[发明专利]活体检测方法及装置

权利要求书

1.一种活体检测方法，其特征在于，包括：

基于第一卷积神经网络从目标人脸图像中提取噪声，基于第二卷积神经网络根据所述噪声和所述目标人脸图像确定所述目标人脸图像的第一分类概率；

基于第三卷积神经网络提取所述目标人脸图像的输入面深度特征，根据所述输入面深度特征确定所述目标图像的第二分类概率；

根据所述第一分类概率和所述第二分类概率，确定所述目标人脸图像的真假。

2.根据权利要求1所述的方法，其特征在于，基于第一卷积神经网络从目标人脸图像中提取噪声的步骤具体包括：

将所述目标人脸图像的RGB特征和HSV特征作为所述第一卷积神经网络的输入，提取所述目标人脸图像中的噪声。

3.根据权利要求1所述的方法，其特征在于，所述第一卷积神经网络包括编码器和解码器；

相应地，基于第一卷积神经网络从目标人脸图像中提取噪声的步骤具体包括：

基于所述第一卷积神经网络中的编码器对所述目标人脸图像进行编码，基于所述第一卷积神经网络中的解码器对编码后的所述目标人脸图像进行解码，获取所述目标人脸图像中的噪声。

4.根据权利要求1所述的方法，其特征在于，基于第一卷积神经网络从目标人脸图像中提取噪声的步骤之前还包括：

对所述第一卷积神经网络和所述第二卷积神经网络进行训练。

5.根据权利要求4所述的方法，其特征在于，对所述第一卷积神经网络和所述第二卷积神经网络进行训练的步骤具体包括：

将各训练样本作为所述第一卷积神经网络的输入，获取各所述训练样本的噪声；

将各所述训练样本的噪声和各所述训练样本作为所述第二卷积神经网络的输入，获取各所述训练样本的第一分类概率；

使用第三卷积神经网络提取各所述训练样本的输入面深度特征，根据各所述训练样本的输入面深度特征和预设输入面深度特征获取各所述训练样本的第二分类概率；

根据各所述训练样本第一分类概率、第二分类概率和各所述训练样本的预设类别标签，对所述第一卷积神经网络和所述第二卷积神经网络中的参数进行调整，直到损失函数的值小于预设阈值。

6.根据权利要求5所述的方法，其特征在于，所述损失函数J_T的公式为：

J_T＝J_Z+λ₁J_m+λ₂J_r+λ₃J₃+λ₄J₂；

其中，λ₁、λ₂、λ₃和λ₄为权重，J_z为零\一映射损失函数，J_m为幅度损失函数，J_r为重复性损失函数，J₃为第三卷积神经网络的损失函数，J₂为第二卷积神经网络的损失函数。