[发明专利]基于深度学习的人脸识别与活体检测方法

权利要求书

1.基于深度学习的人脸识别与活体检测方法，其特征在于：其包括以下步骤：

步骤1，收集人脸图像信息分为训练集和测试集，设计神经网络利用训练集和测试集训练人脸模型得到能准确获取图像中的人脸的优化人脸模型；

步骤2，将优化人脸模型获取的人脸信息细分出若干反映人脸特征的有效点位为锚点，根据人脸与锚点设计卷积神经网络以卷积得到快速获取人脸有效信息模型：

步骤3，从摄像头拍摄的视频中分别截取一个以上指定区域的图像作为待测图像；

步骤4，待测图像依次经过优化人脸模型人脸有效信息模型处理得到人脸有效信息，人脸有效信息包括若干反应动作状态的锚点；

步骤5，人脸有效信息构建对应各个锚点之间的关系，通过算法计算锚点向量之间的行为阈值以判断是否活体。

2.根据权利要求1所述的基于深度学习的人脸识别与活体检测方法，其特征在于：步骤2中若干反映人脸特征包括脸型轮廓特征点、眉形特征点、眼型特征点、鼻型特征点和嘴型特征点。

3.根据权利要求2所述的基于深度学习的人脸识别与活体检测方法，其特征在于：步骤2中人脸的锚点包括：左眉头点、右眉头点、左眉顶点、右眉顶点、左眉尾点、右眉尾点、左眼内眼角点、右眼内眼角点、左眼外眼角点、右眼外眼角点、左脸宽点、右脸宽点、左鼻顶点、右鼻顶点、左鼻翼点、右鼻翼点、左鼻侧点、右鼻侧点、左鼻孔点、右鼻孔点、鼻顶点、鼻下点、左嘴角点、右嘴角点、眉心点和下巴点。

4.根据权利要求1所述的基于深度学习的人脸识别与活体检测方法，其特征在于：步骤3中指定区域为眼睛或者眼睛和嘴巴。

5.根据权利要求4所述的基于深度学习的人脸识别与活体检测方法，其特征在于：步骤4中涉及在嘴巴图像选定嘴巴特征点时，嘴巴特征点包括一组左右嘴角特征点以及三组以上的上下嘴唇特征点，每组上下嘴唇特征点间隔选取且上下嘴唇对应位置各选取一个特征点。

6.根据权利要求4所述的基于深度学习的人脸识别与活体检测方法，其特征在于：步骤4中涉及在眼睛图像选定眼睛特征点时，眼睛特征点包括一组左右眼角特征点以及二组以上的上下眼睑特征点，每组上下眼睑特征点间隔选取且上下眼睑对应位置各选取一个特征点。

7.根据权利要求6所述的基于深度学习的人脸识别与活体检测方法，其特征在于：步骤5的具体步骤为：

步骤5-1、对应眼睛分别选取6个特征点

步骤5-2、确定这些点在眼睛睁开和闭合时彼此坐标之间的关系。

步骤5-3、基于眼睛睁开和闭合时会不同坐标关系，导出眼睛纵横比EAR的方程：

步骤5-3、根据动作过程中连续图像的EAR值的变化绘制对应的EAR参数变化曲线，

步骤5-4、最后根据EAR参数变化曲线判断测试人员是否根据指令做出相应的动作行为以确定是否为活体。