[发明专利]静默活体检测方法、装置、设备及存储介质

权利要求书

1.一种静默活体检测方法，其特征在于，所述静默活体检测方法包括：

对预先采集的训练样本图像进行预处理，生成训练样本集；

构建Xception模型，所述Xception模型依次包括输入层、第一卷积层、第二卷积层、全局平均池化层和二分类器，其中所述第一卷积层由1x1卷积核组成；

采用所述训练样本集对所述Xception模型进行训练，得到静默活体检测模型；

采集待检测对象的样本图像并输入所述静默活体检测模型进行识别，输出待检测图像对应的静默活体概率；

若所述静默活体概率大于预置阈值，则确定静默活体检测通过；

所述对预先采集的训练样本图像进行预处理，生成训练样本集包括：

获取待处理的训练样本图像，其中，所述训练样本图像包括活体人脸图像与非活体人脸图像；

对所述训练样本图像进行人脸调整和颜色空间转换，得到由HSV颜色空间的第一图像和YCrCb颜色空间的第二图像组成的目标图像；

对所述目标图像进行数据标定，得到训练样本集；

所述采用所述训练样本集对所述Xception模型进行训练，得到静默活体检测模型包括：

对所述Xception模型进行初始化，并将所述训练样本集输入所述Xception模型中；

通过所述Xception模型，对所述训练样本集中所述目标图像进行处理，得到所述目标图像为静默活体图像的预测概率；

基于所述数据标定和预置损失函数，计算得到所述预测概率对应的损失结果；

根据所述损失结果，对所述Xception模型的参数进行调节，得到静默活体检测模型；

所述通过所述Xception模型，对所述训练样本集中所述目标图像进行处理，得到所述目标图像为静默活体图像的预测概率包括：

通过所述第一卷积层，对所述目标图像进行卷积，得到所述第一图像对应的第一卷积值和所述第二图像对应的第二卷积值；

通过所述第二卷积层，对所述第一卷积值和所述第二卷积值进行卷积，得到所述第一图像对应的第一特征矩阵和所述第二图像对应第二特征矩阵；

通过所述全局平均池化层，对所述第一特征矩阵和所述第二特征矩阵进行池化，得到所述第一图像对应的第一特征向量和所述第二图像对应的第二特征向量；

通过所述二分类器，将所述第一特征向量和所述第二特征向量进行平均，并将平均后的所述第一特征向量和所述第二特征向量均一化，得到所述目标图像为静默活体图像的预测概率。

2.根据权利要求1所述的静默活体检测方法，其特征在于，所述对所述训练样本图像进行人脸调整和颜色空间转换，得到由HSV颜色空间的第一图像和YCrCb颜色空间的第二图像组成的目标图像包括：

对所述待处理的训练样本图像进行人脸定位和特征点定位，得到定位结果；

根据所述定位结果，对所述训练样本图像中的人脸进行调整，其中，所述调整包括缩放、位移和旋转；

对调整后的所述训练样本图像的颜色空间进行转换，得到由HSV颜色空间的第一图像和YCrCb颜色空间的第二图像组成的目标图像。

3.根据权利要求1所述的静默活体检测方法，其特征在于，所述第二卷积层与所述全局平均池化层之间还包括Dropout层，所述通过所述全局平均池化层，对所述第一特征矩阵和所述第二特征矩阵进行池化，得到所述第一图像对应的第一特征向量和所述第二图像对应的第二特征向量包括：

通过所述Dropout层，对所述第一特征矩阵和所述第二特征矩阵中元素进行随机丢失，得到所述第一图像对应的第三特征矩阵和所述第二图像对应的第四特征矩阵；

通过所述全局平均池化层，计算所述第三特征矩阵和所述第四特征矩阵对应的平均值，得到所述第一图像对应的第一特征向量和所述第二图像对应的第二特征向量。