一种多截取区域的人脸活体判定方法、设备及存储介质与流程

所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。图11是本发明实施例中的一种用户验证设备的结构示意图。下面参照图11来描述根据本发明的这种实施方式的电子设备600。图11显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图11所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述用户注册方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图1中所示的步骤。存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图11中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储平台等。本发明实施例中还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现的用户注册方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述用户注册方法部分中描述的根据本发明各种示例性实施方式的步骤。如上所示，该实施例的计算机可读存储介质的程序在执行时，针对rgb图像和深度图像，采用多区域截取的方法，结合网络结构进行训练与推理，可以有效抵挡打印二维平面假体，挖孔的二维平面假体，局部裁剪的二维平面假体，弯曲的二维打印平面假体，视频二维平面假体等等的攻击。图12是本发明实施例中的计算机可读存储介质的结构示意图。参考图12所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。本发明实施例中，本针对rgb图像和深度图像，采用多区域截取的方法，结合网络结构进行训练与推理，可以有效抵挡打印二维平面假体，挖孔的二维平面假体，局部裁剪的二维平面假体，弯曲的二维打印平面假体，视频二维平面假体等等的攻击。本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

背景技术：

1、深度图像也被称为距离影像，是指将从图像采集器到场景中各点的距离(深度)作为像素值的图像，它直接反映了景物可见表面的几何形状。深度摄像头所获取的原始深度数据通常是10位或者12位的，将10位或者12位的深度数据转为8位的深度值，即可得到深度图像。

2、活体判定算法是人脸图像进行人脸识别之前的重要一环，在进行人脸识别之前，算法需要判断所要识别的人脸图像属于活体真人的图像，需要抵挡打印照片，电子视频，3d头模等等非真人活体图像的攻击。二维平面假体(打印二维平面假体，挖孔的二维平面假体，局部裁剪的二维平面假体，弯曲的二维打印平面假体，视频二维平面假体等等)由于和真人人脸的相似度过大，因此直接采用rgb摄像头来做假体判断泛化效果过差。但是二维平面假体相比真人的人脸，在深度图像上有明显的差异；二维平面假体在深度图上会出现大块的平坦区域，但是真实的人脸在深度图上却会有明显的纹理。因此，采用深度数据来进行上述二维平面假体的判定可以有效弥补rgb在这一类假体上的能力不足。

技术实现思路

1、为此，本发明针对rgb图像和深度图像，采用多区域截取的方法，结合网络结构进行训练与推理，可以有效抵挡打印二维平面假体，挖孔的二维平面假体，局部裁剪的二维平面假体，弯曲的二维打印平面假体，视频二维平面假体等等的攻击。

2、第一方面，本发明提供一种多截取区域的人脸活体判定方法，其特征在于，包括如下步骤：

3、步骤s1：在第一rgb图像和第一深度图像上分别获取人脸区域，并在所述人脸区域内截取至少两个子区域；其中，所述第一rgb图像和所述第一深度图像为像素级对齐；

4、步骤s2：将所述子区域分别输入子网络；

5、步骤s3：将多个所述子网络的数据输入子网络融合层，并利用分类函数进行二分类，得到第一结果和第二结果；

6、步骤s4：根据所述第一结果和所述第二结果判断是否为人脸活体。

7、可选地，所述的一种多截取区域的人脸活体判定方法，其特征在于，所述步骤s1包括：

8、步骤s11：在第一rgb图像上检测到人脸位置，并获得第一人脸关键点；

9、步骤s12：基于所述人脸关键点在所述第一rgb图像和第一深度图像上同时进行归一化处理，分别得到第二rgb图像和第二深度图像；

10、步骤s13：在所述第二rgb图像上提取第二人脸关键点，并获得相应的子区域；

11、步骤s14：将所述第二人脸关键点对应到所述第二深度图像，得到所述第二深度图像的第三人脸关键点。

12、可选地，所述的一种多截取区域的人脸活体判定方法，其特征在于，所述子网络包括卷积层、批量归一化层、非线性激活层、池化层和叠加层。

13、可选地，所述的一种多截取区域的人脸活体判定方法，其特征在于，所述子网络至少包含八个卷积层。

14、可选地，所述的一种多截取区域的人脸活体判定方法，其特征在于，所述子网络在训练时，采用联合训练的方式。

15、可选地，所述的一种多截取区域的人脸活体判定方法，其特征在于，在进行所述联合训练时，先将所述子区域的损失函数分别做反向传播，更新所述子网络和所述子网络融合层的网络权值。

16、可选地，所述的一种多截取区域的人脸活体判定方法，其特征在于，将所述批量归一化层向前合并到对应的所述卷积层中。

17、可选地，所述的一种多截取区域的人脸活体判定方法，其特征在于，将所述子网络融合层的损失函数换成分类函数计算最终输出的概率。

18、第二方面，本发明提供一种多截取区域的人脸活体判定设备，其特征在于，包括：

19、处理器；

20、存储器模块，其中存储有所述处理器的可执行指令；

21、其中，所述处理器配置为经由执行所述可执行指令来执行上述任一项所述的用户注册方法的步骤。

22、第三方面，本发明提供一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现上述任一项所述的一种多截取区域的人脸活体判定方法的步骤。

23、与现有技术相比，本发明具有如下的有益效果：

24、本发明利用利用子网络提取网络人脸特征，无需整体人脸的全局特征，可以更好地处理遮挡情景下的效果，具有更好的灵活性与场景适用性，可以提升戴口罩、戴墨镜等情景下的识别效果。

25、本发明不同的子网络采用独立的网络进行训练，对人脸具有更好的适应性，对不同的区域均可以获得最佳的识别效果，有利于提升识别效果。

26、本发明每个子区域采用一个独立的损失函数，这种多任务监督的方式能够更进一步的增加每个子区域的活体抵挡作用，从而更好地抵挡平面假体攻击。

27、本发明采用单模态学习，相比于多模态学习，本发明具有更快的训练速度与更少的资源消耗，并且具有更好的2d攻击抵挡效果。

28、本发明对打印二维平面假体，挖孔的二维平面假体，局部裁剪的二维平面假体，弯曲的二维打印平面假体，视频二维平面假体做出判断，可以有效弥补rgb摄像头在上述类型假体的判断过程中的能力不足。此外，本发明作为一种主动光活体判定方法，可以有效的降低环境光照给算法所带来的影响。