[发明专利]一种基于皮下血流探测的人体生物活体检测方法及应用

摘要

本发明涉及一种基于皮下血流的生物识别活体检测方法，以普通视频采集设备采集的正常光照条件下皮肤区域的彩色视频为原始信号，以原始信号中含有的血液流动信号为活体依据，并使用由RBM构成的深度学习神经网络对输入信号加以分类识别。该方法基于活体的生物学特点对样本进行活体检测，可靠性高；方法仅使用普通的视频采集设备，而且这些设备是生物识别系统中的必需设备，不用对系统额外加入硬件设备，成本低廉，且算法简单易于实现，能够满足不同场合的实际要求。

主权项

一种基于皮下血流的生物识别活体检测方法，其特征在于：以普通视频采集设备采集的正常光照条件下皮肤区域的彩色视频为原始信号，以原始信号中含有的血液流动信号为活体依据，并使用由RBM构成的深度学习神经网络对输入信号加以分类识别；具体步骤如下：⑴从彩色视频信号中获取可分类信号，获取步骤依次如下：a.使用可见光频段的彩色视频采集设备采集皮肤区域的彩色视频或连贯图像画面，采样频率高于8fps以上；b.从视频或连贯图像中截取出一定时长的序列；c.以图像中包含皮肤的区域作为ROI，以ROI区域，提取ROI区域的红、绿、蓝三通道像素灰度平均值，组成3×N的向量作为原始数据；其中，N为视频的帧数，大于50；d.对原始数据进行消除趋势波动处理，得到可分类信号；⑵对步骤中⑴所述的可分类信号使用深度学习神经网络进行分类判别，类别步骤依次如下：a.深度学习神经网络的训练：①使用步骤中⑴所述的可分类信号的获取方法，从人体活体上采集信号作为网络训练的正样本；②使用步骤中⑴所述的可分类信号的获取方法，从非人体活体或假体上采集信号作为网络训练的负样本；③对网络的每一层RBM进行无监督的预训练；④使用梯度下降算法，对网络输入加标签的正样本、负样本进行训练；b.使用深度学习神经网络进行活体检测：①使用步骤中⑴所述的可分类信号的获取方法，在检测样本上采集可分类信号；②使用步骤中⑵中a深度学习神经网络的训练对可分类信号进行判别分类，从而实现对样本是否为活体的判别，如果深度学习神经网络最终输出为正样本，即最终输出为一个大于0的正数，则认为可分类信号是从人体活体样本上采集的；如果深度学习神经网络最终输出为负样本，即最终输出为一个小于0的负数，则认为可分类信号样本为非人体活体。