[发明专利]一种基于人脸识别的活体检测系统及方法

权利要求书

1.一种基于人脸识别的活体检测方法，其特征在于：包括以下步骤：

S1，分别对活体人脸和照片人脸由远及近拍摄多张图片，然后通过卷积神经网络进行训练得到分类模型；

S2，采集待识别人脸图片，并输入到上述分类模型，得到识别结果；

所述步骤S1具体包括以下子步骤：

S11，针对训练集中的每一训练对象，对活体人脸由远及近采集若干张图片，同时针对活体人脸对应的照片人脸以相同的采集规则由远及近采集相同张数图片；

S12，将活体人脸对应的若干张图片和照片人脸对应的若干张图片分别进行归一化处理并组合，生成活体人脸对应的组合图片和照片人脸对应的组合图片；

S13，配置具有多个迭代参数的卷积神经网络，并配置所述卷积神经网络结构计算的图片分类模型预测结果；

S14，将步骤S12中得到的两张组合图片输入到所述卷积神经网络结构进行迭代计算，得到图片分类模型实际结果；

S15，计算所述图片分类模型预测结果和所述图片分类模型实际结果的差值；

S16，判断所述差值是否在误差允许范围内，当所述差值在所述误差允许范围内时，确定所述图片分类模型实际结果作为所述分类模型；当所述差值不在所述误差允许范围内时，反馈调节所述卷积神经网络结构的迭代参数，重复进行迭代计算。

2.根据权利要求1所述的一种基于人脸识别的活体检测方法，其特征在于：所述步骤S14具体包括以下子步骤：

S141，将步骤S12中得到的两张组合图片的图片大小和亮度通过数据均值归一化处理得到归一化数据；

S142，将所述归一化数据进行Max Pooling ReLu非线性化计算得到第一次卷积结果；

S143，将所述第一次卷积结果通过第一次ReLu非线性化平均值Pooling计算得到第二次卷积结果；

S144，将所述第二次卷积结果通过第二次ReLu非线性化平均值Pooling计算得到第三次卷积结果；

S145，将所述第三次卷积结果，通过ReLu非线性化计算得到全连层结果；

S146，将所述全连层结果通过Softmax层计算后得到图片分类模型实际结果。

3.根据权利要求2所述的一种基于人脸识别的活体检测方法，其特征在于：步骤S11中所述的采集规则为：在由远及近采集活体人脸图片时，当脸部轮廓完全处于图像采集范围内时，以脸部轮廓进行定位，随着镜头拉近，图像采集范围小于脸部轮廓时，则以鼻子轮廓进行定位，实现人脸图片的采集；同理，在由远及近采集照片人脸图片时，依照相同的规则采集相同数量的人脸图片。

4.根据权利要求3所述的一种基于人脸识别的活体检测方法，其特征在于：所述步骤S2中在采集待识别人脸图片时，按照步骤S11中所述的采集规则，采集多张待识别人脸图片，并通过归一化处理后组合成一张图片。

5.一种基于人脸识别的活体检测系统，其特征在于：包括

分类模型训练装置，用于对分别对活体人脸和照片人脸由远及近拍摄多张图片，然后通过卷积神经网络进行训练得到分类模型；

识别结果输出装置，与分类模型训练装置连接，用于将待识别的人脸图片输入到所述分类模型，得到识别结果。