基于对抗学习的人脸活体检测方法、装置、设备及介质与流程

技术特征：
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；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照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，所述初始对抗网络包括生成器和鉴别器；所述鉴别器包括主鉴别器和辅助鉴别器；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。3.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训练好的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。4.根据权利要求2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。5.根据权利要求4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。6.根据权利要求5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。7.根据权利要求6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
))))。8.一种基于对抗学习的人脸活体检测装置，其特征在于，所述装置包括：图片预处理模块，用于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；
数据对构造模块，用于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；线性重构模块，用于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；初始评分模块，用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；伪造痕迹元素优化模块，用于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；活体检测模块，用于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照片是否为活体进行检测。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本申请涉及一种基于对抗学习的人脸活体检测方法、装置、计算机设备和存储介质。所述方法包括：通过dlib库里的人脸对齐方法对人脸图片进行预处理，得到人脸矫正图片；对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；将人脸数据对输入对抗网络的生成器中得到伪造痕迹元素和特征图，将特征图与痕迹元素进行线性加权得到一个数值，该数值用来判断人脸图片是否为活体。采用本方法能够提高人脸活体检测的准确率。确率。确率。


技术研发人员：谢剑斌 任拓
受保护的技术使用者：湖南中科助英智能科技研究院有限公司
技术研发日：2022.03.04
技术公布日：2022/6/7