[發(fā)明專利]活體檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810921523.8
• 申請(qǐng)日: 2018-08-14
• 公開(kāi)（公告）號(hào): CN109086728B
• 公開(kāi)（公告）日: 2022-03-08
• 發(fā)明（設(shè)計(jì)）人: 姜堯崗;孫曉剛;林云;康鑫;李澤原;萬(wàn)磊;解至煊;謝文吉
• 申請(qǐng)（專利權(quán)）人: 成都智匯臉卡科技有限公司
• 主分類號(hào): G06V40/40
• 分類號(hào): G06V40/40;G06V40/16;G06V10/774;G06V10/80;G06V10/82;G06K9/62
• 代理公司: 成都虹橋?qū)＠聞?wù)所(普通合伙) 51124
• 代理人: 李凌峰

1.活體檢測(cè)方法，其特征在于，包括如下步驟：

步驟1、采集樣本并設(shè)置樣本的圖片標(biāo)簽值，所述樣本包括多個(gè)活體人臉圖像和多個(gè)非活體人臉圖像，活體人臉圖像對(duì)應(yīng)的圖片標(biāo)簽值均為1，非活體人臉圖像對(duì)應(yīng)的圖片標(biāo)簽值均為0；

步驟2、隨機(jī)選擇采集的部分樣本并將其作為訓(xùn)練集，分別計(jì)算訓(xùn)練集各個(gè)樣本的拉普拉斯特征值及Tamura紋理特征值；

步驟3、分別對(duì)計(jì)算出的訓(xùn)練集的各個(gè)樣本的拉普拉斯特征值及Tamura紋理特征值進(jìn)行拼接，得出拼接結(jié)果，然后進(jìn)入步驟4；

步驟4、利用拼接結(jié)果訓(xùn)練出模型，并設(shè)置該模型的初始輸出范圍，所述初始輸出范圍是指當(dāng)訓(xùn)練集中的樣本為活體人臉圖像時(shí)，通過(guò)該模型輸出的值與對(duì)應(yīng)的圖片標(biāo)簽值1的差值在規(guī)定范圍內(nèi)，當(dāng)訓(xùn)練集中的樣本為非活體人臉圖像時(shí)，通過(guò)該模型輸出的值與對(duì)應(yīng)的圖片標(biāo)簽值0的差值在規(guī)定范圍內(nèi)；

步驟5、將剩余樣本作為驗(yàn)證集，分別計(jì)算驗(yàn)證集中各個(gè)樣本的拉普拉斯特征值及Tamura紋理特征值；

步驟6、分別對(duì)計(jì)算出的驗(yàn)證集的各個(gè)樣本的拉普拉斯特征值及Tamura紋理特征值進(jìn)行拼接，得出拼接結(jié)果，然后進(jìn)入步驟7；

步驟7、將拼接結(jié)果傳輸至該模型進(jìn)行計(jì)算，并判斷計(jì)算結(jié)果是否在所述初始輸出范圍內(nèi)，若在，則記錄此時(shí)該模型的相關(guān)參數(shù)，若不在，則計(jì)算該計(jì)算結(jié)果的損失值并將損失值反向傳輸至該模型中，并根據(jù)損失值調(diào)整該模型的相關(guān)參數(shù)。

2.根據(jù)權(quán)利要求1所述的活體檢測(cè)方法，其特征在于，步驟4和/或步驟7中，所述模型為神經(jīng)網(wǎng)絡(luò)模型。

3.根據(jù)權(quán)利要求1所述的活體檢測(cè)方法，其特征在于，步驟2和/或步驟5中，所述計(jì)算訓(xùn)練集和/或驗(yàn)證集各個(gè)樣本的拉普拉斯特征值包括如下步驟：

步驟A1、利用一定規(guī)格的矩形邊框遍歷整幅樣本圖像，將該矩形邊框中所有像素對(duì)應(yīng)的橫縱坐標(biāo)轉(zhuǎn)換成極坐標(biāo)，并在該矩形邊框中，以中間像素為圓心，以半徑為1像素的圓上將圓周平均分成9等分，所述將像素的橫縱坐標(biāo)轉(zhuǎn)換成極坐標(biāo)的公式為：

p(r,θ)＝s(x,y)

其中，r＝1,θ＝0°,40°,....,320°,x＝rcosθ,y＝rsinθ；

步驟A2、通過(guò)雙線性插值法得到圓周上的9個(gè)像素點(diǎn)，其公式為：

s(x',y')＝ax'+by'+cx'y'+d

其中，(x',y')為這9個(gè)像素點(diǎn)中要插值點(diǎn)的坐標(biāo)，a，b，c，d為要插值點(diǎn)周?chē)?個(gè)像素點(diǎn)；

步驟A3、將這9個(gè)像素點(diǎn)分別進(jìn)行離散傅里葉變換，其公式為：

其中，P(k)為離散傅里葉變換后的數(shù)據(jù)，p(n)為采樣數(shù)據(jù)，N為9，n取0,1,2,...,8，分別表示這9個(gè)像素點(diǎn)，i為大于0的正整數(shù)，k為n中第k個(gè)像素點(diǎn)；

步驟A4、將經(jīng)離散傅里葉變換得到的9個(gè)值進(jìn)行復(fù)數(shù)部分和實(shí)數(shù)部分分離，并組成長(zhǎng)度矩陣，所述矩陣為長(zhǎng)度為9的數(shù)組，經(jīng)離散傅里葉變換得到的9個(gè)值分別為P(0)，P(1)，P(2)，...，P(8)，所述數(shù)組為：

C_k＝[Re{P(k)}Im{P(k)}]

其中，C_k表示的是矩陣C的第k個(gè)值，Re{P(k)}表示的是P(k)的實(shí)數(shù)部分，Im{P(k)}表示P(k)的虛數(shù)部分，P(k)為經(jīng)離散傅里葉變換得到的9個(gè)值中的第k個(gè)值；

步驟A5、將矩陣量化成9比特的二進(jìn)制編碼，所述二進(jìn)制編碼中每個(gè)系數(shù)的符號(hào)的確定公式為：

其中，其中b(k)為每個(gè)系數(shù)的符號(hào)，取b(0)，b(1)，b(2)，...，b(8)，當(dāng)C_k大于等于0時(shí)賦值為1，小于0時(shí)賦值為0；

步驟A6、將b(0)，b(1)，b(2)，...，b(8)轉(zhuǎn)化為9比特的紋理特征值，其公式為：

4.根據(jù)權(quán)利要求3所述的活體檢測(cè)方法，其特征在于，步驟A1中，所述一定規(guī)格的矩形邊框是指3×3的矩形邊框。

5.根據(jù)權(quán)利要求1所述的活體檢測(cè)方法，其特征在于，步驟2和/或步驟5中，所述計(jì)算訓(xùn)練集和/或驗(yàn)證集各個(gè)樣本的Tamura紋理特征值包括計(jì)算Tamura紋理的粗糙度和對(duì)比度。