[发明专利]一种基于NIR残差图象的单摄人脸活体识别方法及计算机可读存储介质

权利要求书

1.一种基于NIR残差图象的单摄人脸活体识别方法，其特征在于：配置采集单元、残差计算单元和残差识别单元；

所述方法包括以下步骤：

步骤S1、采集单元采集不同光线强度下的人脸图像，通过MTCNN网络模型提取和dlib库进行裁剪对齐，得到不同光线强度下的人脸呈像；

步骤S2、残差计算单元对不同光线强度下的人脸呈像进行残差计算，得到残差图像；

步骤S3、残差识别单元对所述残差图像进行归一化，然后导入已训练的CNN网络模型进行识别，并输出识别结果。

2.根据权利要求1所述的一种基于NIR残差图象的单摄人脸活体识别方法，其特征在于：所述采集单元包括至少一红外LED补光灯和一设有红外光滤镜的红外摄像头；

所述步骤S1的具体操作方法如下：

采集单元动态控制PWM波，改变红外LED补光灯强度，采集不同光线强度下的人脸图像，通过MTCNN网络模型从所述人脸图像中提取出人脸区域，然后通过dlib库对所述人脸区域进行人脸对齐及裁剪，得到不同光线强度下的人脸呈像；其中，不同光线强度下的人脸呈像采用如下公式描述：

I(x)为不同光线强度下的人脸呈像；

I_a为自然光状态下的人脸呈像；

为周围各种光源照射下的人脸呈像；

n为周围光源个数；

I_x为在亮度占空比为x的PWM波下的人脸呈像；

x为亮度占空比。

3.根据权利要求2所述的一种基于NIR残差图象的单摄人脸活体识别方法，其特征在于：所述步骤S1中，改变红外LED补光灯强度到采集人脸图像，其操作时间不超过100ms。

4.根据权利要求1所述的一种基于NIR残差图象的单摄人脸活体识别方法，其特征在于：所述步骤S2中，残差计算方法如下：

I_d＝I_high-I_low

I_d为光线强度改变前后的残差图像；

I_high为强光下所采集的人脸呈像；

I_low为弱光下所采集的人脸呈像。

5.根据权利要求1所述的一种基于NIR残差图象的单摄人脸活体识别方法，其特征在于：所述步骤S3中，已训练的CNN网络模型进行识别时，输出所述残差图像为活体的置信度F；所述F的数值范围为0～1，当0.5≤F≤1时，所述残差图像为活体，当0≤F＜0.5时，所述残差图像为非活体。

6.根据权利要求1所述的一种基于NIR残差图象的单摄人脸活体识别方法，其特征在于：所述步骤S3中，利用CNN网络模型对真人人脸图像与照片人脸图像进行区分，采用Keras框架进行训练，即获得已训练的CNN网络模型。

7.一种计算机可读存储介质，其上存储有计算机程序(指令)，其特征在于，该程序(指令)被处理器执行时实现以下步骤：配置采集单元、残差计算单元和残差识别单元；

步骤S1、采集单元采集不同光线强度下的人脸图像，通过MTCNN网络模型提取和dlib库进行裁剪对齐，得到不同光线强度下的人脸呈像；

步骤S2、残差计算单元对不同光线强度下的人脸呈像进行残差计算，得到残差图像；

步骤S3、残差识别单元对所述残差图像进行归一化，然后导入已训练的CNN网络模型进行识别，并输出识别结果。