[发明专利]人脸识别反欺诈方法、装置与电子设备

权利要求书

1.一种人脸识别反欺诈方法，其特征在于，包括：

截取待识别人脸的人脸图像，并将所述人脸图像输入递归神经网络预测模型，获取所述待识别人脸的预测远程光电体积描述术信号；

通过判断所述预测远程光电体积描述术信号的波动程度，辨别所述待识别人脸是否为活体人脸。

2.根据权利要求1所述的方法，其特征在于，所述通过判断所述预测远程光电体积描述术信号的波动程度，辨别所述待识别人脸是否为活体人脸的步骤具体包括：

求解所述预测远程光电体积描述术信号的2-范数，并比较所述2-范数与设定阈值的大小，若所述2-范数大于所述设定阈值，则判定所述待识别人脸为活体人脸，否则，判定所述待识别人脸为非活体人脸。

3.根据权利要求1或2所述的方法，其特征在于，所述截取待识别人脸的人脸图像的步骤具体包括：

捕获所述待识别人脸的带背景图像，并采用密集人脸对齐技术，从所述带背景图像中截取一个三维人脸区域并进行校正，获取所述待识别人脸的人脸图像。

4.根据权利要求1所述的方法，其特征在于，在所述将所述人脸图像输入递归神经网络预测模型的步骤之前，还包括：

获取一定数量的真实人脸的视频和非真实人脸的视频，并计算所述真实人脸的视频对应的实际远程光电体积描述术信号，指定所述非真实人脸的视频对应的参考远程光电体积描述术信号；

分别从所述真实人脸的视频和所述非真实人脸的视频中连续取帧，并将从所述真实人脸的视频中取出的帧图像与所述实际远程光电体积描述术信号，以及从所述非真实人脸的视频中取出的帧图像与所述参考远程光电体积描述术信号逐组输入建立的基础递归神经网络，对所述基础递归神经网络进行有监督的迭代训练，获取所述递归神经网络预测模型。

5.根据权利要求4所述的方法，其特征在于，所述计算所述真实人脸的视频对应的实际远程光电体积描述术信号的步骤具体包括：

采用密集人脸对齐技术，从所述真实人脸的视频中评估出一个三维的人脸形状，并利用所述三维的人脸形状限定一个人脸区域；

通过计算所述人脸区域的两个正交色度信号以及两个所述正交色度信号的标准差的比率，计算所述真实人脸的视频对应的实际远程光电体积描述术信号。

6.根据权利要求5所述的方法，其特征在于，所述通过计算所述人脸区域的两个正交色度信号以及两个所述正交色度信号的标准差的比率，计算所述真实人脸的视频对应的实际远程光电体积描述术信号的步骤具体包括：

基于所述人脸区域，计算两个所述正交色度信号如下：

x_f＝3r_f-2g_f；

y_f＝1.5r_f+g_f-1.5b_f；

式中，x_f、y_f分别表示两个所述正交色度信号，r_f、g_f、b_f分别表示对所述人脸区域中的人脸肤色归一化后的red、green、blue通道的带通滤波值；

分别对两个所述正交色度信号求解标准差，并计算两个所述正交色度信号的标准差的比率如下：

式中，γ表示正交色度信号x_f的标准差与正交色度信号y_f的标准差的比率，σ(x_f)、σ(y_f)分别表示正交色度信号x_f、y_f的标准差；

基于两个所述正交色度信号的标准差的比率，以及所述人脸区域中的人脸肤色归一化后的red、green、blue通道的带通滤波值，计算所述真实人脸的视频对应的实际远程光电体积描述术信号p如下：

7.根据权利要求2所述的方法，其特征在于，在所述判定所述待识别人脸为非活体人脸的步骤之后，还包括，拒绝对所述待识别人脸进行人脸识别，并进行报警提示。