[发明专利]一种基于卷积神经网络的面部活体检测方法

说明书

本发明公开了一种基于卷积神经网络的面部活体检测方法，包括以下步骤：S1、采集人脸图像，采用人脸检测器对人脸图像进行处理，得到人脸检测图像数据集；S2、对人脸检测图像数据集进行预处理，得到标准化人脸数据集；S3、构建活体检测网络，并采用标准化人脸数据集对活体检测网络进行训练，得到训练完成的活体检测网络；S4、对训练完成的活体检测网络输入待处理的视频流，得到标记出真实或伪造的人脸视频图像帧；本发明解决了如何识别伪造的人脸图像的问题。

技术领域

本发明涉及图像处理领域，具体涉及一种基于卷积神经网络的面部活体检测方法。

背景技术

近年来，人脸识别随着计算机视觉技术的不断发展，识别技术的性能得到了质的提升。由于人脸识别技术具有直接、方便、易用的特点，目前广泛应用于智能监控、金融、移动支付等领域。随着人脸识别技术的广泛应用，人脸识别技术的安全问题也日益突出，例如：伪造者可以利用用户的图片或视频欺骗人脸识别系统进行移动支付等，造成用户的损失。为了提高人脸识别技术的安全性，需要准确判断当前的用户是否为活体，目前普遍采用的是交互式活体检测技术，即引导用户配合(眨眼、转头、点头)等指令来做出相应动作以在一系列连续的帧中来提取特征来识别是否为活体，但是此方法的侵入性太强，且检索过程繁琐，用户友好性不高；除此之外，还有基于面部纹理的检测，真实人脸和照片中的人脸在图像纹理上存在差别，该方法计算了面部区域的局部二值模式(Local Binary Patterns，LBP)，然后通过支持向量机(SVM)将面部检测为真实面部和伪造面部；还有频率分析和光流算法。但这些算法大多是基于人工特征提取，手段单一，不能准确描述活体人脸的特点，对多类型攻击手段的人脸欺诈方式的检测精度差，不具有鲁棒性，受场景约束度较高。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于卷积神经网络的面部活体检测方法解决了如何识别伪造的人脸图像的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于卷积神经网络的面部活体检测方法，包括以下步骤：

S1、采集人脸图像，采用人脸检测器对人脸图像进行处理，得到人脸检测图像数据集；

S2、对人脸检测图像数据集进行预处理，得到标准化人脸数据集；

S3、构建活体检测网络，并采用标准化人脸数据集对活体检测网络进行训练，得到训练完成的活体检测网络；

S4、对训练完成的活体检测网络输入待处理的视频流，得到标记出真实或伪造的人脸视频图像帧。

进一步地，步骤S2包括以下分步骤：

S21、采用高斯滤波对人脸检测图像数据集进行图像降噪，得到降噪人脸检测图像数据集；

S22、采用USM锐化方法对降噪人脸检测图像数据集进行图像增强，得到增强人脸检测图像数据集；

S23、对增强人脸检测图像数据集中每张图像进行左右翻转和旋转，得到扩充人脸检测图像数据集；

S24、对扩充人脸检测图像数据集按照Channel方向计算均值和标准差；

S25、根据均值和标准差，对扩充人脸检测图像数据集进行归一化和标准化处理，得到标准化人脸数据集。

进一步地，步骤S3中活体检测网络包括依次连接的输入层、骨干子网络和特征处理分类子网络；所述骨干子网络包括：Conv2D_BN_ReLU层、DownSampledLayer层、SpindleResidual层和1个DownSampledLayer层；

所述Conv2D_BN_ReLU层的数量为2个；

所述DownSampledLayer层的数量为2个至6个；

所述SpindleResidual层的数量为2个至6个；