[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，包括以下步骤：

步骤1，采集带真人脸部区域的图像作为正样本，采集同一人的照片或视频的脸部区域图像作为负样本；

步骤2，将图像分离成HSV颜色空间的三个颜色通道，并输入至三个特征提取网络，使用自编码器进行训练，获得三个特征提取层；

步骤3，将三个特征提取层的输出整合成一维特征向量，输入至全连接层网络进行训练，获得特征分类层，输出即是输入图像的分类结果，获得训练好的分类模型；

步骤4，采集需要检测的包含人脸的图像，并通过人脸检测获得待检测人脸区域，共采集N张待检测人脸；

步骤5，将每张待检测人脸转换至HSV颜色空间并分离获得三个通道图像，分别输入到三个特征提取层，获得三个特征向量，并整合在一起输入到分类层，获得每张待检测人脸是否为活体的检测结果；

步骤6，将检测结果为活体的人脸数量和除以总的输入人脸数量，获得的结果大于设定的阈值，即可判断检测对象是活体。

2.根据权利要求1所述的人脸活体检测方法，其特征在于，样本集的负样本中包含与正样本中与之对应的同一个人相同面部表情的图像。

3.根据权利要求2所述的人脸活体检测方法，其特征在于，样本大小设定为224*224*3。

4.根据权利要求1所述的人脸活体检测方法，其特征在于，所述自编码器是一种自监督的神经网络模型，包含编码和解码两部分；编码是网络从输入数据中提取特征，解码是网络用编码学习到的特征重新组合重构出原始输入数据；通过使用自编码器来提取特征，获得待检测人脸每个颜色通道的特征向量。

5.根据权利要求1所述的人脸活体检测方法，其特征在于，对全连接层进行训练时，将三个特征提取网络的输出变形成一维特征并连接在一起，作为全连接层的输入，三个特征提取网络已使用自编码器完成训练，只需要读入保存的训练参数，训练参数设定为否，不参与训练，网络读入样本训练集，转换成HSV通道图像并分离通道，分别输入至各自的特征提取层，完成特征提取，并整合特征向量输入到全连接层来训练全连接层，获得训练好的整个模型，等待待检测图像的输入。

6.根据权利要求1所述的人脸活体检测方法，其特征在于，待检测图像从摄像头读入，通过MTCNN算法或者Haar Cascade进行人脸检测，若检测到有人脸存在，则获取此帧的人脸区域，设定一个数值N，共获取N张待检测的人脸图像。

7.根据权利要求6所述的人脸活体检测方法，其特征在于，将待检测的N张人脸图像分别输入到检测网络中进行检测，首先转换至HSV通道并分离成单通道图像，然后分别输入到对应的特征提取网络进行特征提取并整合，把获得的特征向量输入到分类层进行分类，检测结果中，识别为活体的输入人脸图像的数量为n，如果n/N大于设定的阈值，即可判定检测的目标为活体。