[發(fā)明專利]一種基于深度學(xué)習(xí)的多尺度活體檢測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011047776.0
• 申請(qǐng)日: 2020-09-29
• 公開（公告）號(hào): CN112183357A
• 公開（公告）日: 2021-01-05
• 發(fā)明（設(shè)計(jì)）人: 朱鑫懿;魏文應(yīng);安欣賞;張偉民;李革;張世雄;李楠楠
• 申請(qǐng)（專利權(quán)）人: 深圳龍崗智能視聽研究院
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京京萬通知識(shí)產(chǎn)權(quán)代理有限公司 11440
• 代理人: 萬學(xué)堂;魏振華

1.一種基于深度學(xué)習(xí)的多尺度活體檢測(cè)方法，其特征在于，該方法包括以下步驟：

步驟一.輸入圖片，提取多尺度圖像；

步驟二.對(duì)所述多尺度圖像提取多尺度特征：利用深度學(xué)習(xí)模型對(duì)所述多尺度圖像提取多尺度特征，得到人臉圖像信息特征、環(huán)境信息特征和行為信息特征；

步驟三.獲取多尺度融合特征：對(duì)提取的所述多尺度特征采取不同的約束進(jìn)行特征融合，得到多尺度融合特征；

步驟四.輸入所述多尺度融合特征到分類網(wǎng)絡(luò)，輸出活體評(píng)分，根據(jù)閾值得到活體檢驗(yàn)結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的多尺度活體檢測(cè)方法，其特征在于，在所述步驟一中，對(duì)輸入圖片中的待測(cè)目標(biāo)提取多尺度圖像，所述多尺度圖像包括低尺度人臉圖像信息圖像、中尺度環(huán)境信息圖像和高尺度行為信息圖像，所述多尺度圖像是RGB圖像。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的多尺度活體檢測(cè)方法，其特征在于，在所述步驟三中，所述多尺度融合特征可用式(2)表述：

L(G_l，G_m，G_h)＝λ₁F_l+λ₂F_m+λ₃F_h (2)

在式(2)中，G_l，G_m，G_h分別為采集的低、中和高尺度圖像，F(xiàn)^l為提取的低尺度成像特征，λ₁為其約束，F(xiàn)^m為提取的中尺度環(huán)境信息特征，λ₂為其約束，F(xiàn)^h為提取的高尺度行為信息特征，λ₃為其約束。

4.一種基于深度學(xué)習(xí)的多尺度活體檢測(cè)系統(tǒng)，使用權(quán)利要求1、2或3所述的基于深度學(xué)習(xí)的多尺度活體檢測(cè)方法，其特征在于，所述多尺度活體檢測(cè)系統(tǒng)包括自適應(yīng)多尺度圖像采集模塊、卷積神經(jīng)網(wǎng)絡(luò)創(chuàng)建模塊以及多尺度活體檢測(cè)模塊，其中，

所述卷積神經(jīng)網(wǎng)絡(luò)創(chuàng)建模塊，用于設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)模型，對(duì)輸入的待檢測(cè)目標(biāo)進(jìn)行活體判斷并輸出活體檢測(cè)評(píng)分；

所述多尺度活體檢測(cè)模塊，用于待檢測(cè)目標(biāo)進(jìn)行多尺度圖像信息提取并輸入到卷積神經(jīng)網(wǎng)絡(luò)模型，對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型輸出的多尺度活體檢測(cè)評(píng)分進(jìn)行融合，獲取待檢測(cè)目標(biāo)的活體檢測(cè)結(jié)果。

5.根據(jù)權(quán)利要求4所述的基于深度學(xué)習(xí)的多尺度活體檢測(cè)系統(tǒng)，其特征在于，所述自適應(yīng)多尺度圖像采集模塊包括：

低尺度生物信息采集單元，用于根據(jù)所述待檢測(cè)目標(biāo)的位置信息采集面部信息圖像；

中尺度環(huán)境信息采集單元，用于根據(jù)所述待檢測(cè)目標(biāo)的位置信息，使用不依賴于攝像頭分辨率和圖像尺寸的自適應(yīng)方法，采集包含環(huán)境背景的圖像；

高尺度行為信息采集單元，用于根據(jù)所述待檢測(cè)目標(biāo)的位置信息，使用不依賴于攝像頭分辨率和圖像尺寸的自適應(yīng)方法，采集包含待檢測(cè)目標(biāo)行為信息的圖像。

6.根據(jù)權(quán)利要求4所述的基于深度學(xué)習(xí)的多尺度活體檢測(cè)系統(tǒng)，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)創(chuàng)建模塊包括：

RGB圖像特征信息提取網(wǎng)絡(luò)，用于構(gòu)建一個(gè)多層次深度神經(jīng)網(wǎng)絡(luò)，用于提取所述待檢測(cè)目標(biāo)在不同尺度下的多層次的語義特征信息；

RGB圖像特征信息分類網(wǎng)絡(luò)，用于構(gòu)建一個(gè)多層次語義特征信息融合網(wǎng)絡(luò)，對(duì)提取的所述待檢測(cè)目標(biāo)的語義信息進(jìn)行融合并輸出一個(gè)活體評(píng)分，評(píng)分在0到1之間，若為活體，則網(wǎng)絡(luò)輸出結(jié)果為1，若為非活體，則網(wǎng)絡(luò)輸出結(jié)果為0。

7.根據(jù)權(quán)利要求4所述的基于深度學(xué)習(xí)的多尺度活體檢測(cè)系統(tǒng)，其特征在于，所述多尺度活體檢測(cè)模塊包括：

低尺度生物成像特征約束單元，用于對(duì)低尺度圖像所提取的面部成像特征賦予約束權(quán)重；

中尺度環(huán)境信息特征約束單元，用于對(duì)中尺度圖像所提取的環(huán)境特征賦予約束權(quán)重；

高尺度行為信息特征約束單元，用于對(duì)高尺度圖像所提取的待檢測(cè)目標(biāo)的行為特征賦予約束權(quán)重。