[发明专利]一种人脸识别活体检测方法及装置

说明书

本发明实施例公开了一种人脸识别活体检测方法及装置，所述方法包括：对待检测图片进行人脸检测及人脸对齐；将人脸图像输入至训练好的第一卷积神经网络，输出基于特征的欺骗程度评分f；利用第二卷积神经网络输出基于深度的欺骗程度评分d；对所述基于特征的欺骗程度评分f和基于深度的欺骗程度评分d进行加权计算得出活体评分s；若活体评分s的值属于预设的阈值范围，则生成不同动作的随机序列，并根据对目标用户是否在规定时间内完成随机序列要求的动作的检测结果给出最终的活体检测结果，提高了活体检测的健壮性，具备更好的分类和学习能力，并能较好的应对翻拍重放等手段的欺骗攻击，区分结果准确率较高。

技术领域

本发明实施例涉及计算机视觉处理技术领域，具体涉及一种人脸识别活体检测方法及装置。

背景技术

人脸识别是通过捕捉人脸图像后，进行数据库比对来完成识别过程，与指纹、虹膜等信息相比，人脸信息是较容易获取的生物信息，因此被广泛应用于高精度需求的人脸识别系统。作为一项生物识别技术，人脸识别技术不断成熟，如今已经普及到安全认证、电子商务等诸多领域，例如生活中的门禁系统、签到打卡和远程交易等。传统的人脸识别算法中，虽然人脸特征识别已经十分精确，但是仅能判别人脸图像的身份信息，无法准确辨别出所输入人脸的真伪。因此，传统的人脸识别技术面临着各种恶意欺骗以通过验证的方法，例如通过打印翻拍图片、视频回放、佩戴3D面具来伪造合法的身份信息，达到欺骗人脸验证的目的，这些欺骗攻击使得传统的验证方法失效。

因此，需要使用活体检测方法作为人脸识别的辅助技术，来高效地判别捕捉到的人脸是真实人脸还是伪造的人脸攻击，以验证当前目标是否是合法用户本人，解决现有技术中存在的照片或者视频欺骗问题。传统的活体检测方法主要有三种，一是利用假人脸经过傅利叶频谱分析、图像多尺度和多区域LBP特征等方法二次采集呈现出的与真人图片在纹理细节上的差异进行检测；二是通过人脸部位的时序运动结合视频、音频数据对特定运动信息进行判定；三是基于红外成像技术和线性判别分析对皮肤和其他材质在光谱反射率上的差异来进行活体检测。传统的活体检测方法对采集条件或用户交互要求较高，且容易受到翻拍重放等手段的欺骗攻击，鲁棒性不够强。

发明内容

为此，本发明实施例提供一种人脸识别活体检测方法及装置，以解决现有的活体检测方法对采集条件或用户交互要求较高，且容易受到翻拍重放等手段的欺骗攻击，鲁棒性不够强的问题。

为了实现上述目的，本发明实施例提供如下技术方案：

根据本发明实施例的第一方面，提出了一种人脸识别活体检测方法，所述方法包括：

对待检测图片进行人脸检测；

对检测到的人脸图像进行人脸对齐；

将经过人脸对齐的人脸图像输入至训练好的第一卷积神经网络，生成所输入人脸图像的特征图，并输出基于特征的欺骗程度评分f；

生成所输入人脸图像的深度图，利用训练好的第二卷积神经网络输出基于深度的欺骗程度评分d；

对所述基于特征的欺骗程度评分f和基于深度的欺骗程度评分d进行加权计算得出活体评分s，并根据预设阈值范围对所述活体评分s进行判断；

若活体评分s的值属于预设的阈值范围，则生成不同动作的随机序列，并根据对目标用户是否在规定时间内完成随机序列要求的动作的检测结果给出最终的活体检测结果；

若活体评分s的值高于预设的阈值范围，则判定当前检测目标为合法真人，活体检测通过；

若活体评分s的值低于预设的阈值范围，则判定当前检测目标为非法用户，活体检测不通过。

进一步地，所述对待检测图片进行人脸检测包括：

采用人脸检测算法检测出待检测图片中人脸框位置；

若未检测到人脸，则判定活体检测失败；