[发明专利]一种基于轻量卷积神经网络的虹膜活体检测方法

说明书

本发明公开的一种基于轻量卷积神经网络的虹膜活体检测方法，包括：S1、采集活体虹膜图像、假体虹膜图像样本，经卷积神经网络学习训练得到区分活体虹膜与假体虹膜图像的网络权重和分类器；S2、获取待检测的虹膜图像；S3、利用训练好的的轻量卷积神经网络模型对待检测虹膜图像进行特征提取，得到待检测虹膜图像对应的特征向量；S4、将S3得到的待测虹膜图像对应的特征向量输入至S1得到的分类器中，计算所述特征向量属于活体虹膜图像的概率值，当所述概率值超过所预设的阈值，即可判定待检测的虹膜图像为活体。本发明的优点在于，避免虹膜设备遭受假体虹膜“攻陷”问题，使得虹膜识别设备具有更高的可靠性和安全性，增加了用户对虹膜识别设备使用的信心。

技术领域

本发明涉及图像识别技术领域，具体为一种基于轻量卷积神经网络的虹膜活体检测方法。

背景技术

随着科技的发展，生物特征识别技术在很多行业中得到了广泛的应用，由于虹膜识别技术具有高稳定性、高防伪性和唯一性等特点，使其得到广泛的应用，特别是那些保密性要求较高的场景中。但随着生物特征识别技术的普及，虹膜伪造技术也随之出现。因此，虹膜识别设备是否配备活体检测技术体现出该设备的水平高低。

现阶段的虹膜活体检测技术，主要侧重于硬件的帮助，通过硬件设备释放不同强弱的光线使瞳孔呈现不同的收缩情况，以此来进行活体检测。但该方法设备造价较高，而且根据设备释放光线强弱周期，可以伪造瞳孔缩放间隔，从而无法判断虹膜是否为活体，降低了安防领域的安全性。

发明内容

为了解决现有技术中虹膜活体检测侧重于硬件的帮助，可以伪造瞳孔缩放距离从而无法真实地判断是否为活体的问题，本发明提供了一种基于轻量卷积神经网络的虹膜活体检测方法，实现的目的为，采用轻量卷积神经网络对待检虹膜数据是否为活体进行预测和判断，检测速度快、准确率高。

为了实现上述目的，本发明提供的技术方案为，本发明提供的一种基于轻量卷积神经网络的虹膜活体检测方法，包括：

S1、采集活体虹膜图像、假体虹膜图像样本，经卷积神经网络学习训练得到区分活体虹膜与假体虹膜图像的网络权重和分类器；

S2、获取待检测的虹膜图像；

S3、利用训练好的轻量卷积神经网络模型对待检测虹膜图像进行特征提取，得到待检测虹膜图像对应的特征向量；

S4、将S3得到的待测虹膜图像对应的特征向量输入至S1得到的分类器中，计算所述特征向量属于活体虹膜图像的概率值，当所述概率值超过所预设的阈值，即可判定待检测的虹膜图像为活体。

进一步的，S1所述网络权重和分类器训练过程如下：

S11、首先对待训练的虹膜图像数据进行处理，包括打标签，训练集、验证集和测试集的划分；

S12、其次，对训练过程中用到的超参数进行设置，以及优化器算法的选择；

S13、在训练过程中，数据经过网络的前向推理得到每个类别的预测结果，利用损失函数计算预测值与真实值之间的误差，再将误差反向传播至网络中；

S14、在反向传播过程中，对每个节点求偏导，以学习率为步长调整权重的大小，再次前向传播，如此反复计算，当训练到损失函数值不再变化或在某一值小幅上下震荡时，停止训练；若此时分类器在验证集和测试集上精度达到最优，则模型训练完成。

进一步的，所述S3中还包括利用训练好的轻量卷积神经网络模型对待检测虹膜图像进行特征提取之前，针对所述虹膜图像进行预处理，以确定所述虹膜图像中的虹膜部分。

所述针对所述虹膜数据进行预处理，包括：

定位所述虹膜图像的虹膜部分，并进行分割，以得到圆环状的虹膜区域；