[发明专利]一种人脸活体检测方法及装置

权利要求书

1.一种人脸活体检测方法，其特征在于，包括：

获取人脸外扩图像；

将所述人脸外扩图像输入预设融合分类器，得到活体检测结果；

其中，所述预设融合分类器是基于融合人脸活体训练样本集训练得到。

2.根据权利要求1所述人脸活体检测方法，其特征在于，在所述将所述人脸外扩图像输入预设融合分类器，得到活体检测结果的步骤之前，所述方法还包括：

获取融合人脸活体训练样本集，根据所述融合人脸活体训练样本集获取多个活体融合特征向量样本和多个非活体融合特征向量样本；

将每个活体融合特征向量样本作为正样本，将每个非活体融合特征向量样本作为负样本，将一个正样本和一个负样本作为一组训练样本，获取多组训练样本；

对于任意一组训练样本，将所述训练样本输入SVM分类器中进行训练，得到预设融合分类器。

3.根据权利要求2所述人脸活体检测方法，其特征在于，在所述获取融合人脸活体训练样本集的步骤之前，所述方法还包括：

获取人脸活体训练样本集，

对所述人脸活体训练样本集进行分析，得到局部二值模式微纹理特征向量训练样本集、多方向颜色梯度特征向量训练样本集和傅里叶频谱特征向量训练样本集；

其中，所述人脸活体训练样本集包括多个活体人脸训练样本照片和多个非活体人脸训练样本照片。

4.根据权利要求3所述人脸活体检测方法，其特征在于，所述得到局部二值模式微纹理特征向量训练样本集、多方向颜色梯度特征向量训练样本集和傅里叶频谱特征向量训练样本集的步骤之后，所述方法还包括：

根据所述局部二值模式微纹理特征向量训练样本集获取多个活体局部二值模式微纹理特征向量样本和多个非活体局部二值模式微纹理特征向量样本；

将每个活体局部二值模式微纹理特征向量样本作为正样本，将每个非活体局部二值模式微纹理特征向量样本作为负样本，将一个正样本和一个负样本作为一组训练样本，获取多组训练样本；

对于任意一组训练样本，将所述训练样本输入SVM分类器中进行训练，得到第一SVM分类器训练模型。

5.根据权利要求4所述人脸活体检测方法，其特征在于，所述得到局部二值模式微纹理特征向量训练样本集、多方向颜色梯度特征向量训练样本集和傅里叶频谱特征向量训练样本集的步骤之后，所述方法还包括：

根据所述多方向颜色梯度特征向量训练样本集获取多个活体多方向颜色梯度特征向量样本和多个非活体多方向颜色梯度特征向量样本；

将每个活体多方向颜色梯度特征向量样本作为正样本，将每个非活体多方向颜色梯度特征向量样本作为负样本，将一个正样本和一个负样本作为一组训练样本，获取多组训练样本；

对于任意一组训练样本，将所述训练样本输入SVM分类器中进行训练，得到第二SVM分类器训练模型。

6.根据权利要求5所述人脸活体检测方法，其特征在于，所述得到局部二值模式微纹理特征向量训练样本集、多方向颜色梯度特征向量训练样本集和傅里叶频谱特征向量训练样本集的步骤之后，所述方法还包括：

根据所述傅里叶频谱特征向量训练样本集获取多个活体傅里叶频谱特征向量样本和多个非活体傅里叶频谱特征向量样本；

将每个活体傅里叶频谱特征向量样本作为正样本，将每个非活体傅里叶频谱特征向量样本作为负样本，将一个正样本和一个负样本作为一组训练样本，获取多组训练样本；

对于任意一组训练样本，将所述训练样本输入SVM分类器中进行训练，得到第三SVM分类器训练模型。

7.根据权利要求6所述人脸活体检测方法，其特征在于，所述方法还包括：

获取人脸活体测试样本集；

分别根据第一SVM分类器训练模型、第二SVM分类器训练模型和第三SVM分类器训练模型对所述人脸活体测试样本集进行分析，得到第一特征权重信息、第二特征权重信息和第三特征权重信息；

根据第一特征权重信息、第二特征权重信息和第三特征权重信息对所述局部二值模式微纹理特征训练样本集、多方向颜色梯度特征训练样本集和傅里叶频谱特征训练样本集进行线性组合，得到融合人脸活体训练样本集。