[发明专利]一种基于预训练图片残差的人脸识别活体检测方法

说明书

本发明公开一种基于预训练图片残差的人脸识别活体检测方法，具体包括如下步骤：对数据集做平均脸处理；将输入判断的图片与平均脸做残差获得残差图像；将处理后的图像输入神经网络中获取判断结果。本发明通过对比平均脸模型的图片残差，根据神经网络模型判断得出结果，基于常用的神经网络模型ShuffleNet，耗时低，速度快，使用单镜头的准确度与多模镜头的识别率相当。使用对比平均脸模型的图片残差的方式可以显著增强模型泛化性，使用单镜头的方案，适用范围广，成本低，兼容当前主流设备。

技术领域

本发明应用于活体检测领域，具体是一种基于预训练图片残差的人脸识别活体检测方法。

背景技术

随着科技的发展，移动支付，智能门锁的场景越来越多的出现。使用人脸支付或者解锁门禁因为其方便程度而逐渐被大众所接受。但是与此而来的就是要判别检测到的人脸是否是一张真正的人脸，还是由打印纸，电子屏或者面具显示的一张虚假的脸。这个问题是是否能安全使用人脸技术的核心之一。主流的解决方案需要两个甚至更多的镜头去检测人脸是否是活体，使用多模镜头成本较高，如果使用多RGB镜头，耗时较高，且需要前期的标定，如果使用红外镜头，无法自由调节所选红外射线的波长，如果使用深度镜头，成本较高。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种基于预训练图片残差的人脸识别活体检测方法。

为解决上述技术问题，本发明的一种基于预训练图片残差的人脸识别活体检测方法，具体包括如下步骤：

对数据集做平均脸处理；

将输入判断的图片与平均脸做残差获得残差图像；

将处理后的图像输入神经网络中获取判断结果。

作为一种可能的实施方式，进一步的，所述对数据集做平均脸处理步骤具体为：

根据训练数据集中的真脸和假脸获取各自平均人脸成像：

得到真人平均脸Real_avg和伪造平均脸Fake_avg。

作为一种可能的实施方式，进一步的，所述将输入判断的图片与平均脸做残差获得残差图像步骤具体包括：

获取残差底图和残差平均脸；

利用残差底图和残差平均脸对真人脸输入Real_input和伪造脸输入Fake_input均进行数据增强；

获取数据增强后的数据集。

作为一种可能的实施方式，进一步的，所述获取残差底图步骤具体为：准备一张像素值均为(128，128，128)的图像作为残差底图ResImg_base。

作为一种可能的实施方式，进一步的，所述残差平均脸获取步骤具体为：利用获取的真人平均脸Real_avg和伪造平均脸Fake_avg求得残差平均脸，计算公式为：ResImg_avg＝Real_avg-Fake_avg+ResImg_base。

作为一种可能的实施方式，进一步的，所述数据增强具体包括如下步骤：

获取残差伪造脸：ResImg_fake＝Real_avg-Fake_input+ResImg_base

获取残差平均脸融合伪造脸：MergeImg_fake＝Fake_input+ResImg_avg