[发明专利]活体检测、模型训练方法及装置

说明书

本发明提供了一种活体检测、模型训练方法及装置，其中活体检测方法包括：截取视频中对应预设颜色的人脸图像，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；对至少两个第一特征图像进行合并处理得到第二特征图像，对第二特征图像进行特征处理，输出目标特征图像；对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；根据两个概率值进行活体判断。本发明可以基于光线进行活体验证，同时采用深度可分离卷积的技术训练出轻量级的活体检测网络，在保证活体人脸检测准确性的基础上提高检测效率。

技术领域

本发明涉及生物特征识别技术领域，尤其涉及一种活体检测、模型训练方法及装置。

背景技术

近年来，人脸识别因为快速性、有效性和用户友好性，逐渐成为一种新的加密方式，在金融支付、安防等领域都有着广泛的应用。然而人脸识别系统也面临着被不法分子恶意攻击的风险，比如使用打印的人脸照片，提前录制的人脸视频，甚至3D的人脸模型，这些攻击手段对人脸识别系统的安全性带来了隐患。人脸防欺诈的方法也叫做活体检测，主要是判断人脸是否为活体，常见的活体检测主要是基于动作的活体检测和静默活体检测。基于动作的活体检测需要用户进行摇头、眨眼、张嘴等动作，根据用户的这些动作来判断是否为活体。静默活体检测并不需要用户去做一系列动作，而是采用双目摄像头或红外摄像头获取到用户人脸信息的深度或红外图像，从而根据深度图像或红外图像去判断是否为活体。基于动作的方法需要用户去做指定的动作，用户友好性不足，而静默活体需要依赖于硬件(如摄像头)，成本较高。

另外，随着移动互联网的发展，移动支付等场景也越来越多，人脸识别也常常用于移动端，而移动端常常对模型大小、识别速度性能有所要求，所以人脸防欺诈的方式也有了新的挑战，常常要求活体检测的模型尽可能的小，且识别速度也要尽可能的快。

综上，现有的活体检测方法存在用户友好性不足、成本高以及活体检测模型不便于在移动端部署的问题。

发明内容

本发明实施例提供一种活体检测、模型训练方法及装置，以解决现有技术中活体检测方法存在用户友好性不足、成本高以及活体检测模型不便于在移动端部署的问题。

为了解决上述问题，本发明实施例是这样实现的：

第一方面，本发明实施例提供一种活体检测方法，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；

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。

第二方面，本发明实施例提供一种活体检测的模型训练方法，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。

第三方面，本发明实施例提供一种活体检测装置，包括：