[发明专利]活体检测图像预处理方法

说明书

本活体检测图像预处理方法，包括以下步骤：步骤S1：自适应图像人脸截取：采集应用场景中部分人脸并计算人脸框大小，根据人脸框大小设计自适应框范围，根据自适应框范围截取人脸图像并处理，得到中间图像；步骤S2：建立图像样本集：中间图像以及将中间图像随机复制到多个图像中或将所述中间图像随机复制到多个图像的非中心区域形成的正样本集和负样本集；步骤S3：对图像样本集处理：对所述正样本集和所述负样本集进行数据增强，并保持所述正样本集和所述负样本集数据量一致。利用本发明所述方法能够解决现有技术中，拍摄的图片信息丢失无法用于模型训练以及在当前应用场景下用于训练的图像数量不足的技术问题。

技术领域

本发明涉及人脸识别技术领域，具体地说，涉及一种活体检测图像预处理方法。

背景技术

随着科技的发展与普及，人脸识别技术已经广泛应用到我们生活中各个场景，比如手机登录、小区门禁、签到打卡等。为了防止他人使用照片、屏幕、模型等伪造人脸，检测当前用户是否为真实用户就很重要，即活体检测技术。而当前流行的活体检测技术，主要是基于双目摄像头的，在单目摄像头下成熟的技术不多，比如根据亮度、纹理等特征判断，或者让用户做出指定动作，或者用一序列不同颜色的光照来模拟结构光，这些技术在手机端可能有一定效果，但是其他非手机端的公共场景，由于人脸距离远，成像不够清晰，现有方法的活体检测效果就会急剧下降，使得算法无法使用。

传统场景下的活体检测技术一般是通过两个摄像头(结合来判断，为了减少成本，提高应用的通用性，越来越多的厂商开始关注单目摄像头活体检测技术，即只使用一个普通彩色摄像头。

目前流行的方案主要有：

1.让用户做出指定动作(点头、转头等)；

2.直接提取人脸图像特征(亮度、纹理、边缘等)；

3.彩色光照序列模拟结构光。

方案1要求用户配合做出动作，用户体验不好，不适用于公共场合。

而方案2和3主要应用于手机端，因为手机端人脸离摄像头距离很近，手机摄像头清晰度也很高，采集的人脸图片就可以很好的提取相应特征。而在非手机端的一些公共设备上，这些条件往往不能满足，比如架设位置较高的摄像头，或者交互式大屏终端，这些场景下的人脸图片往往不够清晰，且由于人脸距离较远，亮度、颜色光照等信息也基本丢失，或者精度受限误差很大，因此这些图片信息无法作为有效的数据输入用于训练人脸识别的神经网络模型，无法得到有效且收敛快，准确率高的神经网络。

发明内容

本发明的目的在于提供一种用于训练神经网络的活体检测图像预处理方法，利用所述方法能够解决现有技术中，拍摄的图片信息丢失无法用于模型训练以及在当前应用场景下用于训练的图像数量不足的技术问题。

所述活体检测图像预处理方法包括：

步骤S1：自适应图像人脸截取：采集应用场景中部分人脸并计算人脸框大小，根据人脸框大小设计自适应框范围，根据自适应框范围截取人脸图像并处理，得到中间图像；

步骤S2：建立图像样本集：中间图像以及将中间图像随机复制到多个图像中或将所述中间图像随机复制到多个图像的非中心区域形成的正样本集和负样本集；

步骤S3：对图像样本集处理：对所述正样本集和所述负样本集进行数据增强，并保持所述正样本集和所述负样本集数据量一致。