[发明专利]一种基于热成像的活体甄别方法、装置、设备及存储介质

说明书

本发明实施例公开了一种基于热成像的活体甄别方法、装置、设备及存储介质。所述方法包括：获取目标图像，所述目标图像的各个像素点的像素值为温度值；根据所述目标图像，确定与所述目标图像对应的目标特征向量，所述目标特征向量用于指示所述各个像素点的像素值；将与所述目标图像对应的目标特征向量作为活体甄别模型的输入；获取所述活体甄别模型输出的甄别结果，并基于所述甄别结果确定所述目标图像中是否存在活体。本发明确定了目标图像中是否存在活体，避免了泄露隐私的问题。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种基于热成像的活体甄别方法、装置、设备及存储介质。

背景技术

交通、安防、公共安全等领域对检测是否存在活体有广泛的应用需求。但是传统的活体识别都是建立在二维或三维视觉图像之上，对活体识别设备的运算性能要求高，导致设备成本高，而且二维或三维视觉图像存在泄露隐私的问题。

发明内容

基于此，有必要针对上述问题，提出了一种基于热成像的活体甄别方法、装置、设备及存储介质。

第一方面，本发明提出了一种基于热成像的活体甄别方法，所述方法包括：

获取目标图像，所述目标图像的各个像素点的像素值为温度值；

根据所述目标图像，确定与所述目标图像对应的目标特征向量，所述目标特征向量用于指示所述各个像素点的像素值；

将与所述目标图像对应的目标特征向量作为活体甄别模型的输入；

获取所述活体甄别模型输出的甄别结果，并基于所述甄别结果确定所述目标图像中是否存在活体。

在一个实施例中，所述方法还包括：

获取多个图像特征向量样本，一个图像特征向量样本对应一个图像样本；

将所述多个图像特征向量样本输入前馈神经网络的输入层进行特征提取，得到与每个所述图像特征向量样本对应的第一特征向量；

将与每个所述图像特征向量样本对应的第一特征向量输入所述前馈神经网络的隐藏层进行特征提取，得到与每个所述图像特征向量样本对应的第二特征向量；

将与每个所述图像特征向量样本对应的第二特征向量输入所述前馈神经网络的输出层进行预测，得到与每个所述图像特征向量样本对应的第三特征向量，其中，所述第三特征向量用于指示所述图像特征向量样本对应的图像样本中存在活体和不存在活体的概率，所述第三特征向量的向量元素个数为2，并且所述第三特征向量的向量元素的值之和为1；

根据所述与每个所述图像特征向量样本对应的第三特征向量、每个所述图像特征向量样本对应的活体标定值对所述前馈神经网络进行训练，得到所述活体甄别模型，所述图像特征向量样本对应的活体标定值用于指示所述图像特征向量样本对应的图像样本中的活体情况；

其中，所述前馈神经网络的隐藏层与输入层采用全连接，所述前馈神经网络的输出层与隐藏层采用全连接。

在一个实施例中，根据所述与每个所述图像特征向量样本对应的第三特征向量、每个所述图像特征向量样本对应的活体标定值对所述前馈神经网络进行训练，得到所述活体甄别模型，包括：

根据所述与每个所述图像特征向量样本对应的第三特征向量、每个所述图像特征向量样本对应的活体标定值，计算所述前馈神经网络的损失；

根据所述损失更新所述前馈神经网络中的参数，所述前馈神经网络的参数包括所述输入层的参数、所述隐藏层的参数以及所述输出层的参数，更新后的所述输入层的参数被用于下一次计算与每个所述图像特征向量样本对应的第一特征向量，更新后的所述隐藏层的参数被用于下一次计算与每个所述图像特征向量样本对应的第二特征向量，更新后的所述输出层的参数被用于下一次计算与每个所述图像特征向量样本对应的第三特征向量；