计算机应用

作者：皮家甜, 杨杰之, 杨琳希, 彭明杰, 邓雄, 赵立军, 唐万梅, 吴至友

单位：1. 重庆师范大学 计算机与信息科学学院, 重庆 401331;2. 重庆市数字农业服务工程技术研究中心(重庆师范大学), 重庆 401331;3. 智慧金融与大数据分析重庆市重点实验室(重庆师范大学), 重庆 401331;4. 重庆师范大学 数学科学学院, 重庆 401331

关键词：计算机视觉,卷积神经网络,人脸活体检测,多模态特征融合,轻量级网络

基金：国家自然科学基金资助项目（11971083）；重庆市教委科技项目青年项目（KJQN201800521）；重庆市基础研究与前沿探索项目（cstc2018jcyjAX0470）；重庆师范大学2019年研究生科研创新项目（YKC19014）。

人脸活体检测是人脸识别过程中的一个重要环节，对于身份验证的安全性尤为重要。针对人脸识别过程存在照片、视频、面具、头套、头模等欺骗手段，通过Intel Realsense相机采集人脸RGB图和深度图信息，并在MobileNetV3的基础上提出了特征融合的轻量级活体检测网络，将深度图与RGB图的特征融合起来并且进行端到端的训练。而为了解决深度学习中参数量较大以及网络尾部对于权重区域的区分的问题，提出在网络尾部采用Streaming Module以减少网络参数量并且对权重区域进行区分。在CASIA-SURF数据集以及所制作的CQNU-LN数据集上进行仿真实验，结果表明所提方法在两个数据集上均于TPR@FPR=10E-4的级别上达到了95%的精度，相较对比方法中精度最高的ShuffleNet分别提高了0.1%和0.05%；在所制作的CQNU-3Dmask数据集上，所提方法于TPR@FPR=10E-4的级别达到了95.2%的精度，比仅训练RGB图或仅训练深度图的方法分别提升了0.9%和6.5%，并且，模型的参数文件的大小仅为1.8 MB，每秒浮点数运算量（FLOPs）仅为1.5×106。该方法能够在实际应用中对提取到的人脸进行准确的实时检测。

来源：2020年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第12期