[发明专利]红外图像转换方法、活体检测方法、装置、可读存储介质

权利要求书

1.一种红外图像转换方法，其特征在于，包括：

获取可见光图像和近红外图像；

根据可见光图像和近红外图像，进行CycleGAN模型训练；其中CycleGAN模型的生成器为两个互相近似可逆的函数，且两个所述生成器在训练过程中进行参数共享；

输入目标可见光图像至训练好的CycleGAN模型，获得转换后的近红外图像。

2.根据权利要求1所述的红外图像转换方法，其特征在于，进行CycleGAN模型训练的过程包括：

将可见光图像转换为近红外图像，将输入的近红外图像及转换生成的近红外图像传输至判别器进行判别；并将转换生成的近红外图像转换回可见光图像，将输入的可见光图像及转换生成的可见光图像传输至判别器进行判别；计算输入的可见光图像与转换生成的可见光图像之间的损失函数，通过最小化损失函数来迭代获得网络的各参数；

将近红外图像转换为可见光图像，将输入的可见光图像及转换生成的可见光图像传输至判别器进行判别；并将转换生成的可见光图像转换回近红外图像，将输入的近红外图像及转换生成的近红外图像传输至判别器进行判别；计算输入的近红外图像与转换生成的近红外图像之间的损失函数，通过最小化损失函数来迭代获得网络的各参数。

3.根据权利要求2所述的红外图像转换方法，其特征在于，

将可见光图像转换为近红外图像的过程为：将所述可见光图像进行编码，通过可逆结构正向映射至近红外图像的特征空间，将其解码至近红外图像；

将近红外图像转换为可见光图像的过程为：将近红外图像进行编码，通过可逆结构进行反向映射至可见光图像的特征空间，将其解码回可见光图像。

4.根据权利要求2或3所述的红外图像转换方法，其特征在于：通过可逆结构进行正向映射及通过可逆结构进行反向映射时：将输入特征在通道维度上均等分成的两个特征，将两个特征分别输入两个函数中进行映射，再将输出的两个特征进行合并，获得输出特征；两个所述函数均由多个残差块堆叠组成。

5.根据权利要求2或3所述的红外图像转换方法，其特征在于，所述判别器的结构为：在最后一个卷积层后添加一通道注意力机制的PatchGAN。

6.一种活体检测方法，其特征在于，包括步骤：

通过如权利要求1至5任一项所述的红外图像转换方法获取近红外图像；

将近红外图像输入至活体检测模型，获得判断结果。

7.根据权利要求6所述的活体检测方法，其特征在于：所述活体检测模型使用Resnet为主体构建二分类网络，其损失函数采用softmax；训练时，通过所述CycleGAN模型中生成的近红外图像来进行训练，且CycleGAN模型及所述活体检测模型的损失函数达都到设定的要求时才停止训练。

8.一种活体检测装置，其特征在于，包括：

图像获取模块：获取可见光图像和近红外图像；

模型训练模块：根据可见光图像和近红外图像，进行CycleGAN模型训练；其中CycleGAN模型的生成器为两个互相近似可逆的函数，且两个所述生成器在训练过程中进行参数共享；

CycleGAN模型：输入目标可见光图像，将其转换为近红外图像；

活体检测模块：将近红外图像输入至活体检测模型，获得判断结果。

9.一种活体检测的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时实现权利要求6或7所述的人脸活体检测的方法的步骤。

10.一种活体检测的可读存储介质，其上存储有计算机程序，其特征在于：该计算机程序被处理器执行时实现权利要求6或7所述的人脸活体检测的方法的步骤。