[发明专利]一种超分活体识别方法、系统、终端及存储介质

权利要求书

1.一种超分活体识别方法，其特征在于，包括：

分别获取不同场景下包含不同格式的第一图像数据、第二图像数据、第三图像数据和第四图像数据；所述第一图像数据为RGB格式的原始人脸图像，所述第二图像数据为一一对应的RGB格式和IR格式的原始人脸图像，所述第三图像数据为RGB格式的活体照片和非活体照片，所述第四图像数据为一一对应的RGB格式和IR格式的活体照片和非活体照片；

将所述第一图像数据输入卷积网络进行训练，得到训练好的卷积网络；所述卷积网络的输出为所述第一图像数据中每个检测目标的人脸分类结果以及每个分类的分数；

锁定由所述第一图像数据训练的卷积网络的网络参数，将所述第三图像数据输入所述卷积网络进行训练，得到训练好的RGB超分识别网络；所述RGB超分识别网络的输出为所述第三图像数据中活体照片和非活体照片的分类分数；

分别将所述第二图像数据和第四图像数据输入所述RGB超分识别网络，再次对所述RGB超分识别网络进行训练，得到训练好的RGB+IR超分活体识别网络；

通过所述RGB+IR超分活体识别网络对待识别图像进行人脸识别。

2.根据权利要求1所述的超分活体识别方法，其特征在于，所述分别获取不同场景下包含不同格式的第一图像数据、第二图像数据、第三图像数据和第四图像数据之后还包括：

分别对所述第一图像数据和第二图像数据中RGB格式的原始人脸图像进行增广操作，并对所述第三图像数据和第四图像数据中的活体照片和非活体照片进行label标记。

3.根据权利要求2所述的超分活体识别方法，其特征在于，所述分别对所述第一图像数据和第二图像数据中RGB格式的原始人脸图像进行增广操作具体为：

分别从光照、模糊、噪声或压缩处理中选择至少两组操作对所述第一图像数据和第二图像数据进行组合增广。

4.根据权利要求2或3所述的超分活体识别方法，其特征在于，所述将所述第一图像数据输入卷积网络进行训练的训练过程具体为：

将所述增广操作后的第一图像数据输入卷积网络进行特征图提取，并通过卷积层和全连接层对所提取的特征图进行卷积操作，将所述特征图变为特征向量，根据输入图像对所述特征向量进行人脸分类，得到每个检测目标的人脸分类结果以及每个分类的分数，根据所述人脸分类结果以及每个分类的分数求交叉熵，获取交叉熵损失值ce_loss；

对所述特征图进行上采样操作，获取与所述第一图像数据中原始人脸图像相同尺寸的上采样图像，并计算所述上采样图像与原始人脸图像之间的欧式距离，根据所述欧式距离计算损失值pix_loss；

将所述交叉熵损失值ce_loss与损失值pix_loss相加，得到所述卷积网络的损失函数loss，根据损失函数loss对所述卷积网络进行反向更新，得到训练好的卷积网络。

5.根据权利要求4所述的超分活体识别方法，其特征在于，所述交叉熵损失值ce_loss的计算方式为：

上式中，n为所述第一图像数据的分类个数，label_i为所述第一图像数据的第i个分类的label，v_i为所述第一图像数据的i个分类的图像产生的特征向量所获取的分数。

6.根据权利要求4所述的超分活体识别方法，其特征在于，所述损失值pix_loss的计算方式为：

上式中，gp为上采样图像，rp为对应的原始人脸图像，m＝h*w*c,h、w、c分别为图像的高、宽、通道数。