[发明专利]静默式人脸活体检测方法、装置、存储介质及处理器

说明书

本发明公开了一种静默式人脸活体检测方法、装置、存储介质及处理器。其中，该方法包括：根据预设人脸图片数据集分别对预设人脸检测模型、预设人脸总体特征模型进行训练；根据预设人脸图片数据集和达到收敛状态的预设人脸检测模型对预设人脸区域特征模型进行训练；对达到收敛状态的预设人脸检测模型、达到收敛状态的预设人脸总体特征模型和达到收敛状态的预设人脸区域特征模型进行级联处理，得到活体检测模型；根据预设人脸图片数据集对活体检测模型进行训练；根据达到收敛状态的活体检测模型对待检测人脸图片进行检测，得到检测结果。本发明解决了现有技术中的人脸活体检测存在的检测效率较低的技术问题。

技术领域

本发明涉及人脸识别领域，具体而言，涉及一种静默式人脸活体检测方法、装置、存储介质及处理器。

背景技术

近年来，随着深度学习、计算机视觉技术的发展，人脸识别的性能已经超越人类水平，凭借超高的识别精度在实际场景中获得了广泛应用，如基于人脸识别的刷脸支付、门禁、人脸考勤机等。人脸识别具有非接触式、方便易用等特点，然而，照片、视频、面具、3D模型等伪造人脸给人脸识别带来了极大的安全隐患。为了预防安全攻击，活体检测技术应运而生，通过多样化的技术手段，区分真实人脸与伪造人脸，保障信息安全。

现有的人脸活体检测技术从实现的手段上来讲主要分为两类：第一类从硬件角度出发，借助红外传感器、三维景深相机等进行前端采集，识别真实的人脸，设备成本高，且对硬件要求条件苛刻，难以在市场上广泛应用。另一类采用算法软件方案，通过分析真实人脸与伪造人脸的特征差别实现活体检测，如基于动作或者语音指令的交互式活体检测、高频微纹理活体检测、利用多光谱皮肤特特性的活体检测等。但是，上述两类方法大多基于多帧的视频序列进行检测，或依赖与用户之间的交互配合，其计算过程长、速度慢、用户体验度差。因此，现有技术中的人脸活体检测存在检测效率较低的技术问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种静默式人脸活体检测方法、装置、存储介质及处理器，以至少解决现有技术中的人脸活体检测存在的检测效率较低的技术问题。

根据本发明实施例的一个方面，提供了一种静默式人脸活体检测方法，该方法包括：根据预设人脸图片数据集分别对预设人脸检测模型、预设人脸总体特征模型进行训练，直至上述预设人脸检测模型和上述预设人脸总体特征模型分别达到收敛状态；根据上述预设人脸图片数据集和达到上述收敛状态的上述预设人脸检测模型对预设人脸区域特征模型进行训练，直至上述预设人脸区域特征模型达到上述收敛状态；对达到上述收敛状态的上述预设人脸检测模型、达到上述收敛状态的上述预设人脸总体特征模型和达到上述收敛状态的上述预设人脸区域特征模型进行级联处理，得到用于同时提取人脸图片的全局总体特征和局部细节特征的活体检测模型；根据上述预设人脸图片数据集对上述活体检测模型进行训练，直至上述活体检测模型达到上述收敛状态；根据达到上述收敛状态的上述活体检测模型对待检测人脸图片进行检测，得到检测结果。

进一步地，在根据预设人脸图片数据集分别对预设人脸检测模型、预设人脸总体特征模型进行训练之前，上述方法还包括：获取多张第一照片和多张第二照片，其中，上述第一照片的特征属性为真实人脸特征，上述第二照片的特征属性为伪造人脸特征；根据上述多张第一照片和上述多张第二照片创建上述预设人脸图片数据集。

进一步地，在根据上述人脸图片数据集和达到上述收敛状态的上述预设人脸检测模型对预设人脸区域特征模型进行训练之前，上述方法还包括：输入上述预设人脸图片数据集至达到上述收敛状态的上述预设人脸检测模型，得到多张人脸区域图片；将上述多张人脸区域图片进行尺寸归一化处理，得到上述人脸区域数据集。