[发明专利]人脸活体模型训练方法、检测方法、存储介质和检测系统

权利要求书

1.一种近红外光人脸活体检测模型训练方法，其特征在于，训练方法包括以下步骤：

S11、使用双目摄像头中的近红外光摄像头，采集人脸活体检测训练样本，采集的样本包括不同光照条件下的真人活体样本和非活体样本；

S12、对采集的样本进行整理，使用人脸检测器对原图进行检测，并将检测到的人脸进行裁剪，裁剪后的人脸图片作为训练样本；其中截取保存的活体数据的人脸照片作为正样本，截取保存的非活体数据的人脸作为负样本；

S13、将样本进行重采样获得重采样图；

S14、对重采样图进行卷积计算，批量归一化，ReLU激活，最大池化计算；

S15、将最大池化计算后的结果输入到稠密块中进行计算；

S16、将稠密块计算的结果输入到过渡块中进行计算；

S17、将过渡块计算后的结果进行1x1的卷积运算，再进行sigmoid激活得到特征图；

S18、对特征图进行线性化，再进行sigmoid激活，得到二元输出；

S19、利用步骤S7计算的特征图和步骤S8计算的二元输出，使用二分类用交叉熵损失函数BCE作为loss函数进行训练，其中loss函数为：

Loss＝0.5*Loss_map+0.5*Loss_binary………………………式1；

式中，

Loss_map＝-(y_7x7log(p)+(1-y_7x7)log(1-p))………………式2；

其中，y_7x7是一个7x7的特征矩阵，取值为0表示攻击，取值为1表示真实活体，p为预测的概率；

Loss_bianry＝-(ylog(p)+(1-y)log(1-p))…………………式3；

其中，y是数字，取值为0表示攻击，取值为1表示真实活体，p为预测的概率。

2.根据权利要求1所述的训练方法，其特征在于：步骤S11中的不同光照条件包括正常光、暗光、强光、逆光和阴阳光。

3.根据权利要求1所述的训练方法，其特征在于：步骤S13中的重采样图大小为112*112px，步骤S17中的特征图大小为7*7px。

4.一种适应不同光线的人脸活体检测方法，其特征在于，所述检测方法包括以下步骤：

S21、使用双目摄像头进行图像的采集，分别采集可见光图像和近红外光图像；

S22、对采集的可见光图像和近红外光进行人脸检测，如果检测不到人脸，则持续进行检测，如果检测到人脸，则进入下一步骤；

S23、a：可见光人脸图像计算三通道差值的方差，对可见光图像截取到的人脸进行计算，分别计算人脸图片通道1减去通道2的差值的方差，通道2减去通道3的差值的方差，通道3减去通道1的差值的方差；

b：近红外人脸图像重采样，以符合近红外光人脸活体检测模型；

S24、a：计算可见光人脸图像的方差平均值，并与设定的方差阈值比较，若方差的平均值小于方差阈值，则判定照片是黑白或灰度照片，若方差的平均值大于方差阈值，则判定照片为彩色照片；

b：将近红外人脸图像的重采样图导入训练好的近红外光人脸活体检测模型计算，判断并输出是否检测为活体；

S25、可见光图像判定结果与近红外光图像判定结果进行逻辑与操作，当可见光图像判定为彩色照片且同时近红外图像判定为活体的情况下检测目标为活体，否则为非活体。

5.根据权利要求4所述的活体检测方法，其特征在于：步骤S24b中的近红外光人脸活体检测模型由权利要求1-3任一项所述的训练方法训练获得。

6.一种计算机可读存储介质，其上存储有计算机指令，其特征在于：所述计算机指令运行时执行权利要求4或5所述的活体检测方法。

7.一种适应不同光线的人脸活体检测系统，其特征在于：系统包括电讯连接的光学图像采集装置(1)和计算机(2)，所述光学图像采集装置(1)为包括可见光镜头和近红外光镜头的双目摄像头以同时采集可见光图像和近红外图像，并将采集的两种图像传送给所述计算机(2)，所述计算机(2)接收光学图像采集装置(1)的图像数据并运行权利要求4或5所述的活体检测方法判检测目标是否为活体；所述计算机(2)包括：

可见光图像预判单元，所述可见光图像预判单元对接收到的可见光图像进行三通道差值的方差计算，对可见光图像截取到的人脸进行计算，分别计算人脸图片通道1减去通道2的差值的方差，通道2减去通道3的差值的方差，通道3减去通道1的差值的方差；并将计算的方差之与设定的方差阈值比较，预判照片是否为彩色照片；

近红外图像预判单元，所述近红外图像预判单元接收近红外图像，先进行近红外人脸图像重采样，再将重采样图导入训练好的近红外光人脸活体检测模型计算，预判近红外图像是否检测为活体；

活体检测综合判断单元，所述活体检测综合判断单元接收所述可见光图像预判单元和近红外图像预判单元的预判结果并进行逻辑与操作，判定检测目标是否为活体；

结果输出的单元，所述结果输出单元接收活体检测综合判断单元的判断结果并可视化显示实时判断结果。