【技术实现步骤摘要】
人脸静默活体检测方法、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，更具体地说是指人脸静默活体检测方法、装置、计算机设备及存储介质。
技术介绍
活体检测是在一些身份验证场景确定对象真实生理特征的方法，在人脸识别应用中，活体检测能通过眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体本人操作。可有效抵御照片、换脸、面具、遮挡以及屏幕翻拍等常见的攻击手段，从而帮助用户甄别欺诈行为，保障用户的利益。人脸活体检测方法主要包括基于红外图像的人脸活体检测方法/基于3D结构光的人脸活体检测方法以及基于单目/双目的RGB图像人脸检测方法。其中，基于单目RGB图像的人脸检测方法又可分为静默活体检检测以及动态活体检测，而基于单目RGB图像的静默活体检测最难，且其安全等级也最低，但是在应用成本上，其最低廉，有其应用市场价值；基于单目RGB图像的静默活体检测，是通过人脸活体与非活体的在单帧图像上体现的细微差异来设计特征，再通过分类器进行分类，活体与非活体的主要差异有颜色纹理，非刚性运动形变...
【技术保护点】
1.人脸静默活体检测方法，其特征在于，包括：/n获取待检测视频；/n对所述待检测视频的当前帧图像进行人脸检测，并判断所述待检测视频的当前帧图像是否存在人脸；/n若所述待检测视频的当前帧图像存在人脸，则获取人脸矩形框；/n对所述人脸矩形框对应的人脸图像进行质量评估，以得到分值；/n判断所述分值是否超过阈值；/n若所述分值超过阈值，则对所述人脸图像进行预处理，以得到处理结果；/n根据所述处理结果计算活体可信度以及非活体可信度，并确定所述人脸图像对应的人脸是否是活体，以得到判别结果；/n基于目标跟踪方法对每张所述人脸图像进行跟踪，以得到跟踪信息；/n根据所述跟踪信息以及所述判别结...
【技术特征摘要】
1.人脸静默活体检测方法，其特征在于，包括：
获取待检测视频；
对所述待检测视频的当前帧图像进行人脸检测，并判断所述待检测视频的当前帧图像是否存在人脸；
若所述待检测视频的当前帧图像存在人脸，则获取人脸矩形框；
对所述人脸矩形框对应的人脸图像进行质量评估，以得到分值；
判断所述分值是否超过阈值；
若所述分值超过阈值，则对所述人脸图像进行预处理，以得到处理结果；
根据所述处理结果计算活体可信度以及非活体可信度，并确定所述人脸图像对应的人脸是否是活体，以得到判别结果；
基于目标跟踪方法对每张所述人脸图像进行跟踪，以得到跟踪信息；
根据所述跟踪信息以及所述判别结果综合判别所述人脸图像对应的人脸是否是活体，以得到检测结果。
2.根据权利要求1所述的人脸静默活体检测方法，其特征在于，所述对所述人脸矩形框对应的人脸图像进行质量评估，以得到分值，包括：
对所述人脸矩形框对应的人脸图像进行人脸尺寸、模糊程度、人脸姿态、人脸位置、人脸长宽比例的评分，以得到对应的分数；
根据人脸尺寸、模糊程度、人脸姿态、人脸位置、人脸长宽比例对应的权值与对应的分数进行加权求和，以得到分值。
3.根据权利要求1所述的人脸静默活体检测方法，其特征在于，所述根据所述处理结果计算活体可信度以及非活体可信度，并确定所述人脸图像对应的人脸是否是活体，以得到判别结果，包括：
将所述处理结果输入至已训练的卷积神经网络，以获取活体可信度以及非活体可信度；
判断所述活体可信度是否超过活体对应的阈值；
若所述活体可信度超过活体对应的阈值，则确定所述人脸图像对应的人脸是活体，以得到判别结果；
若所述活体可信度不超过活体对应的阈值，则确定所述人脸图像对应的人脸不是活体，以得到判别结果。
4.根据权利要求1所述的人脸静默活体检测方法，其特征在于，所述基于目标跟踪方法对每张所述人脸图像进行跟踪，以得到跟踪信息，包括：
利用所述人脸矩形框与单目标跟踪算法相结合对每张所述人脸图像进行跟踪，以得到跟踪信息。
5.根据权利要求4所述的人脸静默活体检测方法，其特征在于，所述利用所述人脸矩形框与单目标跟踪算法相结合对每张所述人脸图像进行跟踪，以得到跟踪信息，包括：
根据所述人脸矩形框遍历所有人脸图像对应的跟踪轨迹；
判断所述跟踪轨迹是否能匹配到新的人脸；
若所述跟踪轨迹不能匹配到新的人脸，则开始累计时间，如果在规定的时间内没有匹配到新的人脸，删除所述跟踪轨迹；
若所述跟踪轨迹能匹配到新的人脸，则对新的人脸设定ID号；
更新所述跟踪轨迹，以得到跟踪信息。
<...
【专利技术属性】
技术研发人员：肖娟，蔡小钗，吴亦歌，王秋阳，李德民，
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
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。