[发明专利]活体检测方法及装置

说明书

本发明实施例提供一种活体检测方法及装置，所述方法包括：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。本发明实施例能自动识别使用照片和视频进行人脸识别的欺骗行为，速度快，准确率高，鲁棒性强，设备要求低。

技术领域

本发明实施例属于图像分类技术领域，更具体地，涉及一种活体检测方法及装置。

背景技术

在使用人脸识别系统进行人脸识别时，很可能会出现将包含人脸的照片或视频置于人脸识别系统前进行识别，而非真人的人脸识别。因此，需要进行活体检测，即从人脸识别系统中区分照片与真人图像，或者视频与真人图像，以防止人脸欺骗。

如今活体检测方法大都是将人脸防欺骗视为一个黑箱二进制分类问题。该方法通过对从原始的实时图像中生成欺骗图像的过程进行建模来打开黑盒。在抗欺骗干扰的情况下，欺骗图像可以看成是对真实图像的重新渲染，只是有一些来自欺骗介质和环境的特殊噪声。

现有的活体检测方法主要包括基于交互式动作的方法、基于三维图像建模技术和采用红外摄像头的方法。其中，基于交互式动作的方法检测速度慢、用户难配合、交互性差；基于三维图像建模技术计算量大，需要3D摄像头，硬件要求高；采用红外摄像头的方法成本高，需要红外探测设备，硬件要求高。

发明内容

为克服上述现有的活体检测方法需要用户配合、速度慢、需要额外的硬件设备的问题或者至少部分地解决上述问题，本发明实施例提供一种活体检测方法及装置。

根据本发明实施例的第一方面，提供一种活体检测方法，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。

根据本发明实施例第二方面提供一种活体检测装置，包括：

第一判别模块，用于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；

第二判别模块，用于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；

确定模块，用于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。

根据本发明实施例的第三个方面，还提供一种电子设备，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的活体检测方法。

根据本发明实施例的第四个方面，还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的活体检测方法。