[发明专利]一种基于媒介感知的泛化性静默活体检测方法

权利要求书

1.一种基于媒介感知的泛化性静默活体检测方法，其特征在于，包括以下步骤：

S1、获取待检测的单帧人脸图像；

S2、根据步骤S1获取的人脸图像提取人脸亮度图像，具体为：

采用多个尺度的低通滤波器对步骤S1获取的人脸图像进行估计，得到多个估计结果；

对多个估计结果取平均值得到最终的人脸亮度图像，所述人脸亮度图像表示为：

其中，k为低通滤波器的数目，w_k为加权系数，F_k为第k个低通滤波器的低通滤波算子；

S3、根据步骤S1获取的人脸图像和步骤S2提取的人脸亮度图像获得人脸反射图像，所述人脸反射图像表示为：

R(x,y)＝e^{(logI(x,y)-logL(x,y))}

其中，I(x,y)为人脸图像，L(x,y)为人脸亮度图像；

S4、构建活体检测神经网络模型，采用改进的中心损失函数对活体检测神经网络模型进行训练；

S5、采用训练后的活体检测神经网络模型对步骤S3获得的人脸反射图像进行活体检测。

2.根据权利要求1所述的基于媒介感知的泛化性静默活体检测方法，其特征在于，所述步骤S4具体包括以下分步骤：

S41、构建活体检测ResNet神经网络模型；

S42、利用活体检测ResNet神经网络模型对已知人脸反射图像训练集样本提取泛化性媒介特征；

S43、采用改进的中心损失函数对活体检测神经网络模型参数进行迭代优化。

3.根据权利要求2所述的基于媒介感知的泛化性静默活体检测方法，其特征在于，所述活体检测ResNet神经网络模型中后三个layer层参数固定为设定参数，采用带动量的随机梯度下降优化器学习第一个layer层参数。

4.根据权利要求3所述的基于媒介感知的泛化性静默活体检测方法，其特征在于，所述改进的中心损失函数表示为：

其中，x_i为第i个真人人脸反射图像训练样本对应的特征向量，x_j为第j个欺骗人脸反射图像训练样本对应的特征向量，c为真人人脸反射图像的特征向量的聚类向量，m₁为真人人脸反射图像训练集样本数量，m₂为欺骗人脸反射图像训练集样本数量。

5.根据权利要求4所述的基于媒介感知的泛化性静默活体检测方法，其特征在于，所述活体检测ResNet神经网络模型在训练过程中对聚类向量进行更新，具体为：

随机初始化一个聚类向量作为初始聚类向量；

根据真人人脸反射图像训练样本对应的特征向量计算Vc_t；

设定更新权重，对聚类向量进行更新。

6.根据权利要求5所述的基于媒介感知的泛化性静默活体检测方法，其特征在于，所述Vc_t的计算公式为：

其中，c_t为真人人脸反射图像的特征向量的聚类向量。

7.根据权利要求6所述的基于媒介感知的泛化性静默活体检测方法，其特征在于，所述对聚类向量进行更新的更新公式为：

c_t+1＝c_t-α*Vc_t

其中，c_t+1为更新后的聚类向量，α为更新权重。