[發(fā)明專利]一種基于紅外特征的活體檢測方法

在審

• 申請?zhí)枺?/td>: 202010634854.0
• 申請日: 2020-07-03
• 公開（公告）號: CN111767877A
• 公開（公告）日: 2020-10-13
• 發(fā)明（設計）人: 安玉山
• 申請（專利權）人: 北京視甄智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京一枝筆知識產(chǎn)權代理事務所(普通合伙) 11791
• 代理人: 張慶瑞

1.一種基于紅外特征的活體檢測方法，其特征在于，具體步驟包括：

步驟1、輸入待檢測圖像信息，進行人臉檢測，獲取人臉框和特征點信息；

步驟2、根據(jù)得到的人臉框和特征點信息，采用人臉對齊算法進行人臉對齊，得到處理后的紅外人臉圖像；

步驟3、根據(jù)得到的紅外人臉圖像，使用卷積神經(jīng)網(wǎng)絡進行紅外特征提??；

步驟4、訓練并使用神經(jīng)網(wǎng)絡作為特征分類器，對高維特征進行有效的分類，生成特征得分即檢測結果的欺騙得分F_score；

步驟5、根據(jù)上述步驟給出的反饋信號，應用s＝1-F_score計算活體得分，進行結果判斷。

2.根據(jù)權利要求1所述的一種基于紅外特征的活體檢測方法，其特征在于，所述步驟1具體步驟包括：

步驟1.1、輸入待進行活體檢測的紅外人臉圖像，判定人臉框位置；

步驟1.2、提取出人臉特征點位置P_i；

步驟1.3、根據(jù)檢測到的人臉框，計算特征點在人臉框中的相對位置坐標。

3.根據(jù)權利要求2所述的一種基于紅外特征的活體檢測方法，其特征在于，所述步驟1還包括根據(jù)是否檢測到人臉框和特征點信息，判定下一步操作，判定標準是若人臉檢測算法沒有發(fā)現(xiàn)人臉，直接進入步驟5，若成功提取了人臉特征點位置，進入步驟2。

4.根據(jù)權利要求3所述的一種基于紅外特征的活體檢測方法，其特征在于，所述步驟2具體步驟包括：

步驟2.1、根據(jù)特征點在人臉框中的相對位置坐標，結合迭代模型給出的預設標準臉特征點位置，對人臉特征點進行人臉對齊操作，得到較為精確的人臉特征點坐標；

步驟2.2、對人臉對齊后得到的紅外人臉圖像進行灰度顏色正則化處理。

5.根據(jù)權利要求4所述的一種基于紅外特征的活體檢測方法，其特征在于，所述步驟2.1的步驟包括：

步驟2.1.1、根據(jù)人臉框中特征關鍵點的信息，在預設的迭代模型中，根據(jù)min|F(P_i+ΔL)-F(G_i)|進行人臉對齊，其中，P_i為人臉檢測結合標準臉計算得到的N個特征點的位置，G_i為訓練集中手工標注的特征點位置，△L為P_i與G_i之間的偏移，F(xiàn)為特征提取函數(shù)，將人臉圖像使用仿射變換矩陣進行歸一化處理，將人臉圖像形狀盡可能地貼近預設標準臉形狀，通過平移，放縮和旋轉變換來實現(xiàn)，計算公式，

其中，s為縮放比例，θ為旋轉角度，t代表平移的位移，其中R是正交矩陣；

步驟2.1.2、結合形狀回歸框架，使用多個回歸預測網(wǎng)絡串聯(lián)組成的級聯(lián)回歸器，預測仿射變換后的人臉關鍵點與預設標準臉之間的細微差異，對人臉關鍵點坐標進行微調(diào)，得到精度更高的定位模型。

6.根據(jù)權利要求5所述的一種基于紅外特征的活體檢測方法，其特征在于，所述步驟3具體步驟包括：

步驟3.1、使用一個訓練好的卷積神經(jīng)網(wǎng)絡，輸入灰度顏色正則化處理得到的紅外人臉圖像；

步驟3.2、使用下采樣的卷積層，并在卷積后對圖像信息進行標準化批處理；

步驟3.3、接入修正線性激活層后，接入最大值池化層進行下采樣，得到處理后的圖像信息；

步驟3.4、對圖像信息逐步進行下采樣、卷積的操作，將其轉化為多通道小尺寸的特征圖表示形式；

步驟3.5、將轉化后的特征圖信息，通過深度可分離卷積層進行特征提取，融合圖像寬、高方向的信息至一個像素，保留通道維度不變，進而得到并輸出高維度特征向量X₀。