本发明涉及人脸检测,尤其是涉及一种活体人脸检测模型的训练样本确定方法及装置、设备。
背景技术:
1、近年来,人脸识别技术的发展尤为迅速,已成为生物识别领域的重要技术之一,例如,企业考勤签到系统、住宅小区的门禁系统等。与此同时,也存在非法用户使用照片、视频或面具等伪装人脸对人脸识别系统进行攻击的问题。因此如何高效的辨别人脸的真实性,抵御欺骗攻击,以确保安全性是目前亟待解决的问题。
2、目前,常见的活体人脸检测方法主要是采用人机交互的方式,使用者需要完成指定动作,例如,眨眼、张嘴、左右摇头或者说出一串特定数字等,人脸识别系统通过分析用户的动作,检测使用者是否为真人。交互式方法检测所需的时间过长,且需要用户主动配合,用户体验较差。
技术实现思路
1、针对以上至少一个技术问题,本发明实施例提供一种活体人脸检测模型的训练样本确定方法及装置、设备。
2、根据第一方面,本发明实施例提供的活体人脸检测模型的训练样本确定方法,包括:
3、采用近红外摄像机获取近红外人脸视频,并采用人脸检测技术检测所述近红外人脸视频中是否存在人脸图像;
4、若是,则对所述人脸图像进行方向梯度直方图处理,得到第一特征向量;对所述人脸图像进行高斯模糊处理,得到第一处理图像,并对所述第一处理图像进行方向梯度直方图处理,得到第二特征向量;
5、将所述第一特征向量和所述第二特征向量进行串联融合,得到所述人脸图像对应的特征向量;
6、根据所述人脸图像对应的特征向量,形成所述活体人脸检测模型的一个训练样本。
7、根据第二方面,本发明实施例提供的活体人脸检测模型的训练样本确定装置,包括:
8、第一检测模块,用于采用近红外摄像机获取近红外人脸视频,并采用人脸检测技术检测所述近红外人脸视频中是否存在人脸图像;
9、第一处理模块,用于若是,则对所述人脸图像进行方向梯度直方图处理,得到第一特征向量;对所述人脸图像进行高斯模糊处理,得到第一处理图像,并对所述第一处理图像进行方向梯度直方图处理,得到第二特征向量;
10、特征联合模块,用于将所述第一特征向量和所述第二特征向量进行串联融合,得到所述人脸图像对应的特征向量;
11、样本确定模块,用于根据所述人脸图像对应的特征向量,形成所述活体人脸检测模型的一个训练样本。
12、根据第三方面,本发明实施例提供计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行实现第一方面提供的方法。
13、根据第四方面,本发明实施例提供的计算设备,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现第一方面提供的方法。
14、本发明实施例提供的活体人脸检测模型的训练样本确定方法及装置、介质、设备,首先采用近红外摄像机获取近红外人脸视频,并采用人脸检测技术检测所述近红外人脸视频中是否存在人脸图像;若是,则对所述人脸图像进行方向梯度直方图处理,得到第一特征向量;对所述人脸图像进行高斯模糊处理,得到第一处理图像,并对所述第一处理图像进行方向梯度直方图处理,得到第二特征向量;将所述第一特征向量和所述第二特征向量进行串联融合,得到所述人脸图像对应的特征向量;根据所述人脸图像对应的特征向量,形成所述活体人脸检测模型的一个训练样本。利用近红外光下的成像特性,完全抵御住了表面光滑的相纸照片、塑封照片、电子屏幕成像等欺骗攻击。而且,从人脸视频中的人脸图像提取出第一特征向量和第二特征向量,得到两种纹理特征,通过两种纹理特征的融合来形成人脸图像的特征向量。利用真假人脸在近红外相机中成像质量之间的差异进行区分,针对真假人脸在近红外光下的成像质量不同的特点,区分真假人脸,具有响应较快,容易实现等优点。利用本发明实施例确定的训练样本进行模型训练,训练得到的模型在应用时不需要用户主动配合,所需时间也比较短。
1.一种活体人脸检测模型的训练样本确定样本确定方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述近红外摄像机包括led灯和采集模块,所述led灯用于发射近红外射线,所述采集模块用于接收到物体所反射的近红外射线从而进行成像。
3.根据权利要求1所述的方法,其特征在于,还包括:
4.根据权利要求1所述的方法,其特征在于,在对所述人脸图像进行方向梯度直方图处理和对所述人脸图像进行高斯模糊处理之前,还包括:对所述人脸图像进行伽马光照校正,得到校正后的人脸图像,并对所述校正后的人脸图像进行尺寸归一化处理,得到归一化的人脸图像;
5.根据权利要求4所述的方法,其特征在于,所述对所述人脸图像进行伽马光照校正,包括:采用第一公式对所述人脸图像进行伽马光照校正,所述第一公式为:
6.根据权利要求1所述的方法,其特征在于,所述对所述人脸图像进行方向梯度直方图处理,得到第一特征向量,包括:
7.根据权利要求6所述的方法,其特征在于,所述针对每一个子图中的每一个像素点,计算对应的总梯度值和梯度方向值,包括:采用第二公式计算每一个像素点i(x,y)的总梯度值和梯度方向值,所述第二公式为:
8.根据权利要求1所述的方法,其特征在于,所述对所述人脸图像进行高斯模糊处理,得到第一处理图像,包括:
9.一种活体人脸检测模型的训练样本确定样本确定装置,其特征在于,包括:
10.一种计算设备,其特征在于,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现权利要求1~8中的任一项所述的方法。