[发明专利]一种人脸活体检测方法及装置在审
| 申请号: | 201910958335.7 | 申请日: | 2019-10-10 |
| 公开(公告)号: | CN110751069A | 公开(公告)日: | 2020-02-04 |
| 发明(设计)人: | 张艳红;彭骏;吉纲;占涛;方自成;陈伟 | 申请(专利权)人: | 武汉普利商用机器有限公司;精伦电子股份有限公司 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司: | 11002 北京路浩知识产权代理有限公司 | 代理人: | 王文思 |
| 地址: | 430000 湖北*** | 国省代码: | 湖北;42 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 人脸 分类器 融合 预设 活体 训练样本集 活体检测 活体样本 准确率 外扩 单独特征 复杂环境 权重计算 特征融合 特征提取 图像输入 测试集 置信度 样本 图像 统计 | ||
本发明实施例提供一种人脸活体检测方法及装置,该方法包括: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样本集训练得到。通过对人脸活体样本集进行多特征提取,得到多个特征,针对多个特征分别训练一个SVM分类器,得到三个分类器,并利用这三个分类器获取人脸活体测试集每个样本的置信度,然后进行统计和权重计算,从而实现特征融合,得到融合了这三类特征的人脸活体训练样本集,根据融合人脸活体训练样本集对SVM分类器进行训练,得到预设融合分类器,该预设融合分类器相较于单独特征的分类器识别准确率更高,在复杂环境下识别准确率较好。
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种人脸活体检测方法及装置。
背景技术
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的技术,其以方便、快捷、准确等优势,在近年得到了非常普遍的应用。而随着人脸识别的大量应用,人脸识别的安全问题也不断发生,用个人照片代替真人进行人脸识别的情况多次发生,而为了提高人脸识别的安全性,人脸活体检测技术十分关键。
现有技术中的人脸活体检测方法,分为交互式和非交互式两种,交互式人脸活体检测通过随机动作指令和唇语检测来实现,该方法的计算量非常大,检索过程繁琐,用户体验不好,而非交互式人脸活体检测但特征检测方法在识别准确率方面不高,在复杂环境下识别准确率较差。
因此现有技术中,如何更有效的进行人脸活体检测已经成为业界亟待解决的问题。
发明内容
本发明实施例提供一种人脸活体检测方法及装置,用以解决上述背景技术中提出的技术问题,或至少部分解决上述背景技术中提出的技术问题。
第一方面,本发明实施例提供一种人脸活体检测方法,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。
其中,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。
其中,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。
其中,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;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉普利商用机器有限公司;精伦电子股份有限公司,未经武汉普利商用机器有限公司;精伦电子股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910958335.7/2.html,转载请声明来源钻瓜专利网。





