[发明专利]活体检测、模型训练方法及装置

权利要求书

1.一种活体检测方法，其特征在于，包括：

截取视频中对应预设颜色的人脸图像，所述视频为在至少两种不同预设颜色的光线下分别拍摄人脸得到；

对不同预设颜色的光线对应的人脸图像分别进行卷积处理，输出第一特征图像；

对至少两个所述第一特征图像按照通道数进行合并处理得到第二特征图像，并对所述第二特征图像进行特征处理，输出目标特征图像；其中，所述特征处理包括深度可分离卷积处理、全局平均池化处理和缩减通道处理；

对所述目标特征图像进行激活处理，输出与活体标签对应的第一概率值和与非活体标签对应的第二概率值；

根据所述第一概率值和所述第二概率值，对所述视频中的人脸进行活体判断；

所述对不同预设颜色的光线对应的人脸图像分别进行卷积处理，输出第一特征图像，包括：

针对每个预设颜色的光线，分别截取至少一帧人脸图像，并筛选出用于进行卷积处理的一帧人脸图像；

将至少两帧人脸图像分别进行分辨率调整，获取具有第一分辨率的至少两帧人脸图像；

对具有第一分辨率的至少两帧人脸图像分别进行多层深度可分离卷积处理，生成至少两个具有第二分辨率和预设通道数的所述第一特征图像；

其中，所述第二分辨率小于所述第一分辨率。

2.根据权利要求1所述的方法，其特征在于，所述截取视频中对应预设颜色的人脸图像之前，包括：

控制显示屏在预设时长内以预设顺序依次发出至少两种预设颜色的光线，并在所述预设时长内拍摄所述视频；

所述截取视频中对应预设颜色的人脸图像，包括：

将所述视频进行分帧，在每个预设颜色的帧序列中分别选取人脸图像；

其中，所述至少两种预设颜色为区别于黑/白颜色的颜色集合中的至少两种颜色。

3.根据权利要求1-2任一项所述的方法，其特征在于，所述对所述第二特征图像进行特征处理，输出目标特征图像，包括：

对所述第二特征图像进行两层深度可分离卷积处理输出第三特征图像；

对所述第三特征图像进行全局平均池化，输出第四特征图像；

通过全连接层对所述第四特征图像进行缩减通道数处理，输出所述目标特征图像。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一概率值和所述第二概率值，对所述视频中的人脸进行活体判断，包括：

比较所述第一概率值和所述第二概率值的大小；

在所述第一概率值大于所述第二概率值时，确定所述视频中的人脸为活体人脸；

在所述第一概率值小于所述第二概率值时，确定所述视频中的人脸为非活体人脸；

其中，所述第一概率值和所述第二概率值之和为1。

5.一种活体检测的模型训练方法，其特征在于，包括：

获取多个包括活体人脸的第一视频以及多个包括非活体人脸的第二视频；

针对每个第一视频和每个第二视频，截取对应预设颜色的人脸图像，所述第一视频和所述第二视频为在至少两种不同预设颜色的光线下分别拍摄人脸得到，并根据所截取的人脸图像生成包括至少两帧人脸图像的图像组合，所述图像组合中的每帧人脸图像分别对应于不同预设颜色；

将所述图像组合输入训练模型，通过所述训练模型对所述图像组合进行深度可分离卷积处理和特征处理，以对所述训练模型进行训练，得到活体检测模型；其中，所述特征处理包括深度可分离卷积处理、全局平均池化处理和缩减通道处理；

所述通过所述训练模型对所述图像组合进行深度可分离卷积处理和特征处理，包括：

将输入所述训练模型的每个所述图像组合中的至少两帧人脸图像进行可分离卷积处理，得到与每帧人脸图像分别对应的第一特征图像；

对至少两个所述第一特征图像进行合并处理得到第二特征图像，并对所述第二特征图像进行特征处理，输出目标特征图像；

对所述目标特征图像进行激活处理输出与活体标签对应的第一概率值和与非活体标签对应的第二概率值，并根据所述第一概率值和所述第二概率值，对所述第一视频或所述第二视频中的人脸进行活体判断。