基于优化LeNet-5的近红外图像中的静默活体人脸检测

摘要

针对当前交互式活体检测过程繁琐、用户体验性差的问题,提出了一种优化LeNet-5和近红外图像的静默活体检测方法.首先,采用近红外光摄像头构建了一个非活体数据集;其次,通过增大卷积核、增加卷积核数目、引入全局平均池化等方法对LeNet-5进行了优化,构建了一个深层卷积神经网络;最后,将近红外人脸图片输入到模型中实现活体静默活体检测.实验结果表明,所设计的模型在活体检测数据集上有较高的识别率,为99.95％,整个静默活体检测系统的运行速度约为18～22帧/s,在实际应用中鲁棒性较高.