[发明专利]静默式活体图片识别方法、装置、计算机设备和存储介质

权利要求书

1.一种静默式活体图片识别方法，所述方法包括：

获取待验证图片；

根据所述待验证图片的颜色信息和亮度信息，构建所述待验证图片的多通道图片数据；

将所述多通道图片数据输入预先设置的深度卷积网络，得到所述多通道图片数据对应的特征标签；

当所述特征标签与目标标签匹配时，则确定所述待验证图片为活体图片。

2.根据权利要求1所述的方法，其特征在于，根据所述待验证图片的颜色信息和亮度信息，构建所述待验证图片的多通道图片数据，包括：

根据所述待验证图片的颜色信息，得到所述待验证图片的RGB三通道图片数据；

根据所述待验证图片的亮度信息，得到所述待验证图片的HSV三通道图片数据；

根据所述RGB三通道图片数据和所述HSV三通道图片数据，得到所述多通道图片数据。

3.根据权利要求2所述的方法，其特征在于，将所述多通道图片数据输入预先设置的深度卷积网络，得到所述多通道图片数据对应的特征标签，包括：

将所述多通道图片数据输入预先设置的深度卷积网络，通过所述深度卷积网络的卷积层对所述RGB三通道图片数据和HSV三通道图片数据进行计算，得到所述多通道图片数据对应的图片特征；

根据所述图片特征，得到所述多通道图片数据对应的特征标签。

4.根据权利要求3所述的方法，其特征在于，根据所述图片特征，得到所述多通道图片数据对应的特征标签，包括：

根据所述深度卷积网络的全连接层，得到所述图片特征映射至各个预设标签的概率，通过预先设置的归一化指数函数，输出所述预设标签中的一个作为所述多通道图片数据对应的特征标签。

5.根据权利要求1所述的方法，其特征在于，训练深度卷积网络的方式，包括：

根据预先设置的一次图片，构建对应于所述一次图片的二次图片；所述二次图片是通过拍摄所述一次图片得到的图片数据；

根据所述一次图片和所述二次图片，建立所述深度卷积网络的训练集和验证集；

通过所述训练集以及预先设置的损失函数，对初始卷积神经网络进行训练，当所述初始卷积神经网络在所述验证集的准确率达到阈值时，得到所述深度卷积神经网络。

6.根据权利要求5所述的方法，其特征在于，根据所述一次图片和所述二次图片，建立所述深度卷积网络的训练集和验证集，包括：

对所述一次图片进行数据增强操作，得到多张对应于所述一次图片的增强一次图片；所述数据增强操作包括：旋转操作、缩放操作以及翻转操作；

对所述二次图片进行所述数据增强操作，得到多张对应于所述二次图片的增强二次图片；

根据所述增强一次图片和所述增强二次图片，建立所述深度卷积网络的训练集和验证集。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述特征标签包括1或0；所述目标标签为1；

当所述特征标签与目标标签匹配时，则确定所述待验证图片为活体图片，包括：

当所述特征标签为1时，确定所述特征标签与所述目标标签匹配，确定所述待验证图片为活体图片。

8.一种静默式活体图片识别装置，其特征在于，所述装置包括：

数据获取模块，用于获取待验证图片；

特征提取模块，用于根据所述待验证图片的颜色信息和亮度信息，构建所述待验证图片的多通道图片数据；

预测模块，用于将所述多通道图片数据输入预先设置的深度卷积网络，得到所述多通道图片数据对应的特征标签；

识别模块，用于当所述特征标签与目标标签匹配时，则确定所述待验证图片为活体图片。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。