[发明专利]一种人脸活体检测方法、介质和相关装置

权利要求书

1.一种人脸活体检测方法，其特征在于，包括：

利用预设的分类算法对活体样本数据和虚假样本数据进行分类训练得到相应的活体预测模型，包括：将样本数据划分为N份，N为大于等于2的整数，对样本做N次抽样得到N份样本数据，针对每一种分类算法，利用该分类算法分别从N份样本数据中选取N-1份进行训练得到该分类算法对应的一组活体预测模型，其中，每一组活体预测模型包括N个活体预测模型，所述活体样本为利用红外图像采集装置针对真人的人脸采用不同的图像采集参数进行采集的图像数据，所述假样本数据为利用红外图像采集装置针对视频和照片中的人脸采用不同的图像采集参数采集的图像数据，所述图像采集参数包括角度，距离，拍摄姿态以及光照，所述分类算法包括神经网络算法、支撑向量机SVM和adaboost算法；其中：

在利用神经网络算法对每一份样本数据进行训练时，首先对用于训练的样本数据进行预处理，将人脸归一化到统一尺寸；然后设计一个深度神经网络，利用预先准备好的带有标签的样本进行训练，基于每一份样本数据得到一个活体预测模型，利用N份样本数据采用神经网算法得到N个活体预测模型；

对于SVM，利用每一份样本数据训练一个基于SVM的活体预测模型，在利用SVM对每一份样本数据进行训练时，特征提取方法采用分块局部二值模式LBP提取特征，然后将提取的特征输入SVM分类器得到活体预测模型，基于每一份样本数据得到一个活体预测模型，利用N份样本数据采用SVN分类器得到N个活体预测模型；

对于adaboost算法，利用样本数据训练一个基于adaboost的2分类器，特征提取采用分块方向梯度直方图HOG提取特征，然后将提取的特征输入到adaboost进行训练，得到基于adaboost的活体预测模型，每一份样本数据得到一个活体预测模型，利用N份样本数据采用adaboost算法得到N个活体预测模型；

利用预先训练好的活体预测模型对待检测对象进行预测；

针对每一组活体预测模型，获取预先针对该组活体预测模型所设置的权重；根据每一活体预测模型输出的预测结果，判断所述待检测对象是否为活体对象，具体包括：针对每一组活体预测模型，统计该组活体预测模型包含的各活体预测模型输出的预测结果确定为活体对象的数量；根据每一组活体预测模型输出的结果确定为活体对象的数量及其对应的权重进行加权和得到加权结果；根据所述加权结果判断所述待检测对象是否为活体对象。

2.根据权利要求1所述的方法，其特征在于，根据所述加权结果判断所述待检测对象是否为活体对象，具体包括：

如果加权结果大于预设阈值，则确定所述待检测对象为活体对象；

如果加权结果不大于预设阈值，则确定所述检测对象为虚假对象。

3.一种计算装置，其特征在于，包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述程序被所述处理单元执行时，使得所述处理单元执行权利要求1或2所述方法的步骤。

4.一种计算机可读介质，其特征在于，其存储有可由计算装置执行的计算机程序，当所述程序在计算装置上运行时，使得所述计算装置执行权利要求1或2所述方法的步骤。