[发明专利]一种图片的活体检测及分类方法

权利要求书

1.一种图片的活体检测及分类方法，其特征在于，所述方法包括：

步骤S1：根据应用场景下的图片内容，生成部分图像，并形成有效图像集，所述有效图像集中的每个图像标记有活检分类，所述活检分类包括活体和非活体；

步骤S2：将所述有效图像集中的图片利用卷积神经网络提取特征向量，并将图片的活检分类以及所述特征向量用于训练神经网络模型，使得训练后的所述神经网络模型能够根据输入的图片自动对图片进行活检分类；

步骤S3：将需要活检检测的图片进行修剪后形成多幅待检图片，并将所述待检图片分别送入训练后的所述神经网络模型，从而得到每幅待检图片的输出结果；

步骤S4：对多个所述输出结果进行数据融合并归一化后，与预设阈值对比，从而根据对比结果判断所述需要活检检测的图片的活检分类。

2.如权利要求1所述的图片的活体检测及分类方法，其特征在于，所述有效图像集中的图片包括活体样本区，所述活体样本区为人脸截图区域；所述有效图像集中的图片至少有部分属于所述活体样本区位于所述图片中心的位置。

3.如权利要求2所述的图片的活体检测及分类方法，其特征在于，对所述神经网络模型的训练包括分类模型训练，所述分类模型训练使用中心损失函数，所述中心损失函数为：

其中m代表类别数量，x_i代表隐藏层的输出特征，c_yi代表第y_i类的隐藏层特征的中心值。

4.如权利要求2所述的图片的活体检测及分类方法，其特征在于，对所述神经网络模型的训练包括分类模型训练，所述分类模型训练使用部分中心损失函数，所述部分中心损失函数为：

其中m代表类别数量，x_i代表隐藏层的输出特征，c_yi代表第y_i类的隐藏层特征的中心值。

5.如权利要求1至4任意一项所述的图片的活体检测及分类方法，其特征在于，将需要活检检测的图片进行修剪后形成多幅待检图片的方法包括：

利用预先确定的人像截取范围对图片进行多次截取，并在每次截取的时候调整一个截取范围系数截取出不同大小的人像图像，对截取的不同大小的人像图像随机增减像素值，再将增减像素后的多个所述人像图像缩放至人像截取范围的大小，从而得到多个带人脸的待检图片。

6.如权利要求5所述的图片的活体检测及分类方法，其特征在于，对输出结果进行数据融合的方法包括对输出的结果进行加权求和取均值。

7.如权利要求6所述的图片的活体检测及分类方法，其特征在于，所述归一化的方法包括：

在多个输出结果中取最小值与最大值，分别对应于0以及1，并将多个输出结果映射至0-1的区间；所述均值也映射至0-1区间中，并将映射后的数值与预设阈值比较。