[发明专利]一种人脸活体检测方法

权利要求书

1.一种人脸活体检测方法，其特征在于，包括：

摄像头采集不同光照条件下的真实人脸，得到真脸数据；对真实人脸的采集输出进行二次采集，得到假脸数据；

将采集真实人脸得到的真脸数据和二次采集的假脸数据作为训练数据，进行特征提取神经网络模型的训练；

摄像头获取待检测的图片，输入训练得到的所述特征提取神经网络模型进行特征向量的提取；

将提取的特征向量输入softmax函数计算概率值，并判断是否为活体；

其中，在进行特征提取神经网络模型的训练时，将特征相似度计算任务和真假人脸分类任务按照任务重要性进行加权融合作为多任务模型训练所述特征提取神经网络模型；所述特征相似度计算任务中，使不同光照下真脸数据的特征的相似度大于相同人脸的正负样本特征之间的相似度；相同人脸的真脸数据和二次采集的假脸数据互为正负样本。

2.根据权利要求1所述的方法，其特征在于，所述神经网络模型的损失函数为多任务损失函数，并采用随机梯度下降的方法训练所述神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述多任务损失函数为：

其中，α_Trip为特征相似度计算任务的设定加权值，α_cls为真假人脸分类任务的设定加权值，α_Trip+α_cls＝1，N为训练样本数量，i为训练样本的索引值，L_Trip为特征相似度计算任务的损失函数，L_cls为真假人脸分类任务的损失函数。

4.根据权利要求3所述的方法，其特征在于，所述特征相似度计算任务的损失函数L_Trip采用Triplet Loss三联子损失函数，在所述训练中，将目标样本Positive正样本与Negative负样本构造三联子，通过迭代优化使目标样本与正样本间的距离小于目标样本与负样本间的距离；

其中，为目标样本，为Positive正样本，为Negative负样本，为当前训练的特征提取网络对目标样本x所提取的特征，为当前训练的特征提取网络对正样本所提取的特征，为当前训练的特征提取网络对负样本所提取的特征，α为正、负样本对之间的距离阈值，n为三联子对个数，i为三联子对的索引值，(a-b)₊＝max((a-b),0)。

5.根据权利要求4所述的方法，其特征在于，当目标样本为真脸数据时，对应的Positive正样本为不同光照下相同人脸的真脸数据，Negative负样本为各种方式构造的假脸数据；

当目标样本为假脸数据时，对应的Positive正样本为各种方式构造的假脸数据，Negative负样本为不同光照下相同人脸的真脸数据；

一个目标样本对应一个或多个三联子对。

6.根据权利要求3所述的方法，其特征在于，所述真假人脸分类任务的损失函数L_cls为交叉熵损失函数：

其中，x为本次训练的目标样本，p(x)为期望输出的真假人脸概率值，q(x)为当前训练的特征提取网络对目标样本x提取特征后经softmax函数计算实际输出的真假人脸概率值。