[发明专利]静默活体检测方法、装置、终端设备和存储介质

说明书

一种静默活体检测方法，包括：获取待检测图像；利用预先训练的活体检测模型通过深度学习提取待检测图像中的图像特征数据，通过基于多维度的注意力机制以处理采用四元数表示的图像特征数据以输出活体预测概率和非活体预测概率；依据活体预测概率和非活体预测概率判断所述待检测图像是否通过检测。通过采用上述技术方案，避免卷积过程中对特征的丢失，提升模型的性能。

【技术领域】

本发明涉及静默活体检测技术领域，尤其涉及一种静默活体检测方法、装置、终端设备和存储介质。

【背景技术】

现有的静默活体检测多数基于图像的纹理特征进行识别，例如使用LBP、HOG等，并采用SVM分类。随着深度学习的发展，计算机视觉领域中手工设计的特征逐渐被深度网络学习的特征所取代，手工设计特征虽简单有效，却无法更好地拟合具体任务，对效果的提升非常有限。深度网络学习具有得天独厚的非线性特征提取能力，使得网络可完成各种复杂的任务。如使用VGG、ResNet、DenseNet等作为特征提取器进行活体检测、使用一些辅助网络监督活体分类、使用一些专门设计的卷积核和卷积网络进行活体检测任务等。

但是深度网络学习的特征提取和辅助网络在构建上仍存在对特征局限性较多，无法获得更多细节信息；同时，对提取后特征直接采用SVM、FC或者softmax进行二分类的方法，一方面会丢失较多信息，另一方面添加FC层会引入较多参数，影响模型性能。

【发明内容】

针对现有技术存在的不足，本申请的目的在于提供静默活体检测方法、装置、终端设备和存储介质，避免卷积过程中对特征的丢失，提升模型的性能。

为实现上述目的，本发明提供了如下技术方案：

第一方面，提供一种静默活体检测方法，包括：

获取待检测图像；

利用预先训练的活体检测模型通过深度学习提取所述待检测图像中的图像特征数据，通过基于多维度的注意力机制以处理采用四元数表示的所述图像特征数据以输出活体预测概率和非活体预测概率；

依据所述活体预测概率和所述非活体预测概率判断所述待检测图像是否通过检测。

本发明进一步设置为：所述活体检测模型的训练方法包括：

通过人脸图像以获取图像样本；

对所述图像样本进行标记处理，并将标记的所述图像样本作为输入图像输入至所述活体检测模型进行训练。

本发明进一步设置为：所述并将标记的所述图像样本作为输入图像输入至所述活体检测模型进行训练之后，还包括：

对所述输入图像进行初步特征提取之后，经多个卷积操作的堆叠以提取出深度特征图。

本发明进一步设置为：所述经多个卷积操作的堆叠以提取出深度特征图，包括：

采用四元数表示所述深度特征图之后，基于三维矩阵对所述深度特征图进行1*1卷积运算以进行降维处理；

进行池化处理以输出实际预测结果；

通过四元数全连接层调整所述活体检测模型的权重分布，直至所述实际预测结果与目标预测结果的偏差在容许范围内时，训练完成，以获取训练完成的所述活体检测模型。

本发明进一步设置为：所述经多个卷积操作的堆叠以提取出深度特征图，其中首次卷积操作的具体步骤包括：

对图像进行升维处理并交叉采用不同的卷积核对图像进行深度卷积操作；

经深度卷积操作之后的结果以通道为单位输出并交于多维度的注意力机制进行处理，基于多维度的注意力机制中引入四元数对特征图进行表示；