[发明专利]活体检测方法

权利要求书

1.活体检测方法，其特征在于，包括如下步骤：

步骤1、采集样本并设置样本的图片标签值，所述样本包括多个活体人脸图像和多个非活体人脸图像，活体人脸图像对应的图片标签值均为1，非活体人脸图像对应的图片标签值均为0；

步骤2、随机选择采集的部分样本并将其作为训练集，分别计算训练集各个样本的拉普拉斯特征值及Tamura纹理特征值；

步骤3、分别对计算出的训练集的各个样本的拉普拉斯特征值及Tamura纹理特征值进行拼接，得出拼接结果，然后进入步骤4；

步骤4、利用拼接结果训练出模型，并设置该模型的初始输出范围，所述初始输出范围是指当训练集中的样本为活体人脸图像时，通过该模型输出的值与对应的图片标签值1的差值在规定范围内，当训练集中的样本为非活体人脸图像时，通过该模型输出的值与对应的图片标签值0的差值在规定范围内；

步骤5、将剩余样本作为验证集，分别计算验证集中各个样本的拉普拉斯特征值及Tamura纹理特征值；

步骤6、分别对计算出的验证集的各个样本的拉普拉斯特征值及Tamura纹理特征值进行拼接，得出拼接结果，然后进入步骤7；

步骤7、将拼接结果传输至该模型进行计算，并判断计算结果是否在所述初始输出范围内，若在，则记录此时该模型的相关参数，若不在，则计算该计算结果的损失值并将损失值反向传输至该模型中，并根据损失值调整该模型的相关参数。

2.根据权利要求1所述的活体检测方法，其特征在于，步骤4和/或步骤7中，所述模型为神经网络模型。

3.根据权利要求1所述的活体检测方法，其特征在于，步骤2和/或步骤5中，所述计算训练集和/或验证集各个样本的拉普拉斯特征值包括如下步骤：

步骤A1、利用一定规格的矩形边框遍历整幅样本图像，将该矩形边框中所有像素对应的横纵坐标转换成极坐标，并在该矩形边框中，以中间像素为圆心，以半径为1像素的圆上将圆周平均分成9等分，所述将像素的横纵坐标转换成极坐标的公式为：

p(r,θ)＝s(x,y)

其中，r＝1,θ＝0°,40°,....,320°,x＝rcosθ,y＝rsinθ；

步骤A2、通过双线性插值法得到圆周上的9个像素点，其公式为：

s(x',y')＝ax'+by'+cx'y'+d

其中，(x',y')为这9个像素点中要插值点的坐标，a，b，c，d为要插值点周围的4个像素点；

步骤A3、将这9个像素点分别进行离散傅里叶变换，其公式为：

其中，P(k)为离散傅里叶变换后的数据，p(n)为采样数据，N为9，n取0,1,2,...,8，分别表示这9个像素点，i为大于0的正整数，k为n中第k个像素点；

步骤A4、将经离散傅里叶变换得到的9个值进行复数部分和实数部分分离，并组成长度矩阵，所述矩阵为长度为9的数组，经离散傅里叶变换得到的9个值分别为P(0)，P(1)，P(2)，...，P(8)，所述数组为：

C_k＝[Re{P(k)}Im{P(k)}]

其中，C_k表示的是矩阵C的第k个值，Re{P(k)}表示的是P(k)的实数部分，Im{P(k)}表示P(k)的虚数部分，P(k)为经离散傅里叶变换得到的9个值中的第k个值；

步骤A5、将矩阵量化成9比特的二进制编码，所述二进制编码中每个系数的符号的确定公式为：

其中，其中b(k)为每个系数的符号，取b(0)，b(1)，b(2)，...，b(8)，当C_k大于等于0时赋值为1，小于0时赋值为0；

步骤A6、将b(0)，b(1)，b(2)，...，b(8)转化为9比特的纹理特征值，其公式为：

4.根据权利要求3所述的活体检测方法，其特征在于，步骤A1中，所述一定规格的矩形边框是指3×3的矩形边框。

5.根据权利要求1所述的活体检测方法，其特征在于，步骤2和/或步骤5中，所述计算训练集和/或验证集各个样本的Tamura纹理特征值包括计算Tamura纹理的粗糙度和对比度。