脸部活跃度检测
描述
深度学习管道,能够发现人脸与合法人脸,并在人脸识别系统中执行反人脸欺骗。 它是在Keras,Tensorflow和OpenCV帮助下构建的。 样本数据集已上传到sample_dataset_folder中。
方法
检测伪造的面Kong与真实/合法面Kong的问题被视为二进制分类任务。 基本上,给定输入图像,我们将训练一个卷积神经网络,该卷积神经网络能够将真实面Kong与伪造/欺骗面Kong区分开。 该任务涉及四个主要步骤:
构建图像数据集本身。
实现一个能够执行活动检测器(Livenessnet)的CNN。
训练活动度检测器网络。
创建一个能够采用我们训练有素的活动检测器模型的Python + OpenCV脚本,并将其应用于实时视频。
创建一个Web平台以交互方式访问活动度检测算法。
该存储库的内容
sample_liveness_data:包含样本数据集。
1