[发明专利]一种基于多模型的人脸防伪方法、存储介质及检测设备

说明书

本发明公开了一种基于多模型的人脸防伪方法，本发明方法包括：分别构建人脸检测模型、边框模型和二分类防伪模型；通过人脸检测模型完成待检测图像中人脸位置识别，并将检测通过的包含人脸信息的图像发送至边框模型；经由所述边框监测模型完成图像是否存在边框的检测，并当图像不存在边框时，被发送至二分类防伪模型；当图像内存在边框，且人脸位于边框范围内时，通过对边框种类完成识别，从而将识别通过的图像发送至二分类防伪模型，将未通过识别的图像筛除；所述二分类防伪模型，基于获得的图像中的人脸反光度和/或纹理特征完成人脸真伪判断。能适应不同距离范围内人脸防伪，无需动作配合，加装额外硬件，更好的解决了人脸防伪问题。

技术领域

本发明属于人脸识别领域，尤其涉及一种基于多模型的人脸防伪方法、存储介质及检测设备。

背景技术

人脸识别技术作为一种应用最广泛的非侵入式生物识别技术，其安全性显得越来越重要。而人脸识别安全性的第一道防线，就是人脸防伪技术，即区分真实人脸和伪造人脸。人脸防伪是防止非法用户通过伪造的人脸通过识别系统的有效手段。技术上的难点在于如何保证真人足够高的通过率的同时，提高伪造人脸的拒绝率。

当前人脸防伪，主要采用1、主动动作配合的方式，比如转头、抬头、张嘴、眨眼，2、通过加装红外相机，深度相机获取红外图像、深度信息等多模态信息，3、用边框信息、纹理特征区分伪造人脸，比如照片边框、照片的反光，屏幕纹理等。

其中动作配合防伪效果较好，但是体验感较差，识别速度慢。红外或者结构光方式，需要添加额外硬件成本较高。单帧静默活体体验较好，但识别难度比较大，场景适应性差。总体而言，单一的特征模型对层出不穷的伪造手段和复杂多变的应用场景难以完全覆盖。

发明内容

本发明的目的在于，为克服现有技术缺陷，提供了一种基于多模型的人脸防伪方法，通过多个模型的配合使用，能适应不同距离范围内的人脸防伪，且无需动作配合，加装额外硬件，能更好的解决人脸防伪问题。

一方面，本发明目的通过下述技术方案来实现：

一种基于多模型的人脸防伪方法，所述人脸防伪方法包括：分别构建人脸检测模型、边框模型和二分类防伪模型；通过人脸检测模型完成待检测图像中人脸位置识别，并将检测通过的包含人脸信息的图像发送至边框模型；经由所述边框监测模型完成图像是否存在边框的检测，并当图像不存在边框时，被发送至二分类防伪模型；当图像内存在边框，且人脸位于边框范围内时，通过对边框种类完成识别，从而将识别通过的图像发送至二分类防伪模型，将未通过识别的图像筛除；所述二分类防伪模型，基于获得的图像中的人脸反光度和/或纹理特征完成人脸真伪判断。

根据一个优选的实施方式，所述人力前检测模型被配置为在画面中检测出人脸的矩形框位置。

根据一个优选的实施方式，所述边框监测模型基于边框的运动状态完成边框是否为背景物体识别，当待识别边框被识别为背景物体种类时，图像则通过边框模型验证。

根据一个优选的实施方式，所述边框的运动状态为通过采集若干帧连续运动图像完成各图像类边框位置对比，若边框处于相对静止状态，则判定是背景物体。

根据一个优选的实施方式，所述边框种类包括背景物体和非背景物体。

根据一个优选的实施方式，所述背景物体至少包括门窗框体、墙壁框体和广告牌框体。

根据一个优选的实施方式，在所述二分类防伪模型中，当图像中人脸反光度和/或纹理特征超过预设值时，被判定为假的人脸图像。

根据一个优选的实施方式，在所述二分类防伪模型中，当图像中人脸反光度和/或纹理特征超过大数据采集的真人样本特征区间时，被判定为假的人脸图像。

另一方面，本发明还公开了：