基于立体视觉的活体检测方法和相关设备技术

本发明专利技术公开了一种基于立体视觉的活体检测方法和相关设备，所述方法包括：获取针对同一拍摄对象拍摄的双红外图，其中，所述双红外图包括第一红外图和第二红外图；基于预设的人脸信息，对所述第一红外图或所述第二红外图进行人脸识别，得到与所述双红外图对应的识别结果；当所述识别结果为目标用户时，根据所述第一红外图和所述第二红外图，计算所述双红外图对应的深度图；根据所述深度图和所述双红外图，进行活体分类，得到与所述双红外图对应的目标分类结果；基于所述目标分类结果，确定所述拍摄对象是否为目标活体。本发明专利技术提高了活体检测的效率，在门锁等场景中，本发明专利技术提高了对用户身份认证的可靠性和准确性。用户身份认证的可靠性和准确性。用户身份认证的可靠性和准确性。

Living detection method and related equipment based on stereo vision

【技术实现步骤摘要】
基于立体视觉的活体检测方法和相关设备


[0001]本专利技术涉及生物识别，特别涉及一种基于立体视觉的活体检测方法和相关设备。

技术介绍

[0002]随着技术的发展和进步，基于人脸识别的身份验证设备越来越多。例如基于人脸识别的门禁系统、开机系统等等。其主要原理是通过对环境进行图像采集，然后通过一定的人脸识别算法或者人脸识别模型，提取采集后图像的人脸特征并与预先保存的标准图像进行比对，从而验证环境中的人身份。
[0003]目前市面上应用广泛的门禁等身份验证装置的摄像头模组，主要的组合方式是RGB(Red Green Blue)摄像头+红外摄像头，或者是RGB摄像头+深度摄像头。这种摄像头模组在白天以及天气晴朗、光线充足的环境下，能够拍摄到清晰的图像，以用于进行身份识别以及活体检测。但是到光线较暗的环境下，例如晚上或者阴雨天，RGB画面中的人脸模糊，且具备较大的噪点大，这种RGB图像会造成后续识别困难。
[0004]同时，门锁大多处于楼道间，光线暗淡，若采用该摄像头模组会造成身份识别以及活体检测的困难，难以开门。而单纯依靠红外摄像头做本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于立体视觉的活体检测方法，其特征在于，所述方法包括：获取针对同一拍摄对象拍摄的双红外图，其中，所述双红外图包括第一红外图和第二红外图；基于预设的人脸信息，对所述第一红外图或所述第二红外图进行人脸识别，得到与所述双红外图对应的识别结果；当所述识别结果为目标用户时，根据所述第一红外图和所述第二红外图，计算所述双红外图对应的深度图；根据所述深度图和所述双红外图，进行活体分类，得到与所述双红外图对应的目标分类结果；基于所述目标分类结果，确定所述拍摄对象是否为目标活体。2.根据权利要求1所述基于立体视觉的活体检测方法，其特征在于，所述基于预设的人脸信息，对所述第一红外图或所述第二红外图进行人脸识别，得到与所述双红外图对应的识别结果，具体包括：对所述第一红外图或所述第二红外图进行人脸提取，得到识别人脸图像；将所述识别人脸图像输入已训练的人脸识别模型中，并基于所述人脸信息，控制所述人脸识别模型对所述识别人脸图像进行人脸识别，确定所述双红外图是否包含目标用户；当确定所述双红外图包含目标用户时，确定所述识别结果为目标用户。3.根据权利要求2所述基于立体视觉的活体检测方法，其特征在于，所述人脸识别模型包括特征提取网络和分类器；所述特征提取网络的网络架构为深度学习网络的网络架构，所述特征提取网络的通道扩展数量小于或等于所述深度学习网络的默认扩展倍数，所述特征提取网络的全连接层的特征维度数小于所述深度学习网络的默认全连接层维度数。4.根据权利要求1所述基于立体视觉的活体检测方法，其特征在于，所述当所述识别结果为目标用户时，根据所述第一红外图和所述第二红外图，计算所述双红外图对应的深度图，具体包括：对所述第一红外图和所述第二红外图进行像素点匹配，得到若干个像素组；基于预设的立体视觉算法，针对每一个像素组，基于预设的标定信息，计算该像素组对应的深度值，得到当前环境对应的深度图像。5.根据权利要求2～3中任意一项所述基于立体视觉的活体检测方法，其特征在于，所述目标分类结果包括第一分类结果和第二分类结果；所述根据所述深度图和所述双红外图，进行活体分类，得到与所述双红外图对应的目标分类结果，具体包括：将所述深度图输入已训练的第一分类模型中，并通过所述第一分类模型对所述深度图进行活体分...

【专利技术属性】
技术研发人员：盛鹏，乔国坤，
申请(专利权)人：新疆爱华盈通信息技术有限公司，
类型：发明
国别省市：