[发明专利]一种活体检测方法及系统

说明书

本申请公开了一种活体检测方法，包括：获取可见光人脸图像；根据所述可见光人脸图像生成仿红外人脸图像；根据所述可见光人脸图及所述仿红外人脸图像分别生成人脸伪深度图像及人脸特征图像；融合所述人脸伪深度图像的特征及所述人脸特征图像的特征，获得容和特征图像；根据所述融合特征图像生成检测结果。与现有技术相比，本申请具有如下有益效果：本技术方案采用端到端的深度学习神经网络的方法，提出GAN生成红外人脸技术，为单目活体检测提供可见光和红外两种图像信息特征，模拟双目活体检测架构，实现不同深度的网络层融合特征的提取以及伪深度图的生成，同时提出诱导GAN生成真人脸和伪人脸特征的方法，提高活体检测算法效果。

技术领域

本申请涉及网络安全领域，具体而言，涉及一种活体检测方法。

背景技术

人脸活体检测技术从检测流程上可以分为配合式活体检测和非配合式(静默)活体检测。配合式活体检测，其安全性能较高，主要应用于安全等级较高的场景(如支付场景)，但因需要人机交互配合，对于时效性较高的场景，其用户体验效果不是很好。非配合式即静默活体，用户体验好，广泛的应用于安全等级不是很高的场景(如门禁、打卡签到等场景)。

从传感器种类及其组合方面可以将人脸活体检测分为可见光(RGB)、红外单目活体及其组合的双目活体，基于结构光的活体检测是双目活体的一种。基于单目的活体检测方案(如单目RGB，单目红外)由于其输入源比较单一，对于诸如光线变化、距离远近、人脸角度变化等复杂场景抗干扰性能以及精度较差；基于结构光的活体检测，其性能较好，但是受限其价格较贵、识别距离较短等因素，很难覆盖较多的实际应用场景。基于双目的活体检测算法，目前主要是通过双目图像估计深度信息，进行人脸活体识别，但是对于3D人脸面具识别效果不好。

发明内容

本申请的主要目的在于提供一种活体检测方法，包括：

获取可见光人脸图像；

根据所述可见光人脸图像生成仿红外人脸图像；

根据所述可见光人脸图及所述仿红外人脸图像分别生成人脸伪深度图像及人脸特征图像；

融合所述人脸伪深度图像的特征及所述人脸特征图像的特征，获得容和特征图像；

根据所述融合特征图像生成检测结果。

可选地，根据所述可见光人脸图像生成仿红外人脸图像包括：

通过GAN生成诱导损失函数；

通过所述诱导损失函数及所述可见光人脸图像生成所述仿红外人脸图像。

可选地，其中所述诱导损失函数包括：

与预设的第一训练集中的红外人脸图像基准的拟合；及

与预设的第二训练集中的可见光人脸图像标签的拟合。

可选地，根据所述可见光人脸图及所述仿红外人脸图像分别生成人脸伪深度图像及人脸特征图像包括：

通过反向残差模块及SENet模块，采用3x3卷积层，共同组成四个特征提取模块，以提供不同深度和尺度的特征；

根据所述不同深度和尺度的特征生成所述人脸伪深度图像及所述人脸特征图像。

可选地，融合所述人脸伪深度图像的特征及所述人脸特征图像的特征，获得容和特征图像，获得容和特征图像包括：

对所述不同深度和尺度的特征反卷积，并输出与人脸深度图基准相同的尺寸；

连接并融合所述人脸伪深度图像的特征及所述人脸特征图像的特征，获得多尺度语义特征；

可选地，通过GAN生成诱导损失函数为：通过GAN及预设的人脸图像标签生成所述诱导损失函数。