一种基于深度学习静默人脸活体检测方法技术

本专利针对传统人脸活体检测方法存在的问题，在基于深度学习人脸活体检测中，引入人脸关键点几何对称约束。图1显示了本方法的框架：首先，首先对输入图片检测出人脸框；然后通过关键点检测算法人脸关键点；接着引入关键点来加强图像几何约束；最后在图中通过深度学习模型判断人脸置信度，并通过全局置信度给出是否真实人脸。该方法主要贡献是利用真实人脸图像的几何约束及表面问题，提升静默活体判断的效果。效果。效果。

【技术实现步骤摘要】
一种基于深度学习静默人脸活体检测方法
所属

[0001]本专利技术涉及到图像处理、计算机视觉


技术介绍

[0002]数字图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。随着图像处理技术的深入发展，数字图像处理取得的一个巨大成就是在人脸识别的应用。活体检测技术主要判别机器前出现的人脸是真实的还是伪造的，其中借助其他媒介呈现的人脸都可以定义为虚假的人脸，包括打印的照片、显示屏幕视频、硅胶面具、立体的3D人像等。目前主流的活体检测方案为配合式活体检测和非配合式活体检测(静默活体检测)等。配合式活体检测需要用户根据提示完成指定的动作，然后进行活体校验，静默活体检测与动态活体检测相反，主要在没有眨眼、张嘴等一系列的动作配合下判断到底是不是一个真活体，不仅在技术上实现难度更高，在实际应用中对准确性要求也更高，简言之，静默活体检测则在用户无感的情况下直接进行活体校验，具有更好的用户体验。
[0003]非配合式活体根据成像源的不同一般分为红外图像、3D结构光和RGB图像三种技术路线：红外图像滤除了特定波段的光线，天生抵御基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习静默人脸活体检测方法，其算法主要包括以下几个部分：1)首先对输入图像进行人脸检测，获取人脸位置坐标及关键点坐标，检测到的人脸图像作为人脸活体判断的输入；2)利用人脸关键点信息进行人脸几何约束置信度判断；3)利用傅里叶频谱图进行辅助网络监督的训练方法，对输入的人脸图片在线生成傅里叶频谱信息。4)在活体判断过程中，引入纹理及全局信息，提高静默活体检测的效果。2.如权利要求1所述的单目静默...

【专利技术属性】
技术研发人员：薛鹏，于红建，李思远，
申请(专利权)人：北京同城必应科技有限公司，
类型：发明
国别省市：