[發明專利]基于人臉微表情識別的活體檢測方法

在審

• 申請號: 201810753377.2
• 申請日: 2018-07-10
• 公開（公告）號: CN109034014A
• 公開（公告）日: 2018-12-18
• 發明（設計）人: 王光夫;趙潔;孫杰;樓嘉昌
• 申請（專利權）人: 天津瑟威蘭斯科技有限公司;天津城建大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程小艷

1.基于人臉微表情識別的活體檢測方法，其特征在于，包括如下步驟：

1)計算機內預先通過神經網絡訓練一個N類表情，其中N>＝4,包括但不限于高興、憤怒、驚訝、郁悶；

2)登錄驗證時，計算機會提示使用者連續做M個表情,使用者需要跟隨計算機連續做M個表情，其中M<＝N；

3)計算機通過神經網絡判斷上述步驟2)中M個表情是否和所需要的表情一致；

4)在做表情的一段時間內，取K*M張圖片，其中K>＝2，判定K*M張人臉是否是同一個人；

5)在K*M張圖中取出Q個人臉，其中Q>＝1，取多次驗證后的平均結果，驗證人臉身份。

2.基于人臉微表情識別的活體檢測方法，其特征在于，具體包括如下步驟：

1)利用opencv接入本地或者網絡攝像頭；

2)用DLIB框架人臉檢測方法檢測人臉是否出現在視頻里，并將人臉區域裁剪存儲得到人臉face1；

3)系統隨機出一個表情，指引驗證著做一個表情；

4)將人臉區域face1傳入用caffe深度學習網絡訓練的模型中，識別出人臉表情label1，判斷是否與需要的人臉表情一致：如果是，繼續下一次驗證；如果不一致，需要重新開始驗證；

5)再次執行上述步驟2)和3)，獲得face2；

6)用DLIB卷積網絡人臉識別判斷face1與face2相似度，如果相似度超過預定給定的閾值，則認為是一個人。

3.基于人臉微表情識別的活體檢測方法，其特征在于，具體包括如下步驟：

1)利用opencv_python接入本地或者網絡攝像頭；

2)利用python_dlib檢測活人并裁剪；

3)將用戶的微表情傳入到tensorflow訓練的網絡中，得到tensorflow框架預測的表情結果；

4)驗證一次表情成功后再次檢測活人并裁剪；

5)用python_dlib卷積網絡人臉識別判斷兩次結果是否為一個人。

4.根據權利要求3所述的基于人臉微表情識別的活體檢測方法，其特征在于，所述tensorflow主要應用部署在網絡中。

5.根據權利要求1至3中任一項所述的基于人臉微表情識別的活體檢測方法，其特征在于，適用于本地驗證和網絡驗證。