基于对抗学习的人脸活体检测方法、装置、设备及介质制造方法及图纸

本申请涉及一种基于对抗学习的人脸活体检测方法、装置、计算机设备和存储介质。所述方法包括：通过dlib库里的人脸对齐方法对人脸图片进行预处理，得到人脸矫正图片；对人脸矫正图片进行分类处理，得到真实人脸图片和伪造人脸图片；将同一个人的真实人脸图片和伪造人脸图片进行数据对构造，得到人脸数据对；将人脸数据对输入对抗网络的生成器中得到伪造痕迹元素和特征图，将特征图与痕迹元素进行线性加权得到一个数值，该数值用来判断人脸图片是否为活体。采用本方法能够提高人脸活体检测的准确率。确率。确率。

【技术实现步骤摘要】
基于对抗学习的人脸活体检测方法、装置、设备及介质


[0001]本申请涉及计算机视觉
，特别是涉及一种基于对抗学习的人脸活体检测方法、装置、计算机设备和存储介质。

技术介绍

[0002]由于时代的进步，计算机技术的发展正朝着智能化和科技化的方向迈进，计算机视觉技术也得到了一定的突破，其中针对人体的各项生物特性的身份认证技术引起了广泛关注。人脸识别技术在日益发展的同时，其适应的领域和场景也逐步多元化，人脸的欺骗攻击也随之出现，巨大的安全问题也随之产生，对识别设备的安全性造成威胁，这可能会引发用户个人资料的遗失并且造成经济损失等，因此，要拥有稳定可靠的人脸认证系统，除了能够准确无误的判定人脸的相关信息，也要有能够识别各种欺骗手段的能力。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种能够提高人脸活体检测准确率的基于对抗学习的人脸活体检测方法、装置、计算机设备和存储介质。
[0004]一种基于对抗学习的人脸活体检测方法，所述方法包括：
[0005]获取摄像头拍摄的人脸图片；<br/>[0006]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于对抗学习的人脸活体检测方法，其特征在于，所述方法包括：获取摄像头拍摄的人脸图片；通过dlib库里的人脸对齐方法对所述人脸图片进行预处理，得到人脸矫正图片；对所述人脸矫正图片进行分类处理，得到真实人脸图片和伪造人脸图片；将同一个人的真实人脸图片和伪造人脸图片进行数据对构造，得到人脸数据对；将所述人脸数据对输入初始对抗网络的生成器中得到人脸数据对之间的伪造痕迹元素和特征图；根据所述伪造痕迹元素和所述人脸数据对进行线性重构，得到重构真实人脸图片和拟合伪造人脸图片；将所述真实人脸图片、伪造人脸图片、重构真实人脸图片和拟合伪造人脸图片输入初始对抗网络的主鉴别器和辅助鉴别器中进行评分，得到人脸图片的初始得分；根据所述人脸图片的初始得分对所述初始对抗网络进行训练，得到训练好的对抗网络；将所述人脸数据输入训练好的对抗网络中，得到优化后的伪造痕迹元素和特征图；将所述优化后的伪造痕迹元素和特征图进行线性加和，得到人脸图片的最终得分；利用所述人脸图片的最终得分对所述人脸照片是否为活体进行检测。2.根据权利要求1所述的方法，其特征在于，所述初始对抗网络包括生成器和鉴别器；所述鉴别器包括主鉴别器和辅助鉴别器；所述主鉴别器用于约束生成器，进行人脸图片中面部皮肤的鉴别；所述辅助鉴别器用于改进人脸五官细节的生成，进行人脸图片中面部五官的鉴别。3.根据权利要求1所述的方法，其特征在于，将所述真实人脸图片、伪造人脸图片、重构真实人脸图片和拟合伪造人脸图片输入初始对抗网络的主鉴别器和辅助鉴别器中进行评分，得到人脸图片的初始得分，包括：将所述真实人脸图片、伪造人脸图片、重构真实人脸图片和拟合伪造人脸图片输入所述训练好的对抗网络的主鉴别器和辅助鉴别器中对人脸图片的面部皮肤的遮罩和面部五官的遮罩进行评分，得到人脸图片的初始得分。4.根据权利要求2所述的方法，其特征在于，所述生成器的总体损失函数包括基本损失函数、损失约束和人脸遮罩的损失约束；所述人脸遮罩的损失约束为L
G3
＝L1_Loss(mask2(I
j
),mask2(I'
j
))，其中mask2表示针对人脸生成面部五官的遮罩，I
j
表示人脸图片，I'
j
表示由生成器生成的人脸图片。5.根据权利要求4所述的方法，其特征...

【专利技术属性】
技术研发人员：谢剑斌，任拓，
申请(专利权)人：湖南中科助英智能科技研究院有限公司，
类型：发明
国别省市：