[发明专利]跨摄像头的人脸活体检测方法及系统

说明书

本发明公开了一种跨摄像头的人脸活体检测方法、介质及系统，其中方法包括：采集第一训练数据集，并训练得到人脸活体检测模型；通过源摄像头和目标摄像头进行活体样本对的采集，以根据活体样本对生成第二训练数据集，并根据第二训练数据集进行生成对抗网络的训练，以得到风格转移函数模型；通过目标摄像头获取待检测人脸图像，并将待检测人脸图像输入到风格转移函数模型，以及将风格转移后的待检测人脸图像输入到人脸活体检测模型，以得到待检测人脸图像对应的活体检测结果；能够在不对活体检测模型进行重新训练的情况下，保证跨摄像头活体检测结果的准确性。

技术领域

本发明涉及人脸识别技术领域，特别涉及一种跨摄像头的人脸活体检测方法、一种计算机可读存储介质和一种跨摄像头的人脸活体检测系统。

背景技术

近年来，深度学习技术的发展提高了人脸识别的精度，促进了基于人脸系统的进一步应用。因此，人脸被越来越多地与隐私和个人财产联系在一起，所以，预防对于人脸识别系统的非真实人脸攻击就会非常重要，即人脸活体检测。

相关技术中，基于单摄像头训练得到的活体检测模型，在不同摄像头不同环境下测试时，泛化性能大大降低，活体检测效果差。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种跨摄像头的人脸活体检测方法，能够在不对活体检测模型进行重新训练的情况下，保证跨摄像头活体检测结果的准确性。

本发明的第二个目的在于提出一种计算机可读存储介质。

本发明的第三个目的在于提出一种跨摄像头的人脸活体检测系统。

为达到上述目的，本发明第一方面实施例提出了一种跨摄像头的人脸活体检测方法，包括以下步骤：通过源摄像头对样本图像进行采集，以得到第一训练数据集，并根据所述第一训练数据集进行神经网络模型的训练，以得到人脸活体检测模型；通过源摄像头和目标摄像头进行活体样本对的采集，以根据活体样本对生成第二训练数据集，并根据所述第二训练数据集进行生成对抗网络的训练，以得到风格转移函数模型；通过目标摄像头获取待检测人脸图像，并将所述待检测人脸图像输入到所述风格转移函数模型，以及将风格转移后的待检测人脸图像输入到所述人脸活体检测模型，以得到待检测人脸图像对应的活体检测结果。

根据本发明实施例的跨摄像头的人脸活体检测方法，首先，通过源摄像头对样本图像进行采集，以得到第一训练数据集，并根据第一训练数据集进行神经网络模型的训练，以得到人脸活体检测模型；接着，通过源摄像头和目标摄像头进行活体样本对的采集，以根据活体样本对生成第二训练数据集，并根据第二训练数据集进行生成对抗网络的训练，以得到风格转移函数模型；然后，通过目标摄像头获取待检测人脸图像，并将待检测人脸图像输入到风格转移函数模型，以及将风格转移后的待检测人脸图像输入到人脸活体检测模型，以得到待检测人脸图像对应的活体检测结果；从而实现在不对活体检测模型进行重新训练的情况下，保证跨摄像头活体检测结果的准确性。

另外，根据本发明上述实施例提出的跨摄像头的人脸活体检测方法还可以具有如下附加的技术特征：

可选地，在根据所述第一训练数据集进行神经网络模型的训练时，根据以下公式按权重增加中心差分卷积算子：

其中，w(m,n)表示卷积核对应的值，g(i,j)表示当前像素值，m,n表示卷积核的宽与长，θ，1-θ表示普通卷积算子与中心差分算子的权重，y(i,j)表示中心差分卷积算子。

可选地，在根据所述第一训练数据集进行神经网络模型的训练时，损失函数通过以下公式表述：

其中，L表示损失函数，q_i,j(k)表示位置在(i,j,k)处的概率输出，p(k)表示标定真实值。