[發明專利]一種人臉活體檢測方法和裝置

在審

• 申請號: 202110883596.4
• 申請日: 2021-08-03
• 公開（公告）號: CN113609959A
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 王遲;梁從象;楊帆
• 申請（專利權）人: 六度云計算有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本公開涉及一種人臉活體檢測方法和裝置，該方法包括，獲取待檢測對象的多張圖片；按照預先訓練的人臉定位檢測模型對所述圖片中的人臉器官進行檢測；按照預先訓練的屏幕翻拍模型判斷所述圖片是否為翻拍圖片；若所述圖片不為翻拍圖片，則根據檢測到的所述人臉器官的運動信息判斷所述待檢測對象是否為人臉活體。該方法使用機器學習和運動信息相結合的手段可以更準確地識別出更快速、精準的過濾出屏幕翻拍和紙質照片的人像信息，提高人臉活體檢測的準確性，并具有應用的高效性與易用性。

技術領域

本發明涉及深度學習技術領域，特別是涉及一種人臉活體檢測方法和裝置。

背景技術

隨著人臉識別技術在信息安全領域的廣泛應用，人臉活體檢測作為一種驗證手段，其應用越來越廣泛，而傳統的人臉活體檢測技術，容易受到圖片編輯、錄制翻拍攻擊。

發明內容

基于此，有必要針對傳統技術存在的問題，提供一種機器學習和運動信息相結合的人臉活體檢測方法和裝置。具體的，在本發明中，使用機器學習方法，更快速、精準的過濾出屏幕翻拍和紙質照片的人像信息，提高人臉活體檢測的準確性。

第一方面，本發明實施例提供了一種人臉活體檢測方法，所述方法包括：

獲取待檢測對象的多張圖片；

按照預先訓練的人臉定位檢測模型對所述圖片中的人臉器官進行檢測；

按照預先訓練的屏幕翻拍模型判斷所述圖片是否為翻拍圖片；

若所述圖片不為翻拍圖片，則根據檢測到的所述人臉器官的運動信息判斷所述待檢測對象是否為人臉活體。

在其中一個實施例中，所述人臉定位檢測模型和屏幕翻拍模型的訓練方法，具體包括：

獲取人臉圖庫數據信息；

對獲取的所述人臉圖庫數據信息進行處理，完成訓練數據與測試數據的劃分操作；

根據所述訓練數據進行訓練，生成人臉定位檢測模型和屏幕翻拍模型。

在其中一個實施例中，根據所述訓練數據進行訓練，生成人臉定位檢測模型的過程，具體包括：

第一階段P-Net，通過一個淺層CNN生成候選人臉窗口，具體包括：通過一個全部由卷積層組成的CNN，獲取候選人臉窗口以及人臉框回歸向量，基于所述人臉框回歸向量對候選人臉窗口進行校正，之后采用NMS合并高重疊率的候選人臉窗口；

第二階段R-Net，通過一個復雜CNN否決大量非人臉窗口，具體包括：第一階段輸出的候選人臉窗口作為本階段的輸入，能夠進一步篩除大量非人臉窗口，再利用所述人臉框回歸向量對篩除后剩余的候選窗口做校正，并執行NMS；

第三階段O-Net，使用復雜CNN進一步精化結果并輸出多個人臉特征點位置坐標。

在其中一個實施例中，根據所述訓練數據進行訓練，生成屏幕翻拍模型的過程，具體包括：

計算所述訓練數據在水平及垂直方向的梯度卷積，得到水平卷積圖像及垂直卷積圖像；

計算所述水平卷積圖像及垂直卷積圖像對應的7*7協方差矩陣，并轉化為特征向量；

基于預設的支持向量機SVM算法對所述特征向量進行分類，生成屏幕翻拍模型。

在其中一個實施例中，所述根據檢測到的所述人臉器官的運動信息判斷所述待檢測對象是否為人臉活體，具體包括：

由所述人臉定位檢測模型計算出眼睛的多個位置坐標，包括眼睛左右角的位置和上眼皮位置、下眼皮位置；

根據所述眼睛的多個位置坐標計算出每張圖片中眼睛的開合程度；

若所述多張圖片中眼睛的最大和最小開合程度之差大于或等于預定閾值，則判斷所述待檢測對象為人臉活體。

第二方面，本發明實施例還提供了一種人臉活體檢測裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取待檢測對象的多張圖片；