[发明专利]一种活体检测方法和装置有效
申请号: | 201610888831.6 | 申请日: | 2016-10-11 |
公开(公告)号: | CN106650597B | 公开(公告)日: | 2019-09-03 |
发明(设计)人: | 黄磊 | 申请(专利权)人: | 汉王科技股份有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 北京润泽恒知识产权代理有限公司 11319 | 代理人: | 赵娟 |
地址: | 100193 北京*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 活体 检测 方法 装置 | ||
1.一种活体检测方法,其特征在于,包括:
通过指令选择模型为预设的动作指令集中的参考动作指令配置进行稀疏约束的指令权重;
根据所述指令权重从所述参考动作指令中选择目标动作指令;
当提示所述目标动作指令时,采集目标图像数据;
检测所述目标图像数据判断所述目标动作指令表征的动作主体是否为活体;其中,所述通过指令选择模型为预设的动作指令集中的参考动作指令配置进行稀疏约束的指令权重的步骤,包括:
采用损失函数对所述参考动作指令配置进行稀疏约束的指令权重;所述损失函数包括损失项和正则项。
2.根据权利要求1所述的方法,其特征在于,所述通过指令选择模型为预设的动作指令集中的参考动作指令配置进行稀疏约束的指令权重的步骤,还包括:
从预设的动作指令集中依次选择参考动作指令;
采集所述参考动作指令的用户动作图像;
提取所述用户动作图像的特征信息;
根据所述特征信息训练动作指令分类器。
3.根据权利要求2所述的方法,其特征在于,所述损失项为所述参考动作指令的用户动作图像的预计分类标签与实际分类标签之间的损失值;
所述正则项为以损失项为基础对所述参考动作指令的指令权重进行基于组的稀疏约束;
其中,所述参考动作指令的每一个参考动作指令的指令权重为多维;
所述基于组的稀疏约束为以一个参考动作指令的指令权重为组进行稀疏约束;
所述指令权重的维数与一个用户在一个参考动作指令下采集的用户动作图像的帧数相同。
4.根据权利要求3所述的方法,其特征在于,所述采用损失函数对所述参考动作指令配置进行稀疏约束的指令权重的步骤,包括:
采用对所述损失项与正则项取最小值配置所述参考动作指令的指令权重。
5.根据权利要求3所述的方法,其特征在于,所述损失函数为:
其中,J(X,Y,f1,…,fT,w)为损失项,为正则项,λ是调整损失项和正则项之间重要性的比例权重;
其中,是用户ui在参考动作指令Ot,t∈{1,…,T}下采集到的训练图像数据的动作特征信息;
Y=[y1,…,yN]T,yi是所述训练图像数据的分类标签;
w=[w1,w2,…,wT],是参考动作指令Ot,t∈{1,…,T}对应的nt维的指令权重;
ft是参考动作指令Ot,t∈{1,…,T}的分类器。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述指令权重与所述参考动作指令被选择的概率正相关。
7.根据权利要求6所述的方法,其特征在于,还包括:
统计在检测活体时的检测信息;
根据所述检测信息对当前的指令权重进行更新。
8.根据权利要求7所述的方法,其特征在于,所述根据所述检测信息对当前的指令权重进行更新的步骤包括:
采用所述检测信息计算指令权重更新系数;
结合所述指令权重更新系数与当前指令权重计算更新指令权重;
将当前的指令权重替换为所述更新指令权重。
9.根据权利要求8所述的方法,其特征在于,所述检测信息包括平均检测时间、平均检测准确率;
所述采用所述检测信息计算指令权重更新系数的步骤包括:
对所述平均检测时间配置第一因素权重;
对所述平均检测准确率配置第二因素权重;
采用配置第一因素权重的平均检测时间、配置第二因素权重的平均检测准确率计算指令权重更新系数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于汉王科技股份有限公司,未经汉王科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610888831.6/1.html,转载请声明来源钻瓜专利网。