[发明专利]一种图片的活体检测及分类方法

说明书

本发明公开了一种图片的活体检测及分类方法，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；步骤S2：将有效图像集中的图片提取特征向量，并将图片的活检分类以及特征向量用于训练神经网络模型，使得训练后的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，并将待检图片分别送入训练后的神经网络模型，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需要活检检测的图片的活检分类。本发明的方法提高了人像图像活检检测的准确度。

技术领域

本发明涉及图像中人脸的活体检测领域，具体地说，涉及一种图片的活体检测及分类方法。

背景技术

随着科技的发展与普及，人脸识别技术已经广泛应用到我们生活中各个场景，比如手机登录、小区门禁、签到打卡等。为了防止他人使用照片、屏幕、模型等伪造人脸，检测当前用户是否为真实用户就很重要，即活体检测技术。而当前流行的活体检测技术，主要是基于双目摄像头的，在单目摄像头下成熟的技术不多，比如根据亮度、纹理等特征判断，或者让用户做出指定动作，或者用一序列不同颜色的光照来模拟结构光，这些技术在手机端可能有一定效果，但是其他非手机端的公共场景，由于人脸距离远，成像不够清晰，现有方法的活体检测效果就会急剧下降，使得算法无法使用。

传统场景下的活体检测技术一般是通过两个摄像头(结合来判断，为了减少成本，提高应用的通用性，越来越多的厂商开始关注单目摄像头活体检测技术，即只使用一个普通彩色摄像头。

目前流行的方案主要有：

1.让用户做出指定动作(点头、转头等)；

2.直接提取人脸图像特征(亮度、纹理、边缘等)；

3.彩色光照序列模拟结构光。

方案1要求用户配合做出动作，用户体验不好，不适用于公共场合。

而方案2和3主要应用于手机端，因为手机端人脸离摄像头距离很近，手机摄像头清晰度也很高，采集的人脸图片就可以很好的提取相应特征。而在非手机端的一些公共设备上，这些条件往往不能满足，比如架设位置较高的摄像头，或者交互式大屏终端，这些场景下的人脸图片往往不够清晰，且由于人脸距离较远，亮度、颜色光照等信息也基本丢失，或者精度受限误差很大，这些拍摄的图片在经过后端的神经网络后判断的活体准确度低，难以应用。

发明内容

本发明的目的在于提供一种图片的活体检测及分类方法，用于解决现有技术中活体检测准确度低技术问题。

本发明公开的图片的活体检测及分类方法包括步骤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S22：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S23：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S24：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。

在本发明提出的一种公共场景下的单目活体检测技术，除普通彩色摄像头以外，无需布置其他辅助设备，无需测距离/角度等信息，检测效果好，成本较低。本发明能够在复杂的室外公共环境中较为精确地进行活体检测，满足很多安防服务的要求。