[发明专利]一种基于视频的人脸活体检测方法

摘要

本发明公开了一种基于视频的人脸活体检测方法，该人脸活体检测方法分为两个模块：离线训练模块和在线检测模块。所述离线训练模块分为3个步骤：S11、用摄像头采集大量人脸视频数据；S12、对采集到的视频数据进行预处理；S13、用深度学习对预处理后的视频数据进行训练。所述在线检测模块分为4个步骤：S21、用摄像头采集待检测对象的视频数据；S22、对采集的待检测对象的视频数据进行预处理；S23、对待检测对象进行活体检测。将检测结果和预先设定的阈值对比得到预测结果，从而判断检测对象是否为活体。与现有技术相比，本发明的一种基于视频的人脸活体检测方法不仅利用了单张图片的信息，而且加入了视频中各帧图片之间的信息，提高了人脸活体检测的准确率。本发明基于视频的人脸活体检测方法提高了人脸活体检测的精度，增强了活体相关金融、安防等领域的安全性。

主权项

1.一种基于视频的人脸活体检测方法，其特征在于，该活体检测方法分为两个模块：离线训练模块和在线检测模块，该人脸活体检测方法离线训练模块具体为：S11、用摄像头采集大量人脸视频数据；利用摄像头装置采集大量的活体和非活体人脸视频，其中活体数据的采集覆盖不同光线、不同采集设备，采集过程是对真人拍摄视频，其中非活体数据的采集除了覆盖不同光线、不同采集设备外还覆盖了不同的打印设备，不同打印设备，采集过程主要是对打印的人脸照片和拍摄的人脸视频重新拍摄视频，每段活体与非活体视频的时长为5s；S12、对采集到的视频数据进行预处理；对S11中采集到的视频数据进行预处理，根据视频中眼睛的坐标抠出视频中的人脸区域生成新的人脸视频数据，然后对新的人脸视频数据进行裁剪，将5s的视频剪辑成n个clip，每个clip包含16张连续帧的图片，并对预处理后的clip生成标签文件，活体标签为1，非活体标签为0；n＝N/16；其中N为5s视频中所有的图片帧数，n为最后生成的clip的个数；S13、用深度学习对预处理后的视频数据进行训练；将S12预处理生成的clip和标签文件同时输入深度学习榧架中进行训练，最后选择训练效果最好的模型作为最终的人脸活体检测模型；该人脸活体检测方法在线检测模块具体为：S21、用摄像头采集待检测对象的视频数据；利用活体检测设备的摄像头采集待检测对象的人脸视频，视频时长为0.5s；S22、对待检测对象的视频数据进行预处理；对S21中采集到的视频数据进行预处理，抠出视频中的人脸区域生成新的人脸视频，然后对新的人脸视频进行裁剪，从0.5s视频中提取16张连续帧图片生成n个clip；n＝N/16；其中N为0.5s视频中所有的图片帧数，n为最后生成的clip的个数；S23、对待检测对象视频数据进行预测；将预处理后的生成的n个clip输入离线训练模块S13生成的人脸活体检测模型中，输出n个预测结果pl、p2一pn；S24、对待检测对象进行活体检测；将一段视频的n个预测结果pl、p2一pn求平均值得到整段视频的预测结果score；将score值与阂值TH＝0.5相比较，若score值大于等于TH，则识别结果为活体，若score值小于TH，则识别结果为非活体；