[发明专利]一种人脸活体检测方法及装置

说明书

本申请提供了一种人脸活体检测方法及装置，涉及人脸识别技术领域，包括：获取多组第一人脸样本图像，人脸样本图像包括活体人脸图像和非活体人脸图像；非活体人脸图像包括人脸照片图像和人脸视频图像；基于预先构建的目标卷积神经网络模型以及所述多组人脸样本图像中，训练用于检测活体人脸图像的图像特征和非活体人脸图像的图像特征的检测阈值；基于预先构建的目标卷积神经网络模型对待检测人脸图像进行处理，将处理结果与所述检测阈值进行比较，输出待检测人脸图像的检测结果。本申请实施例通过基于训练好的目标卷积神经网络模型以及该模型的检测阈值进行人脸活体检测，能够检测人脸照片和人脸视频的非活体攻击，检测准确度好且效率高。

技术领域

本申请涉及人脸识别技术领域，具体而言，涉及一种人脸活体检测方法及装置。

背景技术

随着科技的发展，人脸识别技术由于高可靠性等优势而广泛的应用在人们的日常生活中。在人脸识别技术的应用范围不断扩大的同时，也出现了对人脸识别技术的非活体攻击，在这种攻击性，攻击者利用合法用户的人脸图片或者带有合法用户人脸的视频伪造合法用户进行业务交易，给被伪造的合法用户造成较大的损失。因此，如何提高人脸识别系统的安全性成为一个广泛关注的问题。

为了解决上述问题，相关技术提供了一种基于特征点仿射变换进行人脸活体检测的方法，采用在对采集的每一帧视频图像探测并追踪人脸特征点，采用仿射变换的方法计算相邻两帧中人脸特征点的统计学距离，将统计学距离与真实人脸对应的标准统计学距离相比较，根据比较结果确定是否为真实人脸。但是，上述通过统计学距离的人脸活体检测方法所需要的计算时间代价高，并且无法检测基于人脸视频的非活体攻击。

另外，相关技术还提供了另一种基于真实人脸的非刚性运动变化进行人脸活体检测的方法，通过在输入的连续帧视频图像中探测并分析眼睛的动作，将该动作与真实人脸对应的标准动作相比较，根据比较结果确定是否为真实人脸。同样的，上述通过人眼动作的同样无法检测基于人脸视频的非活体攻击。

发明内容

有鉴于此，本申请实施例的目的在于提供一种人脸活体检测方法及装置，基于训练好的目标卷积神经网络模型以及该模型的检测阈值进行人脸活体检测，能够检测人脸照片和人脸视频的非活体攻击，检测准确度好且效率高。

第一方面，本申请实施例提供了一种人脸活体检测方法，包括：获取多组第一人脸样本图像，所述人脸样本图像包括活体人脸图像和非活体人脸图像；所述非活体人脸图像包括人脸照片图像和人脸视频图像；

基于预先构建的目标卷积神经网络模型以及所述多组人脸样本图像中，训练用于检测活体人脸图像的图像特征和非活体人脸图像的图像特征的检测阈值；

基于预先构建的目标卷积神经网络模型对待检测人脸图像进行处理，并将得到的处理结果与所述检测阈值进行比较，输出待检测人脸图像的检测结果；其中，在所述处理结果大于所述检测阈值时，所述检测结果为活体人脸；在处理结果小于所述检测阈值时，所述检测结果为非活体人脸。

第二方面，本申请实施例还提供了一种人脸活体检测装置，包括：

第一获取模块，用于获取多组第一人脸样本图像，所述人脸样本图像包括活体人脸图像和非活体人脸图像；所述非活体人脸图像包括人脸照片图像和人脸视频图像；

第二训练模块，用于基于预先构建的目标卷积神经网络模型以及所述多组人脸样本图像中，训练用于检测活体人脸图像的图像特征和非活体人脸图像的图像特征的检测阈值；

识别模块，用于基于预先构建的目标卷积神经网络模型对待检测人脸图像进行处理，并将得到的处理结果与所述检测阈值进行比较，输出待检测人脸图像的检测结果；其中，在所述处理结果大于所述检测阈值时，所述检测结果为活体人脸；在处理结果小于所述检测阈值时，所述检测结果为非活体人脸。