[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

说明书

本发明提供了一种人脸活体模型训练方法、检测方法、存储介质和检测系统，本发明利用可见光摄像头采集照片并计算照片三通道差值的方差和的平均值，因为近红外活体检测模型，对黑白和近红外照片的攻击防范能力较差，所以用这种方法来判断照片是否为黑白照片或近红外照片，进而防范这类照片的攻击；利用近红外光成像不受光照条件影响的特点，只利用近红外摄像头采集训练样本，并训练一个近红外光活体检测模型。无需训练可见光活体检测模型。方法和系统解决了暗光、逆光、强光、阴阳光等不同光线下的人脸活体检测，方案只需训练一个近红外光人脸活体检测模型，算法速度提升，检测效率提高。

技术领域

本发明属于人工智能的活体智能检测领域，涉及人脸识别技术，具体为一种人脸活体模型训练方法、检测方法、存储介质和检测系统。

背景技术

人脸识别技术，随着在越来越多的场景中得到应用，人脸识别的安全性，也越来越受到人们的关注，其中一个关键环节就是人脸的活体检测，即判断当前的人脸图像是否为真实的活体，还是非真实的人脸图像，例如具有人脸的照片、视频、人脸面具、人脸头模等等。人脸活体检测是在人脸识别前的一个重要步骤，可以有效的防范非活体的攻击，保障人脸识别系统的安全性。

专利CN 107358157 B公开了一种人脸活体检测方法、装置以及电子设备，通过人脸全局图像训练第一深度学习模型和裁剪人脸的图像进行第二深度学习模型的训练，然后用这两个模型进行人脸活体检测。

专利CN 107862299 A公开了一种基于近红外与可见光双目摄像头的活体人脸检测方法，使用近红外和可见光的LBP特征，训练一个活体检测的模型，用于防范视频和照片的攻击。

然而，上述两个专利技术由于同时使用了可见光和近红外光进行活体检测，在光照条件好的情况下，活体检测的效果不错，但是，因为可见光活体检测容易受到光线的影响，特别是暗光、逆光、强光等光照条件下，可见光活体检测效果差，在实际使用中，体验非常不好，真人活体很容易被检测成非活体。另外，使用可见光和近红外光模型同时进行判断，计算量也较大，速度较慢。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种人脸活体模型训练方法、检测方法、存储介质和检测系统，其能解决上述问题。

设计原理：

a.利用可见光摄像头采集照片并计算照片三通道差值的方差和的平均值，因为近红外活体检测模型，对黑白和近红外照片的攻击防范能力较差，所以用这种方法来判断照片是否为黑白照片或近红外照片，进而防范这类照片的攻击。

b.利用近红外光成像不受光照条件影响的特点，只利用近红外摄像头采集训练样本，并训练一个近红外光活体检测模型。无需训练可见光活体检测模型。

设计方案：

一种近红外光人脸活体检测模型训练方法，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；