[发明专利]一种基于多尺度信息融合的人脸静默活体检测方法

权利要求书

1.一种基于多尺度信息融合的人脸静默活体检测方法，包括人脸检测和基于多尺度信息融合的人脸静默活体检测，其特征在于，具体步骤如下：

S1：进入刷脸流程模块，摄像头采集画面，开始人脸检测模块，当人脸出现在摄像头画面中，人脸检测模型计算得到人脸的检测框坐标，当摄像头画面中没有人脸时，则继续检测人脸，直到检测出人脸，检测出人脸的图片进行下一阶段；

S2：采集面部图，在人脸检测的基础上，获取多个尺度的人脸面部图片，分别采集较小尺度的面部图，采集中等尺度的面部图，采集较大尺度的面部图；

S3：通过得到不同尺度的人脸图片，建立基于多尺度信息融合的人脸静默活体检测模型，分别用不同的神经网络提取不同尺度下人脸的活体、假体特征，融合不同尺度的特征作为活体的判断依据；

S4：基于多尺度信息融合的人脸静默活体检测，先分别提取不同尺度的人脸信息，再进行融合，从而可以尽可能利用图片中的信息来进行活体判断；

S5：使用多个深度卷积神网络提取不同尺度人脸的深度特征，使用卷积层将不同尺度的特征进行融合，得到多尺度融合特征，把它作为人脸活体的分类依据；

S6：输入一张人脸图片后，进行活体检测模块，人脸静默活体检测模型计算得到活体得分，根据实际结果的统计分析，设定经验阈值，当得分大于等于阈值时，该图片中的人脸为活体，活体检测通过，否则该图片中的人脸为假体，活体检测不通过；

S7：将活体检测结果反馈给使用方，使用方根据结果进行后续判断和处理。

2.根据权利要求1所述的一种基于多尺度信息融合的人脸静默活体检测方法，其特征在于，步骤S2中，小尺度人脸包含较多的面部细节信息，中等尺度人脸包含头发和脖子的信息，大尺度人脸包含背景信息。

3.根据权利要求1所述的一种基于多尺度信息融合的人脸静默活体检测方法，其特征在于，步骤S5中，使用的深度卷积神经网络提取图像特征，网络使用的是开源网络。

4.根据权利要求1所述的一种基于多尺度信息融合的人脸静默活体检测方法，其特征在于，步骤S6中，人脸静默活体检测模型计算得到活体得分取值范围为0-1。