[发明专利]活体检测方法、装置、电子装置和存储介质在审
申请号: | 202110774540.5 | 申请日: | 2021-07-08 |
公开(公告)号: | CN113657154A | 公开(公告)日: | 2021-11-16 |
发明(设计)人: | 梁晓曦 | 申请(专利权)人: | 浙江大华技术股份有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N3/04;G06N3/08 |
代理公司: | 杭州华进联浙知识产权代理有限公司 33250 | 代理人: | 范丽霞 |
地址: | 310016 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 活体 检测 方法 装置 电子 存储 介质 | ||
1.一种活体检测方法,其特征在于包括:
获取被检测对象的红外图像;
从所述红外图像中提取所述被检测对象的部分人脸图像,其中,所述部分人脸图像未被物体遮挡;
使用已训练的第一深度学习网络对所述部分人脸图像进行活体检测,获得第一活体检测结果,其中,已训练的第一深度学习网络基于分别被标注为活体或非活体的第一训练图像以监督学习的方式训练。
2.根据权利要求1所述的活体检测方法,其特征在于,所述部分人脸图像包括所述被检测对象的人脸图像中处于下眼脸以上的图像。
3.根据权利要求1所述的活体检测方法,其特征在于,所述已训练的第一深度学习网络在训练时还基于所述第一训练图像的频谱特征进行辅助监督学习。
4.根据权利要求1所述的活体检测方法,其特征在于,
在从所述红外图像中提取所述被检测对象的部分人脸图像之前,所述方法还包括:使用已训练的第二深度学习网络对所述红外图像进行活体检测,获得第二活体检测结果,其中,已训练的第二深度学习网络基于分别被标注为活体或非活体的第二训练图像以监督学习的方式训练,所述第二训练图像包括:活体人脸的红外图像和由纸张打印的人脸的红外图像;在所述第二活体检测结果表示所述红外图像为非活体人脸的情况下,确定所述被检测对象为非活体;
从所述红外图像中提取所述被检测对象的部分人脸图像包括:在所述第二活体检测结果表示所述红外图像为活体人脸的情况下,从所述红外图像中提取所述被检测对象的部分人脸图像。
5.根据权利要求4所述的活体检测方法,其特征在于,使用已训练的第二深度学习网络对所述红外图像进行活体检测包括:
从所述红外图像中检测所述被检测对象的人脸图像,获得所述人脸图像的检测框及检测框的中心位置;
以所述检测框的中心位置为中心,将所述检测框的尺寸扩大数倍,得到扩大的检测框;
获取扩大的检测框内的图像,使用已训练的第二深度学习网络对扩大的检测框内的图像进行纸张边缘检测,以及基于纸张边缘检测结果确定所述第二活体检测结果。
6.根据权利要求4所述的活体检测方法,其特征在于,所述第二训练图像包括基于人脸图像的检测框确定的人脸图像区域和包围所述人脸图像区域的边缘区域,其中,所述边缘区域基于以所述检测框的中心位置为中心,将所述检测框的尺寸扩大数倍得到的扩大的检测框确定。
7.根据权利要求4所述的活体检测方法,其特征在于,所述第二训练图像的人脸图像区域的像素值被置为预设值。
8.根据权利要求4所述的活体检测方法,其特征在于,已训练的第二深度学习网络在训练时基于注意力机制学习多通道特征图中各通道的权重值。
9.一种活体检测装置,其特征在于,包括:
第一获取模块,用于获取被检测对象的红外图像;
第一提取模块,用于从所述红外图像中提取所述被检测对象的部分人脸图像,其中,所述部分人脸图像未被物体遮挡;
第一检测模块,用于使用已训练的第一深度学习网络对所述部分人脸图像进行活体检测,获得第一活体检测结果,其中,已训练的第一深度学习网络基于分别被标注为活体或非活体的第一训练图像以监督学习的方式训练。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至8中任一项所述的活体检测方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的活体检测方法的步骤。
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浙江大华技术股份有限公司,未经浙江大华技术股份有限公司许可,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/202110774540.5/1.html,转载请声明来源钻瓜专利网。