[发明专利]基于对抗学习的人脸活体检测方法、装置、设备及介质

权利要求书

1.一种基于对抗学习的人脸活体检测方法，其特征在于，所述方法包括：

获取摄像头拍摄的人脸图片；

通过dlib库里的人脸对齐方法对所述人脸图片进行预处理，得到人脸矫正图片；

对所述人脸矫正图片进行分类处理，得到真实人脸图片和伪造人脸图片；

将同一个人的真实人脸图片和伪造人脸图片进行数据对构造，得到人脸数据对；

将所述人脸数据对输入初始对抗网络的生成器中得到人脸数据对之间的伪造痕迹元素和特征图；

根据所述伪造痕迹元素和所述人脸数据对进行线性重构，得到重构真实人脸图片和拟合伪造人脸图片；

将所述真实人脸图片、伪造人脸图片、重构真实人脸图片和拟合伪造人脸图片输入初始对抗网络的主鉴别器和辅助鉴别器中进行评分，得到人脸图片的初始得分；所述主鉴别器用于约束生成器，进行人脸图片中面部皮肤的鉴别；所述辅助鉴别器为区域鉴别器用于改进人脸五官细节的生成，进行人脸图片中面部五官的鉴别；

根据所述人脸图片的初始得分对所述初始对抗网络进行训练，得到训练好的对抗网络；将所述人脸数据输入训练好的对抗网络中，得到优化后的伪造痕迹元素和特征图；

将所述优化后的伪造痕迹元素和特征图进行线性加和，得到人脸图片的最终得分；

利用所述人脸图片的最终得分对所述人脸图片是否为活体进行检测。

2.根据权利要求1所述的方法，其特征在于，将所述真实人脸图片、伪造人脸图片、重构真实人脸图片和拟合伪造人脸图片输入初始对抗网络的主鉴别器和辅助鉴别器中进行评分，得到人脸图片的初始得分，包括：

将所述真实人脸图片、伪造人脸图片、重构真实人脸图片和拟合伪造人脸图片输入所述初始对抗网络的主鉴别器和辅助鉴别器中对人脸图片的面部皮肤的遮罩和面部五官的遮罩进行评分，得到人脸图片的初始得分。

3.根据权利要求1所述的方法，其特征在于，所述生成器的总体损失函数包括基本损失函数、损失约束和人脸遮罩的损失约束；所述人脸遮罩的损失约束为L_G3＝L1_Loss(mask2(I^j)，mask2(I′^j))，其中mask2表示针对人脸生成面部五官的遮罩，I^j表示人脸图片，I′^j表示由生成器生成的人脸图片。

4.根据权利要求3所述的方法，其特征在于，所述鉴别器的损失函数包括主鉴别器的损失函数和辅助鉴别器的损失函数。

5.根据权利要求4所述的方法，其特征在于，所述主鉴别器的损失函数为L_D1＝log(D(mask1(I^j)))+log(1-D(mask1(G(I^j))))，其中，D表示鉴别器，mask1表示针对人脸生成面部皮肤的遮罩。

6.根据权利要求5所述的方法，其特征在于，所述辅助鉴别器的损失函数为L_D2＝log(D(mask2(I^j)))+log(1-D(mask2(G(I^j))))。