买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜高新兴科技集团股份有限公司;中科视拓(北京)科技有限公司申请的专利一种非配合式人脸活体检测方法及计算机存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN111967289B 。

龙图腾网通过国家知识产权局官网在2025-04-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：201910420108.9，技术领域涉及：G06V40/40；该发明授权一种非配合式人脸活体检测方法及计算机存储介质是由毛亮;张宇聪;张杰;朱婷婷;林焕凯;郝鹏;刘昕;山世光;黄仝宇;汪刚;宋一兵;侯玉清;刘双广设计研发完成，并于2019-05-20向国家知识产权局提交的专利申请。

本一种非配合式人脸活体检测方法及计算机存储介质在说明书摘要公布了：本发明提供一种非配合式人脸活体检测方法及计算机存储介质，所述方法包括以下步骤：S1、获取模型训练用活体检测图像集合，并对所述图像集合进行处理；S2、设计InceptionNet分类网络；S3、设计SSD检测网络；S4、通过所述InceptionNet分类网络和所述SSD检测网络对所述图像集合进行模型训练；S5、获取实时图像，根据模型训练的结果预测所述实时图像是否为人脸活体。根据本发明实施例的非配合式人脸活体检测方法，不需要增添摄像头以外的硬件设备，且不需要待测人员配合，能够达到超实时的人脸活体检测速度，成本低廉，使用方便。

本发明授权一种非配合式人脸活体检测方法及计算机存储介质在权利要求书中公布了：1.一种非配合式人脸活体检测方法，其特征在于，所述方法包括以下步骤：S1、获取模型训练用活体检测图像集合，并对所述图像集合进行处理；S2、设计InceptionNet分类网络；S3、设计SSD检测网络；S4、通过所述InceptionNet分类网络和所述SSD检测网络对所述图像集合进行模型训练；S5、获取实时图像，根据模型训练的结果预测所述实时图像是否为人脸活体；步骤S1包括：S11、通过摄像设备批量保存活体检测图像集合Q；S12、对所述图像集合Q中的第一集合图像进行边框标注，获取有边框标注信息的图像G和不带标注信息的图像P，其中所述第一集合图像是所述图像集合Q的子集；步骤S4包括：S41、将所述图像集合Q分为训练集T和校验集V，使训练集T和校验集V中均含有带边框标注信息的图像G和不带标注信息的图像P；S42、通过InceptionNet分类网络M对训练集T中的部分人脸图像P进行前向计算，经过模型的各层后输出识别结果，根据当前网络输出与输入特征的标签差异应用批次随机梯度下降算法进行模型训练，不断调整InceptionNet分类网络M中各个权值；S43、利用校验集V中不带标注信息的图像P验证模型训练效果，当模型M在校验集V上准确率不能随着训练时间继续提升时，模型停止训练，获得模型M’；S44、通过SSD检测网络S对训练集T中的部分带有边框标注信息的图像G进行前向计算，经过模型的各层后输出模型检测到的目标边框，以及每个边框对应的类别；S45、根据当前网络输出的结果与目标的标注信息进行对比，分别计算出定位损失Lloc与置信度损失Lconf；网络总体的目标损失函数Lx，c，l，g是Lloc与Lconf的加权和，如公式1所示： 其中，x表示先验框与标注信息的相匹配情况；c为模型输出预测边框的置信度，l是模型的预测边框，g是标注的边框位置，a是用于调整置信度损失和定位损失之间比例的参数，N是与标注的边框信息相匹配的预测边框个数；应用批次随机梯度下降方法算法对公式1中的目标函数进行模型训练，不断调整SSD检测网络S中各个权值；S46、利用校验集V中带边框标注信息的图像G验证模型训练效果，当模型S在校验集V上准确率不能随着训练时间继续提升时，模型停止训练，获得模型S’；S47、当图片经过M’和S’后，将两个模型输入真人类别的置信度相加，记为模型D的置信度得分；所述InceptionNet分类网络包括深度神经网络A和3组Inception结构C，所述Inception结构C包括四个分支，每个所述分支分别由1*1卷积、3*3卷积、5*5卷积、3*3最大池化组成；在所述的步骤S3中，将设计的所述SSD检测网络记为S，所述SSD检测网络的主网络为卷积层增加4个卷积层的VGG16模型；所述步骤S3还包括：对5个不同的所述卷积层的输出分别用两个3*3的卷积核进行卷积，其中一个卷积核输出为分类置信度，每个defaultbox生成3个置信度，分别对应活体检测任务中的背景、真人、非活体人脸，另一个卷积核输出为目标位置的定位，每个defaultbox生成x，y，w，h4个坐标值；5个卷积层经过priorBox层生成defaultbox；将上述三个计算结果分别合并后传递给损失层；所述步骤S5包括：S51、通过摄像设备获取实时RGB图像A，将图像A输入到级联卷积神经网络模型中，进行人脸检测；若检测到人脸，则对人脸进行归一化，得到归一化人脸图像B；并且记录人脸在图像A中的位置k；S52、将图像A输入步骤S4获得的模型M’，得到结果x；S53、将图片B输入步骤S4获得的模型S’，得到边框集合Y；S54、判断人脸位置k与边框集合Y中各个边框的重合率；如果存在重合率超过设定值的边框，则记录该边框的置信度u；在所有符合条件的u中，选取最大值v；S55、将结果x与置信度最大值v输入给步骤S4所得的融合模型D，通过融合模型D给出图像A的人脸活体检测预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人高新兴科技集团股份有限公司;中科视拓(北京)科技有限公司，其通讯地址为：510530 广东省广州市黄埔区科学城开创大道2819号六楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。