【技术实现步骤摘要】
一种基于视频的活体检测方法
[0001]本专利技术属于智能监控
,涉及一种活体检测方法,尤其是一种基于视频的活体检测方法
。
技术介绍
[0002]随着科技的发展,人脸识别技术在很多领域都做成了常态化,极大的方便了我们的工作和生活
。
例如在金融领域
、
出行领域
、
安保领域等,需要捕获到人脸进行人脸识别,从而进行身份认证
。
[0003]但是,有些不法贩子通过一些伪造的人脸
(
比如彩色打印
、
照片
、
电子设备中的照片等
)
,企图通过人脸识别认证,从而进行一些非法的行为
。
[0004]科技在方便人们生活工作的同时,也必须肩负起保护人们安全的责任
。
通过对人脸进行生物特征提取,进一步判断是真实的人脸还是伪造的人脸,从而为人脸识别保驾护航
。
[0005]经检索,发现如下2篇现有技术中的文献:
[0006]《
基于机器学习和深度学习的人脸反欺诈检测综述
》
作者蔡慧敏,文中介绍了活体检测目前的现状,人脸活体检测方法,有基于传统纹理信息的,有基于运动信息的,有基于
3D
结构方法的,有基于深度学习的
。
传统基于纹理信息的应用要求捕获设备要高质量,成本较高;基于运动信息的实时性差一些;基于
3D
结构的需要目标的不同视角,在实际应用中不易操作<
【技术保护点】
【技术特征摘要】
1.
一种基于视频的活体检测方法,其特征在于:包括以下步骤:步骤
1、
采用
IR
双目红外设备,同时成对采集彩色图像和
IR
图像下的活体和非活体的图像数据;步骤
2、
对步骤1中的图像数据进行标注;步骤
3、
构建
IR
图像下的活体检测卷积神经网络
、
彩色图像下的活体检测卷积神经网络和活体双输入分类神经网络;步骤
4、
对步骤3构建的活体检测卷积神经网络和活体双输入分类神经网络进行模型训练;步骤
5、
利用步骤4训练好的模型,输出活体检测结果
。2.
根据权利要求1所述的一种基于视频的活体检测方法,其特征在于:所述步骤1的具体方法为:分别采集彩色图像
、IR
图像下的活体和非活体的图像数据;活体数据是指真实的人脸数据,非活体数据即伪造的人脸数据;彩色图像和
IR
图像同时采集,同一时刻成对采集
。3.
根据权利要求1所述的一种基于视频的活体检测方法,其特征在于:所述步骤2的具体方法为:以人脸目标的外接矩形为边界进行标注,标注范围为左右边界不包括耳朵,下边界为下巴位置,上边界为额头位置,不包括头发;按照这个规则,分别标注彩色图像和
IR
图像中的非活体目标和活体目标;其中,非活体目标标注
FP
,活体目标标签为
TP
进行区分
。4.
根据权利要求1所述的一种基于视频的活体检测方法,其特征在于:所述步骤3的具体步骤包括:
(1)
基于
YOLOV3
网络,构建
IR
图像下的活体检测卷积神经网络
NET1
:将
IR
图像下的
TP、FP
目标类别和位置信息,进行神经网络的训练
NET1
;
(2)
基于
YOLOV3
网络,构建彩色图像下的活体检测卷积神经网络
NET2
:将彩色图像下的
TP、FP
目标类别和位置信息,进行神经网络的训练
NET2
;其中,活体检测卷积神经网络
NET1
能够在后续检测中,针对一幅
IR
图像,能够给出目标的位置信息,和标签信息,以及目标的置信度;活体检测卷积神经网络
NET2
能够在后续检测中,针对一幅彩色图像,能够给出目标的位置信息,和标签信息,以及目标的置...
【专利技术属性】
技术研发人员:于宏志,李亚辉,陈东亮,王洪涛,杜晓琳,唐波,李森,
申请(专利权)人:天地伟业技术有限公司,
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。