(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210172295.5 (22)申请日 2022.02.24 (71)申请人 阳光暖果 （北京） 科技发展 有限公司 地址 100083 北京市海淀区中关村东路18 号A-2012 (72)发明人 不公告发明人 　 (74)专利代理 机构 北京科迪生专利代理有限责 任公司 1 1251 专利代理师 江亚平 (51)Int.Cl. G06V 20/64(2022.01) G06V 40/16(2022.01) G06V 40/40(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于多特征提取模块的人脸静默活体 检测方法与系统 (57)摘要 本发明涉及一种基于多特征提取模块的人 脸静默活体检测方法与系统， 包括： 纹理特征提 取模块， 用于提取活体目标和非活体目标的纹理 特征； 提取目标不同级别的纹理特征； 空间注意 力模块， 用于细化纹理特征； 非活体特征提取模 块， 用于放大活体与非活体样本间特征差异； 特 征图细化模块， 用于生成特征图； 活体判别模块， 连接到特征图细化模块， 用于判别活体。 本发明 在训练阶段无需人工进行像素级标注， 节省了人 力成本， 通过度量学习监督对比活体样本与活体 样本、 活体样本与非活体样本间的特征差异， 自 动挖掘用于对图像进行像素级监 督的线索。 权利要求书2页 说明书6页 附图4页 CN 114565918 A 2022.05.31 CN 114565918 A 1.一种基于多特 征提取模块的人脸静默活体 检测系统， 其特 征在于， 包括： 纹理特征提取模块， 用于提取活体目标和非活体目标的纹 理特征； 提取目标不同级别的纹 理特征； 空间注意力模块， 用于细化纹 理特征； 非活体特 征提取模块， 用于放大活体与非活体样本间特 征差异； 特征图细化模块， 用于生成特 征图； 活体判别模块， 连接 到特征图细化模块， 用于判别活体。 2.根据权利要求1所述的一种基于多特征提取模块的人脸静默活体检测系统， 其特征 在于， 还包括： 通过一条提取纹理特征的特征编码路径进行多级别纹理特征提取， 所述的特 征编码路径是一条由三个纹理特征提取模块堆叠组成的用于逐级细化纹理特征的特征编 码路径。 3.根据权利要求1所述的一种基于多特征提取模块的人脸静默活体检测系统， 其特征 在于， 所述 非活体特征提取模块引入度量学习损失函数， 通过对比活体图像与活体图像、 活 体图像与非活体图像间的差异， 主动挖掘最有判别 力的特征表示。 4.根据权利要求1所述的一种基于多特征提取模块的人脸静默活体检测系统， 其特征 在于， 纹理特征提取模块基于中心差 分卷积CD C构建， 通过聚合像素值 强度信息和像素值梯 度信息提取图像纹 理特征， 具体为： 纹理特征提取模块包含三个连续的中心差分卷积层和一个最大池化层(MaxPool)， 每 个卷积后都会跟一个BN(Batch  Normalization)操作和一个ReLU激活函数， 纹理特征的特 征编码路径包括 三个纹理特征提取模块， 分别提取低、 中、 高维度的特 征。 5.根据权利要求4所述的一种基于多特征提取模块的人脸静默活体检测系统， 其特征 在于， 三个纹理特征提取模块在结构上完全相同， 第一个纹理特征提取模块进行初步特征 提取， 提取到的低 维度特征送入第二个纹理特征提取模块进行进一步特征提取， 提取到的 中维度特征送入最后一个纹理特征提取模块进行处理， 获得最终的高维度特征， 属于层层 递进的关系， 各模块的参数 由深度学习训练所得， 低、 中、 高维度特征会在注意力模块进行 特征融合。 6.根据权利要求1所述的一种基于多特征提取模块的人脸静默活体检测系统， 其特征 在于， 非活体特征提取模块通过度量学习引导模型关注非活体特征， 将图像中能否提取到 足够的非活体特征作为活体检测模型判别的依据； 其中， 度量学习的实现方式是以元组的 形式作为输入， 设计损失函数监督模型训练， 所述的输入为三元组， 包含两个活体样本和一 个非活体样本， 损失函数使用三元组度量学习损失函数。 7.根据权利要求1所述的一种基于多特征提取模块的人脸静默活体检测系统， 其特征 在于， 所述判别模块的结构在训练和测试阶段使用不同的设计； 在训练阶段引入微调后的 ResNet18分类器， 将第一个卷积层的输入通道数由3改为1， 并将自适应全局平均池化层后 的全连接层的输出通道数由512改为2； 通过加入分类器引入二分类损失函数进行辅助监 督； 测试阶段通过计算特征图的像素均值并与设定的阈值相比较， 获得模型对图像的预测 结果。 8.根据权利要求1所述的一种基于多特征提取模块的人脸静默活体检测系统， 其特征 在于， 所述注意力模块首先对输入特征图在通道维度进行最大池化和平均池化操作， 将池权　利　要　求　书 1/2 页 2 CN 114565918 A 2化结果在通道维度拼接起来； 先后使用卷积操作和Sigmoid激活函数将拼接结果的像素值 映射到(0,1)的值域范围内， 生 成注意力权重描述符； 最后将 权重描述符与原特征图逐像素 相乘， 削弱无关区域的像素值， 得到注意力机制处 理后的特 征图。 9.一种基于多特 征提取模块的人脸静默活体 检测方法， 其特 征在于， 包括如下步骤： 纹理特征提取模块 提取活体目标和非活体目标的纹 理特征； 采用空间注意力模块细化纹 理特征； 基于细化后的低、 中、 高维度纹理特征融合后输入到非活体特征提取模块， 用于放大活 体与非活体样本间特 征差异； 进行特征图细化， 生成特 征图； 基于特征图细化模块的结果判别活体； 预测得到活体 检测结果。 10.根据权利要求9所述的一种基于多特征提取模块的人脸静默活体检测方法， 其特征 在于， 通过一条提取纹理特征 的特征编码路径进行多级别纹理特征提取， 所述的特征编码 路径是一条由三个纹 理特征提取模块 堆叠组成的用于逐级细化纹 理特征的特征编码路径。权　利　要　求　书 2/2 页 3 CN 114565918 A 3