一种生物特征活体检测方法、装置及计算机设备制造方法及图纸

本发明专利技术涉及一种生物特征活体检测方法、装置及计算机设备。该方法包括：S1、对原始生物特征数据进行随机涂鸦生成涂鸦生物特征数据；S2、将原始生物特征数据和涂鸦生物特征数据输入特征提取器，提取原始生物特征数据的原始特征和涂鸦生物特征数据的涂鸦特征；S3、计算原始特征和涂鸦特征的相似度，使用损失函数约束相似度以使相似度趋于最小；S4、重复上述步骤直至特征提取器完成训练；S5、将完成训练的特征提取器嵌入生物特征识别系统。本发明专利技术通过建立涂鸦复原前置学习任务，使特征提取器可以捕捉到更多的生物特征，通过使用这些丰富的生物特征，实现更高质量的生物特征活体检测。实现更高质量的生物特征活体检测。实现更高质量的生物特征活体检测。

【技术实现步骤摘要】
一种生物特征活体检测方法、装置及计算机设备


[0001]本专利技术涉及生物特征活体检测领域，更具体地说，涉及一种生物特征活体检测方法、装置及计算机设备。

技术介绍

[0002]人工神经网络越来越多的被应用于防伪领域，相对于传统目标检测方法具有明显的优势，如对于指纹图像或者生物特征图像真伪的识别与检测。需要说明的是，基于人工神经网络的生物特征防伪技术面临的主要挑战之一就是训练神经网络时候的初始化权重，神经网络一般都使用ImageNet训练后的模型参数作为初始化参数，但是ImageNet数据集中包含了大量自然图像，因此，在该数据集中训练后得到的初始化权重对活体检测问题缺乏针对性。因此使用ImageNet预训练的模型往往无法取得非常好的效果，导致神经网络训练的准确性大大降低，使根据神经网络建立的指纹真伪分类器不能准确对指纹图像进行真伪识别，真伪分辨能力低，防伪能力弱。

技术实现思路

[0003]本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种生物特征活体检测方法、装置及计算机设备。
[0004]本专利技术解决其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生物特征活体检测方法，其特征在于，包括下述步骤：S1、选取生物特征样本集合中一个原始生物特征数据，对所述原始生物特征数据进行随机涂鸦生成涂鸦生物特征数据，其中所述生物特征样本集合包括多个所述原始生物特征数据；S2、将所述原始生物特征数据和所述涂鸦生物特征数据输入特征提取器，提取所述原始生物特征数据的原始特征和所述涂鸦生物特征数据的涂鸦特征；S3、计算所述原始特征和所述涂鸦特征的相似度，使用损失函数约束所述相似度以使所述相似度趋于最小；S4、重复执行所述步骤S1至步骤S3，逐个使用所述生物特征样本集合中的原始生物特征数据训练所述特征提取器，直至所述生物特征样本集合中所有所述原始生物特征数据全部完成训练，所述特征提取器完成训练；S5、将完成训练的所述特征提取器嵌入生物特征识别系统，所述生物特征识别系统调用所述特征提取器进行生物特征活体检测。2.根据权利要求1所述的生物特征活体检测方法，其特征在于，在所述步骤S3之后所述步骤S4之前还包括：S31、增加所述原始特征和所述涂鸦特征的约束条件，计算增加所述约束条件后所述原始特征和所述涂鸦特征的相似度；所述步骤S4中重复执行所述步骤S1至步骤S3包括：重复执行所述步骤S1至步骤S31。3.根据权利要求1所述的生物特征活体检测方法，其特征在于，所述步骤S1中对所述原始生物特征数据进行随机涂鸦生成涂鸦生物特征数据包括：使用随机线条对所述原始生物特征数据进行随机涂鸦生成涂鸦生物特征数据。4.根据权利要求3所述的生物特征活体检测方法，其特征在于，所述随机线条的形状随机生成，所述随机线条的宽度从5至35个像素随机选取，所述随机线条的颜色三通道数值从0至255中随机选取。5.根据权利要求1所述的生物特征活体检测方法，其特征在于，所述特征提取器为神经网络结构；所述生物特征为人脸或指纹。6.根据权利要求5所述的生物特征活体检测方法，其特征在于，所述神经网络结构为ResN...

【专利技术属性】
技术研发人员：黄觉坤，包慧东，陈俏钢，
申请(专利权)人：深圳商周智联科技有限公司，
类型：发明
国别省市：