[发明专利]人脸活体检测方法、系统、设备及可读存储介质

权利要求书

1.一种人脸活体检测方法，其特征在于，包括步骤：

人脸关键点及人脸框检测，并进行人脸对齐；

使用人脸追踪技术关联连续视频帧中相同的人脸ID；

采集深度图像，对图片中的人脸区域进行归一化处理，获得处理后的人脸深度图；

将一人脸ID预设帧数的RGB人脸图像和所述人脸深度图输入深度学习网络进行检测，获得每一帧图片的活体判断结果；

将该人脸ID的所有活体判断结果进行投票，当判断为活体的帧数多时，则认定对象为活体，判断为攻击的帧数多时，则认定对象为非活体。

2.根据权利要求1所述的人脸活体检测方法，其特征在于：对图片进行活体判断的深度学习网络使用Resnet作为基础网络，所述深度学习网络采用人脸图像和所述人脸深度图的双输入通道，两个输入分支在分别进行特征提取后，通过se-module对两个分支提取出的特征进行选择性激发融合，再经过数层卷积对融合后的特征进行特征提取，获得活体判断结果。

3.根据权利要求2所述的人脸活体检测方法，其特征在于：所述深度学习网络的目标函数为focal损失函数。

4.根据权利要求1至3任一项所述的人脸活体检测方法，其特征在于：人脸关键点中眼睛和嘴角所有点的实际深度，计算这些点的实际深度的均值，取归一化上限为均值加上固定值，下限为均值减去所述固定值，将人脸区域深度归一化为像素值在0～255区间的灰度图。

5.根据权利要求4所述的人脸活体检测方法，其特征在于：对于实际深度大于上限和小于下限位置的灰度值置为0。

6.根据权利要求4所述的人脸活体检测方法，其特征在于，归一化公式为：

其中，V为深度归一化后的灰度值，范围为0～255，Dreal为人脸区域的实际深度，Dmax为人脸实际深度的上限，Dmin为人脸实际深度的下限。

7.根据权利要求1所述的人脸活体检测方法，其特征在于：在进行人脸对齐之后还包括步骤：过滤劣质的人脸图片。

8.一种人脸活体检测系统，其特征在于，包括：

人脸检测模块，人脸关键点及人脸框检测，并进行人脸对齐；

人脸追踪模块，使用人脸追踪技术关联连续视频帧中相同的人脸ID；

深度图像模块，采集深度图像，对图片中的人脸区域进行归一化处理，获得处理后的人脸深度图；

活体检测模块，将一人脸ID预设帧数的RGB人脸图像和所述人脸深度图输入深度学习网络进行检测，获得每一帧图片的活体判断结果；

投票模块，将该人脸ID的所有活体判断结果进行投票，当判断为活体的帧数多时，则认定对象为活体，判断为攻击的帧数多时，则认定对象为非活体。

9.一种人脸活体检测设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时实现权利要求1-7任一项所述的人脸活体检测方法的步骤。

10.一种人脸活体检测的可读存储介质，其上存储有计算机程序，其特征在于：该计算机程序被处理器执行时间实现权利要求1-7任一项所述的人脸活体检测方法的步骤。