【技术实现步骤摘要】
本专利技术应用于计算机视觉，具体是一种基于深度学习的活体检测方法。
技术介绍
1、人脸识别技术往往以其便捷、准确的特点，在身份认证、移动支付、考勤等交互智能应用中得到应用。然而，现有的智能应用中的人脸识别系统较容易受到静态人脸照片、视频录制人脸以及3d仿真面具等手段的欺骗，以冒充他人身份来获得未经授权的访问。因此，学术界和工业界都广泛关注开发人脸反欺骗(fas)技术，也就是活体检测技术，来保护人脸识别系统的安全。为了能部署在终端设备(例如智能手机)，只能使用单个摄像头采集被检测者的静态图像或视频序列来进行活体检测，不能利用红外或者深度摄像头的信息，这也使得单目活体检测技术的难度更高。
2、在早期阶段，大多数单目活体检测算法都是基于传统的手动提取特征再结合机器学习分类的方法来实现的，例如检测人类活体反应的线索，或者分析人脸图像特征的相关信息，但这些都是需要丰富的先验知识来进行设计。在基于检测人类活体反应线索的技术，大多数算法是通过分析目标面部的活体反应来判断其是否为真实的人脸，例如，检测瞳孔的缩放和对光的反应，检测眨眼频率和速...
【技术保护点】
1.一种基于深度学习的活体检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于深度学习的活体检测方法，其特征在于：所述采集活体和非活体人脸数据，构建数据集步骤具体包括：
3.根据权利要求1所述的一种基于深度学习的活体检测方法，其特征在于：所述构建包括主任务分支和辅助学习分支的卷积神经网络，进行监督训练步骤具体为：
4.根据权利要求2所述的一种基于深度学习的活体检测方法，其特征在于：所述对采集到的活体数据和非活体数据进行数据清洗，提取人脸图与深度信息图，并设置标签以生成数据集步骤具体包括：
5.根据权利要...
【技术特征摘要】
1.一种基于深度学习的活体检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于深度学习的活体检测方法，其特征在于：所述采集活体和非活体人脸数据，构建数据集步骤具体包括：
3.根据权利要求1所述的一种基于深度学习的活体检测方法，其特征在于：所述构建包括主任务分支和辅助学习分支的卷积神经网络，进行监督训练步骤具体为：
4.根据权利要求2所述的一种基于深度学习的活体检测方法，其特征在于：所述对采集到的活体数据和非活体数据进行数据清洗，提取人脸图与深度信息图，并设置标签以生成数据集步骤具体包括：
【专利技术属性】
技术研发人员：林玥，王欢，林林，
申请(专利权)人：新大陆数字技术股份有限公司，
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。