[發(fā)明專利]活體檢測(cè)方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010680515.6
• 申請(qǐng)日: 2020-07-15
• 公開（公告）號(hào): CN112001240B
• 公開（公告）日: 2021-08-17
• 發(fā)明（設(shè)計(jì)）人: 楊赟;李永凱
• 申請(qǐng)（專利權(quán)）人: 浙江大華技術(shù)股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04;G06N3/08
• 代理公司: 杭州華進(jìn)聯(lián)浙知識(shí)產(chǎn)權(quán)代理有限公司 33250
• 代理人: 陳涵

1.一種活體檢測(cè)方法，其特征在于，所述方法包括：

將訓(xùn)練集圖像輸入活體檢測(cè)模型，訓(xùn)練得到目標(biāo)活體檢測(cè)模型，所述活體檢測(cè)模型包括紋理網(wǎng)絡(luò)、光流網(wǎng)絡(luò)和亮度網(wǎng)絡(luò)，其中，所述紋理網(wǎng)絡(luò)、所述光流網(wǎng)絡(luò)和所述亮度網(wǎng)絡(luò)并聯(lián)；所述亮度網(wǎng)絡(luò)檢測(cè)人臉圖像的亮度特征和亮度變化周期特征；

將待檢測(cè)圖像輸入所述目標(biāo)活體檢測(cè)模型，輸出活體檢測(cè)結(jié)果；

所述將訓(xùn)練集圖像輸入所述活體檢測(cè)模型的過(guò)程包括：對(duì)所述訓(xùn)練集圖像中的人臉圖像進(jìn)行人臉對(duì)齊，將所述人臉對(duì)齊后的圖像進(jìn)行最大池化；將所述最大池化后圖像的幀差圖像作為所述亮度網(wǎng)絡(luò)的輸入圖像；

所述將待檢測(cè)圖像輸入所述目標(biāo)活體檢測(cè)模型的過(guò)程包括：對(duì)所述待檢測(cè)圖像中的人臉圖像進(jìn)行人臉對(duì)齊，將所述人臉對(duì)齊后的圖像進(jìn)行最大池化；將所述最大池化后圖像的幀差圖像作為所述亮度網(wǎng)絡(luò)的輸入圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將訓(xùn)練集圖像輸入活體檢測(cè)模型，訓(xùn)練得到目標(biāo)活體檢測(cè)模型的過(guò)程包括：

根據(jù)多任務(wù)損失函數(shù)對(duì)所述活體檢測(cè)模型進(jìn)行端到端的反向傳播梯度更新，其中，所述多任務(wù)損失函數(shù)包括紋理網(wǎng)絡(luò)的分類損失、光流網(wǎng)絡(luò)的分類損失、亮度網(wǎng)絡(luò)的分類損失和所述活體檢測(cè)模型的分類損失。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述紋理網(wǎng)絡(luò)的輸入圖像為所述訓(xùn)練集圖像或者所述待檢測(cè)圖像中的人臉圖像進(jìn)行人臉對(duì)齊后的圖像，所述紋理網(wǎng)絡(luò)檢測(cè)所述人臉圖像的紋理特征。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述光流網(wǎng)絡(luò)的輸入圖像為所述訓(xùn)練集圖像或者所述待檢測(cè)圖像的幀差圖像，所述光流網(wǎng)絡(luò)檢測(cè)所述輸入圖像的光流方向特征。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將待檢測(cè)圖像輸入所述目標(biāo)活體檢測(cè)模型，輸出活體檢測(cè)結(jié)果包括：

對(duì)所述待檢測(cè)圖像進(jìn)行人臉質(zhì)量評(píng)估；

將所述人臉質(zhì)量評(píng)估通過(guò)的所述待檢測(cè)圖像輸入所述目標(biāo)活體檢測(cè)模型，輸出活體檢測(cè)結(jié)果。

6.一種活體檢測(cè)裝置，其特征在于，所述裝置包括訓(xùn)練模塊和檢測(cè)模塊：

所述訓(xùn)練模塊用于將訓(xùn)練集圖像輸入活體檢測(cè)模型，訓(xùn)練得到目標(biāo)活體檢測(cè)模型，所述活體檢測(cè)模型包括紋理網(wǎng)絡(luò)、光流網(wǎng)絡(luò)和亮度網(wǎng)絡(luò)，其中，所述紋理網(wǎng)絡(luò)、所述光流網(wǎng)絡(luò)和所述亮度網(wǎng)絡(luò)并聯(lián)；所述亮度網(wǎng)絡(luò)檢測(cè)人臉圖像的亮度特征和亮度變化周期特征；

所述檢測(cè)模塊用于將待檢測(cè)圖像輸入所述目標(biāo)活體檢測(cè)模型，輸出活體檢測(cè)結(jié)果；

所述訓(xùn)練模塊將訓(xùn)練集圖像輸入所述活體檢測(cè)模型的過(guò)程包括：對(duì)所述訓(xùn)練集圖像中的人臉圖像進(jìn)行人臉對(duì)齊，將所述人臉對(duì)齊后的圖像進(jìn)行最大池化；將所述最大池化后圖像的幀差圖像作為所述亮度網(wǎng)絡(luò)的輸入圖像；

所述檢測(cè)模塊將待檢測(cè)圖像輸入所述目標(biāo)活體檢測(cè)模型的過(guò)程包括：對(duì)所述待檢測(cè)圖像中的人臉圖像進(jìn)行人臉對(duì)齊，將所述人臉對(duì)齊后的圖像進(jìn)行最大池化；將所述最大池化后圖像的幀差圖像作為所述亮度網(wǎng)絡(luò)的輸入圖像。

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述裝置還包括優(yōu)化模塊，所述優(yōu)化模塊用于根據(jù)多任務(wù)損失函數(shù)對(duì)所述活體檢測(cè)模型進(jìn)行端到端的反向傳播梯度更新，其中，所述多任務(wù)損失函數(shù)包括紋理網(wǎng)絡(luò)的分類損失、光流網(wǎng)絡(luò)的分類損失、亮度網(wǎng)絡(luò)的分類損失和所述活體檢測(cè)模型的分類損失。

8.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至5中任一項(xiàng)所述方法的步驟。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至5中任一項(xiàng)所述的方法的步驟。