基于通道注意力的人脸活体检测方法、装置及设备制造方法及图纸

本说明书涉及身份识别技术领域，提供了一种基于通道注意力的人脸活体检测方法、装置及设备，该方法包括：获取待识别人脸的图像特征；将所述图像特征按照多个指定方向分别进行空间维度特征压缩，以对应获得所述图像特征在各指定方向的通道级全局特征；确定每个所述指定方向的通道级全局特征的注意力权重；根据所述注意力权重对所述图像特征进行通道维度的重标定，以形成重标定图像特征；对所述重标定图像特征进行由特征至标签的分类映射，获得人脸活体检测结果。本说明书实施例可以提高人脸活体检测的准确率，进而可以提高基于人脸识别的身份识别系统的识别准确率。身份识别系统的识别准确率。身份识别系统的识别准确率。

【技术实现步骤摘要】
基于通道注意力的人脸活体检测方法、装置及设备


[0001]本说明书涉及身份识别
，尤其是涉及一种基于通道注意力的人脸活体检测方法、装置及设备。

技术介绍

[0002]客户在终端渠道办理业务时，有些业务场景需要手机接收验证码作为校验交易合法性、安全性的一种手段。但当客户未随身携带手机、手机停机、因网络原因接收不到验证码时，就无法进行当前业务的办理，从而影响了用户体验。而基于生物特征识别的身份识别则可以避免基于验证码的身份识别所面临的问题。但是，基于生物特征识别的身份识别也存在一定的安全隐患。例如，以人脸活体检测为例，通过使用人脸图像或虚拟人脸等技术手段冒充真实人脸，可能会人脸活体检测的准确率，从而影响了身份识别系统的识别准确率。

技术实现思路

[0003]本说明书实施例的目的在于提供一种基于多模态的人脸活体检测方法，以提高人脸活体检测的准确率。
[0004]为达到上述目的，一方面，本说明书实施例提供了一种基于通道注意力的人脸活体检测方法，包括：
[0005]获取待识别人脸的图像特征；
[0006]将所述图像特征按照多个指定方向分别进行空间维度特征压缩，以对应获得所述图像特征在各指定方向的通道级全局特征；
[0007]确定每个所述指定方向的通道级全局特征的注意力权重；
[0008]根据所述注意力权重对所述图像特征进行通道维度的重标定，以形成重标定图像特征；
[0009]对所述重标定图像特征进行由特征至标签的分类映射，获得人脸活体检测结果。
[0010]本说明书实施例的基于通道注意力的人脸活体检测方法中，所述获取待识别人脸的图像特征，包括：
[0011]将待识别人脸的人脸图像进行中心差分卷积，以提取所述人脸图像的图像特征。
[0012]本说明书实施例的基于通道注意力的人脸活体检测方法中，所述多个指定方向包括宽度方向和高度方向。
[0013]本说明书实施例的基于通道注意力的人脸活体检测方法中，所述将所述图像特征按照多个指定方向分别进行空间维度特征压缩，包括：
[0014]根据公式对所述图像特征进行高度方向全局平均池化，以获得所述图像特征在高度方向的通道级全局特征；以及，
[0015]根据公式对所述图像特征进行宽度方向全局平均池化，以获
得所述图像特征在宽度方向的通道级全局特征；
[0016]其中，为图像特征中c通道的高度为h的全局特征，W为图像特征的宽度，x
c
(h,i)为图像特征中c通道的高度为h宽度为i的二维特征矩阵，为图像特征中c通道的宽度为w的全局特征，H为图像特征的高度，x
c
(w,j)为图像特征中c通道的宽度为w高度为j的二维特征矩阵。
[0017]本说明书实施例的基于通道注意力的人脸活体检测方法中，所述确定每个所述指定方向的通道级全局特征的注意力权重，包括：
[0018]将所述图像特征分别在宽度、高度方向的通道级全局特征进行拼接，获得通道级全局拼接特征；
[0019]将所述通道级全局拼接特征进行卷积核为1
×
1的卷积，获得通道级降维特征；
[0020]将所述通道级降维特征进行批量归一化处理后送入非线性激活函数中，获得通道级降维新特征；
[0021]将所述通道级降维新特征按照所述图像特征的高度、宽度，分别进行卷积核为1
×
1的卷积，对应获得与原通道数相同的第一全局特征和第二全局特征；
[0022]将所述第一全局特征输入公式中，获得高度方向的通道级全局特征的注意力权重；
[0023]将所述第二全局特征输入公式中，获得宽度方向的通道级全局特征的注意力权重；
[0024]其中，为c通道的高度为h的第一全局特征的注意力权重，δ为非线性激活函数，为c通道的高度为h的第一全局特征，为c通道的宽度为w的第二全局特征的注意力权重，为c通道的宽度为w的第二全局特征。
[0025]本说明书实施例的基于通道注意力的人脸活体检测方法中，所述根据所述注意力权重对所述图像特征进行通道维度的重标定，包括：
[0026]根据公式对所述图像特征进行通道维度的重标定；
[0027]其中，x
c
(i,j)为图像特征中c通道的高度为i且宽度为j的二维特征矩阵，y
c
(i,j)为x
c
(i,j)的重标定图像特征，为c通道的高度为i的全局特征的注意力权重，为c通道的宽度为j的全局特征的注意力权重。
[0028]本说明书实施例的基于通道注意力的人脸活体检测方法中，所述图像特征包括多个模态的图像特征；所述对所述重标定图像特征进行由特征至标签的分类映射，包括：
[0029]将每个模态的重标定图像特征进行卷积，以获得每个模态的重标定图像特征的标签分类概率向量；
[0030]将各个模态的重标定图像特征的标签分类概率向量串接为一个标签分类概率向量组合；
[0031]将所述标签分类概率向量组合输入至支持向量机分类器中，获得所述活体检测结果。
[0032]本说明书实施例的基于通道注意力的人脸活体检测方法中，所述多个模态的图像
特征包括：RGB特征、近红外特征和深度特征。
[0033]另一方面，本说明书实施例还提供了一种基于通道注意力的人脸活体检测装置，包括：
[0034]获取模块，用于获取待识别人脸的图像特征；
[0035]压缩模块，用于将所述图像特征按照多个指定方向分别进行空间维度特征压缩，以对应获得所述图像特征在各指定方向的通道级全局特征；
[0036]确定模块，用于确定每个所述指定方向的通道级全局特征的注意力权重；
[0037]重标定模块，用于根据所述注意力权重对所述图像特征进行通道维度的重标定，以形成重标定图像特征；
[0038]分类模块，用于对所述重标定图像特征进行由特征至标签的分类映射，获得人脸活体检测结果。
[0039]另一方面，本说明书实施例还提供了一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时，执行上述方法的指令。
[0040]另一方面，本说明书实施例还提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被计算机设备的处理器运行时，执行上述方法的指令。
[0041]另一方面，本说明书实施例还提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被计算机设备的处理器运行时，执行上述方法的指令。
[0042]由以上本说明书实施例提供的技术方案可见，本说明书实施例通过对图像特征进行基于通道注意力的重标定，实现了将图像特征中不同层级的空间特征与通道特征进行有效结合，从而提高了人脸活体检测的准确率，进而提高了基于人脸识别的身份识别系统的识别准确率。
附图说明
[0043]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于通道注意力的人脸活体检测方法，其特征在于，包括：获取待识别人脸的图像特征；将所述图像特征按照多个指定方向分别进行空间维度特征压缩，以对应获得所述图像特征在各指定方向的通道级全局特征；确定每个所述指定方向的通道级全局特征的注意力权重；根据所述注意力权重对所述图像特征进行通道维度的重标定，以形成重标定图像特征；对所述重标定图像特征进行由特征至标签的分类映射，获得人脸活体检测结果。2.如权利要求1所述的基于通道注意力的人脸活体检测方法，其特征在于，所述获取待识别人脸的图像特征，包括：将待识别人脸的人脸图像进行中心差分卷积，以提取所述人脸图像的图像特征。3.如权利要求1所述的基于通道注意力的人脸活体检测方法，其特征在于，所述多个指定方向包括宽度方向和高度方向。4.如权利要求3所述的基于通道注意力的人脸活体检测方法，其特征在于，所述将所述图像特征按照多个指定方向分别进行空间维度特征压缩，包括：根据公式对所述图像特征进行高度方向全局平均池化，以获得所述图像特征在高度方向的通道级全局特征；以及，根据公式对所述图像特征进行宽度方向全局平均池化，以获得所述图像特征在宽度方向的通道级全局特征；其中，为图像特征中c通道的高度为h的全局特征，W为图像特征的宽度，x
c
(h,i)为图像特征中c通道的高度为h宽度为i的二维特征矩阵，为图像特征中c通道的宽度为w的全局特征，H为图像特征的高度，x
c
(w,j)为图像特征中c通道的宽度为w高度为j的二维特征矩阵。5.如权利要求3所述的基于通道注意力的人脸活体检测方法，其特征在于，所述确定每个所述指定方向的通道级全局特征的注意力权重，包括：将所述图像特征分别在宽度、高度方向的通道级全局特征进行拼接，获得通道级全局拼接特征；将所述通道级全局拼接特征进行卷积核为1
×
1的卷积，获得通道级降维特征；将所述通道级降维特征进行批量归一化处理后送入非线性激活函数中，获得通道级降维新特征；将所述通道级降维新特征按照所述图像特征的高度、宽度，分别进行卷积核为1
×
1的卷积，对应获得与原通道数相同的第一全局特征和第二全局特征；将所述第一全局特征输入公式中，获得高度方向的通道级全局特征的注意力权重；将所述第二全局特征输入公式中，获得宽度方向的通道级全局特征的注意
力权重；其中，为c通道的高度为h的第一全局特征的注意力权重，δ为非线性激活函数，为c通道的高度为...

【专利技术属性】
技术研发人员：郑海燕，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：