一种基于预训练图片残差的人脸识别活体检测方法技术

本发明专利技术公开一种基于预训练图片残差的人脸识别活体检测方法，具体包括如下步骤：对数据集做平均脸处理；将输入判断的图片与平均脸做残差获得残差图像；将处理后的图像输入神经网络中获取判断结果。本发明专利技术通过对比平均脸模型的图片残差，根据神经网络模型判断得出结果，基于常用的神经网络模型ShuffleNet，耗时低，速度快，使用单镜头的准确度与多模镜头的识别率相当。使用对比平均脸模型的图片残差的方式可以显著增强模型泛化性，使用单镜头的方案，适用范围广，成本低，兼容当前主流设备。兼容当前主流设备。兼容当前主流设备。

【技术实现步骤摘要】
一种基于预训练图片残差的人脸识别活体检测方法


[0001]本专利技术应用于活体检测领域，具体是一种基于预训练图片残差的人脸识别活体检测方法。

技术介绍

[0002]随着科技的发展，移动支付，智能门锁的场景越来越多的出现。使用人脸支付或者解锁门禁因为其方便程度而逐渐被大众所接受。但是与此而来的就是要判别检测到的人脸是否是一张真正的人脸，还是由打印纸，电子屏或者面具显示的一张虚假的脸。这个问题是是否能安全使用人脸技术的核心之一。主流的解决方案需要两个甚至更多的镜头去检测人脸是否是活体，使用多模镜头成本较高，如果使用多RGB镜头，耗时较高，且需要前期的标定，如果使用红外镜头，无法自由调节所选红外射线的波长，如果使用深度镜头，成本较高。

技术实现思路

[0003]本专利技术所要解决的技术问题是针对现有技术的不足，提供一种基于预训练图片残差的人脸识别活体检测方法。
[0004]为解决上述技术问题，本专利技术的一种基于预训练图片残差的人脸识别活体检测方法，具体包括如下步骤：
[0005]对数据集做平均脸处理；
[0006]将输入判断的图片与平均脸做残差获得残差图像；
[0007]将处理后的图像输入神经网络中获取判断结果。
[0008]作为一种可能的实施方式，进一步的，所述对数据集做平均脸处理步骤具体为：
[0009]根据训练数据集中的真脸和假脸获取各自平均人脸成像：
[0010][0011]得到真人平均脸Real
avg
和伪造平均脸Fake
avg
。
[0012]作为一种可能的实施方式，进一步的，所述将输入判断的图片与平均脸做残差获得残差图像步骤具体包括：
[0013]获取残差底图和残差平均脸；
[0014]利用残差底图和残差平均脸对真人脸输入Real
input
和伪造脸输入Fake
input
均进行数据增强；
[0015]获取数据增强后的数据集。
[0016]作为一种可能的实施方式，进一步的，所述获取残差底图步骤具体为：准备一张像素值均为(128，128，128)的图像作为残差底图ResImg
base
。
[0017]作为一种可能的实施方式，进一步的，所述残差平均脸获取步骤具体为：利用获取的真人平均脸Real
avg
和伪造平均脸Fake
avg
求得残差平均脸，计算公式为：ResImg
avg
＝Real
avg
‑
Fake
avg
+ResImg
base
。
[0018]作为一种可能的实施方式，进一步的，所述数据增强具体包括如下步骤：
[0019]获取残差伪造脸：ResImg
fake
＝Real
avg
‑
Fake
input
+ResImg
base
[0020]获取残差平均脸融合伪造脸：MergeImg
fake
＝Fake
input
+ResImg
avg
[0021]获取残差真人脸：ResImg
real
＝Real
avg
‑
Real
input
+ResImg
base
[0022]获取残差平均脸融合真人脸：MergeImg
real
＝Real
input
+ResImg
avg
。
[0023]作为一种可能的实施方式，进一步的，所述获取数据增强后的数据集步骤获取到的数据集为三组相对的数据集：
[0024]D
A
:(Real
input
，Fake
input
)
[0025]D
B
:(ResImg
real
，ResImg
fake
)
[0026]D
c
:(MergeImg
real
，MergeImg
fake
)。
[0027]作为一种可能的实施方式，进一步的，所述将处理后的图像输入神经网络中获取判断结果步骤具体为：将D
A
,D
B
,D
c
送入ShuffleNet神经网络，进行训练分类操作。
[0028]本专利技术采用以上技术方案，具有以下有益效果：本专利技术通过对比平均脸模型的图片残差，根据神经网络模型判断得出结果，基于常用的神经网络模型ShuffleNet，耗时低，速度快，使用单镜头的准确度与多模镜头的识别率相当。使用对比平均脸模型的图片残差的方式可以显著增强模型泛化性，使用单镜头的方案，适用范围广，成本低，兼容当前主流设备。
附图说明
[0029]下面结合附图与具体实施方式对本专利技术做进一步详细的说明：
[0030]图1为本专利技术流程简图；
[0031]图2为本专利技术原理示意图。
具体实施方式
[0032]为使本专利技术实施方式的目的、技术方案和优点更加清楚，下面将结合本专利技术实施方式中的附图，对本专利技术实施方式中的技术方案进行清楚、完整地描述。
[0033]如图1
‑
2所示，本专利技术提供了一种基于预训练图片残差的人脸识别活体检测方法，先对数据集做平均脸处理，然后将输入判断的图片与平均脸做残差获得残差图像，最后将处理后的图像输入ShuffleNet神经网络中获取判断结果，具体包括如下步骤：
[0034]对数据集做平均脸处理；具体为：
[0035]根据训练数据集中的真脸和假脸获取各自平均人脸成像：
[0036][0037]得到真人平均脸Real
avg
和伪造平均脸Fake
avg
。
[0038]将输入判断的图片与平均脸做残差获得残差图像；
[0039]具体包括：
[0040]获取残差底图和残差平均脸；
[0041]利用残差底图和残差平均脸对真人脸输入Real
input
和伪造脸输入Fake
input
均进行数据增强；
[0042]获取数据增强后的数据集。
[0043]其中，获取残差底图步骤具体为：准备一张像素值均为(128，128，128)的图像作为残差底图ResImg
base
。
[0044]其中，残差平均脸获取步骤具体为：利用获取的真人平均脸Real
avg
和伪造平均脸Fake
avg
求得残差平均脸，计算公式为：ResImg
avg
＝Real
avg
‑
Fake
avg
+ResImg
base...

【技术保护点】

【技术特征摘要】
1.一种基于预训练图片残差的人脸识别活体检测方法，其特征在于，具体包括如下步骤：对数据集做平均脸处理；将输入判断的图片与平均脸做残差获得残差图像；将处理后的图像输入神经网络中获取判断结果。2.根据权利要求1所述的一种基于预训练图片残差的人脸识别活体检测方法，其特征在于：所述对数据集做平均脸处理步骤具体为：根据训练数据集中的真脸和假脸获取各自平均人脸成像：得到真人平均脸Real
avg
和伪造平均脸Fake
avg
。3.根据权利要求2所述的一种基于预训练图片残差的人脸识别活体检测方法，其特征在于：所述将输入判断的图片与平均脸做残差获得残差图像步骤具体包括：获取残差底图和残差平均脸；利用残差底图和残差平均脸对真人脸输入Real
input
和伪造脸输入Fake
input
均进行数据增强；获取数据增强后的数据集。4.根据权利要求3所述的一种基于预训练图片残差的人脸识别活体检测方法，其特征在于：所述获取残差底图步骤具体为：准备一张像素值均为(128，128，128)的图像作为残差底图ResImg
base
。5.根据权利要求4所述的一种基于预训练图片残差的人脸识别活体检测方法，其特征在于：所述残差平均脸获取步骤具体为：利用获取的真人平均脸Real
avg
和伪造平均脸Fake
avg
求得残差平均脸，计算公式为：ResImg
avg
＝Real
avg
‑
Fake
avg
+ResImg
base
。6.根据权利要求5所述的一种基于预训练图片残差的人脸识别活体检测方法，其特征在于：所述数据增强具体包括如下步骤：获取残差伪造脸：ResI...

【专利技术属性】
技术研发人员：黄慜哲，兰泽华，陈少伟，
申请(专利权)人：睿云联厦门网络通讯技术有限公司，
类型：发明
国别省市：