[发明专利]一种人脸活体检测方法及系统

权利要求书

1.一种人脸活体检测方法，其特征在于，包括以下步骤：

步骤S1，图像预处理阶段，将数据集中的图片进行拆解处理，得到预处理的图片；

步骤S2，模型建立阶段，本阶段用于建立模型，所述模型用于对预处理的图片进行处理；

步骤S3，模型训练阶段，对步骤S1预处理后的图片分成不同的集合进行训练和校验，得到用于区分人脸类别的最佳阈值；

步骤S4，模型推理阶段，对实时视频流中得到的图片进行预处理和模型训练后得到的分数值与步骤S3中的最佳阈值进行比较，根据比较结果来判断视频流中得到的图片是否为真实人脸。

2.根据权利要求1所述的人脸活体检测方法，其特征在于，所述S1包括以下步骤:

S11.将数据集中的图片拆帧成为单张图片；

S12.将所述S11中得到的单张图片进行检测，如果在该单张图片中检测到人脸，则对包括该人脸的人脸框进行扩充,根据扩充后的人脸框将包括该人脸的单张图片进行裁剪；

S13.对裁剪后的包括人脸框的图片做归一化和随机旋转，得到不同角度的人脸图片。

3.根据权利要求2所述的人脸活体检测方法，其特征在于，

所述S3包括以下步骤:

S31.对S1中所述不同角度的人脸图片进行预处理，即在每张图片上进行标注，将有真实人脸的图片和攻击人脸的图片分别标上标签；

S32.将S31中标注后的图片按照一定的比例分成训练集和校验集；

S33.采用训练集中的图片对模型进行训练，得到训练后的模型；

S34.采用训练后的模型对校验集进行处理,得到所述用于区分人脸类别的最佳阈值。

4.根据权利要求3所述的人脸活体检测方法，其特征在于，所述S33包括以下步骤:

S331.将训练集中的图片依次经过模型中低中高三个卷积层的处理后，得到一系列的卷积特征图；

S332.将卷积特征图输入到空间注意力划分模块，从而得到经空间注意力划分模块划分得到的区域；

S333.对步骤S332中的划分得到的区域进行动态激活，得到训练后的模型。

5.根据权利要求1所述的人脸活体检测方法，其特征在于，所述S4包括以下步骤:

S41.对摄像头捕捉到的实时视频图像进行抽帧处理,得到相应的输入图片；

S42.将S41得到的输入图片进行检测，如果图像中存在人脸,则得到人脸框，将人脸框的部分进行扩充和裁剪出来，并对裁剪后的图片做归一化处理；

S43.将S42归一化处理后的人脸图片送入S3已经训练好的模型中,得到相应的分数值；

S44.将S43中得到的分数值与最佳阈值进行比较,当得到的分数值大于最佳阈值时，则判定步骤S41中输入的图片中存在的是真实人脸；当得到的分数值小于最佳阈值时，则判定步骤S41中输入的图片中存在的是攻击人脸。

6.一种人脸活体检测系统，其特征在于，所述人脸活体检测系统包括：

图像预处理单元，用于将数据集中的图片进行拆解处理，得到预处理的图片；

模型建立单元，用于建立模型，所述模型用于对预处理的图片进行处理；

模型训练单元，用于对预处理后的图片分成不同的集合进行训练和校验，得到用于区分人脸类别的最佳阈值；

模型推理单元，用于对视频流中得到的图片进行预处理和模型训练后得到的分数值与最佳阈值进行比较，根据比较结果来判断视频流中得到的图片是否为真实人脸。

7.根据权利要求6所述的人脸活体检测系统，其特征在于，所述模型建立阶段单元包括：拆分模块，用于将数据集中的图片拆帧成为单张图片；

扩充裁剪模块，将单张图片进行检测，如果在该单张图片中检测到人脸，则对包括该人脸的人脸框进行扩充,根据扩充后的人脸框将包括该人脸的单张图片进行裁剪；

归一化和旋转模块，用于对裁剪后的包括人脸框的图片做归一化和随机旋转，得到不同角度的人脸图片。