[发明专利]活体检测方法、装置、电子设备及存储介质

权利要求书

1.一种活体检测方法，其特征在于，所述方法包括：

获取原始人脸图像，对所述原始人脸图像进行频域转化，得到频域图像；

对所述原始人脸图像进行人脸区域检测，并对检测到的人脸区域进行截图、转换操作，得到标准图像；

利用预构建的特征提取模型对所述频域图像进行特征提取并分类，得到第一概率；

利用预构建的细粒度分类模型对所述标准图像进行特征提取，得到第二概率；

根据所述第一概率及所述第二概率得到最终活体概率，将所述最终活体概率和预设的阈值进行比较，得到活体检测结果。

2.如权利要求1所述的活体检测方法，其特征在于，所述对所述原始人脸图像进行频域转化，得到频域图像，包括：

利用下述变换函数对所述原始人脸图像进行频率转换，得到频域图像：。

其中，x、y表示频率转换之前的像素点坐标，u、v表示频率转换之后的像素点坐标，M、N表示原始人脸图像的长和宽，j为固定参数。

3.如权利要求1所述的活体检测方法，其特征在于，所述对所述原始人脸图像进行人脸区域检测，并对检测到的人脸区域进行截图、转换操作，得到标准图像，包括：

利用预设的人脸检测器对所述原始人脸图像进行人脸区域检测，得到一个或者多个人脸检测框；

根据所述人脸检测框对所述原始人脸图像进行截图，得到人脸区域图像；

将所述人脸区域图像转换成预设尺寸，得到所述标准图像。

4.如权利要求1所述的活体检测方法，其特征在于，所述利用预构建的特征提取模型对所述频域图像进行特征提取并分类，得到第一概率，包括：

利用所述特征提取模型中的改进网络及隔层叠加机制对所述频域图像集中的图像进行特征提取，得到关键特征；

根据所述特征提取模型中的分类函数对所述关键特征进行分类及所述分类的概率计算，得到所述第一概率。

5.如权利要求1所述的活体检测方法，其特征在于，所述利用预构建的细粒度分类模型对所述标准图像进行特征提取，得到第二概率，包括：

利用所述细粒度分类模型中的特征提取模型提取所述标准图像中的图像特征，得到特征图；

提取所述特征图中的峰值高响应部分，并对所述峰值高响应部分进行聚类处理，得到聚类图；

将所述聚类图进行归一化处理，得到标准特征图集，并输出所述标准特征图集中每个标准特征图的活体概率；

利用预设的平均公式对所述活体概率进行平均值计算，得到所述第二概率。

6.如权利要求1所述的活体检测方法，其特征在于，所述根据所述第一概率及所述第二概率得到最终活体概率，将所述最终活体概率和预设的阈值进行比较，得到活体检测结果，包括：

利用预设的加权公式对所述第一概率及所述第二概率进行计算，得到所述最终活体概率；

将所述最终活体概率与预设的阈值进行比较；

当所述最终活体概率大于所述预设的阈值时，则得到预测电子屏翻拍结果；

当所述最终活体概率小于等于所述预设的阈值时，则得到预测非电子屏翻拍结果。

7.如权利要求1至6中任意一项所述的活体检测方法，其特征在于，所述得到活体检测结果之后，还包括：

根据所述活体检测结果与实际电子屏翻拍结果计算拒识率；

根据所述活体检测结果与实际非电子屏翻拍活体计算误识率；

利用所述拒识率及所述误识率对所述活体检测结果进行可信度评估。