[发明专利]人脸活体识别方法、装置、设备及存储介质

权利要求书

1.一种人脸活体识别方法，其特征在于，包括：

获取待识别图像；

基于人脸活体识别分类模型，得到所述待识别图像的人脸特征向量和活体检测结果，所述人脸活体识别分类模型是以拍摄图像和活体图像为图像样本采用卷积神经网络训练获得的，且在训练过程中得到所述卷积神经网络的偏置值和每个所述图像样本的第一预设维向量；

从所述第一预设维向量中选取任一个一维向量，对所述一维向量中每个元素取正，得到新的一维向量；

将所述新的一维向量中所有元素求和，得到所有元素的总和；

将所述总和与所述偏置值的绝对值作差，得到每个所述图像样本的二分类值，所述二分类值用于表示所述活体检测结果；

其中，若二分类值为正数，则表明所述图像样本为活体图像，若二分类值为负数，则表明所述图像样本为拍摄图像；

其中，所述拍摄图像为拍摄活体照片的图像。

2.根据权利要求1所述的方法，其特征在于，在所述获取待识别图像之前，所述方法还包括：

获取图像样本集合及所述图像样本集合中每个图像样本的标识，所述标识用于标记所述图像样本是拍摄图像还是活体图像，所述图像样本集合包括具有不同标识的图像样本；

根据所述图像样本集合及所述图像样本集合中每个图像样本的标识，对卷积神经网络进行训练，以得到所述人脸活体识别分类模型，所述人脸活体识别分类模型输出每个图像样本的人脸特征向量和活体检测结果。

3.根据权利要求2所述的方法，其特征在于，所述标识为二维的掩码；

所述根据所述图像样本集合及所述样本集合中每个图像样本的标识，对卷积神经网络进行训练，包括：

将所述图像样本集合及所述样本集合中每个图像样本的掩码输入到所述卷积神经网络的模型中，得到所述卷积神经网络的偏置值、每个所述图像样本的第一预设维向量和第二预设维向量，所述第一预设维向量的维数大于第二预设维向量的维数，所述第二预设维向量为每个图像样本的人脸特征向量；

根据每个所述图像样本的二分类值和对应的所述掩码，通过交叉熵函数调整所述卷积神经网络的网络参数；

根据每个所述图像样本的第二预设维向量和对应的每个所述图像样本在预设人脸识别模型中得到第三预设维向量，通过交叉熵函数调整所述卷积神经网络的网络参数；

其中，所述第三预设维向量的维数与所述第二预设维向量的维数相等。

4.根据权利要求3所述的方法，其特征在于，所述根据每个所述图像样本的二分类值和对应的所述掩码，通过交叉熵函数调整所述卷积神经网络的网络参数，包括：

根据预设编码规则，对每个所述图像样本的二分类值进行编码，得到每个所述图像样本的二分类值对应的编码后的二维向量；

根据所述二维向量和对应的所述掩码，通过交叉熵函数计算，得到每个所述图像样本的二分类值与对应的所述二维向量之间的误差；

根据所述误差，通过反向传播，调整所述卷积神经网络的网络参数。

5.根据权利要求1-4任一项所述的方法，其特征在于，在所述得到所述待识别图像的人脸特征向量和活体检测结果之后，所述方法还包括：

若所述活体检测结果为所述待识别图像为活体图像，则将所述待识别图像的人脸特征向量与数据库中存储的多个人脸特征向量进行比对；

当所述多个人脸特征向量中存在与所述待识别图像的人脸特征向量一致的人脸特征向量时，确定所述待识别图像为待通行活体的目标图像，并开启通行通道，以使所述待通行活体通行。