申请/专利权人:北京工业大学
申请日:2024-01-22
公开(公告)日:2024-04-16
公开(公告)号:CN117894082A
主分类号:G06V40/40
分类号:G06V40/40;G06V40/16;G06V10/80;G06V10/56;G06V10/44;G06V10/771;G06N3/045;G06N3/0464;G06V10/52
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本发明公开了一种基于注意力机制的多模态人脸活体检测方法,该方法属于计算机软件领域。人脸识别技术的快速发展以及广泛应用给我们的生活带来了极大的便利,但一些不法分子利用照片、视频、3D面具等方式去攻击人脸识别系统,对用户的隐私和财产等方面造成了威胁。本专利提出了一种新型注意力机制,同时计算通道和空间之间关系,使得网络关注重要的特征信息,从而提高人脸活体检测的准确率。此外,传统的卷积神经网络没有充分利用不同层次特征,本发明提出了多层次特征融合的方法,不同层次特征的融合能够相互补充,提供更加全面和准确的特征信息,进一步提高了模型的判别能力。
主权项:1.一种基于注意力机制的多模态人脸活体检测方法,其特征在于,包括以下步骤:对RGB、IR和Depth多模态人脸图像进行预处理的步骤,将人脸图像通过裁剪或缩放调整为统一的大小,以便于后续的特征提取和模型训练;利用高斯滤波去除人脸图像中的噪声,提高的图像质量;将预处理后的多模态人脸图像送入卷积神经网络中,通过的卷积神经网络网络的前向传播过程得到预测结果,比较预测结果与实际标签之间的差异,计算损失函数值;利用注意力机制计算RGB、IR和Depth多模态人脸图像通道和空间之间的关系,使得网络关注重要的特征信息,可以帮助模型更好地关注到人脸的关键特征点区域,如眉毛、鼻子、嘴巴和眼睛等;采用多层次特征融合的方法,将不同层次特征相互融合,提供更加全面和准确的特征信息,进一步提高了模型的判别能力;根据损失函数值,利用反向传播算法计算模型中每个权重参数的梯度,反向传播算法通过比较预测结果与实际标签之间的差异,逐层调整权重参数,使损失函数值逐渐减小;根据计算出的梯度,使用随机梯度下降优化算法更新模型中的权重参数。优化算法会根据学习率和梯度的大小来调整权重参数,以逐渐降低损失函数值并提高模型的准确性。
全文数据:
权利要求:
百度查询: 北京工业大学 一种基于注意力机制的多模态人脸活体检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。