[发明专利]人脸活体识别方法、装置、设备及存储介质

说明书

本公开实施例提供一种人脸活体识别方法、装置、设备及存储介质，该方法包括：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样本采用卷积神经网络训练获得的；其中，所述拍摄图像为拍摄活体照片的图像。本公开实施例能够解决现有技术存在耗时较长，且检测效率较低的问题。

技术领域

本公开实施例涉图像识别技术领域，尤其涉及一种人脸活体识别方法、装置、设备及存储介质。

背景技术

近年来，随着深度学习、计算机视觉技术的发展，人脸识别的性能已经超越人类水平，凭借超高的识别精度在实际场景中获得了广泛应用，如基于人脸识别的刷脸支付、门禁、人脸考勤机等。

人脸识别具有非接触式、方便易用等特点，目前基于人脸识别技术的闸机被广泛使用，但是传统人脸识别的闸机通过人脸的照片也可以打开，安全性不够。为了预防安全攻击，活体检测技术应运而生，通过多样化的技术手段，区分真实人脸与伪造人脸，保障信息安全。

但是，目前常用的活体检测技术要求摄像头前的物体与摄像头产生交互或是计算量较大，因此，现有技术存在耗时较长，且检测效率较低的问题。

发明内容

本公开实施例提供一种人脸活体识别方法、装置、设备及存储介质，以克服现有技术存在耗时较长，且检测效率较低的问题。

第一方面，本公开实施例提供一种人脸活体识别方法，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样本采用卷积神经网络训练获得的；

其中，所述拍摄图像为拍摄活体照片的图像。

在一种可能的设计中，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。

在一种可能的设计中，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；

从所述第一预设维向量中选取任一个一维向量，根据所述一维向量和所述偏置值，对每个所述图像样本进行二分类计算，以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；

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。

在一种可能的设计中，所述根据所述一维向量和所述偏置值，对每个所述图像样本进行二分类计算，以得到每个所述图像样本的二分类值，包括：