棋盘格进行拍照，以获取棋盘格图像对；
提取所述棋盘格图像对中每个图像对应的角点坐标，并根据所有图像对应的角点坐标计算源摄像头和目标摄像头的内外参数矩阵，以及根据所述内外参数矩阵计算畸变系数，以便根据所述畸变系数对目标摄像头拍摄得到的图像进行去畸变。
5.如权利要求4所述的跨摄像头的人脸活体检测方法，其特征在于，根据以下公式计算所述畸变系数：
xdistorted＝x(1+k1r2+k2r4+k3r6)
ydisorted＝y(1+k1r2+k2r4+k3r6)
其中，xdistorted、ydisorted表示畸变后的位置，k1、k2、k3表示畸变系数，x，y表示去畸变后的位置，r2＝x2+y2。
6.一种计算机可读存储介质，其...
【专利技术属性】
技术研发人员：高志斌，张盛，方孝轩，刘文斌，黄联芬，林和志，林英，黄继翔，周涛，
申请(专利权)人：厦门大学，福建联迪商用设备有限公司，
类型：发明
国别省市：福建;35
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。