[發(fā)明專(zhuān)利]一種人臉活體檢測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201910958335.7
• 申請(qǐng)日: 2019-10-10
• 公開(kāi)（公告）號(hào): CN110751069A
• 公開(kāi)（公告）日: 2020-02-04
• 發(fā)明（設(shè)計(jì)）人: 張艷紅;彭駿;吉綱;占濤;方自成;陳偉
• 申請(qǐng)（專(zhuān)利權(quán)）人: 武漢普利商用機(jī)器有限公司;精倫電子股份有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/46;G06K9/62
• 代理公司: 11002 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司
• 代理人: 王文思

1.一種人臉活體檢測(cè)方法，其特征在于，包括：

獲取人臉外擴(kuò)圖像；

將所述人臉外擴(kuò)圖像輸入預(yù)設(shè)融合分類(lèi)器，得到活體檢測(cè)結(jié)果；

其中，所述預(yù)設(shè)融合分類(lèi)器是基于融合人臉活體訓(xùn)練樣本集訓(xùn)練得到。

2.根據(jù)權(quán)利要求1所述人臉活體檢測(cè)方法，其特征在于，在所述將所述人臉外擴(kuò)圖像輸入預(yù)設(shè)融合分類(lèi)器，得到活體檢測(cè)結(jié)果的步驟之前，所述方法還包括：

獲取融合人臉活體訓(xùn)練樣本集，根據(jù)所述融合人臉活體訓(xùn)練樣本集獲取多個(gè)活體融合特征向量樣本和多個(gè)非活體融合特征向量樣本；

將每個(gè)活體融合特征向量樣本作為正樣本，將每個(gè)非活體融合特征向量樣本作為負(fù)樣本，將一個(gè)正樣本和一個(gè)負(fù)樣本作為一組訓(xùn)練樣本，獲取多組訓(xùn)練樣本；

對(duì)于任意一組訓(xùn)練樣本，將所述訓(xùn)練樣本輸入SVM分類(lèi)器中進(jìn)行訓(xùn)練，得到預(yù)設(shè)融合分類(lèi)器。

3.根據(jù)權(quán)利要求2所述人臉活體檢測(cè)方法，其特征在于，在所述獲取融合人臉活體訓(xùn)練樣本集的步驟之前，所述方法還包括：

獲取人臉活體訓(xùn)練樣本集，

對(duì)所述人臉活體訓(xùn)練樣本集進(jìn)行分析，得到局部二值模式微紋理特征向量訓(xùn)練樣本集、多方向顏色梯度特征向量訓(xùn)練樣本集和傅里葉頻譜特征向量訓(xùn)練樣本集；

其中，所述人臉活體訓(xùn)練樣本集包括多個(gè)活體人臉訓(xùn)練樣本照片和多個(gè)非活體人臉訓(xùn)練樣本照片。

4.根據(jù)權(quán)利要求3所述人臉活體檢測(cè)方法，其特征在于，所述得到局部二值模式微紋理特征向量訓(xùn)練樣本集、多方向顏色梯度特征向量訓(xùn)練樣本集和傅里葉頻譜特征向量訓(xùn)練樣本集的步驟之后，所述方法還包括：

根據(jù)所述局部二值模式微紋理特征向量訓(xùn)練樣本集獲取多個(gè)活體局部二值模式微紋理特征向量樣本和多個(gè)非活體局部二值模式微紋理特征向量樣本；

將每個(gè)活體局部二值模式微紋理特征向量樣本作為正樣本，將每個(gè)非活體局部二值模式微紋理特征向量樣本作為負(fù)樣本，將一個(gè)正樣本和一個(gè)負(fù)樣本作為一組訓(xùn)練樣本，獲取多組訓(xùn)練樣本；

對(duì)于任意一組訓(xùn)練樣本，將所述訓(xùn)練樣本輸入SVM分類(lèi)器中進(jìn)行訓(xùn)練，得到第一SVM分類(lèi)器訓(xùn)練模型。

5.根據(jù)權(quán)利要求4所述人臉活體檢測(cè)方法，其特征在于，所述得到局部二值模式微紋理特征向量訓(xùn)練樣本集、多方向顏色梯度特征向量訓(xùn)練樣本集和傅里葉頻譜特征向量訓(xùn)練樣本集的步驟之后，所述方法還包括：

根據(jù)所述多方向顏色梯度特征向量訓(xùn)練樣本集獲取多個(gè)活體多方向顏色梯度特征向量樣本和多個(gè)非活體多方向顏色梯度特征向量樣本；

將每個(gè)活體多方向顏色梯度特征向量樣本作為正樣本，將每個(gè)非活體多方向顏色梯度特征向量樣本作為負(fù)樣本，將一個(gè)正樣本和一個(gè)負(fù)樣本作為一組訓(xùn)練樣本，獲取多組訓(xùn)練樣本；

對(duì)于任意一組訓(xùn)練樣本，將所述訓(xùn)練樣本輸入SVM分類(lèi)器中進(jìn)行訓(xùn)練，得到第二SVM分類(lèi)器訓(xùn)練模型。

6.根據(jù)權(quán)利要求5所述人臉活體檢測(cè)方法，其特征在于，所述得到局部二值模式微紋理特征向量訓(xùn)練樣本集、多方向顏色梯度特征向量訓(xùn)練樣本集和傅里葉頻譜特征向量訓(xùn)練樣本集的步驟之后，所述方法還包括：

根據(jù)所述傅里葉頻譜特征向量訓(xùn)練樣本集獲取多個(gè)活體傅里葉頻譜特征向量樣本和多個(gè)非活體傅里葉頻譜特征向量樣本；

將每個(gè)活體傅里葉頻譜特征向量樣本作為正樣本，將每個(gè)非活體傅里葉頻譜特征向量樣本作為負(fù)樣本，將一個(gè)正樣本和一個(gè)負(fù)樣本作為一組訓(xùn)練樣本，獲取多組訓(xùn)練樣本；

對(duì)于任意一組訓(xùn)練樣本，將所述訓(xùn)練樣本輸入SVM分類(lèi)器中進(jìn)行訓(xùn)練，得到第三SVM分類(lèi)器訓(xùn)練模型。

7.根據(jù)權(quán)利要求6所述人臉活體檢測(cè)方法，其特征在于，所述方法還包括：

獲取人臉活體測(cè)試樣本集；

分別根據(jù)第一SVM分類(lèi)器訓(xùn)練模型、第二SVM分類(lèi)器訓(xùn)練模型和第三SVM分類(lèi)器訓(xùn)練模型對(duì)所述人臉活體測(cè)試樣本集進(jìn)行分析，得到第一特征權(quán)重信息、第二特征權(quán)重信息和第三特征權(quán)重信息；

根據(jù)第一特征權(quán)重信息、第二特征權(quán)重信息和第三特征權(quán)重信息對(duì)所述局部二值模式微紋理特征訓(xùn)練樣本集、多方向顏色梯度特征訓(xùn)練樣本集和傅里葉頻譜特征訓(xùn)練樣本集進(jìn)行線性組合，得到融合人臉活體訓(xùn)練樣本集。