[发明专利]一种人脸防伪方法、装置、存储介质及电子设备

说明书

本申请提供了一种人脸防伪方法、装置、存储介质及电子设备，其中，人脸防伪方法包括：获取人脸图像；将所述人脸图像裁剪为预设尺寸，得到目标图像；利用预先训练好的人脸活体检测模型对所述目标图像进行计算，得到针对所述人脸图像的识别结果；其中，所述人脸活体检测模型包括视觉Transformer结构。本申请利用包括视觉Transformer结构的人脸活体检测模型对人脸图像进行人脸活体检测，大大提高了识别真人脸和假人脸的准确率，防止了恶意仿造人脸的行为，进而提高了安全性。

技术领域

本申请涉及人脸图像处理技术领域，特别涉及一种人脸防伪方法、装置、存储介质及电子设备。

背景技术

人脸防伪(也称为人脸活体检测，Face Anti-Spoofing)算法是人脸识别算法中重要的一环。给定一张由摄像头采集的人脸图片，人脸防伪算法判断该人是真人脸还是假人脸，常见的假人脸类型包括电子屏幕上显示的人脸，纸张打印的人脸，3D硅胶面具制作的人脸等。

目前，卷积神经网络(Convolution Neural Network，CNN)在人脸防伪算法中应用得最为广泛，这种人脸防伪算法能够提取出电子屏幕人脸以及纸张打印人脸中特殊的纹理，从而识别出给定人脸的真假。但因为高仿真材质的3D面具中几乎找不到显著的纹理，导致CNN对3D面具识别的准确率仍较低。

发明内容

有鉴于此，本申请实施例提出了一种人脸防伪方法、装置、存储介质及电子设备，用以解决现有技术中识别的准确率较低的问题。

第一方面，本申请实施例提供了一种人脸防伪方法，其中，包括：

获取人脸图像；

将所述人脸图像裁剪为预设尺寸，得到目标图像；

利用预先训练好的人脸活体检测模型对所述目标图像进行计算，得到针对所述人脸图像的检测结果；其中，所述人脸活体检测模型包括视觉 Transformer结构。

在一种可能的实施方式中，所述利用预先训练好的人脸活体检测模型对所述目标图像进行计算，得到针对所述人脸图像的检测结果，包括：

确定所述目标图像中的像素矩阵；

将所述像素矩阵作为所述人脸活体检测模型的输入，得到针对所述人脸图像的检测结果。

在一种可能的实施方式中，所述确定所述目标图像中的像素矩阵，包括：

分别提取所述目标图像中红色通道、绿色通道以及蓝色通道的亮度值；

所述红色通道的亮度值形成第一矩阵，所述绿色通道的亮度值形成第二矩阵，所述蓝色通道的亮度值形成第三矩阵；

所述第一矩阵、所述第二矩阵以及所述第三矩阵形成像素矩阵。

在一种可能的实施方式中，还包括训练所述人脸活体检测模型的步骤：

获取真人脸图像样本和假人脸图像样本；所述真人脸图像样本和所述假人脸图像样本均对应有理论结果；

将所述真人脸图像样本和所述假人脸图像样本裁剪为预设尺寸；

针对每个裁剪后的真人脸图像样本和假人脸图像样本，提取像素矩阵样本；

将所述像素矩阵样本输入至待训练的人脸活体检测模型中，得到实际结果；

计算实际结果与理论结果之间的误差，若所述误差大于或等于预设阈值，则调整所述待训练的人脸活体检测模型的参数，直至所述误差小于所述预设阈值。

第二方面，本申请实施例还提供了一种人脸防伪装置，其中，包括：

获取模块，其配置地获取人脸图像；