结合掩码卷积和负样本特征序列的活体检测方法

本发明公开了一种结合掩码卷积和负样本特征序列的活体检测方法，利用深度神经网络结构，通过编码器、可学习的掩码卷积模块和带负样本特征序列的分类器三个模块相互配合，实现对图像中的真假人脸进行准确区分。编码器模块用于提取输入图像的特征表示；可学习的掩码卷积模块利用卷积、池化、全连接层等操作及高斯函数获得可优化的掩码，该掩码与卷积相乘后能够对不同位置的像素赋予不同的权重，自适应地捕捉图像中的细节信息并抑制图像中的噪声和干扰使得纹理特征更加明显，增强所学纹理特征的辨别性，从而提高特征的表达能力、判别性以及抗干扰能力。此外，带负样本特征序列的分类器的使用使得算法能够学习到更加鲁棒的特征空间。