[發(fā)明專利]紅外圖像轉(zhuǎn)換方法、活體檢測方法、裝置、可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011055129.4
• 申請日: 2020-09-30
• 公開（公告）號: CN112347850A
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計(jì)）人: 何學(xué)智;劉小揚(yáng);蔡紹進(jìn)
• 申請（專利權(quán)）人: 新大陸數(shù)字技術(shù)股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種紅外圖像轉(zhuǎn)換方法，其特征在于，包括：

獲取可見光圖像和近紅外圖像；

根據(jù)可見光圖像和近紅外圖像，進(jìn)行CycleGAN模型訓(xùn)練；其中CycleGAN模型的生成器為兩個(gè)互相近似可逆的函數(shù)，且兩個(gè)所述生成器在訓(xùn)練過程中進(jìn)行參數(shù)共享；

輸入目標(biāo)可見光圖像至訓(xùn)練好的CycleGAN模型，獲得轉(zhuǎn)換后的近紅外圖像。

2.根據(jù)權(quán)利要求1所述的紅外圖像轉(zhuǎn)換方法，其特征在于，進(jìn)行CycleGAN模型訓(xùn)練的過程包括：

將可見光圖像轉(zhuǎn)換為近紅外圖像，將輸入的近紅外圖像及轉(zhuǎn)換生成的近紅外圖像傳輸至判別器進(jìn)行判別；并將轉(zhuǎn)換生成的近紅外圖像轉(zhuǎn)換回可見光圖像，將輸入的可見光圖像及轉(zhuǎn)換生成的可見光圖像傳輸至判別器進(jìn)行判別；計(jì)算輸入的可見光圖像與轉(zhuǎn)換生成的可見光圖像之間的損失函數(shù)，通過最小化損失函數(shù)來迭代獲得網(wǎng)絡(luò)的各參數(shù)；

將近紅外圖像轉(zhuǎn)換為可見光圖像，將輸入的可見光圖像及轉(zhuǎn)換生成的可見光圖像傳輸至判別器進(jìn)行判別；并將轉(zhuǎn)換生成的可見光圖像轉(zhuǎn)換回近紅外圖像，將輸入的近紅外圖像及轉(zhuǎn)換生成的近紅外圖像傳輸至判別器進(jìn)行判別；計(jì)算輸入的近紅外圖像與轉(zhuǎn)換生成的近紅外圖像之間的損失函數(shù)，通過最小化損失函數(shù)來迭代獲得網(wǎng)絡(luò)的各參數(shù)。

3.根據(jù)權(quán)利要求2所述的紅外圖像轉(zhuǎn)換方法，其特征在于，

將可見光圖像轉(zhuǎn)換為近紅外圖像的過程為：將所述可見光圖像進(jìn)行編碼，通過可逆結(jié)構(gòu)正向映射至近紅外圖像的特征空間，將其解碼至近紅外圖像；

將近紅外圖像轉(zhuǎn)換為可見光圖像的過程為：將近紅外圖像進(jìn)行編碼，通過可逆結(jié)構(gòu)進(jìn)行反向映射至可見光圖像的特征空間，將其解碼回可見光圖像。

4.根據(jù)權(quán)利要求2或3所述的紅外圖像轉(zhuǎn)換方法，其特征在于：通過可逆結(jié)構(gòu)進(jìn)行正向映射及通過可逆結(jié)構(gòu)進(jìn)行反向映射時(shí)：將輸入特征在通道維度上均等分成的兩個(gè)特征，將兩個(gè)特征分別輸入兩個(gè)函數(shù)中進(jìn)行映射，再將輸出的兩個(gè)特征進(jìn)行合并，獲得輸出特征；兩個(gè)所述函數(shù)均由多個(gè)殘差塊堆疊組成。

5.根據(jù)權(quán)利要求2或3所述的紅外圖像轉(zhuǎn)換方法，其特征在于，所述判別器的結(jié)構(gòu)為：在最后一個(gè)卷積層后添加一通道注意力機(jī)制的PatchGAN。

6.一種活體檢測方法，其特征在于，包括步驟：

通過如權(quán)利要求1至5任一項(xiàng)所述的紅外圖像轉(zhuǎn)換方法獲取近紅外圖像；

將近紅外圖像輸入至活體檢測模型，獲得判斷結(jié)果。

7.根據(jù)權(quán)利要求6所述的活體檢測方法，其特征在于：所述活體檢測模型使用Resnet為主體構(gòu)建二分類網(wǎng)絡(luò)，其損失函數(shù)采用softmax；訓(xùn)練時(shí)，通過所述CycleGAN模型中生成的近紅外圖像來進(jìn)行訓(xùn)練，且CycleGAN模型及所述活體檢測模型的損失函數(shù)達(dá)都到設(shè)定的要求時(shí)才停止訓(xùn)練。

8.一種活體檢測裝置，其特征在于，包括：

圖像獲取模塊：獲取可見光圖像和近紅外圖像；

模型訓(xùn)練模塊：根據(jù)可見光圖像和近紅外圖像，進(jìn)行CycleGAN模型訓(xùn)練；其中CycleGAN模型的生成器為兩個(gè)互相近似可逆的函數(shù)，且兩個(gè)所述生成器在訓(xùn)練過程中進(jìn)行參數(shù)共享；

CycleGAN模型：輸入目標(biāo)可見光圖像，將其轉(zhuǎn)換為近紅外圖像；

活體檢測模塊：將近紅外圖像輸入至活體檢測模型，獲得判斷結(jié)果。

9.一種活體檢測的裝置，包括存儲器、處理器及存儲在存儲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)行所述程序時(shí)實(shí)現(xiàn)權(quán)利要求6或7所述的人臉活體檢測的方法的步驟。

10.一種活體檢測的可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于：該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求6或7所述的人臉活體檢測的方法的步驟。