[发明专利]一种基于正样本训练的人脸静默活体检测方法及装置

权利要求书

1.一种基于正样本训练的人脸静默活体检测方法，其特征在于，包括：

获取训练数据集，训练数据集中的图像为高清高质量的正常人脸图像；

利用网络模型中重构图像生成网络的图像特征编码子网络，对输入正常人脸图像进行特征编码与分离，获得潜在人脸特征与潜在背景特征；

利用网络模型中重构图像生成网络的图像重构子网络，对潜在人脸特征与潜在背景特征分别进行重构，得到重构清晰人脸图像与重构正常人脸图像；

利用网络模型中的重构特征编码子网络对重构正常人脸图像进行特征提取，得到潜在重构人脸特征和潜在重构背景特征；

利用网络模型中的判别网络和预训练人脸身份特征提取网络对重构人脸图像和输入人脸图像进行判别，用于网络整体训练；

根据高清高质量正常人脸图像的训练数据集，优化网络模型的损失函数，实现网络模型的收敛，得到训练好的网络模型；

将实际设备采集的待测人脸图像输入所述训练好的网络模型，通过比较潜在重构背景特征与潜在背景特征之间的差异程度，确定输入人脸图像的活体性。

2.根据权利要求1所述的基于正样本训练的人脸静默活体检测方法，其特征在于，所述网络模型中重构图像生成网络的图像特征编码子网络包括第一特征编码器和特征分离模块，对输入正常人脸图像进行特征编码及分离，得到潜在人脸特征和潜在背景特征；具体包括：

利用第一特征编码器对输入正常人脸图像进行特征提取，得到潜在整体特征

利用第一特征分离模块对潜在整体特征进行特征分离，得到潜在人脸特征和潜在背景特征

3.根据权利要求2所述的基于正样本训练的人脸静默活体检测方法，其特征在于，所述第一特征分离模块包括特征分离层和两个卷积层，两个卷积层分别为第一卷积层和第二卷积层，第一卷积层和第二卷积层中卷积核大小不同，具体包括：

利用特征分离层将潜在整体特征分离为第一特征分量和第二特征分量；

利用第一卷积层对第一特征分量进行处理，得到潜在人脸特征

利用第二卷积层对第二特征分量进行处理，得到潜在背景特征

4.根据权利要求1所述的基于正样本训练的人脸静默活体检测方法，其特征在于，所述图像重构子网络包括人脸特征解码器、背景特征解码器、特征重构模块以及特征重组重构模块；

所述图像重构子网络对潜在人脸特征和潜在背景特征分别进行图像重构，得到重构清晰人脸图像I_c和重构正常人脸图像I_real，具体为：

利用人脸特征解码器对对潜在人脸特征进行特征重新解码，获得深度人脸特征

利用背景特征解码器对潜在背景特征进行特征重新解码，获得对应的深层背景特征

利用特征重构模块对深度人脸特征进行图像重构，获得仅关注人脸信息的重构清晰人脸图像I_c；

利用特征重组重构模块对深度人脸特征和深层背景特征进行特征重组和图像重构，获得与输入正常人脸图像相似的重构正常人脸图像I_real。

5.根据权利要求4所述的基于正样本训练的人脸静默活体检测方法，其特征在于，

所述特征重构模块包括卷积层和Tanh激活层；所述利用特征重构模块对深度人脸特征进行图像重构，获得仅关注人脸信息的重构清晰人脸图像I_c，具体包括：利用特征重构模块的卷积层处理深度人脸特征得到处理后特征；对处理后的特征利用Tanh激活层进行处理，得到对应的重构清晰人脸图像I_c；

所述特征重组重构模块包括特征级联操作、卷积层和Tanh激活层；利用特征重组重构模块对深度人脸特征和深层背景特征进行特征重组和图像重构，获得与输入正常人脸图像相似的重构正常人脸图像I_real具体包括：利用特征级联操作对深度人脸特征和深层背景特征进行处理，得到处理后特征；对处理后的特征利用卷积层和Tanh激活层进行处理，得到对应的重构正常人脸图像I_real。