[发明专利]人脸静默活体检测方法、装置、可读存储介质及设备

说明书

本发明公开了一种人脸静默活体检测方法、装置、计算机可读存储介质及设备，属于人脸识别领域。该方法包括：训练包括第一级卷积神经网络和第二级卷积神经网络的级联卷积神经网络；获取待检测人脸图像并进行预处理。将预处理后的人脸图像输入级联卷积神经网络，若第一级卷积神经网络和第二级卷积神经网络均判断为活体，则活体检测通过。其中，第一级卷积神经网络通过打印类假体图像和活体图像进行训练，第二级卷积神经网络通过屏幕类假体图像、活体图像和经过第一级卷积神经网络判断为活体的打印类假体图像进行训练。本发明使用CNN活体检测框架，解决打印类假体和屏幕类假体的活体检测，并使用分治法使得其更加有效，提高了活体检测的准确性。

技术领域

本发明涉及人脸识别领域，特别是指一种人脸静默活体检测方法、装置、计算机可读存储介质及设备。

背景技术

人脸支付、人脸解锁等技术在金融、安防等领域的应用，使得对人脸密码的要求越来越高，尤其是人脸防假的问题。人脸防假主要是指使用假体人脸攻击人脸系统，进而达到骗过系统，得到相关权限的目的。假体人脸主要有三种，分别为打印类假体，屏幕类假体和3D面具假体。打印类假体指人脸经过纸质打印再翻拍出来的结果，屏幕类假体指的是对显示在屏幕上的图片和视频图像进行翻拍而获得假体图像，而3D面具假体则指的是戴着3D的仿真面具采集得到的假体图像。在实际的生活中，由于3D假体面具的造价较高并且较难获取，所以本发明主要解决的是打印类假体和屏幕类假体的防假问题。人脸静默活体检测指的是不需要任何用户配合，只需要向系统中输入图像，即可判断该图像中的人为活体或是假体。

目前使用的人脸静默活体检测方法主要有基于传统统计学习方法，基于3D的方法以及基于近红外方法等几种。

(1)基于传统统计学习方法的人脸静默活体检测

基于传统统计学习方法的人脸静默活体检测方法，指的是对图像使用基于handcraft设计的特征对图像进行特征提取，然后根据提取到的特征进行二分类，进而判断该图像是是否为活体图像。该方法中最常见的特征为LBP特征，即使用LBP算子对人脸图像进行特征提取，然后对编码后的特征去进行分块并统计特征图，最后使用SVM对特征二分类。该方法依赖于手工设计特征的好坏，因此对姿态、光照等变化鲁棒性较差。

(2)基于近红外的人脸静默活体检测方法

近红外人脸静默活体检测的原理主要是根据不同图像在近红外光源下成像的不同而进行判断的。近红外成像有以下特点：视频、屏幕类、喷墨打印的照片等不会在近红外下成像。打印的照片、面具等在近红外下的反射率和真人不同，体现在几个点上：真人的眼睛和鼻尖会产生些光斑，而打印的照片等一般没有；真人的眼白部分泛白，而打印的照片等一般没有；真人的脸颊偏暗，而打印的照片等一般因反光强烈而比较亮。该方法具有较高的准确率，但是需要近红外光源，同时对环境的光照等要求较高。

综上所述，现有技术中基于传统统计学习方法的人脸静默活体检测依赖于手工设计特征的好坏，因此对姿态、光照等变化鲁棒性较差。基于3D和近红外的人脸活体检测方法需要特殊的光源和设备，一方面成本比较大，通用性低，另一方面，需要较好的测试环境，容易受到外界光照等变化的影响。

发明内容

为解决上述技术问题，本发明提供一种人脸静默活体检测方法、装置、计算机可读存储介质及设备，本发明提高了活体检测的准确性。

本发明提供技术方案如下：

第一方面，本发明提供一种人脸静默活体检测方法，所述方法包括：

训练预先构建的级联卷积神经网络，所述级联卷积神经网络包括第一级卷积神经网络和第二级卷积神经网络；

获取待检测人脸图像并对所述待检测人脸图像进行预处理，得到包括人脸区域的第一图像和第二图像；