[发明专利]人脸识别方法、卷积神经网络生成方法及装置

权利要求书

1.一种人脸识别方法，其特征在于，包括：

从待检测视频中获取均包括人脸的M帧图像，其中M＞1；

对所述M帧图像进行合并生成多通道图像；

将所述多通道图像输入目标卷积神经网络进行检测并根据检测结果确定所述待检测视频中的人脸是否为活体人脸，所述目标卷积神经网络为根据活体人脸的多通道图像以及非活体人脸的多通道图像对卷积神经网络进行训练获取，所述活体人脸的多通道图像为对M帧活体人脸的图像进行合并生成，所述非活体人脸的多通道图像为对M帧非活体人脸的图像进行合并生成。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述从待检测视频中获取包括人脸的M帧图像，包括：

在所述待检测视频中截取均包括人脸的至少M帧目标帧图像，并对所述M帧目标帧图像的分辨率进行调整以获取分辨率为指定分辨率的所述M帧图像。

3.根据权利要求1所述的人脸识别方法，其特征在于，所述指定分辨率为W*H；

所述对所述M帧图像进行合并生成多通道图像，包括：

将所述M帧图像进行合并，生成大小为W*H*3M的多通道图像，其中，3M为合并后的通道数。

4.根据权利要求1所述的人脸识别方法，其特征在于，所述M帧图像中任意两帧图像的时间间隔在预设时长区间内。

5.一种卷积神经网络生成方法，包括：

获取活体人脸视频以及非活体人脸视频，所述活体人脸视频为拍摄活体人脸的视频，所述非活体人脸视频为拍摄非活体人脸的视频；

从所述活体人脸视频中获取至少一组活体人脸图像，其中每组活体人脸图像包括M帧活体人脸的图像，M＞1；

从所述非活体人脸视频中获取至少一组非活体人脸图像，其中每组非活体人脸图像包括M帧非活体人脸的图像；

对所述至少一组活体人脸图像中的每组活体人脸图像进行合并，生成至少一个活体人脸的多通道图像；

对所述至少一组非活体人脸图像中的每组非活体人脸图像进行合并，生成至少一个非活体人脸的多通道图像；

根据所述至少一个非活体人脸的多通道图像以及所述至少一个活体人脸的多通道图像对卷积神经网络进行训练以获取目标卷积神经网络。

6.根据权利要求5所述的卷积神经网络生成方法，其特征在于，所述M帧活体人脸的图像中任意两帧图像的时间间隔在预设时长区间内，所述M帧非活体人脸的图像中任意两帧图像的时间间隔在预设时长区间内。

7.一种人脸识别装置，其特征在于，包括：

人脸图像获取模块，用于从待检测视频中获取均包括人脸的M帧图像，其中M＞1；

多通道图像合并模块，用于对所述M帧图像进行合并生成多通道图像；

活体人脸识别模块，用于将所述多通道图像输入目标卷积神经网络进行检测并根据检测结果确定所述待检测视频中的人脸是否为活体人脸，所述目标卷积神经网络为根据活体人脸的多通道图像以及非活体人脸的多通道图像对卷积神经网络进行训练获取，所述活体人脸的多通道图像为对M帧活体人脸的图像进行合并生成，所述非活体人脸的多通道图像为对M帧非活体人脸的图像进行合并生成。

8.根据权利要求7所述的人脸识别装置，其特征在于，所述人脸图像获取模块，包括：

分别率调整子模块，用于在所述待检测视频中截取均包括人脸的至少M帧目标帧图像，并对所述M帧目标帧图像的分辨率进行调整以获取分辨率为指定分辨率的所述M帧图像。

9.根据权利要求7所述的人脸识别装置，其特征在于，所述指定分辨率为W*H；

所述多通道图像合并模块，包括：

多通道图像合并子模块，用于将所述M帧图像进行合并，生成大小为W*H*3M的多通道图像，其中，3M为合并后的通道数。

10.根据权利要求7所述的人脸识别装置，其特征在于，所述M帧图像中任意两帧图像的时间间隔在预设时长区间内。