基于InceptionV3和特征融合的人脸活体检测

摘要：

针对身份验证中经常出现的照片欺诈问题,提出了一种基于InceptionV3和特征融合的人脸活体检测模型——InceptionV3_FF.首先,在ImageNet数据集上预训练InceptionV3模型;其次,从InceptionV3模型的不同层得到图像的浅层、中层和深层特征;然后,将不同的特征进行融合得到最终的特征;最后,使用全连接层对特征进行分类,从而实现端到端的训练.InceptionV3_FF模型在NUAA数据集和自制的STAR数据集上进行仿真实验,实验结果表明,InceptionV3_FF模型在NUAA数据集和STAR数据集上分别取得了99.96％和98.85％的准确率,高于InceptionV3迁移学习和迁移微调模型;而与非线性扩散卷积神经网络(ND-CNN)、扩散核(DK)、异构内核卷积神经网络(HK-CNN)等模型相比,InceptionV3_FF模型在NUAA数据集上的准确率更高,具备一定的优越性.InceptionV3_FF模型对数据集中随机抽取的单张图片进行识别时,仅需4 ms.InceptionV3_FF模型和OpenCV结合构成的活体检测系统可以对真假人脸进行识别.

关键词：活体检测、特征融合、人脸识别、ImageNet数据集、NUAA数据集、迁移学习

所属期刊栏目：42

分类号：TP183(自动化基础理论)

在线出版日期：2022-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2037-2042