人脸静默活体检测方法、装置、存储介质及设备制造方法及图纸

本发明专利技术公开了一种人脸静默活体检测方法、装置、存储介质及设备，属于生物识别领域。该方法包括：获取在特定的补光参数下采集的人脸图像，并进行预处理；将人脸图像输入经过训练的卷积神经网络，提取的特征向量，根据所提取的所述特征向量得到活体分值；并根据人脸图像回归补光参数；当活体分值大于设定的阈值且回归后的补光参数与特定的补光参数的差距在预设范围内时，判定人脸图像来自真实人脸。本发明专利技术通过RGB补光，凸出真实人脸与假体人脸的材质和3D信息差异，有利于区分真假人脸，并有效缓解了环境光的影响；通过人脸图像补光参数进行回归，并将回归后的补光参数与特定的补光参数进行校验，解决了对高清翻拍假体人脸的误判。解决了对高清翻拍假体人脸的误判。解决了对高清翻拍假体人脸的误判。

【技术实现步骤摘要】
人脸静默活体检测方法、装置、存储介质及设备


[0001]本专利技术涉及人脸识别领域，特别是指一种人脸静默活体检测方法、装置、存储介质及设备。

技术介绍

[0002]目前，人脸识别技术已被广泛应用于金融和安全领域。由于人脸具有获取方便，非接触等优点，但也极易被他人利用，以照片或翻拍视频的方式，攻破人脸识别系统。因此，人脸活体检测技术作为人脸识别技术第一道门槛，显的尤为重要。
[0003]目前，移动端人脸活体检测主要有三种方式，第一种方式是人脸动作活体检测，活体检测系统下发随机头脸部动作指令，用户按指令完成相应的动作则判断为活体；第二种方式是对RGB图像提取用于判别真实人脸和假体人脸的特征，做真实人脸和假体人脸的二分类；第三种方式是前两种方式的整合，在利用第一种方式进行人脸动作活体检测的过程中，为第二种方式的人脸活体检测提供多张多表情的RGB图像用于判别是否为真实人脸。
[0004]人脸动作活体检测需要用户高度配合，且下发的随机头脸部动作指令一般为单一的动作指令，比如点头、转头、眨眼和张嘴等，不法分子通过抖动、扭曲或旋转照片等动作有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸静默活体检测方法，其特征在于，所述方法包括：获取在特定的补光参数下采集的人脸图像，并进行预处理；其中，所述补光参数包括RGB色彩参数和亮度参数；将预处理后的人脸图像输入经过训练的卷积神经网络，提取用于判别真实人脸和假体人脸的特征向量，根据所提取的所述特征向量得到活体分值；并根据预处理后的人脸图像回归补光参数，得到回归后的补光参数；当所述活体分值大于设定的阈值且回归后的补光参数与所述特定的补光参数的差距在预设范围内时，判定人脸图像来自真实人脸，否则，判定人脸图像来自假体人脸。2.根据权利要求1所述的人脸静默活体检测方法，其特征在于，所述获取在特定的补光参数下采集的人脸图像，包括：在采集人脸图像的过程中，每间隔一定时间随机变换补光参数，并记录采集时刻对应的补光参数作为所述特定的补光参数。3.根据权利要求1或2所述的人脸静默活体检测方法，其特征在于，所述RGB色彩参数为α，亮度参数为β；其中，α＝(R/255,G/255,B/255)，R、G、B分别为补光的R、G、B值，β∈[0,1]。4.根据权利要求3所述的人脸静默活体检测方法，其特征在于，所述卷积神经网络通过如下方法训练得到：获取多个补光参数下采集的人脸图像，进行预处理并添加标签，得到训练样本集；其中，所述标签包括补光参数的RGB色彩参数α和亮度参数β；将所述训练样本集输入卷积神经网络，提取用于判别真实人脸和假体人脸的特征向量样本，并根据训练样本集回归补光参数；通过ArcFace Loss计算特征向量样本的损失，通过欧式loss函数计算补光参数回归的损失，并通过反向传播更新卷积神经网络的参数；其中，在计算补光参数回归的损失时，假体训练样本的回归量为α＝(0,0,0),β＝0。5.根据权...

【专利技术属性】
技术研发人员：王洪，周军，
申请(专利权)人：北京眼神智能科技有限公司，
类型：发明
国别省市：