摘要
本发明提供一种基于双流卷积神经网络的人脸活体检测方法及系统,该检测方法对人脸特征图像进行预处理后,将原始的人脸特征图像转换为两种不同颜色空间图像,并利用预处理后的人脸特征图像构建训练集;利用双流卷积神经网络模型框架构建人脸活体检测FAS模型,设计双流卷积层,用两种不同的颜色空间并行提取图像特征,再对双重特征进行分类;利用构建的训练集对人脸活体检测FAS模型进行训练,得到最优人脸活体检测FAS模型;最后调用最优人脸活体检测FAS模型对人脸特征图像数据进行分类检测。本发明提供的人脸活体检测FAS模型综合考虑两种颜色空间下的特征,增加了分类的可信度,在复杂数据集和跨数据集检测上获得了极高的准确度。
技术关键词
人脸活体检测方法
人脸特征
双流卷积神经网络
卷积神经网络模型
模型框架构建
构建训练集
人脸活体检测系统
HSV颜色空间
活体检测模块
图像采集设备
面部
数据
模型训练模块
分类器
编码
通道
系统为您推荐了相关专利信息
卷积神经网络模型
识别方法
生成对抗网络模型
构建卷积神经网络
分类模型优化
实时视频流
邮轮
场景特征
三维卷积神经网络模型
时序特征
焊接工业机器人
特征提取网络
支持向量机模型
卷积神经网络模型
参数
推扫式高光谱成像
分析方法
感兴趣区域提取
特征提取模块
叶片
阶段
管控系统
DBSCAN聚类算法
决策
大数据