買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜高新興科技集團股份有限公司;中科視拓(北京)科技有限公司申請的專利一種非配合式人臉活體檢測方法及計算機存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN111967289B 。

龍圖騰網通過國家知識產權局官網在2025-04-18發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：201910420108.9，技術領域涉及：G06V40/40；該發明授權一種非配合式人臉活體檢測方法及計算機存儲介質是由毛亮;張宇聰;張杰;朱婷婷;林煥凱;郝鵬;劉昕;山世光;黃仝宇;汪剛;宋一兵;侯玉清;劉雙廣設計研發完成，并于2019-05-20向國家知識產權局提交的專利申請。

本一種非配合式人臉活體檢測方法及計算機存儲介質在說明書摘要公布了：本發明提供一種非配合式人臉活體檢測方法及計算機存儲介質，所述方法包括以下步驟：S1、獲取模型訓練用活體檢測圖像集合，并對所述圖像集合進行處理；S2、設計InceptionNet分類網絡；S3、設計SSD檢測網絡；S4、通過所述InceptionNet分類網絡和所述SSD檢測網絡對所述圖像集合進行模型訓練；S5、獲取實時圖像，根據模型訓練的結果預測所述實時圖像是否為人臉活體。根據本發明實施例的非配合式人臉活體檢測方法，不需要增添攝像頭以外的硬件設備，且不需要待測人員配合，能夠達到超實時的人臉活體檢測速度，成本低廉，使用方便。

本發明授權一種非配合式人臉活體檢測方法及計算機存儲介質在權利要求書中公布了：1.一種非配合式人臉活體檢測方法，其特征在于，所述方法包括以下步驟：S1、獲取模型訓練用活體檢測圖像集合，并對所述圖像集合進行處理；S2、設計InceptionNet分類網絡；S3、設計SSD檢測網絡；S4、通過所述InceptionNet分類網絡和所述SSD檢測網絡對所述圖像集合進行模型訓練；S5、獲取實時圖像，根據模型訓練的結果預測所述實時圖像是否為人臉活體；步驟S1包括：S11、通過攝像設備批量保存活體檢測圖像集合Q；S12、對所述圖像集合Q中的第一集合圖像進行邊框標注，獲取有邊框標注信息的圖像G和不帶標注信息的圖像P，其中所述第一集合圖像是所述圖像集合Q的子集；步驟S4包括：S41、將所述圖像集合Q分為訓練集T和校驗集V，使訓練集T和校驗集V中均含有帶邊框標注信息的圖像G和不帶標注信息的圖像P；S42、通過InceptionNet分類網絡M對訓練集T中的部分人臉圖像P進行前向計算，經過模型的各層后輸出識別結果，根據當前網絡輸出與輸入特征的標簽差異應用批次隨機梯度下降算法進行模型訓練，不斷調整InceptionNet分類網絡M中各個權值；S43、利用校驗集V中不帶標注信息的圖像P驗證模型訓練效果，當模型M在校驗集V上準確率不能隨著訓練時間繼續提升時，模型停止訓練，獲得模型M’；S44、通過SSD檢測網絡S對訓練集T中的部分帶有邊框標注信息的圖像G進行前向計算，經過模型的各層后輸出模型檢測到的目標邊框，以及每個邊框對應的類別；S45、根據當前網絡輸出的結果與目標的標注信息進行對比，分別計算出定位損失Lloc與置信度損失Lconf；網絡總體的目標損失函數Lx，c，l，g是Lloc與Lconf的加權和，如公式1所示： 其中，x表示先驗框與標注信息的相匹配情況；c為模型輸出預測邊框的置信度，l是模型的預測邊框，g是標注的邊框位置，a是用于調整置信度損失和定位損失之間比例的參數，N是與標注的邊框信息相匹配的預測邊框個數；應用批次隨機梯度下降方法算法對公式1中的目標函數進行模型訓練，不斷調整SSD檢測網絡S中各個權值；S46、利用校驗集V中帶邊框標注信息的圖像G驗證模型訓練效果，當模型S在校驗集V上準確率不能隨著訓練時間繼續提升時，模型停止訓練，獲得模型S’；S47、當圖片經過M’和S’后，將兩個模型輸入真人類別的置信度相加，記為模型D的置信度得分；所述InceptionNet分類網絡包括深度神經網絡A和3組Inception結構C，所述Inception結構C包括四個分支，每個所述分支分別由1*1卷積、3*3卷積、5*5卷積、3*3最大池化組成；在所述的步驟S3中，將設計的所述SSD檢測網絡記為S，所述SSD檢測網絡的主網絡為卷積層增加4個卷積層的VGG16模型；所述步驟S3還包括：對5個不同的所述卷積層的輸出分別用兩個3*3的卷積核進行卷積，其中一個卷積核輸出為分類置信度，每個defaultbox生成3個置信度，分別對應活體檢測任務中的背景、真人、非活體人臉，另一個卷積核輸出為目標位置的定位，每個defaultbox生成x，y，w，h4個坐標值；5個卷積層經過priorBox層生成defaultbox；將上述三個計算結果分別合并后傳遞給損失層；所述步驟S5包括：S51、通過攝像設備獲取實時RGB圖像A，將圖像A輸入到級聯卷積神經網絡模型中，進行人臉檢測；若檢測到人臉，則對人臉進行歸一化，得到歸一化人臉圖像B；并且記錄人臉在圖像A中的位置k；S52、將圖像A輸入步驟S4獲得的模型M’，得到結果x；S53、將圖片B輸入步驟S4獲得的模型S’，得到邊框集合Y；S54、判斷人臉位置k與邊框集合Y中各個邊框的重合率；如果存在重合率超過設定值的邊框，則記錄該邊框的置信度u；在所有符合條件的u中，選取最大值v；S55、將結果x與置信度最大值v輸入給步驟S4所得的融合模型D，通過融合模型D給出圖像A的人臉活體檢測預測結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人高新興科技集團股份有限公司;中科視拓(北京)科技有限公司，其通訊地址為：510530 廣東省廣州市黃埔區科學城開創大道2819號六樓；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。