[发明专利]一种活体人脸的判别方法、装置、设备及存储介质

说明书

本申请公开了一种活体人脸的判别方法，包括：预先训练出基于近红外图像的第一活体人脸判别模型和基于可见光图像的第二活体人脸判别模型；当存在待识别人脸图像时，利用第一活体人脸判别模型和第二活体人脸判别模型分别对待识别人脸图像进行活体判别，得到第一判别结果和第二判别结果；采用多模态融合策略根据第一判别结果和第二判别结果确定出目标判别结果。可见，本方法可以避免视频攻击，提高判别准确度；能够节省判别时间，提高用户在进行活体判别时的便捷度，提高用户的使用体验。本申请还公开了一种活体人脸的判别装置、设备及计算机可读存储介质，均具有上述有益效果。

技术领域

本发明涉及图像处理领域，特别涉及一种活体人脸的判别方法、装置、设备及计算机可读存储介质。

背景技术

近年来，人脸识别技术已经广泛应用于安防、门禁、支付等领域。同时，为了保证使用人脸识别技术的安全性和可靠性，必须保证人脸识别系统所捕捉到的人脸是来自于合法用户本人，即活体人脸，而不是人脸照片或视频等欺骗媒介。现有技术中，一般是在可见光的场景下，要求用户根据人脸识别系统的系统指令做出相应的动作来进行活体判别。可见，现有技术的方法不仅仍将受到视频攻击，导致判别准确度低，而且由于需要用户的高度配合，耗费时间比较长，导致降低用户的使用体验。

因此，如何在提高活体人脸判别的准确度的基础上，更高效进行活体人脸判别，提升用户的使用体验，是本领域技术人员目前需要解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种活体人脸的判别方法，能够在提高活体人脸判别的准确度的基础上，更高效进行活体人脸判别，提升用户的使用体验；本发明的另一目的是提供一种活体人脸的判别装置、设备及计算机可读存储介质，均具有上述有益效果。

为解决上述技术问题，本发明提供一种活体人脸的判别方法，包括：

预先训练出基于近红外图像的第一活体人脸判别模型和基于可见光图像的第二活体人脸判别模型；

当存在待识别人脸图像时，利用所述第一活体人脸判别模型和所述第二活体人脸判别模型分别对所述待识别人脸图像进行活体判别，得到第一判别结果和第二判别结果；

采用多模态融合策略根据所述第一判别结果和所述第二判别结果确定出目标判别结果。

优选地，在所述预先训练出基于近红外图像的第一活体人脸判别模型和基于可见光图像的第二活体人脸判别模型之后，进一步包括：

通过模拟量化训练得出对应的量化尺度；

根据所述量化尺度分别对所述第一活体人脸判别模型和所述第二活体人脸判别模型进行量化压缩，并利用量化压缩后的模型更新所述第一活体人脸判别模型和所述第二活体人脸判别模型。

优选地，所述通过模拟量化训练得出对应的量化尺度的过程，具体包括：

利用预设的校准数据集确定出所述第一活体人脸判别模型和所述第二活体人脸判别模型中每一个网络层的激活值分布；

基于不同的阈值确定出对应的激活值量化分布，并计算每个激活值量化分布与对应的网络层的激活值分布的相似度；

选择最高相似度对应的激活值量化分布作为对应的网络层的激活值量化目标值分布，得到对应的目标阈值；

根据所述目标阈值确定出模型的激活值尺度；

利用所述激活值尺度分别对所述第一活体人脸判别模型和所述第二活体人脸判别模型的模型权重进行量化，得到模型的权重的尺度。

优选地，所述当存在待识别人脸图像时，利用所述第一活体人脸判别模型和所述第二活体人脸判别模型分别对所述待识别人脸图像进行活体判别，得到第一判别结果和第二判别结果的过程，具体包括：