本发明专利技术公开了一种人脸活体检测方法、装置、可读存储介质及设备，属于人脸识别领域。本发明专利技术获取环境光和补光下的人脸图像，通过预处理得到环境光和补光下的人脸图像的整体区域和局部区域，并通过卷积神经网络提取特征，将提取的特征融合后进行活体人脸和假体人脸分类。本发明专利技术利用活体人脸遇点光源局部变化的特性，分析补光前后人脸局部的变化，并利用活体人脸在补光前后的成像整体变化特性，分析补光前后人脸图像的整体变化，进行活体检测，准确率高，简单方便，不需要用户主动配合、用户体验好。好。好。
【技术实现步骤摘要】
人脸活体检测方法、装置、计算机可读存储介质及设备
[0001]本专利技术涉及人脸识别领域，特别是指一种人脸活体检测方法、装置、计算机可读存储介质及设备。
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很大概率能欺骗通过活体检测系统，或者拍摄用户的多个动作的视频同样能较轻松通过活体检测系统。
[0005]第二种方式中对RGB图像提取用于判断真实人脸和假体人脸的特征进行活体检测的方式为静默活体检测，这种活体检测方式无需用户配合，更容易被用户所接受。提取用于判断真实人脸和假体人脸的特征时一般使用深度学习方法，通过大量的活体和非活体人脸数据驱动，自动学习能够有效判别真实人脸和假体人脸的特征，区分真假人脸成像差异。但是RGB图像由于光照、分辨率、不同手机镜头等成像差异，容易导致误判。
技术实现思路
[0006]为解决现有技术的人脸活体检测方法需要用户配合且容易误判的缺陷，本专利技术提供一种人脸活体检测方法、装置、可读存储介质及设备，提高了人脸活体检测的准确率，并且不需要用户主动配合，用户体验好。
[0007]本专利技术提供技术方案如下：
[0008]第一方面，本专利技术提供一种人脸活体检测方法，所述方法包括：
[0009]获取同一用户一段时间内的环境光人脸图像和补光人脸图像，并进行预处理，得到环境光人脸整体图像、环境光人脸局部图像、补光人脸整体图像和补光人脸局部图像；
[0010]通过第一卷积神经网络对所述环境光人脸整体图像和补光人脸整体图像进行特征提取，得到第一特征和第二特征；通过第二卷积神经网络对所述环境光人脸局部图像和补光人脸局部图像进行特征提取，得到第三特征和第四特征；
[0011]将所述第一特征、第二特征、第三特征和第四特征进行融合，得到融合特征；
[0012]通过所述融合特征进行分类，判断所述环境光人脸图像和补光人脸图像是否来自
活体。
[0013]进一步的，所述第一卷积神经网络和所述第二卷积神经网络通过如下方法训练得到：
[0014]构造环境光人脸整体图像样本、环境光人脸局部图像样本、补光人脸整体图像样本和补光人脸局部图像样本，并分别设置标签；
[0015]通过第一卷积神经网络对所述环境光人脸整体图像样本和补光人脸整体图像样本进行特征提取，得到第五特征和第六特征；通过第二卷积神经网络对所述环境光人脸局部图像样本和补光人脸局部图像样本进行特征提取，得到第七特征和第八特征；
[0016]计算所述第五特征与第六特征的对比损失L1以及第七特征与第八特征的对比损失L2；
[0017]将所述第五特征、第六特征、第七特征和第八特征进行融合，得到融合样本特征，并计算所述融合样本特征的交叉熵损失L3；
[0018]将所述L1、L2和L3加权求和，得到总体损失L
All
，并通过反向传播更新所述第一卷积神经网络和第二卷积神经网络的参数。
[0019]进一步的，所述第五特征、第七特征、第六特征和第八特征顺序连接，得到融合样本特征；
[0020]所述第一特征、第三特征、第二特征和第四特征顺序连接，得到融合特征。
[0021]进一步的，所述人脸局部图像为眼睛图像。
[0022]进一步的，所述对所述环境光人脸图像和补光人脸图像进行预处理，包括：
[0023]对所述环境光人脸图像/补光人脸图像进行人脸检测、人脸关键点定位、头部姿态估计和人脸归一化，得到环境光人脸整体图像/补光人脸整体图像；
[0024]以人脸关键点定位得到的眼睛坐标为中心，向四周扩充若干像素，得到包含眼睛的感兴趣区域，其中，向四周扩充的像素数根据左右眼间距确定；
[0025]在所述感兴趣区域内，使用径向对称变换确定眼睛中心和半径；
[0026]根据眼睛中心和半径截取得到环境光人脸局部图像/补光人脸局部图像。
[0027]第二方面，本专利技术提供一种人脸活体检测装置，所述装置包括：
[0028]图像获取模块，用于获取同一用户一段时间内的环境光人脸图像和补光人脸图像，并进行预处理，得到环境光人脸整体图像、环境光人脸局部图像、补光人脸整体图像和补光人脸局部图像；
[0029]图像特征提取模块，用于通过第一卷积神经网络对所述环境光人脸整体图像和补光人脸整体图像进行特征提取，得到第一特征和第二特征；通过第二卷积神经网络对所述环境光人脸局部图像和补光人脸局部图像进行特征提取，得到第三特征和第四特征；
[0030]图像特征融合模块，用于将所述第一特征、第二特征、第三特征和第四特征进行融合，得到融合特征；
[0031]活体检测模块，用于通过所述融合特征进行分类，判断所述环境光人脸图像和补光人脸图像是否来自活体。
[0032]进一步的，所述第一卷积神经网络和第二卷积神经网络通过如下模块训练得到：
[0033]样本构造模块，用于构造环境光人脸整体图像样本、环境光人脸局部图像样本、补光人脸整体图像样本和补光人脸局部图像样本，并分别设置标签；
[0034]样本特征提取模块，用于通过第一卷积神经网络对所述环境光人脸整体图像样本和补光人脸整体图像样本进行特征提取，得到第五特征和第六特征；通过第二卷积神经网络对所述环境光人脸局部图像样本和补光人脸局部图像样本进行特征提取，得到第七特征和第八特征；
[0035]对比损失计算模块，用于计算所述第五特征与第六特征的对比损失L1以及第七特征与第八特征的对比损失L2；
[0036]交叉熵损失计算模块，用于将所述第五特征、第六特征、第七特征和第八特征进行融合，得到融合样本特征，并计算所述融合样本特征的交叉熵损失L3；
[0037]反向传播模块，用于将所述L1、L2和L3加权求和，得到总体损失L
All
，并通过反向传播更新所述第一卷积神经网络和第二卷积神经网络的参数。
[0038]进一步的，所述第五特征、第七特征、第六特征和第八特征顺序连接，得到融合样本特征；
[0039]所述第一特征、第三特征、第二特征和第四特征顺序连接，得到融合特征。...
【技术保护点】
【技术特征摘要】
1.一种人脸活体检测方法，其特征在于，所述方法包括：获取同一用户一段时间内的环境光人脸图像和补光人脸图像，并进行预处理，得到环境光人脸整体图像、环境光人脸局部图像、补光人脸整体图像和补光人脸局部图像；通过第一卷积神经网络对所述环境光人脸整体图像和补光人脸整体图像进行特征提取，得到第一特征和第二特征；通过第二卷积神经网络对所述环境光人脸局部图像和补光人脸局部图像进行特征提取，得到第三特征和第四特征；将所述第一特征、第二特征、第三特征和第四特征进行融合，得到融合特征；通过所述融合特征进行分类，判断所述环境光人脸图像和补光人脸图像是否来自活体。2.根据权利要求1所述的人脸活体检测方法，其特征在于，所述第一卷积神经网络和所述第二卷积神经网络通过如下方法训练得到：构造环境光人脸整体图像样本、环境光人脸局部图像样本、补光人脸整体图像样本和补光人脸局部图像样本，并分别设置标签；通过所述第一卷积神经网络对所述环境光人脸整体图像样本和补光人脸整体图像样本进行特征提取，得到第五特征和第六特征；通过第二卷积神经网络对所述环境光人脸局部图像样本和补光人脸局部图像样本进行特征提取，得到第七特征和第八特征；计算所述第五特征与第六特征的对比损失L1以及第七特征与第八特征的对比损失L2；将所述第五特征、第六特征、第七特征和第八特征进行融合，得到融合样本特征，并计算所述融合样本特征的交叉熵损失L3；将所述L1、L2和L3加权求和，得到总体损失L
All
，并通过反向传播更新所述第一卷积神经网络和所述第二卷积神经网络的参数。3.根据权利要求2所述的人脸活体检测方法，其特征在于，所述第五特征、第七特征、第六特征和第八特征顺序连接，得到融合样本特征；所述第一特征、第三特征、第二特征和第四特征顺序连接，得到融合特征。4.根据权利要求1
‑
3任一所述的人脸活体检测方法，其特征在于，所述人脸局部图像为眼睛图像。5.根据权利要求4所述的人脸活体检测方法，其特征在于，所述对所述环境光人脸图像和补光人脸图像进行预处理，包括：对所述环境光人脸图像/补光人脸图像进行人脸检测、人脸关键点定位、头部姿态估计和人脸归一化，得到环境光人脸整体图像/补光人脸整体图像；以人脸关键点定位得到的眼睛坐标为中心，向四周扩充若干像素，得到包含眼睛的感兴趣区域，其中，向四周扩充的像素数根据左右眼间距确定；在所述感兴趣区域内，使用径向对称变换确定眼睛中心和半径；根据眼睛中心和半径截...
【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：
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。