[发明专利]一种基于深度图的单目人脸活体检测方法、装置及设备

权利要求书

1.一种基于深度图的单目人脸活体检测方法，其特征在于，包括：

对预先采集到的活体人脸图像集及非活体人脸图像集进行预处理后，得到目标活体人脸图像集与目标非活体人脸图像集；

利用所述目标活体人脸图像集与所述目标非活体人脸图像集对预先构建的初始人脸图像的深度图生成模型进行训练，得到目标人脸图像的深度图生成模型；

根据所述目标人脸图像的深度图生成模型与二分类训练模型，构建初始单目人脸活体检测模型；

利用所述目标活体人脸图像集与所述目标非活体人脸图像集对所述初始单目人脸活体检测模型进行训练，得到目标单目人脸活体检测模型；

将待检测人脸图像输入所述目标单目人脸活体检测模型，输出所述待检测人脸图像的分类结果，根据所述分类结果判断所述待检测人脸图像是否为活体人脸图像。

2.如权利要求1所述的方法，其特征在于，所述对预先采集到的活体人脸图像集及非活体人脸图像集进行预处理后，得到目标活体人脸图像集与目标非活体人脸图像集包括：

利用预选摄像机在不同场景下采集多幅活体人脸图像，分别将采集到的每幅活体人脸图像转换为像素大小为256×256的图像，得到活体人脸图像集；

利用移动终端拍摄的图像与视频伪造多幅人脸图像，并将伪造的每幅人脸图像转换为像素大小为256×256的图像，得到非活体人脸图像集；

分别对所述活体人脸图像集与所述非活体人脸图像集中的每幅图像执行数据与色彩的增强操作，亮度、对比度、色调与饱和度的调整操作，镜像操作以及随机采样操作后，得到目标活体人脸图像集与目标非活体人脸图像集。

3.如权利要求2所述的方法，其特征在于，所述利用所述目标活体人脸图像集与所述目标非活体人脸图像集对预先构建的初始人脸图像的深度图生成模型进行训练，得到目标人脸图像的深度图生成模型包括：

利用所述目标活体人脸图像集与所述目标非活体人脸图像集，采用动量因子为0.9、初始学习率为0.1的随机梯度下降法，对预先构建的初始人脸图像的深度图生成模型的网络参数进行迭代更新，直至所述初始人脸图像的深度图生成模型收敛，确定目标网络参数，得到目标人脸图像的深度图生成模型。

4.如权利要求1所述的方法，其特征在于，所述根据所述目标人脸图像的深度图生成模型与二分类训练模型，构建初始单目人脸活体检测模型包括：

固定所述目标人脸图像的深度图生成模型的所述目标网络参数，在所述目标人脸图像的深度图生成模型的网络结构基础上，增加两个卷积层与两个全连接层，得到初始单目人脸活体检测模型。

5.如权利要求1所述的方法，其特征在于，所述将待检测人脸图像输入所述目标单目人脸活体检测模型，输出所述待检测人脸图像的分类结果，根据所述分类结果判断所述待检测人脸图像是否为活体人脸图像包括：

利用仿射变换对待检测人脸图像进行对齐处理后，利用双线性插值法将所述待检测人脸图像的尺寸转换为256×256，并在所述待检测人脸图像的RGB三个通道分别剪去预设均值，得到目标待检测人脸图像；

将所述目标待检测人脸图像输入所述目标单目人脸活体检测模型，输出所述目标待检测人脸图像的分类结果；

根据所述分类结果判断所述目标待检测人脸图像是否为活体人脸图像。