技术特征：
技术总结
本发明公开了一种基于机器学习多特征融合的红外活体检测方法，包括以下步骤：S1、机器学习特征的提取，其包括：S11、采用SDM算法定位人脸68点特征点并且在68点处提取LBP特征；S12、提取人眼区域CNN特征；S13、提取人脸区域CNN特征；S2、深度学习网络多特征融合，其包括：S21、多特征融合：将68点LBP特征、人眼区域CNN特征以及人脸区域CNN特征通过深度学习框架caffe中的concat层连接在一起构成一个新的特征层；S22、模型低学习率训练挑选最具代表性特征，根据该最具代表性特征输出预测结果。本发明在保证用户无感识别时间短的前提下,同时提高活体识别效果，在复杂环境下有很高的识别率，并且具有很好的泛化能力。
技术研发人员：袁嘉言
受保护的技术使用者：厦门瑞为信息技术有限公司
技术研发日：2019.03.26
技术公布日：2019.07.05