【技术实现步骤摘要】
一种非配合式人脸活体检测方法及计算机存储介质
本专利技术涉及人脸检测领域,更具体地,涉及一种非配合式人脸活体检测方法及计算机存储介质。
技术介绍
人脸识别以其快速性、有效性、用户友好性,逐渐成为了一种重要的加解密方式,但是目前许多人脸识别系统无法辨别人脸的真伪,因此,在人脸识别系统中引入活体检测方法有助于提高人脸识别的实用性与安全性。目前人脸活体检测的方法主要有以下几种:1)基于视频流交互式的主动活体检测。主要技术手段:首先系统进行人脸检测及人脸关键点定位,如果视频中存在人脸,则随机生成若干个动作,如果测试人员在规定时间内完成指定动作,则系统判定测试人员为活体,反之则判定为非活体。该方法存在的问题和缺陷为:需要用户配合,且用时较长。2)基于亮瞳效应的人脸活体检测方法。主要技术手段:通过检测人脸的眼睛区域是否存在亮瞳效应来区分活体人脸与非活体人脸。该方法存在的问题和缺陷为:需要增加额外的光源设备,造价较高,且操作繁琐。3)具有图像失真分析的人脸活体检测方法。主要技术手段:首先系统进行人脸检测及人脸关键点定位,如果图片中存在人脸,则提取图片中的4种特征(镜面反射特征、模糊程度特征、矩特征、颜色多样性特征),应用支持向量机进行训练和预测。存在的问题和缺陷为:该方法提取的特征相对简单,判别能力不强且泛化能力不强,不能很好的在现实场景中应用。因此,基于现有技术尚存在以上问题有待解决,亟需开发一种新型的非配合式人脸活体检测方法。
技术实现思路
有鉴于此,本专利技术提供一种非配合 ...
【技术保护点】
1.一种非配合式人脸活体检测方法,其特征在于,所述方法包括以下步骤:/nS1、获取模型训练用活体检测图像集合,并对所述图像集合进行处理;/nS2、设计Inception Net分类网络;/nS3、设计SSD检测网络;/nS4、通过所述Inception Net分类网络和所述SSD检测网络对所述图像集合进行模型训练;/nS5、获取实时图像,根据模型训练的结果预测所述实时图像是否为人脸活体。/n
【技术特征摘要】
1.一种非配合式人脸活体检测方法,其特征在于,所述方法包括以下步骤:
S1、获取模型训练用活体检测图像集合,并对所述图像集合进行处理;
S2、设计InceptionNet分类网络;
S3、设计SSD检测网络;
S4、通过所述InceptionNet分类网络和所述SSD检测网络对所述图像集合进行模型训练;
S5、获取实时图像,根据模型训练的结果预测所述实时图像是否为人脸活体。
2.根据权利要求1所述的方法,其特征在于,步骤S1包括:
S11、通过摄像设备批量保存活体检测图像集合Q;
S12、对所述图像集合Q中的第一集合的图像进行边框标注,获取有边框标注信息的图像G和不带标注信息的图像P,其中所述第一集合图像是所述图像集合Q的子集。
3.根据权利要求2所述的方法,其特征在于,在步骤S2中,将设计的所述InceptionNet分类网络记为M,所述InceptionNet分类网络包括深度神经网络A和3组Inception结构C,所述Inception结构C包括四个分支,每个所述分支分别由1*1卷积、3*3卷积、5*5卷积、3*3最大池化组成。
4.根据权利要求2所述的方法,其特征在于,在步骤S3中,将设计的所述SSD检测网络记为S,所述SSD检测网络的主网络为卷积层增加4个卷积层的VGG16模型。
5.根据权利要求4所述的方法,其特征在于,步骤S3还包括:
对5个不同的所述卷积层的输出分别用两个3*3的卷积核进行卷积,其中一个卷积核输出为分类置信度,每个defaultbox生成3个置信度,分别对应活体检测任务中的背景、真人、非活体人脸,另一个卷积核输出为目标位置的定位,每个defaultbox生成x,y,w,h4个坐标值;
5个卷积层经过priorBox层生成defaultbox;
将上述三个计算结果分别合并后传递给损失层。
6.根据权利要求2所述的方法,其特征在于,步骤S4包括:
S41、将所述图像集合Q分为训练集T和校验集V,使训练集T和校验集V中均含有带边框标注信息的图像G和不带标注信息的图像P;
S42、通过InceptionNet分类网络M对训练集T中的部分人脸图像P进行前向计算,经过模型的各层后输出识别结果,根据当前网络输出与输入特征的标签差异应用批次随机梯度下降算法进行模型训练,不断调整InceptionNet分类网络M中各个权值;
S43、利用校验集V中不带标注信息的图像P验证模型训练效果,当模型M在校验集V上准确率不能随着训练时间继续提升时,模型停止...
【专利技术属性】
技术研发人员:毛亮,张宇聪,张杰,朱婷婷,林焕凯,郝鹏,刘昕,山世光,黄仝宇,汪刚,宋一兵,侯玉清,刘双广,
申请(专利权)人:高新兴科技集团股份有限公司,中科视拓北京科技有限公司,
类型:发明
国别省市:广东;44
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。