【技术实现步骤摘要】
本专利技术主要涉及计算机视觉，尤其涉及一种活体检测方法、活体检测装置和计算机可读介质。
技术介绍
1、随着计算机技术的快速发展，生物识别技术被广泛应用到人们的生产和生活当中。例如刷脸支付，面部门禁，面部考勤等。人脸欺诈攻击对生物识别系统造成了极大威胁，即通过设备屏幕、打印照片等手段尝试绕过图像生物验证的手法，因此在生物识别场景中活体检测尤为重要。
2、基于rgb图像的活体检测技术是当前广泛使用的活体检测算法，该算法使用人脸图，将活体检测变为该人脸图是否是攻击样本的二分类问题。目前已有的方案在分类模型训练和测试时使用的是同源数据集，尽管该模型能够在同源数据上表现很好，但是当外界环境发生变化时(如不同的拍摄设备、不同的光照)，模型的效果就不尽如人意。尽管目前有使用梯度反转层解决不同源数据之间分布差异的问题，但是梯度反转层天生就会带来训练的不稳定性，需要更长的时间对模型进行训练。
技术实现思路
1、本专利技术要解决的技术问题是提供一种活体检测方法、活体检测装置和计算机可读介质，解决现有活体检测方法在外界环境发生变化时准确性不高的问题。
2、为解决上述技术问题，本专利技术提供了一种活体检测方法，包括：通过特征提取网络提取当前场景下的样本图像的主体特征和风格特征；通过风格变化层对所述主体特征进行风格变换，将所述风格变化层的输出与所述主体特征进行相加得到融合特征；将所述主体特征与随机的风格特征进行融合，得到随机融合特征；将所述融合特征与所述随机融合特征输入分类器，计算所
3、可选地，通过风格变化层对所述主体特征进行风格变换包括：对所述风格特征进行全局池化处理和激活处理得到风格参数，所述风格参数包括均值增量和方差增量；根据所述风格参数构建所述风格变化层的风格变换公式；通过所述风格变换公式对所述主体特征进行风格变换。
4、可选地，所述风格变换公式为：
5、
6、其中，β为均值增量，γ为方差增量，f为待变换的特征，π、σ分别为特征f的按通道的均值以及方差，conv为卷积核为3，步长、扩充均为1的卷积层。
7、可选地，所述损失函数包括所述融合特征与所述随机融合特征的余弦距离损失和二项交叉熵损失。
8、可选地，通过如下公式计算所述分类器的损失函数：
9、l＝cosdistanceloss(fo,fr,labelor)+bce(fo,label)
10、
11、其中，vosdistanceloss为余弦距离损失，bce为二项交叉熵损失，fo为融合特征，fr为随机融合特征，label为样本图像的样本标签，cossim为两向量的余弦相似度，当形成融合特征以及随机融合特征的主体特征与风格特征均来自同种样本时，labelor取1，反之labelor取-1。
12、可选地，所述特征提取网络包括resnet18的前三个残差层，将第三个残差层的输出作为所述主体特征，将前三层的特征采用特征金字塔的方式进行特征聚合，得到所述风格特征。
13、可选地，还包括：对其他场景下的每种样本图像分别构建一个对应的分类器；对所有分类器进行迭代训练，当满足预设迭代次数后，输出最终迭代后的分类器，通过最终迭代后的分类器进行活体检测；其中迭代训练包括：当每一次训练迭代后，对于每一个分类器，都会和其他的分类器计算余弦距离，将与自己距离最远的分类器的权重，以预设比例与自身的权重进行相加，得到迭代后分类器的权重。
14、可选地，通过如下公式计算迭代后分类器的权重：
15、weightt+1＝(1-α)weightt+α·weighto
16、weighto＝argmax(1-cossim(weightt,weight*))
17、其中，weightt+1是迭代后分类器的权重，weightt是当前迭代分类器的权重，α是预设比例，weighto为与weightt余弦距离最远的其他分类器的权重。
18、为解决上述技术问题，本专利技术提供了一种活体检测装置，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行所述指令以实现本申请的活体检测方法。
19、为解决上述技术问题，本专利技术提供了一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现本申请的活体检测方法。
20、与现有技术相比，本专利技术具有以下优点：
21、本专利技术的活体检测方法，一方面通过对主体特征进行风格变换，使得分类器模型可以更加关注与活体检测相关的风格特征，而忽视不同图像采集设备的特征，活体检测准确性更高；另一方面，通过对所有分类器进行迭代优化，使所有的域分类器均处于同一个超平面，从而保证了不同环境的数据也可以通过同一个超平面进行划分，达到了域泛化的效果，提升了训练的稳定性。
本文档来自技高网...【技术保护点】
1.一种活体检测方法，其特征在于，包括：
2.如权利要求1所述的活体检测方法，其特征在于，通过风格变化层对所述主体特征进行风格变换包括：
3.如权利要求2所述的活体检测方法，其特征在于，所述风格变换公式为：
4.如权利要求1所述的活体检测方法，其特征在于，所述损失函数包括所述融合特征与所述随机融合特征的余弦距离损失和二项交叉熵损失。
5.如权利要求4所述的活体检测方法，其特征在于，通过如下公式计算所述分类器的损失函数：
6.如权利要求1所述的活体检测方法，其特征在于，所述特征提取网络包括Resnet18的前三个残差层，将第三个残差层的输出作为所述主体特征，将前三层的特征采用特征金字塔的方式进行特征聚合，得到所述风格特征。
7.如权利要求1所述的活体检测方法，其特征在于，还包括：
8.如权利要求7所述的活体检测方法，其特征在于，通过如下公式计算迭代后分类器的权重：
9.一种活体检测装置，其特征在于，包括：
10.一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由
...【技术特征摘要】
1.一种活体检测方法，其特征在于，包括：
2.如权利要求1所述的活体检测方法，其特征在于，通过风格变化层对所述主体特征进行风格变换包括：
3.如权利要求2所述的活体检测方法，其特征在于，所述风格变换公式为：
4.如权利要求1所述的活体检测方法，其特征在于，所述损失函数包括所述融合特征与所述随机融合特征的余弦距离损失和二项交叉熵损失。
5.如权利要求4所述的活体检测方法，其特征在于，通过如下公式计算所述分类器的损失函数：
6.如权利要求1所述的活体检测方法，其特征...
【专利技术属性】
技术研发人员：姚俊荣，林喆，
申请(专利权)人：商迈物联杭州有限公司，
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。