[发明专利]人脸识别方法、装置、计算机设备及计算机可读存储介质

权利要求书

1.一种人脸识别方法，其特征在于，所述方法包括：

获取目标对象的人脸图像；

提取所述人脸图像的高频信息，并判断所述高频信息的分布是否满足预设分布规则；

若所述高频信息的分布满足预设分布规则，则判定所述目标对象包括活体真脸；

若所述高频信息的分布不满足预设分布规则，则判定所述目标对象包括假脸。

2.根据权利要求1所述的方法，其特征在于，预设的分布规则包括：

从图像的中心向外呈发散状。

3.根据权利要求2所述的方法，其特征在于，所述提取所述人脸图像的高频信息，并判断所述高频信息的分布是否满足预设分布规则的步骤，包括：

将所述人脸图像输入预先训练好的真假脸检测模型；

获取所述真假脸检测模型对于所述人脸的高频信息的分布是否满足预设分布规则的判定结果。

4.根据权利要求3所述的方法，其特征在于，所述真假脸检测模型对应的基础卷积神经网络的功能层从输入至输出依次包括：

一个3*3的第一基础卷积层、一个3*3深度可分离卷积层、五个瓶颈层、一个3*3的第二基础卷积层、一个8*8线性GD卷积层和一个1*1线性卷积层。

5.根据权利要求4中所述的方法，其特征在于，五个瓶颈层中，第一个、第三个和第五个瓶颈层的转置放大因子均为2，第二个和第四个瓶颈层的转置放大因子均为4；

和/或，

第一基础卷积层、深度可分离卷积层和第一个瓶颈层的卷积核通道数均为32，第二个、第三个、第四个和第五个瓶颈层的卷积核通道数为64，第二基础卷积层和线性GD卷积层的卷积核通道数均为256，线性卷积层的通道数为3。

6.根据权利要求4或者5所述的方法，其特征在于，所述真假脸检测模型的训练步骤，包括：

获取预设数量的样本图片，其中，所述样本图片包括活体真脸的第一类样本图片和假脸的第二类样本图片；

将样本图片分别执行第一类特征提取操作得到第一类高频特征，以及输入基础卷积神经网络进行第二类特征提取操作得到第二类高频特征，并利用第一类高频特征和第二类高频特征的监督比对结果反向迭代训练所述基础卷积神经网络，直至所述基础卷积神经网络的损失函数满足预设条件时为止，将训练得到的基础卷积神经网络作为所述真假脸检测模型，其中，所述第一套特征提取操作依次包括傅里叶变换处理、归一化处理、尺寸调整处理和特征量化处理。

7.根据权利要求6所述的方法，其特征在于，获取利用第一类高频特征和第二类高频特征的监督比对结果所采用的监督损失函数guideLoss为均方差MSELoss，所述卷积神经网络的迭代损失函数Softmax Loss为交叉熵CrossEntropyLoss，其中，训练过程中总的损失函数total_loss＝0.5×SoftmaxLoss+0.5×guideLoss。

8.一种人脸识别装置，其特征在于，所述人脸识别装置包括：

获取模块，用于获取目标对象的人脸图像；

判断模块，用于：

提取所述人脸图像的高频信息，并判断所述高频信息的分布是否满足预设分布规则；

若所述高频信息的分布满足预设分布规则，则判定所述目标对象包括活体真脸；

若所述高频信息的分布不满足预设分布规则，则判定所述目标对象包括假脸。

9.一种计算机设备，其特征在于，包括存储器以及处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器运行时执行权利要求1至7中任一项所述的人脸识别方法。

10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至7中任一项所述的人脸识别方法。