【技术实现步骤摘要】
一种人脸活体判别方法、系统、装置和存储介质
[0001]本专利技术涉及图像处理领域，尤其涉及一种人脸活体判别方法、系统、装置和存储介质。
技术介绍
[0002]目前人脸识别技术因其便利性，被广泛应用于智慧安防，智能家居，金融支付等领域。然而，由于人脸信息易获取，不法分子可以通过纸张打印，电子屏幕翻拍，甚至三维打印等物理的方式重现授权人脸图像，从而轻易绕过人脸识别系统，这种相对低成本的欺骗手段给人脸识别系统带来严重安全隐患。为辨别人脸图像真伪、确保系统安全，人脸活体判别技术成为业界关注的焦点。
[0003]人脸识别系统应用大多面向社区门禁，智能门锁等边端嵌入式硬件平台，计算芯片性能、功耗和存储空间有限，对算法模型的参数量以及计算复杂度均有严格限制，设备端难以部署复杂的活体判别算法模型。其次，在图像采集设备端，虽然引入基于结构光或激光散斑的深度相机可以有效帮助抵御打印和电子显示等平面攻击方式，但考虑到深度相机较高的器件成本，目前基于单目红外摄像的图像采集方案依然被广泛采用，如何在有限的计算资源，基于单帧图像充分挖掘人脸局...
【技术保护点】
【技术特征摘要】
1.一种人脸活体判别方法，其特征在于，包括以下步骤：获取待判别的目标图像，获取所述目标图像的人脸检测框；根据所述人脸检测框从所述目标图像中获取第一人脸图像和第二人脸图像；其中，第一人脸图像为不包含背景的人脸图像，第二人脸图像为包含背景的人脸图像；将所述第一人脸图像输入第一人脸活体判别模型，获得第一特征和第一输出结果；将所述第二人脸图像输入第二人脸活体判别模型，获得第二特征和第二输出结果；将所述第一特征和所述第二特征拼接后输入融合权重预测子模型，获得两个人脸活体判别模型的融合权重；根据所述融合权重、第一输出结果和第二输出结果获取人脸活体判别的最终输出结果。2.根据权利要求1所述的一种人脸活体判别方法，其特征在于，所述根据所述人脸检测框从所述目标图像中获取第一人脸图像和第二人脸图像，包括：根据所述人脸检测框从所述目标图像中裁剪出第一人脸图像；对所述人脸检测框进行放大处理，获得第二检测框；根据第二检测框从所述目标图像中裁剪出第二人脸图像。3.根据权利要求1所述的一种人脸活体判别方法，其特征在于，所述第一人脸活体判别模型和所述第二人脸活体判别模型的基础框架相同，且均为轻量级网络模型；脸活体判别模型通过堆叠多个MoblieNetV2的Invert residual block构成。4.根据权利要求3所述的一种人脸活体判别方法，其特征在于，所述第一人脸活体判别模型和所述第二人脸活体判别模型通过以下方式进行训练：在第一人脸活体判别模型和所述第二人脸活体判别模型的中间层的输出端插入点卷积层、批量归一化层、线性整流层、以构建像素级分类器；根据训练集获取人脸图像和包含背景的人脸图像，根据建像素级分类器分别生成人脸图像和包含背景的人脸图像的像素级分类标签；在所述第一人脸活体判别模型和第二人脸活体判别模型中插入像素级分类损失，并与Focal Loss共同构成目标损失函数；根据二分类标签和所述像素级分类标签优化所述目标损失函数，根据目标损失函数训练所述第一人脸活体判别模型和所述第二人脸活体判别模型。5.根据权利要求4所述的一种人脸活体判别方法，其特征在于，所述像素级分类标签的生成过程，包括：对于人脸图像的像素级分类标签：构建与所述像素级分类器输出同尺寸的标签图，当所述人脸图像为欺骗人脸类别，分类标签图的值全设为0；当所述人脸图像为真实人脸时，分类标签图的值全设为1；对于包含背景的人脸图像的像素级分类标签：构建与所述像素级分类器输出同尺寸的标签图，当输入图像为欺骗人脸时，标签图内欺骗人脸区域内对应的值为2，背景部分的值为0；在输入图像为真实人脸时，标签图内人脸区域的值为1，背景部分的值为0。6.根据权利要求5所述的一种人脸...
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。