活体检测方法、装置、电子设备和计算机可读存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，提供了一种活体检测方法、装置、电子设备和计算机可读存储介质，方法包括：获取目标人脸的待检测图像；将待检测图像输入至预先训练的活体检测模型，得到待检测图像的分类结果；活体检测模型是将训练后的原始检测模型中的手部特征提取网络剔除后得到的，原始检测模型还包括人脸特征提取网络和边框特征提取网络，原始检测模型是根据人脸特征提取网络提取的人脸特征、边框特征提取网络提取的边框特征及手部特征提取网络提取的手部特征训练后得到的；根据分类结果确定目标人脸是否为活体。本发明专利技术能够提高模型对不同非活体攻击的防范能力，从而提高活体检测模型的准确率和鲁棒性。模型的准确率和鲁棒性。模型的准确率和鲁棒性。

【技术实现步骤摘要】
活体检测方法、装置、电子设备和计算机可读存储介质


[0001]本专利技术涉及人工智能
，具体而言，涉及一种活体检测方法、装置、电子设备和计算机可读存储介质。

技术介绍

[0002]人脸识别技术由于其便利性和卓越的识别准确率，被广泛的应用到各种交互式智能应用中。然而，人脸识别系统容易受到打印纸张、视频播放、3D头模等手段的攻击。因此，需要识别是否为用户本人，以保护人脸识别系统的安全性和可靠性。
[0003]如何进行活体检测，以识别出人脸识别系统的输入是否为用户本人是本领域技术人员亟待解决的技术问题。

技术实现思路

[0004]本专利技术的目的在于提供了一种活体检测方法、装置、电子设备和计算机可读存储介质，用于提高防范非活体攻击的能力，从而提高活体检测的准确率和效率。
[0005]本专利技术的实施例可以这样实现：第一方面，本专利技术提供一种活体检测方法，所述方法包括：获取目标人脸的待检测图像；将所述待检测图像输入至预先训练的活体检测模型，得到所述待检测图像的分类结果；所述活体检测模型是将训练后的原始检测模型中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活体检测方法，其特征在于，所述方法包括：获取目标人脸的待检测图像；将所述待检测图像输入至预先训练的活体检测模型，得到所述待检测图像的分类结果；所述活体检测模型是将训练后的原始检测模型中的手部特征提取网络剔除后得到的，所述原始检测模型还包括人脸特征提取网络和边框特征提取网络，所述原始检测模型是根据所述人脸特征提取网络提取的人脸特征、所述边框特征提取网络提取的边框特征及所述手部特征提取网络提取的手部特征训练后得到的；根据所述分类结果确定所述目标人脸是否为活体。2.如权利要求1所述的活体检测方法，其特征在于，所述训练后的原始检测模型是通过以下方式得到的：获取样本人脸的样本图像及所述样本人脸在所述样本图像中的人脸坐标；根据所述人脸坐标，利用所述边框特征提取网络提取所述样本图像中边框区域的边框特征；利用所述人脸特征提取网络提取所述样本人脸的人脸特征；将所述边框特征和所述人脸特征进行拼接，得到拼接特征；利用所述手部特征提取网络提取所述手部特征；利用所述拼接特征、所述手部特征及预设损失函数对所述原始检测模型进行训练，得到训练后的原始检测模型。3.如权利要求2所述的活体检测方法，其特征在于，所述根据所述人脸坐标，利用所述边框特征提取网络提取所述样本图像中边框区域的边框特征的步骤包括：确定所述样本图像的边框坐标；根据所述边框坐标确定处于所述边框坐标范围内的区域的第一灰度直方图特征；根据所述人脸坐标确定处于所述人脸坐标范围内的区域的第二灰度直方图特征；根据所述第一灰度直方图特征和所述第二灰度直方图特征计算所述边框特征。4.如权利要求3所述的活体检测方法，其特征在于，所述确定所述样本图像的边框坐标的步骤包括：若所述样本图像为非活体人脸的图像，则对所述样本图像进行边框检测，得到所述非活体人脸的边框坐标、并将所述非活体人脸的边框坐标作为所述样本图像的边框坐标；若所述样本图像为活体人脸的图像，则将图像的顶点坐标作为所述边框坐标。5.如权利要求2所述的活体检测方法，其特征在于，所述利用所述手部特征提取网络提取所述手部特征的步骤包括：获取多个预设LBP算子；利用每一所述预设LBP算子，从所述样本图像中提取与每一所述预设LBP算子对应的LBP特征；将所有LBP特征统一为同一尺寸后合并，并对合并后的LBP特征进行归一化，得到第一手部特征；从所述人脸特征提取网络中获取与所述第一手部特征大小相同的特征图；对所述特征图进...

【专利技术属性】
技术研发人员：周杨瑞，张义夫，胡峻毅，庞天吉，刘闯，
申请(专利权)人：第六镜科技成都有限公司，
类型：发明
国别省市：