本发明专利技术提供一种人脸活体检测方法、装置、电子设备和可读存储介质。本发明专利技术实施例提供的人脸活体检测方法包括：获取第一人脸幅度图和第一人脸深度图；基于第一活体检测模型，根据所述第一人脸幅度图获取第一活体概率；当所述第一活体概率大于第一阈值，基于第二活体检测模型，根据所述第一人脸深度图获取第二活体概率；根据所述第二活体概率确定人脸活体检测结果；当述第一活体概率小于或等于第一阈值，确定人脸活体检测结果为非活体。这样，本发明专利技术实施例通过两级网络对人脸幅度图和深度图做特征提取，最终结合两级网络的结果来对人脸活体进行判断，由于两级网络相互独立，有利于加快网络收敛和独立调试。网络收敛和独立调试。网络收敛和独立调试。
【技术实现步骤摘要】
一种人脸活体检测方法、装置、电子设备和可读存储介质
[0001]本专利技术涉及计算机
，特别是涉及一种人脸活体的鉴别方法和装 置。
技术介绍
[0002]随着人脸识别系统得到大量应用，如手机解锁、银行身份识别、门禁门锁 等领域，这些技术给人们生活带来了极大的便利。然而，人脸识别也面临着诸 多挑战，人脸活体检测便是其中之一。传统的识别系统容易被打印的人脸纸张、 照片、一段事先录好的视频甚至人脸的面具等非活体攻破，会给使用者带来财 产损失或者人身伤害。因此，应对非活体攻击越来越得到人们关注，人脸活体 检测技术也逐渐成为人脸识别的“标配”。
技术实现思路
[0003]本专利技术实施例提供一种人脸活体的鉴别方法、装置、电子设备和可读存储 介质，以解决人脸识别技术中如何应对非活体攻击的问题。
[0004]第一方面，本专利技术实施例提供了一种人脸活体检测方法，包括以下步骤：
[0005]获取第一人脸幅度图和第一人脸深度图；
[0006]基于第一活体检测模型，根据所述第一人脸幅度图获取第一活体概率；
[0007]当所述第一活体概率大于第一阈值，基于第二活体检测模型，根据所述第 一人脸深度图获取第二活体概率；根据所述第二活体概率确定人脸活体检测结 果；
[0008]当述第一活体概率小于或等于第一阈值，确定人脸活体检测结果为非活 体。
[0009]在一些实施例中，所述方法还包括：
[0010]获取第二人脸幅度图和第二人脸深度图；
[0011]基于人脸检测器，根据所述第二人脸幅度图获取人脸区域信息；
[0012]当所述人脸区域信息不满足预设范围，则重新获取第二人脸幅度图和第二 人脸深度图；
[0013]当所述人脸区域信息满足预设范围，根据所述人脸区域信息从所述第二人 脸幅度图提取得到第三人脸幅度图，从所述第二人脸深度图提取得到第三人脸 深度图；
[0014]根据所述第三人脸幅度图获取所述第一人脸幅度图，根据所述第三人脸深 度图获取所述第一人脸深度图。
[0015]在一些实施例中，所述获取第二人脸幅度图和第二人脸深度图，具体为：
[0016]从ToF相机接收第二人脸幅度图和第二人脸深度图。
[0017]在一些实施例中，所述基于人脸检测器，根据所述第二人脸幅度图获取人 脸区域信息，包括：
[0018]将经过中值滤波器滤波的第二人脸幅度图输入至所述人脸检测器，所述人 脸检测器输出人脸区域信息，所述人脸区域信息包括人脸区域的矩形框的左上 角及右下角坐标。
[0019]在一些实施例中，所述第三人脸深度图所在区域为C；所述根据所述第三 人脸深
度图获取所述第一人脸深度图，包括：
[0020]计算区域C内所有点的第一平均深度值avg_1；
[0021]提取区域C内深度值在预设深度区间的所有点得到第一点集C1，获取所 述第一点集中的最小深度值min；所述预设深度区间的中间值为第一平均深度 值avg_1；
[0022]提取区域C内满足第一预设深度条件的所有点得到第二点集C2，并将第 二点集C2中所有点设置第一标志；所述第一预设深度条件为该点的深度值与 所述最小深度值的差值大于第一预设深度值；
[0023]将所述第二点集C2中所有点的深度值置为min；
[0024]计算区域C内所有点的第二平均深度值得到avg_2；
[0025]将区域C中所有满足第二预设深度条件的所有点的深度值置为min；所述 第二预设深度条件为该点的深度值与所述第二平均深度值avg_2的差值大于 第二预设深度值；
[0026]获得区域C内的最大深度值max，区域C内所有点的当前深度值input； 根据以下公式计算获得区域C中所有点的归一化后的深度值output， [0027]将带有第一标志的点的深度值置为0，得到区域C内所有点变换后的深度 值；
[0028]根据区域C内所有点变换后的深度值获得第一人脸深度图。
[0029]在一些实施例中，所述根据所述第三人脸幅度图获取所述第一人脸幅度 图，包括：将所述第三人脸幅度图经过位数变换和shape变换后得到所述第一 人脸幅度图；
[0030]所述根据区域C内所有点变换后的深度值获得第一人脸深度图，包括： 根据区域C内所有点变换后的深度值经过位数变换和shape变换后得到所述第 一人脸深度图。
[0031]在一些实施例中，所述根据所述第二活体概率确定人脸活体检测结果，包 括：
[0032]当所述第二活体概率大于第二阈值，确定人脸活体检测结果为活体；
[0033]当所述第二活体概率小于或等于第二阈值，确定人脸活体检测结果为非活 体。
[0034]第二方面，本专利技术实施例提供了一种人脸活体检测装置，包括：
[0035]获取模块，用于获取第一人脸幅度图和第一人脸深度图；
[0036]第一活体检测模型，用于根据所述第一人脸幅度图获取第一活体概率；
[0037]第二活体检测模型，用于当所述第一活体概率大于第一阈值时，根据所述 第一人脸深度图获取第二活体概率；
[0038]识别模块，用于确定人脸活体检测结果：当述第一活体概率小于或等于第 一阈值，确定人脸活体检测结果为非活体；当所述第一活体概率大于第一阈值， 根据所述第二活体概率确定人脸活体检测结果。
[0039]第三方面，本专利技术实施例提供了一种电子设备，包括：存储器、处理器及 存储在所述存储器上并可在所述处理器上运行的程序；其特征在于，所述处理 器，用于读取存储器中的程序实现如上所述的人脸活体检测方法中的步骤。
[0040]第四方面，本专利技术实施例提供了一种用于存储程序，其特征在于，所述程 序被处理器执行时实现如上所述的人脸活体检测方法中的步骤。
[0041]本专利技术实施例本专利技术提供一种人脸活体检测方法包括：获取第一人脸幅度 图和第一人脸深度图；基于第一活体检测模型，根据所述第一人脸幅度图获取 第一活体概率；当所述第一活体概率大于第一阈值，基于第二活体检测模型， 根据所述第一人脸深度图获
取第二活体概率；根据所述第二活体概率确定人脸 活体检测结果；当述第一活体概率小于或等于第一阈值，确定人脸活体检测结 果为非活体。这样，本专利技术实施例通过两级网络对人脸幅度图和深度图做特征 提取，最终结合两级网络的结果来对人脸活体进行判断，由于两级网络相互独 立，有利于加快网络收敛和独立调试。
附图说明
[0042]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例描述 中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的 前提下，还可以根据这些附图获取其他的附图。
[0043]图1是本专利技术一实施例中人脸活体检测方法的流程图；
[0044]图2是本专利技术一实施例中的人脸活体检测的深度神经网络图；
[0045]图3是本发本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人脸活体检测方法，其特征在于，包括以下步骤：获取第一人脸幅度图和第一人脸深度图；基于第一活体检测模型，根据所述第一人脸幅度图获取第一活体概率；当所述第一活体概率大于第一阈值，基于第二活体检测模型，根据所述第一人脸深度图获取第二活体概率；根据所述第二活体概率确定人脸活体检测结果；当述第一活体概率小于或等于第一阈值，确定人脸活体检测结果为非活体。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取第二人脸幅度图和第二人脸深度图；基于人脸检测器，根据所述第二人脸幅度图获取人脸区域信息；当所述人脸区域信息不满足预设范围，则重新获取第二人脸幅度图和第二人脸深度图；当所述人脸区域信息满足预设范围，根据所述人脸区域信息从所述第二人脸幅度图提取得到第三人脸幅度图，从所述第二人脸深度图提取得到第三人脸深度图；根据所述第三人脸幅度图获取所述第一人脸幅度图，根据所述第三人脸深度图获取所述第一人脸深度图。3.根据权利要求2所述的方法，其特征在于，所述获取第二人脸幅度图和第二人脸深度图，具体为：从ToF相机接收第二人脸幅度图和第二人脸深度图。4.根据权利要求2所述的方法，其特征在于，所述基于人脸检测器，根据所述第二人脸幅度图获取人脸区域信息，包括：将经过中值滤波器滤波的第二人脸幅度图输入至所述人脸检测器，所述人脸检测器输出人脸区域信息，所述人脸区域信息包括人脸区域的矩形框的左上角及右下角坐标。5.根据权利要求2所述的方法，其特征在于，所述第三人脸深度图所在区域为C；所述根据所述第三人脸深度图获取所述第一人脸深度图，包括：计算区域C内所有点的第一平均深度值avg_1；提取区域C内深度值在预设深度区间的所有点得到第一点集C1，获取所述第一点集中的最小深度值min；所述预设深度区间的中间值为第一平均深度值avg_1；提取区域C内满足第一预设深度条件的所有点得到第二点集C2，并将第二点集C2中所有点设置第一标志；所述第一预设深度条件为该点的深度值与所述最小深度值的差值大于第一预设深度值；将所述第二点集C2中所有点的深度值置为min；计算区域C内所有点的第二平均深度值得...
【专利技术属性】
技术研发人员：周建华，廖剑安，徐渊，姚浩东，
申请(专利权)人：深圳市繁维科技有限公司，
类型：发明
国别省市：
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。