[发明专利]一种活体检测方法、装置

权利要求书

1.一种活体检测方法，其特征在于，该方法包括，

基于待检测目标的红外图像，提取有效区域内的图像数据，

将提取的有效区域图像数据输入至训练好的神经网络分类器进行识别，

从训练好的神经网络分类器的输出获得检测结果，

其中，

待检测目标的红外图像包括脸部特征的脸部图像，

有效区域的位置以如下方式确定：

根据瞳孔之间间距确定一有效矩形区域的宽度，根据所述宽度确定有效矩形区域的高度，得到至少限定除眼部以上区域之外的有效矩形区域，

获取脸部图像中的左眼瞳孔坐标、右眼瞳孔坐标、嘴部左嘴角坐标、以及右嘴角坐标，计算4个坐标的均值，得到脸部中心位置，

根据脸部中心位置、以及有效矩形区域所限定的范围，按照使得有效矩形区域所限定的图像像素数量增加为目标，确定有效矩形区域的位置，

所述根据脸部中心位置、以及有效矩形区域所限定的范围，按照使得有效矩形区域所限定的图像像素数量增加为目标，确定有效矩形区域的位置，包括，

按照使得脸部中心纵坐标至下巴的高度占有效矩形区域高度大于第一阈值确定第一位置、使得脸部中心在所述有效矩形区域宽度方向的中心线上或者偏离中心线小于第二阈值确定第二位置，使得有效矩形区域所限定的图像像素包括眼部下方到部分或整个下巴的脸颊区域，确定有效矩形区域的位置；

所述训练好的神经网络分类器根据图像中是否包含有生物特征的静脉分布信息进行分类，将包含有生物特征的静脉分布信息的待检测目标的红外图像识别为活体，将未包含有生物特征的静脉分布信息的待检测目标的红外图像识别为非活体。

2.如权利要求1所述的检测方法，其特征在于，该方法还包括，将提取的有效区域图像数据进行如下之一或任意组合的预处理：均衡化、归一化、滤波；

所述神经网络分类器通过一组正样本和一组负样本交替地进行训练，其中，正样本为包含有生物特征的静脉分布信息的红外图像，负样本为不包含有生物特征的静脉分布信息的任何图像。

3.如权利要求1所述的检测方法，其特征在于，所述根据瞳孔之间间距确定一有效矩形区域的宽度包括，将瞳孔之间间距与第一系数的乘积结果作为有效矩形区域的宽度，

所述根据所述宽度确定有效矩形区域的高度包括，将第二系数与有效矩形区域宽度的乘积结果作为有效矩形区域的高度，

其中，第一系数大于1，第二系数根据眼部下方到部分或整个下巴的高度确定。

4.如权利要求1所述的检测方法，其特征在于，所述提取有效区域内的图像数据进一步包括，

建立用于设置嘴部区域像素值为0的嘴部蒙版区域，所述嘴部蒙版区域为矩形区域，该矩形区域的宽度为左嘴角与右嘴角之间横坐标的距离，矩形区域高度为矩形宽度与第三系数的乘积；矩形区域的中心与嘴部中心的距离小于设定的第二距离阈值，其中，第三系数小于1；

将嘴部蒙版区域内各个像素点的像素值设置为0。

5.如权利要求1所述的检测方法，其特征在于，所述提取有效区域内的图像数据进一步包括，建立用于设置眼部区域像素值为0的眼部蒙版区域，所述眼部蒙版区域包括两个区域大小相同的矩形区域，该矩形区域的宽度为瞳间距与第四系数的乘积，高度为该宽度与第五系数的乘积，矩形区域的中心与瞳孔的距离小于设定的第三距离阈值，其中，第四系数和第五系数均小于1，

将眼部蒙版区域内各个像素点的像素值设置为0。