[发明专利]基于多造假方式的人脸活体检测方法

权利要求书

1.一种基于多造假方式的人脸活体检测方法，其特征在于，所述方法包括：

分别训练基于照片造假、视频造假和面具造假的卷积神经网络；

利用层叠泛化算法将所述三个卷积神经网络进行融合，得到分类模型；

获取待检测的人脸图像；

对所述人脸图像进行归一化处理；

将处理后的人脸图像分别输入至所述三个卷积神经网络中进行概率预测；

将所述三个卷积神经网络分别的预测结果输入至所述分类模型；

所述分类模型对所述预测结果进行分析以判断所述人脸图像的真假。

2.根据权利要求1所述的基于多造假方式的人脸活体检测方法，其特征在于，所述利用层叠泛化算法将所述三个卷积神经网络进行融合，得到分类模型的步骤包括：

建立线性回归模型LR₍₀₎,LR₍₁₎，其中，0代表假，1代表真；

三种卷积神经网络在训练时，样本进入每种卷积神经网络，都会得到该样本属于每一类的概率，每一个样本经过三种卷积神经网络之后变为K*I维的向量，其中K为卷积神经网络的个数，即3，I为类别个数即2，样本会对应K*I个概率值，当训练LR₍₀₎时，若该样本属于0类时样本的真实概率值y_n＝1，否则y_n＝0，当训练LR₍₁₎时，若该样本属于1类时y_n＝1，否则y_n＝0；

根据三种卷积神经网络预测的每一类的概率值和真实概率值，拟合一个线性回归模型，以调整模型对于每一类的预测权重。

3.根据权利要求2所述的基于多造假方式的人脸活体检测方法，其特征在于，所述分类模型对所述预测结果进行分析以判断所述人脸图像的真假的步骤包括：

所述人脸图像首先经过三种卷积神经网络，每个卷积神经网络给出所述人脸图像属于真实人脸和造假人脸的概率值，将每一个卷积神经网络预测的概率值输入LR₍₀₎和LR₍₁₎线性回归模型，计算得到两个回归值m，n，如果m>n，则该样本属于0类，即所述人脸图像为假，否则属于1类，即人脸图像为真。

4.根据权利要求1所述的基于多造假方式的人脸活体检测方法，其特征在于，所述对所述人脸图像进行归一化处理的步骤包括：

通过人脸检测的算法，检测到所述人脸图像中的人脸；

利用人脸特征点定位算法，找到所述人脸的准确区域，得到准确的人脸框；

将所述人脸框裁剪出来，并归一化到特定像素。

5.根据权利要求4所述的基于多造假方式的人脸活体检测方法，其特征在于，所述将所述人脸框裁剪出来的步骤包括：

将所述人脸框扩大，将扩大后的人脸框对应的原图中的区域裁剪出来。