[发明专利]基于深度学习的活体检测方法、装置、存储介质及设备

说明书

本申请涉及一种基于深度学习的活体检测方法、装置、存储介质及设备，属于计算机技术领域，该方法包括：获取待进行活体检测的目标图像；获取活体检测模型；将目标图像输入活体检测模型，得到活体检测结果；终端检测模型由第一神经网络模型和终端样本数据进行深度学习得到，照片检测模型由第二神经网络模型和照片样本数据进行深度学习得到；终端样本数据包括在自然场景下采集的具有不同角度、不同背景信息和/或不同终端型号的终端图像；照片样本数据包括在自然场景下采集的不同角度、不同背景信息和/或不同遮挡程度的真实人脸图像和照片人脸图像；可以解决使用运动信息的特征进行活体检测的检测效率较低的问题；提高活体检测效率。

技术领域

本申请涉及一种基于深度学习的活体检测方法、装置、存储介质及门禁设备，属于计算机技术领域。

背景技术

随着人脸识别技术的广泛应用，如何自动地、高效地辨别人脸图像的真伪、抵抗欺骗攻击以确保人脸识别系统的安全，已成为人脸识别技术中亟待解决的问题，这一技术称之为活体检测技术。常见的欺骗攻击方式包括照片攻击、视频攻击和3D面具攻击等。在活体检测中，真实的人脸图像是在摄像头下直接获取的，而欺骗人脸图像则是通过手机录像、纸质照片或证件照等间接获取的。两者之间存在一定的差异，该差异主要体现在图像的纹理、深度、运动以及光谱信息等方面。利用真实人脸与欺骗人脸图像的差异可以设计不同的活体检测方法，对真实的人脸以及欺骗的人脸图像进行判断。

传统的针对人脸识别中活体检测的方法包括：使用运动信息的特征来进行活体检测。该方法通过人机交互系统，要求用户根据该系统随机产生的短语提示做出动作，完成相关动作方可证明是真实人脸。

然而，上述方法虽然能达到很高的识别率，但需要用户的高度配合，检测时间较长，检测效率较低。

发明内容

本申请提供了一种基于深度学习的活体检测方法、装置、存储介质及设备，可以解决使用运动信息的特征进行活体检测的检测效率较低的问题。本申请提供如下技术方案：

第一方面，提供了一种基于深度学习的活体检测方法，所述方法包括：

获取待进行活体检测的目标图像；

获取活体检测模型；所述活体检测模型包括相互级联的终端检测模型和照片检测模型，所述终端检测模型由第一神经网络模型和终端样本数据进行深度学习得到，所述照片检测模型由第二神经网络模型和照片样本数据进行深度学习得到；其中，所述终端样本数据包括在自然场景下采集的具有不同角度、不同背景信息和/或不同终端型号的终端图像；所述照片样本数据包括在自然场景下采集的不同角度、不同背景信息和/或不同遮挡程度的真实人脸图像和照片人脸图像；

将所述目标图像输入所述活体检测模型，得到活体检测结果，所述活体检测结果用于指示所述目标图像中的人脸是否为真实人脸。

可选地，所述获取活体检测模型，包括：

获取所述终端样本数据；

对所述终端样本数据进行数据扩展，得到扩展后的终端样本数据；每组扩展后的终端样本数据包括终端图像和所述终端图像中终端的位置信息；

将所述终端图像输入所述第一神经网络模型，得到第一训练结果；

基于第一损失函数确定所述第一训练结果和对应的终端的位置信息之间的第一差异；

基于所述第一差异对所述第一神经网络模型的模型参数进行迭代训练，直至所述第一差异达到第一差异范围或迭代次数达到第一预设次数时停止，得到所述终端检测模型。

可选地，所述第一神经网络模型为具有特征增强网络的目标检测网络。

可选地，所述获取活体检测模型，包括：

获取所述照片样本数据；