[发明专利]基于光流引导特征块和卷积GRU的人脸活体检测方法在审
| 申请号： | 201910262314.1 | 申请日： | 2019-04-02 |
| 公开（公告）号： | CN109902667A | 公开（公告）日： | 2019-06-18 |
| 发明（设计）人： | 段翰聪;李松涛;闵革勇;刘亚洲;付美蓉 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 成都行之专利代理事务所(普通合伙) 51220 | 代理人： | 林菲菲 |
| 地址： | 610000 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于光流引导特征块和卷积GRU的人脸活体检测方法，该方法包括：构建多帧人脸活体检测初始网络模型，该模型包括单帧部分和多帧部分，所述单帧部分利用卷积神经网络获得单帧部分深度图特征，所述多帧部分利用光流引导特征块和卷积GRU引入时空信息，获得多帧部分深度图特征，基于单帧部分深度图特征和多帧部分深度图特征生成深度图；采用训练数据集对初始网络模型进行训练，得到多帧人脸活体检测网络模型。本发明使用光流引导特征块和卷积GRU引入了时空信息，利用多帧图片间的空间微变化，能更加精确的构建人脸3D结构从而生成深度图，在保证识别精度的同时能够加快模型的运行速度，提高算法的实时性。 | ||
| 搜索关键词： | 深度图 多帧 人脸 活体检测 特征块 单帧 光流 卷积 初始网络 时空信息 构建 卷积神经网络 训练数据集 多帧图片 特征生成 网络模型 实时性 引入 算法 保证 | ||
【主权项】：
1.基于光流引导特征块和卷积GRU的人脸活体检测方法，其特征在于，包括以下步骤：步骤一，构建多帧人脸活体检测初始网络模型，该模型包括单帧部分和多帧部分，所述单帧部分利用卷积神经网络获得单帧部分深度图特征，所述多帧部分利用光流引导特征块和卷积GRU引入时空信息，获得多帧部分深度图特征，基于单帧部分深度图特征和多帧部分深度图特征生成深度图；步骤二，采用训练数据集对步骤一构建的初始网络模型进行训练，利用损失函数反向传播更新单帧部分和多帧部分的网络参数，得到多帧人脸活体检测网络模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910262314.1/，转载请声明来源钻瓜专利网。
