申请/专利权人：华南理工大学;人工智能与数字经济广东省实验室(广州)

申请日：2023-09-20

公开（公告）日：2024-06-21

公开（公告）号：CN117238018B

主分类号：G06V40/16

分类号：G06V40/16;G06T7/55;G06V10/44;G06V10/82;G06V40/40

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.01.02#实质审查的生效;2023.12.15#公开

摘要：本发明提供了一种基于多粒度的可增量深宽网络活体检测方法、介质及设备；其中方法为：将待检测的图像依次进行人脸区域提取、人脸对齐、人脸特征向量提取处理，形成多粒度信息；将多粒度信息输入到稀疏宽度活体识别网络，得到活体检测结果；稀疏宽度活体识别网络的训练方法为：将样本图像分成若干批次；将样本图像的多粒度信息分批次输入到宽度活体识别网络进行学习，更新权重；当获取到新的样本图像时，采用增量方式输入到宽度活体识别网络进行学习，更新权重。该方法可解决学习时间消耗和资源占用问题，检测精度高，鲁棒性强。

主权项：1.一种基于多粒度的可增量深宽网络活体检测方法，其特征在于：将待检测的图像依次进行人脸区域提取、人脸对齐、人脸特征向量提取处理，得到人脸区域和C2维人脸特征；之后将包括人脸特征和人脸区域的多粒度信息融合，并输入到稀疏宽度活体识别网络，得到活体检测结果；稀疏宽度活体识别网络是指经过训练的稀疏宽度活体识别网络；稀疏宽度活体识别网络的训练方法，包括如下步骤：步骤Y1、获取当前的样本图像；根据样本图像对应的标签和机器容纳能力，将样本图像分成若干批次；步骤Y2、将各个样本图像分别进行人脸区域提取、人脸对齐、人脸特征向量提取处理，得到各个样本图像的C2维人脸特征和人脸区域；对于各个批次，将批次对应样本图像的包括人脸特征和人脸区域的多粒度信息进行融合，得到数据Ba；步骤Y3、对各个批次数据Ba依次进行学习：步骤Y31、对于第1批次输入的数据B1，计算映射特征节点和增强特征节点合并映射特征节点和增强特征节点形成人脸活体识别特征层并连接到稀疏宽度活体识别网络的输出层Y；计算人脸活体识别特征层和输出层Y的连接权重 通过优化问题求解稀疏宽度学习的连接权重 步骤Y32、对于第a批次输入的数据Ba，a≥2，计算增量映射特征节点和增强特征节点形成新的人脸活体识别特征层为： 输出层权重由如下公式更新： 其中，为数据Ba对应的标签；当获取到新的样本图像时，根据新的样本图像对应的标签和机器容纳能力，将新的样本图像分成若干批次；之后执行步骤Y2和步骤Y32；所述稀疏宽度活体识别网络的输出Y为：

全文数据：

权利要求：

百度查询： 华南理工大学;人工智能与数字经济广东省实验室(广州) 基于多粒度的可增量深宽网络活体检测方法、介质及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD