[发明专利]基于可见光和红外光的人脸采集源检测方法和装置

权利要求书

1.一种基于可见光和红外光的人脸采集源检测方法，其特征在于，所述方法包括：

获取双目摄像头采集到的可见光图像和红外光图像；所述双目摄像头包括可见光摄像头和红外光摄像头；所述可见光图像和红外光图像中包含待检测人脸；

将所述可见光图像输入到预先训练的第一检测模型进行处理，得到可见光检测结果，以及将所述红外光图像输入到预先训练的第二检测模型进行处理，得到红外光检测结果；所述第一检测模型为根据可见光真人图像和可见光非真人图像作为样本训练得到；所述第二检测模型为根据红外光真人图像和红外光非真人图像作为样本训练得到；所述第一检测模型和所述第二检测模型均至少包括傅里叶变换分支和卷积神经网络分支；所述第一检测模型的训练过程，包括，获取可见光真人图像和可见光非真人图像，以及各自对应的实际采集源信息，得到训练样本集；将所述训练样本集划分为多个子训练样本集，输入到待训练的第一检测模型的各个分支进行训练，得到训练后的所述第一检测模型；所述将所述训练样本集划分为多个子训练样本集，输入到待训练的第一检测模型的各个分支进行训练，包括，将所述训练样本集划分为第一训练子集和第二训练子集；将所述第一训练子集输入至卷积神经网络分支进行处理，以及将所述第二训练子集输入至傅里叶变换分支进行处理；根据所述卷积神经网络分支和傅里叶变换分支分别对应的处理结果，得到所述第一检测模型的综合损失值；根据所述综合损失值更新所述第一检测模型的权重，直到训练完成得到训练后所述第一检测模型；所述将所述第一训练子集输入至卷积神经网络分支进行处理，以及将所述第二训练子集输入至傅里叶变换分支进行处理；根据所述卷积神经网络分支和傅里叶变换分支分别对应的处理结果，得到所述第一检测模型的综合损失值，包括，获取所述卷积神经网络分支输出的特征矩阵，所述特征矩阵包括第一特征矩阵和第二特征矩阵；将所述第一特征矩阵进行卷积处理，得到第一傅里叶变换特征；将所述第二特征矩阵输入至全连接层进行处理，得到第一损失函数；获取所述傅里叶变换分支输出的第二傅里叶变换特征；将所述第一傅里叶变换特征和所述第二傅里叶变换特征进行范数处理，获得第二损失函数；根据所述第一损失函数和所述第二损失函数，以及各自对应的损失函数比例系数，得到所述第一检测模型的所述综合损失值；

根据所述可见光检测结果和所述红外光检测结果，获得所述待检测人脸的采集源检测结果。

2.根据权利要求1所述的方法，其特征在于，所述获取可见光真人图像和可见光非真人图像，以及各自对应的实际采集源信息，得到训练样本集，包括：

获取初始真人图像和初始非真人图像；

根据人脸检测装置针对所述初始真人图像和初始非真人图像的检测结果，获取所述可见光真人图像和可见光非真人图像；

将所述可见光真人图像和可见光非真人图像分别进行分割和重采样处理，根据处理后的所述可见光真人图像和可见光非真人图像，以及各自对应的实际采集源信息，得到所述训练样本集。

3.根据权利要求1所述的方法，其特征在于，所述根据所述综合损失值更新所述第一检测模型的权重，包括：

根据预设的优化算法处理所述综合损失值，更新所述第一检测模型的权重。

4.根据权利要求1至3任一项所述的方法，其特征在于，还包括：

若所述可见光检测结果和所述红外光检测结果中至少一个的采集源为非真人采集，判断所述待检测人脸的采集源为非真人采集。