深度卷积网络能够正确地进行人脸对象真假的识别，在训练深度卷积网络时，尽可能对更多的真实人脸图像样本和假体人脸图像样本进行训练，可以采集10000对(共20000个图像样本(包括真实人脸图像样本和假体人脸图像样本))图像样本进行训练，而且在采集真实人脸图像样本和假体人脸图像样本，可以通过改变真实人脸和真实人脸的假体人脸的位置和姿态，以采集到更多不一样角度和光照条件的真实人脸图像样本和假体人脸图像样本。
[0049]其中，假体人脸通过以下方式获取:例如使用打印机打印彩色和灰度的人脸图像到各种显示材质上(普通复印纸、光面照相纸等)作为假体人脸图像样本，以及采用手机、相机等摄像设备拍摄的图像，这些图像在某一个显示屏幕上显示，作为假体人脸图像样本。然后按照通过其中一个摄像头采集假体人脸图像样本的近红外人脸图像样本，其中一个摄像头采集假体人脸图像样本的可见光人脸图像样本，分别为本发明实施例的第二近红外人脸图像样本和第二可见光人脸图像样本。
[0050]真实人脸图像样本包括近红外人脸图像样本和可见光人脸图像样本，假体人脸图像样本同样包括近红外人脸图像样本和可见光人脸图像样本。从近红外人脸图像样本中提取有效近红外人脸图像样本，和从可见光人脸图像样本中提取有效可见光人脸图像样本，再将每一个有效可见光人脸图像样本按照通道进行分解(例如，根据R通道、G通道和B通道进行分解，每一个有效可见光人脸图像样本分解成3个通道分别对应的可见光人脸通道图像样本)得到每个通道分别对应的可见光人脸通道图像样本，将所有可见光人脸通道图像样本和有效近红外人脸图像样本集合起来得到人脸区域样本集，其中，该人脸区域样本集表示如下:
[0051]S={(xi,yi) I ie(l,N)} (公式3)
[0052]其中，Xl为第i个人脸区域样本，N表示人脸区域样本集中人脸区域样本的总数，人脸区域样本为上述提供的可见光人脸通道图像样本和/或有效近红外人脸图像样本中的任意一个，Y1Sx1对应的标签，该标签表示第i个人脸区域样本来源于真实人脸图像样本或者假体人脸图像样本，例如，若标签取值为O表示来源于假体人脸图像样本，若标签取值为I表示来源于真实人脸图像样本。
[0053]利用上述N个人脸区域样本进行训练，得到本发明实施例提供的深度卷积网络的参数。具体地，利用上述人脸区域样本集，使用随机梯度下降算法训练得到上述的深度卷积网络，即深度卷积网络中的参数。
[0054]请参阅图3，图3为本发明实施例提供的一种真假人脸识别装置的结构示意图；如图3所示，一种真假人脸识别方法对应的装置可包括:
[0055]采集模块310，用于采集人脸对象获得近红外人脸图像和可见光人脸图像；
[0056]处理模块320，用于从所述近红外人脸图像中提取有效近红外人脸图像，从所述可见光人脸图像中提取有效可见光人脸图像;对所述有效可见光人脸图像进行分解，得到至少一个通道对应的可见光人脸通道图像，所述可见光人脸通道图像与所述通道一一对应；采用深度卷积网络对所述有效近红外人脸图像和所有所述可见光人脸通道图像进行卷积处理，得到处理结果;根据所述处理结果，对所述人脸对象进行真假识别。
[0057]可以看出，本发明实施例中通过采集模块310采集人脸对象获得近红外人脸图像和可见光人脸图像，然后由处理模块320从近红外人脸图像中提取有效近红外人脸图像，以及从所述可见光人脸图像中提取有效可见光人脸图像，对有效可见光人脸图像进行分解，得到至少一个通道一一对应的可见光人脸通道图像，然后将有效近红外人脸图像和所有可见光人脸通道图像作为深度卷积网络的输入，经过深度卷积网络的卷积处理，得到处理结果，最后根据处理结果识别出人脸对象的真假。本发明实施例能够有效地识别出真实人脸和假体人脸，以提高人脸识别的安全性。
[0058]在本发明一些实施例中，上述处理模块320具体用于，根据RGB颜色空间对所述有效可见光人脸图像进行分解，得到R通道、G通道和B通道分别对应的所述可见光人脸通道图像。
[0059]在本发明一些实施例中，上述处理模块320具体用于，根据YUV颜色空间对所述有效可见光人脸图像进行分解，得到Y通道、U通道和V通道分别对应的所述可见光人脸通道图像。
[0060]在本发明一些实施例中，上述处理模块320具体用于，采用第一卷积层对所述有效近红外人脸图像和所有所述可见光人脸通道图像进行卷积处理，得到LI个通道的第一矩阵图层;对所述第一矩阵图层进行降维处理，得到所述LI个通道的第二矩阵图层，其中，所述第二矩阵图层的尺寸小于所述第一矩阵图层;采用第二卷积层对所述第二矩阵图层进行卷积处理，得到L2个通道的第三矩阵图层;对所述第三卷积图层进行降维处理，得到所述L2个通道的第四矩阵图层，其中，所述第四矩阵图层的尺寸小于所述第三矩阵图层;根据所述L2个通道的第四矩阵图层，得到N维向量;将所述N维向量输入逻辑回归器，得到所述处理结果O
[0061]上述处理模块320具体用于，当所述处理结果小于预设值时，确定所述人脸对象为真实人脸;当所述处理结果大于所述预设值时，确定所述人脸对象为假体人脸;当所述处理结果等于所述预设值时，确定所述人脸对象为真实人脸或假体人脸。
[0062]在一些可实施的方式中，上述处理模块320具体还用于，在对所述有效可见光人脸图像进行分解之前，对所述有效近红外人脸图像进行正规化处理得到正规化的有效近红外人脸图像，以及对所述有效可见光人脸图像进行正规化处理得到正规化的有效可见光人脸图像。
[0063]在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0064]所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0065]在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0066]所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0067]另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两