[发明专利]一种基于深度学习的静态三维人脸活体检测方法

说明书

本发明公开了一种基于深度学习的静态三维人脸活体检测方法，该方法包括：通过彩色摄像头拍摄彩色图像，通过深度摄像头拍摄深度图像；当在所述彩色图像中检测到人脸时，根据所述彩色图像和所述深度图像，通过第一卷积神经网络和第二卷积神经网络获得所述人脸对应的特征向量；根据所述人脸对应的特征向量，通过预先训练的活体检测分类器判断所述人脸是否为活体。本发明仅采用两个摄像头，结合彩色图像和深度图像的特点，结合深度学习及机器学习等技术，大大提高了人脸活体检测的速度、通过率及防伪率，且成本低，精度高。

技术领域

本发明属于人脸识别技术领域，具体涉及一种基于深度学习的静态三维人脸活体检测方法。

背景技术

随着人脸识别技术的不断发展，很多产品开始使用人脸识别技术验证用户身份，如银行ATM机、无人售货店甚至家用门锁。然而一般的人脸识别技术无法对用户是否为活体进行有效检测，因此恶意者可以通过打印他人照片或者使用手机拍摄他人视频来冒充合法用户，骗过人脸识别系统，实现其恶意目的。因此人脸活体检测技术应运而生。

当前，相关技术中提供了一种人脸活体检测技术，该技术使用两个摄像头拍摄的图像获取3D人脸特征点，并训练得到3D人脸检测分类器。之后从第三个摄像头拍摄的图像中提取出人脸区域和人眼区域，使用卷积神经网络作为人眼检测模型，通过结合三个摄像头的数据进行活体判断。

上述相关技术中使用两个摄像头的数据获取3D人脸特征点，耗时较长，无法达到实时检测的目的，同时依赖于人眼检测算法的精度，无法保证效率和精确性。而且需要三个摄像头，同时要考虑三个摄像头的视角和图像对齐问题，运算量大，成本高。

发明内容

为解决以上问题，本发明提供一种基于深度学习的静态三维人脸活体检测方法、装置、设备及计算机可读存储介质，仅采用两个摄像头，结合彩色图像和深度图像的特点，结合深度学习及机器学习等技术，大大提高了人脸活体检测的速度、通过率及防伪率，且成本低，精度高。本发明通过以下几个方面来解决以上问题。

第一方面，本发明实施例提供了一种基于深度学习的静态三维人脸活体检测方法，所述方法包括：

通过彩色摄像头拍摄彩色图像，通过深度摄像头拍摄深度图像；

当在所述彩色图像中检测到人脸时，根据所述彩色图像和所述深度图像，通过第一卷积神经网络和第二卷积神经网络获得所述人脸对应的特征向量；

根据所述人脸对应的特征向量，通过预先训练的活体检测分类器判断所述人脸是否为活体。

结合第一方面，本发明实施例提供了上述第一方面的第一种可能的实现方式，其中，所述根据所述彩色图像和所述深度图像，通过第一卷积神经网络和第二卷积神经网络获得所述人脸对应的特征向量，包括：

对所述彩色图像进行人脸裁剪及归一化处理，得到彩色人脸图像；

对所述深度图像进行人脸裁剪及归一化处理，得到深度人脸图像；

通过第一卷积神经网络分别对所述彩色人脸图像和所述深度人脸图像进行特征提取，得到第一彩色向量和第一深度向量；

通过第二卷积神经网络分布对所述彩色人脸图像和所述深度人脸图像进行特征提取，得到第二彩色向量和第二深度向量；

对所述第一彩色向量、所述第二彩色向量、所述第一深度向量和所述第二深度向量进行拼接，得到所述人脸对应的特征向量。

结合第一方面的第一种可能的实现方式，本发明实施例提供了上述第一方面的第二种可能的实现方式，其中，所述对所述深度图像进行人脸裁剪及归一化处理，得到深度人脸图像，包括：

从所述彩色图像中获取预设数目个人脸关键点位置；

从所述深度图像中分别获取每个所述人脸关键点位置对应的关键点深度值；