静默活体检测方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了静默活体检测方法、装置、计算机设备及存储介质。所述方法包括：获取待检测视频；对所述待检测视频进行光流特征的提取，以得到人脸光流特征图以及RGB人脸图；将所述人脸光流特征图以及所述RGB人脸图输入至静默活体检测模型内进行静默活体检测，以得到检测结果；其中，所述静默活体检测模型是通过带有活体或非活体标签的人脸光流特征图以及RGB人脸图作为样本集训练深度学习模型所得的。通过实施本发明专利技术实施例的方法可实现提高活体检测准确率，做到真正意义上的静默活体检测。

【技术实现步骤摘要】
静默活体检测方法、装置、计算机设备及存储介质
本专利技术涉及活体检测方法，更具体地说是指静默活体检测方法、装置、计算机设备及存储介质。
技术介绍
当前最有效的静默活体检测方法是基于深度学习方法的人脸活体检测方法，为了对RGB人脸图像中活体与非活体由于光照反射出现的细微差异进行有效地判断，并使对应的算法拥有很好的泛化能力，现采用的方式包括以下三种，一种是输入连续多帧人脸图，通过捕获活体与非活体微动作之间的差异来设计特征；第二种是利用中心差分卷积捕捉人脸边缘信息的细微差异；还有一种是多模态融合的人脸活体检测，通过频谱变换来辅助RGB图像的深度学习方法，这对于非活体发生的摩尔纹、扭曲，光影异常等有很好的效果。但是上述方式均比较复杂，多帧人脸图像输入则需要或者图像的存储空间，除了复杂以外，所有的人脸活体检测方法都存在一个缺点就是泛化能力较差，跨摄像头，跨光照环境都没有很好的解决方法，受光照影响大，在人脸不运动时，光流运动特征不明显，容易导致活体检测准确率低，无法做到真正意义上的静默活体检测。因此，有必要设计一种新的方法，实现提高活体检测准确率，本文档来自技高网...

【技术保护点】
1.静默活体检测方法，其特征在于，包括：/n获取待检测视频；/n对所述待检测视频进行光流特征的提取，以得到人脸光流特征图以及RGB人脸图；/n将所述人脸光流特征图以及所述RGB人脸图输入至静默活体检测模型内进行静默活体检测，以得到检测结果；/n其中，所述静默活体检测模型是通过带有活体或非活体标签的人脸光流特征图以及RGB人脸图作为样本集训练深度学习模型所得的。/n

【技术特征摘要】
1.静默活体检测方法，其特征在于，包括：
获取待检测视频；
对所述待检测视频进行光流特征的提取，以得到人脸光流特征图以及RGB人脸图；
将所述人脸光流特征图以及所述RGB人脸图输入至静默活体检测模型内进行静默活体检测，以得到检测结果；
其中，所述静默活体检测模型是通过带有活体或非活体标签的人脸光流特征图以及RGB人脸图作为样本集训练深度学习模型所得的。


2.根据权利要求1所述的静默活体检测方法，其特征在于，所述对所述待检测视频进行光流特征的提取，以得到人脸光流特征图以及RGB人脸图，包括：
利用图像序列中像素在时间域上的变化以及相邻帧之间的关系确定上一帧跟当前帧之间存在的对应关系，以计算出相邻帧之间物体的运动信息，以得到光流特征；
计算所述光流特征的方向以及角度，并归一化所述光流特征的方向与角度，以得到归一化后的特征值；
转换归一化后的特征值，以得到多维光流特征向量；
根据所述待检测视频的RGB图像对应的人脸矩形框对多维光流特征向量进行剪裁，以得到人脸光流特征向量；
根据所述人脸矩形框裁剪所述待检测视频的RGB图像，以得到RGB人脸图；
对所述RGB人脸图转换为灰度图，并将所述灰度图与所述人脸光流特征向量合并，以得到人脸光流特征图。


3.根据权利要求2所述的静默活体检测方法，其特征在于，所述光流特征包括位移向量以及位移方向。


4.根据权利要求1所述的静默活体检测方法，其特征在于，所述静默活体检测模型包括卷积组、注意力机制网络组、全连接层以及损失函数层；所述卷积组包括第一卷积层、第一池化层、第一归一化层以及第一激活层；所述注意力机制网络组包括注意力机制层、卷积层、池化层、归一化层以及激活层。


5.根据权利要求4所述的静默活体检测方法，其特征在于，所述将所述人脸光流特征图以及所述RGB人脸图输入至静默活体检测模型内进行静...

【专利技术属性】
技术研发人员：肖娟，李德民，廖金辉，王秋阳，
申请(专利权)人：深圳市赛为智能股份有限公司，
类型：发明
国别省市：广东;44