[发明专利]一种基于多模型的人脸活体检测方法

说明书

一种基于多模型的人脸活体检测方法，其步骤如下：(1)挑选训练样本并标注；(2)基于多模型的人脸活体检测模型训练；(3)人脸活体检测模型转换；4)进行防照片攻击人脸活体检测，检测通过进入步骤(5)，否则认为该图像不存在活体人脸，结束整个流程；(5)防屏幕攻击人脸活体检测；检测通过则存在活体人脸，否则不存在活体人脸。本发明用3个人脸活体检测模型和1个人脸定位模型来进行人脸活体检测，使其不仅能防御照片攻击，也能防御屏幕攻击，防御攻击能力增强。根据红外摄像头采集的屏幕人脸图像的特性，用人脸定位模型来代替人脸活体检测模型进行人脸活体检测，进一步提高了人脸活体检测的精度。

技术领域

本发明属于人脸识别技术领域，涉及一种基于多模型的人脸活体检测方法。

背景技术

人脸识别已广泛应用于安防和金融等领域，而人脸活体检测是人脸识别的应用前提。人脸活体检测的作用是检测图像或视频中是否存在活体人脸，防御来自照片、屏幕、视频、面具或头套等对人脸识别相关应用的攻击。现有的人脸活体检测方法包括基于交互的活体检测、基于立体性的活体检测、基于亚表面的活体检测和基于深度学习的活体检测。其中基于深度学习的活体检测方法因其鲁棒性和检测精度，应用最为广泛。其中交互式的活体检测，需要用户用眨眼、张嘴、点头和摇头等动作进行配合。但是，现有的人脸活体检测方法，仅依靠单一摄像头或只用单一的活体检测模型进行检测，不仅检测精度低，而且只能防御单一的攻击方式，远不能满足市场的需求。而且随着人脸活体检测攻击方式的增多，人脸识别应用场景的复杂多变，这对人脸活体检测的灵活性和适应性提出了要求，在复杂场景下保证检测的精度是人脸活体检测的难点之一。在受限设备上，现有的人脸活体检测模型没有速度优势，甚至在某些设备上因为空间功耗等原因无法运行。

即现有方案存在以下缺点：

1)采用单一摄像头采集人脸图像并训练活体检测模型，活体检测的精度有待提高；

2)现有的活体检测方法，仅能防照片攻击，并不能防屏幕攻击,防攻击手段单一。

现在亟需一种新的检测精度高且可以防御多种方式攻击的人脸活体检测方法。

发明内容

为了克服现有技术中存在的不足，本发明在于提供了一种检测精度高且可以防御多种方式攻击的基于多模型的人脸活体检测方法。

本发明采用的技术方案是：

一种基于多模型的人脸活体检测方法，其步骤如下：

(1)挑选训练样本并标注：分别用自然光摄像头和红外摄像头采集用于训练的活体样本和非活体样本，并对这两类样品进行标注；

(2)基于多模型的人脸活体检测模型训练：将活体样本和相应的非活体样本分别输入到全卷积网络进行深度学习训练，分别得到基于自然光的防照片攻击人脸活体检测模型、基于红外光的防照片攻击人脸活体检测模型和基于自然光的防屏幕攻击人脸活体检测模型；

(3)人脸活体检测模型转换：将得到的基于自然光的防照片攻击人脸活体检测模型、基于红外光的防照片攻击人脸活体检测模型和基于自然光的防屏幕攻击人脸活体检测模型进行量化和加密；

(4)防照片攻击人脸活体检测：首先取一帧自然光摄像头采集的人脸图像，用基于自然光的防照片攻击人脸活体检测模型进行检测，得到图像的活体检测分数；其次取一帧红外摄像头采集的人脸图像，用基于红外光的防照片攻击人脸活体检测模型进行检测，得到图像的活体检测分数；只有当两个活体检测分数均大于某个阈值(60)，才进入步骤(5)，否则认为该图像不存在活体人脸，结束整个流程；