一种基于多特征提取模块的人脸静默活体检测方法与系统技术方案

本发明专利技术涉及一种基于多特征提取模块的人脸静默活体检测方法与系统，包括：纹理特征提取模块，用于提取活体目标和非活体目标的纹理特征；提取目标不同级别的纹理特征；空间注意力模块，用于细化纹理特征；非活体特征提取模块，用于放大活体与非活体样本间特征差异；特征图细化模块，用于生成特征图；活体判别模块，连接到特征图细化模块，用于判别活体。本发明专利技术在训练阶段无需人工进行像素级标注，节省了人力成本，通过度量学习监督对比活体样本与活体样本、活体样本与非活体样本间的特征差异，自动挖掘用于对图像进行像素级监督的线索。动挖掘用于对图像进行像素级监督的线索。动挖掘用于对图像进行像素级监督的线索。

【技术实现步骤摘要】
一种基于多特征提取模块的人脸静默活体检测方法与系统


[0001]本专利技术涉及计算机目标检测
，尤其是一种基于多特征提取模块的人脸静默活体检测方法与系统。

技术介绍

[0002]人脸相关的计算机视觉技术随着深度学习技术的发展不断成熟，基于深度学习的方法在活体领域取得了较好的效果。
[0003]活体检测算法根据要求的不同可分为配合式活体检测和非配合式活体检测：
[0004](1)配合式活体检测需要用户根据指令做出相应的动作，通过验证用户所做动作与指令顺序是否一致判别受检测用户是否为真实活体。
[0005](2)非配合式活体检测又称静默活体检测，用户只需保持自然状态面对摄像头几秒即可完成活体判别，算法通过分析为用户实时拍摄的照片或视频即可分辨受检测用户是否为真实活体。
[0006]非配合式活体检测根据成像源的不同又可分为近红外图像、3D结构光图像和RGB图像三种技术路线：近红外图像利用近红外成像原理滤除了特定波段的光线，其成像特点(如屏幕无法成像，不同材质反射率不同等)天生抵御基于屏幕的假脸攻击；3D结构光图像引入了深度信息，根据人脸表面反射光线构建深度图像辅助判别，能够抵御打印的纸质照片、电子屏幕回放视频等2D平面攻击手段；RGB图像为普通摄像头拍摄出的图像，主要通过综合电子屏幕翻拍产生的摩尔纹、打印照片翻拍产生的反光现象、镜头畸变、颜色失真、皮肤纹理丢失等多种细微的线索判别图像为非活体的概率。
[0007]现阶段应用于实际中的活体检测算法一般都使用双目摄像头或3D结构光深度摄像头拍摄待检测人脸画面，这些摄像头可以通过提供额外模态的信息，帮助算法仅凭相对少量的训练数据达到符合应用标准的检测效果。然而由于成本或其他原因，在许多应用场景下仅配有单目可见光摄像头，这些设备往往不太可能改变现有的硬件架构，添加新的多模态传感器。现阶段实际应用中基于单目可见光摄像头的活体检测算法一般采用配合式活体检测算法，与之相比，静默活体检测不需要用户进行繁琐的动作配合，检测流程耗时短。
[0008]现有技术中，已有利用中心差分卷积进行特征提取，通过生成的特征图的分类分数与预设的阈值进行比较，从而判断输入是否为活体；但是没有利用进行多特征提取，且无法判断非活体目标。
[0009]而当前针对RGB图像的静默活体检测方法存在实际应用时检测准确率不高，需要训练额外模块生成辅助监督信息，对图像进行像素级监督的缺点。

技术实现思路

[0010]本专利技术研究一种基于多特征提取模块的人脸静默活体检测方法，通过度量学习方式半监督模型自己挖掘特征的像素级表示，无需引入额外模块即可获得辅助监督信息；由五个特征提取模块逐层细化、筛选具有判别力的特征。本专利技术通过设计多个特征提取模块
协同工作逐层细化特征，特别是在非活体特征提取模块引入度量学习监督，并在判别模块引入分类器进一步放大度量学习效果，提高对特征的利用能力，从而达到了更好的检测效果。
[0011]本专利技术的技术方案为：一种基于多特征提取模块的人脸静默活体检测系统，包括：
[0012]纹理特征提取模块，用于提取活体目标和非活体目标的纹理特征；
[0013]提取目标不同级别的纹理特征；
[0014]空间注意力模块，用于细化纹理特征；
[0015]非活体特征提取模块，用于放大活体与非活体样本间特征差异；
[0016]特征图细化模块，用于生成特征图；
[0017]活体判别模块，连接到特征图细化模块，用于判别活体。
[0018]进一步的，还包括：通过一条提取纹理特征的特征编码路径进行多级别纹理特征提取，所述的特征编码路径是一条由三个纹理特征提取模块堆叠组成的用于逐级细化纹理特征的特征编码路径。
[0019]进一步的，所述非活体特征提取模块引入度量学习损失函数，通过对比活体图像与活体图像、活体图像与非活体图像间的差异，主动挖掘最有判别力的特征表示。
[0020]进一步的，纹理特征提取模块基于中心差分卷积CDC构建，通过聚合像素值强度信息和像素值梯度信息提取图像纹理特征，具体为：
[0021]纹理特征提取模块包含三个连续的中心差分卷积层和一个最大池化层(MaxPool)，每个卷积后都会跟一个BN(Batch Normalization)操作和一个ReLU激活函数，纹理特征的特征编码路径包括三个纹理特征提取模块，分别提取低、中、高维度的特征。
[0022]进一步的，三个纹理特征提取模块在结构上完全相同，第一个纹理特征提取模块进行初步特征提取，提取到的低维度特征送入第二个纹理特征提取模块进行进一步特征提取，提取到的中维度特征送入最后一个纹理特征提取模块进行处理，获得最终的高维度特征，属于层层递进的关系，各模块的参数由深度学习训练所得，低、中、高维度特征会在注意力模块进行特征融合。
[0023]进一步的，非活体特征提取模块通过度量学习引导模型关注非活体特征，将图像中能否提取到足够的非活体特征作为活体检测模型判别的依据；其中，度量学习的实现方式是以元组的形式作为输入，设计损失函数监督模型训练，所述的输入为三元组，包含两个活体样本和一个非活体样本，损失函数使用三元组度量学习损失函数。
[0024]进一步的，所述判别模块的结构在训练和测试阶段使用不同的设计；在训练阶段引入微调后的ResNet18分类器，将第一个卷积层的输入通道数由3改为1，并将自适应全局平均池化层后的全连接层的输出通道数由512改为2；通过加入分类器引入二分类损失函数进行辅助监督；测试阶段通过计算特征图的像素均值并与设定的阈值相比较，获得模型对图像的预测结果。
[0025]进一步的，所述注意力模块首先对输入特征图在通道维度进行最大池化和平均池化操作，将池化结果在通道维度拼接起来；先后使用卷积操作和Sigmoid激活函数将拼接结果的像素值映射到(0,1)的值域范围内，生成注意力权重描述符；最后将权重描述符与原特征图逐像素相乘，削弱无关区域的像素值，得到注意力机制处理后的特征图。
[0026]根据本专利技术的另一方面，提出一种基于多特征提取模块的人脸静默活体检测方
法，包括如下步骤：
[0027]纹理特征提取模块提取活体目标和非活体目标的纹理特征；
[0028]采用空间注意力模块细化纹理特征；
[0029]基于细化后的低、中、高维度纹理特征融合后输入到非活体特征提取模块，用于放大活体与非活体样本间特征差异；
[0030]进行特征图细化，生成特征图；
[0031]基于特征图细化模块的结果判别活体；
[0032]预测得到活体检测结果。
[0033]进一步的，通过一条提取纹理特征的特征编码路径进行多级别纹理特征提取，所述的特征编码路径是一条由三个纹理特征提取模块堆叠组成的用于逐级细化纹理特征的特征编码路径。
[0034]有益效果：
[0035]本专利技术相较于现有技术，本专利技术在训练阶段无需人工进行像素级标注，节省了人力成本，通过度量学习监本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征提取模块的人脸静默活体检测系统，其特征在于，包括：纹理特征提取模块，用于提取活体目标和非活体目标的纹理特征；提取目标不同级别的纹理特征；空间注意力模块，用于细化纹理特征；非活体特征提取模块，用于放大活体与非活体样本间特征差异；特征图细化模块，用于生成特征图；活体判别模块，连接到特征图细化模块，用于判别活体。2.根据权利要求1所述的一种基于多特征提取模块的人脸静默活体检测系统，其特征在于，还包括：通过一条提取纹理特征的特征编码路径进行多级别纹理特征提取，所述的特征编码路径是一条由三个纹理特征提取模块堆叠组成的用于逐级细化纹理特征的特征编码路径。3.根据权利要求1所述的一种基于多特征提取模块的人脸静默活体检测系统，其特征在于，所述非活体特征提取模块引入度量学习损失函数，通过对比活体图像与活体图像、活体图像与非活体图像间的差异，主动挖掘最有判别力的特征表示。4.根据权利要求1所述的一种基于多特征提取模块的人脸静默活体检测系统，其特征在于，纹理特征提取模块基于中心差分卷积CDC构建，通过聚合像素值强度信息和像素值梯度信息提取图像纹理特征，具体为：纹理特征提取模块包含三个连续的中心差分卷积层和一个最大池化层(MaxPool)，每个卷积后都会跟一个BN(Batch Normalization)操作和一个ReLU激活函数，纹理特征的特征编码路径包括三个纹理特征提取模块，分别提取低、中、高维度的特征。5.根据权利要求4所述的一种基于多特征提取模块的人脸静默活体检测系统，其特征在于，三个纹理特征提取模块在结构上完全相同，第一个纹理特征提取模块进行初步特征提取，提取到的低维度特征送入第二个纹理特征提取模块进行进一步特征提取，提取到的中维度特征送入最后一个纹理特征提取模块进行处理，获得最终的高维度特征，属于层层递进的关系，各模块的参数由深度学习训练所得，低、中、高维度特征会在注意力模块进行特征融合。6.根据权利要求1所述的一种基于多特征提取模块的人脸静默活体检测系...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：阳光暖果北京科技发展有限公司，
类型：发明
国别省市：