[发明专利]活体检测方法、装置及人脸识别方法和人脸检测系统

权利要求书

1.一种活体检测方法，包括：

通过深度学习获取人脸图像中的人脸图片特征数据；

通过基于通道域的注意力机制处理所述人脸图片特征数据，包括：

根据所述人脸图片特征数据，通过神经网络卷积层获取生物特征和非生物特征；

通过池化层获取池化特征；

根据所述池化特征，通过全连接神经网络关联所述生物特征和所述非生物特征，获取处理结果；

确定活体识别结果，所述活体识别结果包括所述人脸图像为活体图像或非活体图像。

2.根据权利要求1所述的方法，其中，所述人脸图片特征数据为通过人脸识别系统的神经网络模型从人脸图像中提取。

3.根据权利要求1所述的方法，其中，所述通过全连接神经网络关联所述生物特征和所述非生物特征，获取处理结果包括：

将所述池化特征输入第一全连接层，并依次通过线性整流函数、第二全连接层和S型生长曲线sigmoid函数，获取所述处理结果，以便根据所述处理结果确定所述活体识别结果。

4.根据权利要求1所述的方法，其中，所述通过基于通道域的注意力机制处理所述人脸图片特征数据包括：

将所述人脸图片特征数据通过基于通道域的注意力机制处理，获取一次处理数据；将所述一次处理数据通过卷积神经网络后再次通过基于通道域的注意力机制处理，获取所述活体识别结果。

5.根据权利要求1所述的方法，其中，所述通过基于通道域的注意力机制处理所述人脸图片特征数据包括：

将所述人脸图片特征数据通过基于通道域的注意力机制处理；将处理结果通过卷积神经网络后循环通过基于通道域的注意力机制处理，直至通过基于通道域的注意力机制处理的次数达到预定循环次数时，根据确定处理结果确定所述活体识别结果。

6.根据权利要求3所述的方法，还包括：利用所述sigmoid函数的输出对所述人脸图片特征数据中每个通道进行尺度缩放处理，获取优化人脸图片特征数据，以便根据所述优化人脸图片特征数据执行人脸识别。

7.根据权利要求1～5任意一项所述的方法，还包括：利用通过基于通道域的注意力机制处理所述人脸图片特征数据的处理结果加强所述人脸图片特征数据中的生物特征，获取优化人脸图片特征数据；

根据所述优化人脸图片特征数据执行人脸识别。

8.一种人脸识别方法，包括：

通过神经网络模型从人脸图像中提取人脸图片特征数据；

通过权利要求1～5任意一项所述的活体检测方法确定活体识别结果；

利用通过基于通道域的注意力机制处理所述人脸图片特征数据的处理结果加强所述人脸图片特征数据中的生物特征，获取优化人脸图片特征数据；

根据所述优化人脸图片特征数据执行人脸识别。

9.一种活体检测装置，包括：

特征获取模块，被配置为通过深度学习获取人脸图像中的人脸图片特征数据；

特征处理模块，被配置为通过基于通道域的注意力机制处理所述人脸图片特征数据，包括：

卷积层，被配置为根据所述人脸图片特征数据获取生物特征和非生物特征；

池化层，被配置为获取池化特征；

全连接处理单元，被配置为根据所述池化特征，通过全连接神经网络关联所述生物特征和所述非生物特征，获取处理结果；

活体识别模块，被配置为根据所述特征处理模块的处理结果确定活体识别结果，所述活体识别结果包括所述人脸图像为活体图像或非活体图像。

10.根据权利要求9所述的装置，其中，所述特征获取模块为人脸识别系统的神经网络模型。

11.根据权利要求9所述的装置，其中，所述全连接处理单元被配置为：

将所述池化特征输入第一全连接层，并依次通过线性整流函数、第二全连接层和S型生长曲线sigmoid函数，获取所述处理结果，以便根据所述处理结果确定所述活体识别结果。