基于使用RGB与深度图异常检测的人脸活体检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于使用RGB与深度图异常检测的人脸活体检测方法及装置，结合生成对抗网络GAN模型与注意力机制，搭建双流半监督学习网络与中间特征融合网络框架；从监控设备获取当前时刻的监控图像，并从所述监控图像中截取RGB人脸图像作为待检测人脸图像，将待检测人脸图像经过预处理后输入双流网络模型中，经过RGB流的特征提取、重建，利用RGB多尺度特征指导深度图流的重建，从而提高对活体样本的利用效率，并提高准确率；本发明专利技术能有效利用活体人脸，同时综合利用两种模态的优势，进一步提高人脸图像检测的检测准确率。

【技术实现步骤摘要】

本专利技术属于人脸活体检测，具体涉及一种基于使用rgb与深度图异常检测的人脸活体检测方法及装置。

技术介绍

1、人脸识别技术由于其便捷性和显著的准确性，已在签到、移动支付等少数交互式智能应用中得到应用。然而，现有的人脸识别系统很容易受到来自打印、回放、化妆、3d面具等演示攻击的攻击。因此，为了保证人脸识别系统的安全，开发人脸反欺骗(也被称为“人脸表示攻击检测(pad)”或“人脸活动性检测(fas)”)技术受到了学术界和工业界的广泛关注，同时也是计算机视觉中一个活跃的研究课题，近年来发表的论文越来越多。

2、在早期阶段，许多传统的手工特征被提出用于表示攻击检测。大多数传统算法是基于人类活动线索和手工特征设计的，这需要丰富的任务感知先验知识来进行设计。随后，针对静态和动态面部检测，提出了一些混合(手工特征+深度学习)和端到端基于深度学习的方法。大多数研究将人脸活体检测视为一个二元分类问题(例如，“0”表示活，“1”表示欺骗人脸，反之亦然)，因此由一个简单的二元交叉熵损失来监督。

3、传统的基于端到端深度学习的人脸活体检测方法可能在不可见本文档来自技高网...

【技术保护点】

1.一种基于使用RGB与深度图异常检测的人脸活体检测方法，其特征在于，包括：

2.根据权利要求1所述的基于使用RGB与深度图异常检测的人脸活体检测方法，其特征在于，所述双流网络模型包括深度图流子模型和RGB流子模型，所述深度图流子模型包括深度图流生成器和深度图流判别器，所述RGB流子模型包括RGB流生成器和RGB流判别器；

3.根据权利要求2所述的基于使用RGB与深度图异常检测的人脸活体检测方法，其特征在于，所述深度图流编码器和所述RGB流生成器均用于提取输入图像的图像特征，所述深度图流编码器输出深度图多尺度特征，所述RGB流生成器输出RGB流多尺度特征至所述多尺...

【技术特征摘要】

1.一种基于使用rgb与深度图异常检测的人脸活体检测方法，其特征在于，包括：

2.根据权利要求1所述的基于使用rgb与深度图异常检测的人脸活体检测方法，其特征在于，所述双流网络模型包括深度图流子模型和rgb流子模型，所述深度图流子模型包括深度图流生成器和深度图流判别器，所述rgb流子模型包括rgb流生成器和rgb流判别器；

3.根据权利要求2所述的基于使用rgb与深度图异常检测的人脸活体检测方法，其特征在于，所述深度图流编码器和所述rgb流生成器均用于提取输入图像的图像特征，所述深度图流编码器输出深度图多尺度特征，所述rgb流生成器输出rgb流多尺度特征至所述多尺度特征融合网络和所述深度图流判别器中；

4.根据权利要求2所述的基于使用rgb与深度图异常检测的人脸活体检测方法，其特征在于，所述rgb流生成器中的第一个rgb流编码器用于提取所述输入图像的rgb流多尺度特征，rgb流解码器用于根据所述rgb流多尺度特征重建所述rgb人脸图像的第二模拟人脸；第二rgb流编码器用于提取所述第二模...

【专利技术属性】
技术研发人员：郑昱，荆久耀，王家辉，何齐，刘远，杨超，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：