[发明专利]基于眨眼的活体检测方法、装置、可读存储介质及设备

权利要求书

1.一种基于眨眼的活体检测方法，其特征在于，所述方法包括：

对获取的连续多帧人脸图像进行预处理，得到多帧人脸图像的眼部图像；

将所述多帧人脸图像的眼部图像输入预先训练的轻量级神经网络，得到多个人眼特征向量；

使用多元回归softmax计算每个人眼特征向量的得分，若人眼特征向量的得分大于设定分值，则判定该帧人脸图像的人眼状态是闭眼，否则，判定该帧人脸图像的人眼状态是睁眼；

根据所有人脸图像的人眼状态判断是否有眨眼动作，若存在眨眼动作，则活体检测通过，否则，活体检测不通过；

其中，所述轻量级神经网络包括4个卷积层、4个池化层、1个全连接层和1个sigmoid层，所述轻量级神经网络的损失函数为binary log los。

2.根据权利要求1所述的基于眨眼的活体检测方法，其特征在于，所述根据所有人脸图像的人眼状态判断是否有眨眼动作，包括：

对连续的多帧人脸图像中的每帧人脸图像，统计该帧人脸图像以及该帧人脸图像之前的若干帧人脸图像的人眼状态，若人眼状态是闭眼的数量大于设定数量，则将该帧人脸图像标记为第一状态，否则，将该帧人脸图像标记为第二状态；

若连续的多帧人脸图像存在第一状态和第二状态的交替变化，则判定有眨眼动作。

3.根据权利要求1所述的基于眨眼的活体检测方法，其特征在于，所述预处理包括：

对人脸图像进行人脸检测和特征点定位；并对人脸检测得到的人脸检测框内的人脸区域进行人脸对齐、归一化和灰度化处理，得到脸部图像；

根据特征点定位得到的左眼或右眼的特征点，在人脸图像上选取左眼或右眼区域，并进行灰度化和归一化处理，得到眼部图像。

4.根据权利要求3所述的基于眨眼的活体检测方法，其特征在于，所述基于眨眼的活体检测方法还包括：

将每帧人脸图像的脸部图像进行二维FFT，将脸部图像从空间域转化到频率域上；

计算所有脸部图像在频率域上的响应值的平均值并进行归一化，若归一化后的平均值大于设定数值，则执行下一步，否则，活体检测不通过；

判断相邻两帧人脸图像通过人脸检测得到的人脸检测框的相对位置变化，若连续的多帧人脸图像中有超过设定数目的相邻两帧人脸图像的人脸检测框的相对位置变化超过设定阈值，则活体检测不通过，否则，执行所述根据所有人脸图像的人眼状态判断是否有眨眼动作。

5.根据权利要求1-4任一所述的基于眨眼的活体检测方法，其特征在于，所述轻量级神经网络包括依次相连的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层、全连接层和sigmoid层。

6.一种基于眨眼的活体检测装置，其特征在于，所述装置包括：

预处理模块，用于对获取的连续多帧人脸图像进行预处理，得到多帧人脸图像的眼部图像；

人眼特征向量获取模块，用于将所述多帧人脸图像的眼部图像输入预先训练的轻量级神经网络，得到多个人眼特征向量；

人眼状态判断模块，用于使用多元回归softmax计算每个人眼特征向量的得分，若人眼特征向量的得分大于设定分值，则判定该帧人脸图像的人眼状态是闭眼，否则，判定该帧人脸图像的人眼状态是睁眼；

活体检测模块，用于根据所有人脸图像的人眼状态判断是否有眨眼动作，若存在眨眼动作，则活体检测通过，否则，活体检测不通过；

其中，所述轻量级神经网络包括4个卷积层、4个池化层、1个全连接层和1个sigmoid层，所述轻量级神经网络的损失函数为binary log los。

7.根据权利要求6所述的基于眨眼的活体检测装置，其特征在于，所述根据所有人脸图像的人眼状态判断是否有眨眼动作通过如下单元实现：

状态标记单元，用于对连续的多帧人脸图像中的每帧人脸图像，统计该帧人脸图像以及该帧人脸图像之前的若干帧人脸图像的人眼状态，若人眼状态是闭眼的数量大于设定数量，则将该帧人脸图像标记为第一状态，否则，将该帧人脸图像标记为第二状态；

眨眼判断单元，用于若连续的多帧人脸图像存在第一状态和第二状态的交替变化，则判定有眨眼动作。