[发明专利]人脸识别方法、卷积神经网络生成方法及装置

说明书

本公开是关于人脸识别方法、卷积神经网络生成方法及装置。该方法包括：从待检测视频中获取均包括人脸的M帧图像，其中M＞1；对M帧图像进行合并生成多通道图像；将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待检测视频中的人脸是否为活体人脸。该技术方案可以确定待检测视频中的人脸是否为活体人脸，从而提高了人脸识别的准确性，改善了用户体验。

技术领域

本公开涉及人脸识别领域，尤其涉及人脸识别方法、卷积神经网络生成方法及装置。

背景技术

随着科技的发展，人脸识别技术日益成熟，多种装置及系统例如笔记本电脑、移动终端以及门禁系统等开始通过获取待检测视频，并通过检测待检测视频中的人脸以完成对身份的识别。但由于合法用户人脸的平面图形较容易取得，非法用户可以通过在待检测视频中添加合法用户的假体人脸例如合法用户的照片等，并使用包括该假体人脸的待检测视频通过人脸识别，从而降低了人脸识别的准确性，损害了用户体验。

发明内容

为克服相关技术中存在的问题，本公开的实施例提供一种人脸识别方法、卷积神经网络生成方法及装置。技术方案如下：

根据本公开的实施例的第一方面，提供一种人脸识别方法，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M帧图像进行合并生成多通道图像；

将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待检测视频中的人脸是否为活体人脸，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，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，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。

由于活体人脸是三维的而非活体人脸例如照片等是二维的，并且活体人脸的表面材质例如角质层等与非活体人脸的表面材质例如照片纸等的反射率不同，因此在光线照射下活体人脸的图像特征与在光线照射下的非活体人脸的图像特征存在较大差异，另一方面，多帧活体人脸图像之间会存在相同的图像特征也会存在不同的图像特征，上述相同或不同的图像特征之间会存在一定的联系，例如多帧活体人脸图像之间会因均包括目标人脸而存在相同的图像特征，同时该多帧活体人脸图像之间还会因目标人脸上细小的表情变化而存在不同的图像特征，由于上述相同的图像特征与不同的图像特征均与目标人脸相关联，因此上述相同的图像特征之间、不同的图像特征之间、相同的图像特征与不同的图像特征之间均会存在一定的联系，而多帧非活体人脸图像由于其仅包括非活体人脸例如人脸照片等，因此多帧非活体人脸图像之间存在的不同的图像特征较少，相同或不同的图像特征间联系也较弱。考虑到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的，因此该目标卷积神经网络已经深度学习了多帧活体人脸图像的相同及不同图像特征间的联系，通过从待检测视频中获取均包括人脸的M帧图像，并对M帧图像进行合并生成多通道图像，将生成的多通道图像输入目标卷积神经网络进行检测，可以根据检测结果确定M帧图像间不同及相同的图像特征间的联系是否与多帧活体人脸图像的相同及不同图像特征间的联系相似或相同，从而确定待检测视频中的人脸是否为活体人脸，提高了人脸识别的准确性，改善了用户体验。

在一个实施例中，从待检测视频中获取包括人脸的M帧图像，包括：

在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M帧图像。

在一个实施例中，指定分辨率为W*H；

对M帧图像进行合并生成多通道图像，包括：

将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。

在一个实施例中，M帧图像中任意两帧图像的时间间隔在预设时长区间内。