[发明专利]一种基于人脸的活体检测方法、系统、装置和介质

说明书

本申请涉及一种基于人脸的活体检测方法、系统、装置和介质，其中，该方法包括：获取待检测图像，并对该待检测图像进行人脸检测和关键点检测，得到人脸框位置信息和关键点位置信息；接着，根据人脸框位置信息，对待检测图像进行裁剪和归一化处理，得到目标输入图像，并通过轻量级卷积网络对该目标输入图像进行多尺度特征提取和特征映射，得到目标特征图；最后，通过卷积网络下采样尺度和关键点位置信息对目标特征图进行处理，得到有效人脸特征值索引，根据该有效人脸特征值索引对该目标特征图进行softmax处理和平均值计算，得到最终的活体分数，并根据该活体分数进行活体检测。通过本申请，提高了活体模型的鲁棒性。

技术领域

本申请涉及人脸识别技术领域，特别是涉及一种基于人脸的活体检测方法、系统、装置和介质。

背景技术

人脸识别作为重要的机器视觉技术，在人工智能领域发挥重大作用，例如，利用人脸识别技术实现门禁、门锁、刷脸支付等。随着人脸识别技术的广泛使用，其安全性的问题也越来越受到人们的关注，其中，对于判断识别设备中的摄像头捕捉到的人脸，是真实人脸，还是伪造的活体的技术尤为关注。

在相关技术中，静默式活体检测技术根据所依赖的硬件不同，可分为基于单目可见光、近红外NIR或3D结构光等不同的检测技术。基于近红外NIR的活体检测，对屏幕类攻击的区分度较大，但对高清打印的纸张区分度较小，尤其是对于高清黑白纸张区分度很小，很难区分检测。基于3D结构光的活体检测则能在近距离的情况下，相对准确地得到人脸及背景的点云图和深度图，并可以更精准的进行活体检测，不过这种方式一般成本较高且使用场景有局限性。最后，基于单目可见光摄像头是获取人脸图像最普遍、最便捷的方式，同时设备成本也较低，但是，基于单目可见光的活体检测难度较大，且还存在鲁棒性不强的问题。

目前针对相关技术中基于人脸的活体检测，存在的检测难度大、检测模型鲁棒性不强的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种基于人脸的活体检测方法、系统、装置和介质，以至少解决相关技术中基于人脸的活体检测，存在的检测难度大、检测模型鲁棒性不强的问题。

第一方面，本申请实施例提供了一种基于人脸的活体检测方法，所述方法包括：

获取待检测图像，并对所述待检测图像进行人脸检测和关键点检测，得到人脸框位置信息和关键点位置信息；

根据所述人脸框位置信息，对所述待检测图像进行裁剪和归一化处理，得到目标输入图像，并通过轻量级卷积网络对所述目标输入图像进行多尺度特征提取和特征映射，得到目标特征图；

通过卷积网络下采样和所述关键点位置信息对所述目标特征图进行处理，得到有效人脸特征值索引，根据所述有效人脸特征值索引对所述目标特征图进行softmax处理和平均值计算，得到最终的活体分数，并根据所述活体分数进行活体检测。

在其中一些实施例中，通过轻量级卷积网络对所述目标输入图像进行多尺度特征提取和特征映射，得到目标特征图包括：

通过特征金字塔网络BiFPN，对所述目标输入图像进行特征提取，得到不同尺度的多个特征图，并对所述多个特征图分别进行反卷积操作和逐点卷积操作，得到融合多尺度特征的所述目标特征图。

在其中一些实施例中，通过卷积网络下采样尺度和所述关键点位置信息对所述目标特征图进行处理，得到有效人脸特征值索引包括：

根据所述目标输入图像的尺寸和所述目标特征图的尺寸，计算下采样倍数，并根据所述下采样倍数，分别将所述目标特征图中的各个像素点，映射到所述目标输入图像的各区域上，并计算所述各区域的坐标，其中，所述目标特征图中的各个像素点与所述目标输入图像中的各区域相对应；

根据所述关键点位置信息计算得到所述关键点的最大外接矩阵后，计算所述目标输入图像中各区域的坐标与所述最大外接矩阵的交并比，得到各区域的计算值；