CN110363132B - 活体检测方法、装置、电子设备及存储介质 - Google Patents

活体检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN110363132B
CN110363132B CN201910615248.1A CN201910615248A CN110363132B CN 110363132 B CN110363132 B CN 110363132B CN 201910615248 A CN201910615248 A CN 201910615248A CN 110363132 B CN110363132 B CN 110363132B
Authority
CN
China
Prior art keywords
value
current
video frame
reference distance
target organ
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910615248.1A
Other languages
English (en)
Other versions
CN110363132A (zh
Inventor
王旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN201910615248.1A priority Critical patent/CN110363132B/zh
Publication of CN110363132A publication Critical patent/CN110363132A/zh
Application granted granted Critical
Publication of CN110363132B publication Critical patent/CN110363132B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本公开公开了一种活体检测方法、装置、电子设备及存储介质。该方法包括：确定目标器官在当前视频帧中人脸上的当前特征值以及当前视频帧中人脸上其他关键点之间的当前参考距离值；根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，得到目标器官在所述当前视频帧的活体检测结果。本公开实施例可以提高活体检测的准确率，并提高身份认证的安全性。

Description

活体检测方法、装置、电子设备及存储介质
技术领域
本公开实施例涉及数据处理技术，尤其涉及一种活体检测方法、装置、电子设备及存储介质。
背景技术
人们在从事各种活动中，经常需要进行身份认证，从而保证信息的安全性。随着计算机和网络的发展，联网电子设备的普及使身份认证工作变得高效，通常身份认证需要确定被拍摄对象为活体。
目前，在金融***、人脸识别***中经常需要进行活体判断。在这个过程中，一般需要用户完成面部基础动作。例如，点头动作和/或摇头动作。现有技术主要通过检测多个包括用户脸部图像的照片中，设定器官部位(例如，眼睛或者嘴巴等)姿态参数的变化情况，确定该用户是否为活体用户，同时使用人脸关键点定位和人脸追踪等技术，验证用户是否为本人操作。
例如，可以通过检测眼睛的睁开值，判断眼睛是否眨眼。但随着网络技术的发展，用户的脸部极易用照片进行复制，从而对检测***形成攻击，例如，通过将合法用户照片沿着与检测***的摄像头的拍摄方向，进行远近距离调整，从而导致检测***检测到的眼睛的睁开值变化，导致活体检测不准确。
发明内容
本公开实施例提供一种活体检测方法、装置、电子设备及存储介质，可以提高活体检测的准确率，并提高身份认证的安全性。
第一方面，本公开实施例提供了一种活体检测方法，该方法包括：
确定目标器官在当前视频帧中人脸上的当前特征值以及当前视频帧中人脸上其他关键点之间的当前参考距离值；
根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，得到目标器官在所述当前视频帧的活体检测结果。
第二方面，本公开实施例还提供了一种活体检测装置，该装置包括：
特征值和参考距离获取模块，用于确定目标器官在当前视频帧中人脸上的当前特征值以及当前视频帧中人脸上其他关键点之间的当前参考距离值；
当前特征值修正模块，用于根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，得到目标器官在所述当前视频帧的活体检测结果。
第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例所述的活体检测方法。
第四方面，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开实施例所述的活体检测方法。
本公开实施例通过检测当前视频帧中目标器官之外的其他关键点之间的当前参考距离值和初始视频帧中其他关键点之间的基础参考距离值，确定当前视频帧中其他关键点的变化程度，并以其他关键点的变化程度为参考，确定当前特征值的变化程度，从而准确评估当前特征值的变化程度，由此对当前特征值进行修正，并将得到修正后的特征值作为活体检测结果，提高特征值的检测准确率，解决了现有技术中通过用户照片远近距离调整，导致特征值检测不准确的问题，提高特征值检测的准确率，同时，通过其他关键点的变化程度评估特征值的变化程度，可以准确评估当前特征值相对与人脸的变化程度，从而避免在人脸整体变化时，当前特征值仍旧按照原有方法计算而未考虑特征值相对人脸实际未变化的情况，而导致特征值计算错误，以实现准确计算特征值。
附图说明
图1是本公开实施例一中的一种活体检测方法的流程图；
图2是本公开实施例二中的一种活体检测方法的流程图；
图3是本公开实施例三中的一种活体检测装置的结构示意图；
图4是本公开实施例四中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
实施例一
图1为本公开实施例一中的一种活体检测方法的流程图，本实施例可适用于在视频帧中检测目标器官的特征值的情况，该方法可以由活体检测装置来执行，该装置可以采用软件和/或硬件的方式实现，该装置可以配置于电子设备中，例如服务器或终端设备，典型的终端设备包括移动终端，具体包括手机、车载终端或笔记本电脑等。如图1所示，该方法具体包括如下步骤：
S110，确定目标器官在当前视频帧中人脸上的当前特征值以及当前视频帧中人脸上其他关键点之间的当前参考距离值。
当前视频帧可以是指视频中的视频帧，具体的，视频可以是指预先录制的视频，或者是实时录制的视频。相应的，当前视频帧可以是预先录制的视频中的任意一个视频帧，或者是在视频录制的过程中实时获取的视频帧。
通常，在活体检测过程中，一般需要用户完成面部基础动作。例如，面部基础动作包括下述至少一项点头动作、摇头动作、睁眼动作、闭眼动作、张嘴动作和闭嘴动作等。从而，在活体检测过程中，目标器官包括下述至少一项眼睛、嘴巴、眉毛、鼻子、下巴和耳朵等。相应的，当前特征值用于表示目标器官的位置变化情况，例如，目标器官为眼睛，当前特征值为眼睛的睁开值；目标器官为嘴巴，当前特征值为嘴巴的张合值；目标器官为鼻子时，当前特征值为鼻子的俯仰角度和/或旋转角度。此外，还有其他情况，对此，本公开实施例不做具体限制。
可选的，所述目标器官为眼睛；所述目标器官的特征值为所述眼睛的睁开值。所述眼睛的睁开值为左眼睁开值和右眼睁开值中的最大值。需要说明的是，眼睛的睁开值还可以是左眼睁开值和右眼睁开值中的最小值，或者左眼睁开值和右眼睁开值的均值，对此，本公开实施例不作具体限制。
其他关键点可以是指除目标器官关联的关键点之外的其他关键点。示例性的，目标器官为眼睛时，其他关键点为嘴巴关键点(如左嘴角关键点)。可选的，所述其他关键点为在人脸中的位置固定不变的关键点。位置固定不变是指，其他关键点在人脸中的相对位置不变，例如，下巴尖关键点在人脸是稳定不变的。
当前参考距离值用于作为目标器官的特征值进行修正的参考值，用于表示任意两个其他关键点之间的距离。
可以从当前视频帧中人脸上确定多个其他关键点，并从中任选两个其他关键点，用于确定当前参考距离值。需要说明的是，一旦确定两个其他关键点，后续在计算各视频帧的当前参考距离值时，均计算的是这两个其他关键点之间的距离。
S120，根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，得到目标器官在所述当前视频帧的活体检测结果。
初始视频帧用于作为参考视频帧，以及与当前视频帧进行比对，以修正当前视频帧的当前特征值。同样，初始视频帧可以是指视频中的视频帧。其中，初始视频帧的时间顺序在当前视频帧之前。
可选的，在确定目标器官在当前视频帧中人脸上的当前特征值之前，还包括：在视频录制的过程中，检测所述视频中的视频帧中目标器官的特征值是否超过匹配的预设器官特征阈值，如果是，则将所述视频帧作为初始视频帧；否则，继续检测下一视频帧中目标器官的特征值是否超过匹配的器官特征阈值，直至检测到目标器官的特征值超过器官特征阈值的视频帧，将所述视频帧并作为初始视频帧。
具体的，预设器官特征阈值用于判断目标器官的特征值是否足够大，也即用于判断目标器官的动作是否明显。示例性的，目标器官包括眼睛或嘴巴。眼睛的睁开值是否超过匹配的眼睛特征阈值；嘴巴的闭合值是否超过匹配的嘴巴特征阈值。相应的，当视频帧中的眼睛睁开，且睁开程度足够大时，或者当视频帧中的嘴巴张开，且嘴巴张开程度足够大时，确定该视频帧为初始视频帧。
同时，在初始视频帧之后，遍历视频，任选初始视频帧之后的视频帧作为当前视频帧，计算目标器官的当前特征值，并修正。或者是在初始视频帧之后，实时获取初始视频帧之后的视频帧作为当前视频帧，计算当前特征值，并修正。
可以理解的是，初始视频帧中的当前特征值比较大，获取初始视频帧之后的视频帧中的当前特征值是在较大的当前特征值的基础上改变的，由此，当前视频帧的当前特征值变化比较明显，从而更容易或者更快速检测到目标器官是否作出了规范动作。可以减少对目标器官的当前特征值较小时的检测，从而减少前期的视频帧的无效检测，减少检测的工作量，从而提高目标器官特征值检测的效率。
其中，特征值修正方法有多种，例如，修正方法为计算基础参考距离值和当前参考距离值的差值，将差值与当前特征值之和作为修正后的当前特征值。此外还可以其他修正方法，对此，本公开实施例不做具体限制。
目标器官在当前视频帧的活体检测结果用于表示目标器官在当前视频帧中的实际特征值。
实际上，活体检测结果还用于表示用户是否为活体。具体的，活体检测结果还可以包括根据连续多个视频帧中实际特征值确定的目标器官是否作出了规定动作。例如，根据连续多个视频帧中实际特征值确定眼睛睁开又闭上，确定眼睛作出了睁眼闭眼动作，表明当前拍摄的用户为活体。或者活体检测结果还可以包括根据连续多个视频帧中实际特征值确定的多个目标器官是否作出了规定动作。例如，确定眼睛作出了睁眼闭眼动作，确定嘴巴作出了张嘴闭嘴动作，和确定作出了摇头和点头动作中，确定发生了上述至少一项时，表明当前拍摄的用户为活体。
此外，活体检测会针对眼睛、嘴巴和鼻子等目标器官均进行检测，通常是依次选取一个单独进行检测，而不是同时进行检测，例如，按照眼睛、嘴巴和鼻子的顺序，分别进行检测。
可选的，所述根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，包括：根据所述当前参考距离值、基础参考距离值和所述当前特征值，基于如下公式确定修正后的当前特征值，得到目标器官在所述当前视频帧的活体检测结果：
Y＝X-A(Fi-F0)
其中，Y为所述修正后的当前特征值，X为所述当前特征值，A为预设调整系数，Fi为所述当前参考距离值，F0为所述基础参考距离值。
具体的，可以根据当前参考距离值和当前参考距离值的差值，按比例添加到当前特征值中，得到最终目标特征值，其中，调整系数可以根据实验获取。
通过公式，评估当前参考距离值和当前参考距离值的差值程度，并乘以调整系数，按照比例修正当前特征值，可以准确修正当前特征值。
可选的，在根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，得到目标器官在所述当前视频帧的活体检测结果之前，还包括：对包含人脸的图像进行拍摄，获取所述图像沿拍摄方向移动的目标视频；获取所述目标视频中至少两个视频帧对应的所述目标器官的特征值，以及对应的所述其他关键点确定的参考距离值；基于所述至少两个视频帧对应的所述目标器官的特征值以及参考距离值，确定所述调整系数。
其中，包含人脸的图像可以是指合法用户的照片。
图像沿拍摄方向移动可以是指在拍摄方向上，将图像远近调整，由此可以得到图像在与摄像头不同距离的多个视频帧，并任选两个视频帧，分别计算两个视频帧中的当前特征值，以及参考距离值，基于前述公式，可以确定多个调整系数的值。或者还可以直接测量图像中目标器官的实际特征值，以及其他关键点的基础参考距离值；获取各视频帧对应的目标器官的当前特征值，以及其他关键确定的当前参考距离值，从而确定各视频帧确定的调整系数的值。
同时，最终可以取平均值作为调整系数的值，或者按照其他预设规则选择，例如选择中位数作为调整系数的值。对此，本公开实施例不作具体限制。
通过收集某个图像与摄像头不同距离的多个视频帧，并确定调整系数，可以准确根据历史数据确定调整系数，提高调整系数检测的准确率。
本公开实施例通过检测当前视频帧中目标器官之外的其他关键点之间的当前参考距离值和初始视频帧中其他关键点之间的基础参考距离值，确定当前视频帧中其他关键点的变化程度，并以其他关键点的变化程度为参考，确定当前特征值的变化程度，从而准确评估当前特征值的变化程度，由此对当前特征值进行修正，并将得到修正后的特征值作为活体检测结果，提高特征值的检测准确率，解决了现有技术中通过用户照片远近距离调整，导致特征值检测不准确的问题，提高特征值检测的准确率，同时，通过其他关键点的变化程度评估特征值的变化程度，可以准确评估当前特征值相对与人脸的变化程度，从而避免在人脸整体变化时，当前特征值仍旧按照原有方法计算而未考虑特征值相对人脸实际未变化的情况，而导致特征值计算错误，以实现准确计算特征值。
实施例二
图2为本公开实施例中的一种活体检测方法的流程图，该方法以上述步骤为基础进行优化，该方法具体包括如下步骤：
S210，在视频录制的过程中，检测所述视频中的视频帧中目标器官的特征值是否超过匹配的预设器官特征阈值，如果是，则执行S220；否则执行S230，直至检测到目标器官的特征值超过器官特征阈值的视频帧，将所述视频帧并作为初始视频帧。
S220，将所述视频帧作为初始视频帧，执行S240。
S230，继续检测下一视频帧中目标器官的特征值是否超过匹配的器官特征阈值，所述目标器官为眼睛；所述目标器官的特征值为所述眼睛的睁开值；所述眼睛的睁开值为左眼睁开值和右眼睁开值中的最大值。
本公开实施例的视频、视频帧、目标器官、特征值、器官特征阈值、其他关键点、基础参考距离值、当前特征值和活体检测结果等可以参考前述实施例的描述。
S240，确定目标器官在当前视频帧中人脸上的当前特征值以及当前视频帧中人脸上其他关键点之间的当前参考距离值；所述其他关键点为在人脸中的位置固定不变的关键点。
S250，根据初始视频帧中人脸上其他关键点之间的基础参考距离值、所述当前参考距离值和所述当前特征值，基于如下公式确定修正后的当前特征值，得到目标器官在所述当前视频帧的活体检测结果：
Y＝X-A(Fi-F0)
其中，Y为所述修正后的当前特征值，X为所述当前特征值，A为预设调整系数，Fi为所述当前参考距离值，F0为所述基础参考距离值。
可选的，在根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，得到目标器官在所述当前视频帧的活体检测结果之前，还包括：对包含人脸的图像进行拍摄，获取所述图像沿拍摄方向移动的目标视频；获取所述目标视频中至少两个视频帧对应的所述目标器官的特征值，以及对应的所述其他关键点确定的参考距离值；基于所述至少两个视频帧对应的所述目标器官的特征值以及参考距离值，确定所述调整系数。
本公开实施例在确定初始视频帧之后对目标器官进行特征值检测，减少前面特征值检测的数据量，提高活体检测的效率，根据公式修正当前特征值，提高当前特征值的检测准确率，从而提高活体检测的准确率。
实施例三
图3为本公开实施例三提供的一种活体检测装置的结构示意图，本实施例可适用于在视频帧中检测目标器官的特征值的情况。该装置可以采用软件和/或硬件的方式实现，该装置可以配置于电子设备中，例如服务器或终端设备，典型的终端设备包括移动终端。如图3所示，该装置可以包括：特征值和参考距离获取模块310和当前特征值修正模块320。
特征值和参考距离获取模块310，用于确定目标器官在当前视频帧中人脸上的当前特征值以及当前视频帧中人脸上其他关键点之间的当前参考距离值；
当前特征值修正模块320，用于根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，得到目标器官在所述当前视频帧的活体检测结果。
本公开实施例通过检测当前视频帧中目标器官之外的其他关键点之间的当前参考距离值和初始视频帧中其他关键点之间的基础参考距离值，确定当前视频帧中其他关键点的变化程度，并以其他关键点的变化程度为参考，确定当前特征值的变化程度，从而准确评估当前特征值的变化程度，由此对当前特征值进行修正，并将得到修正后的特征值作为活体检测结果，提高特征值的检测准确率，解决了现有技术中通过用户照片远近距离调整，导致特征值检测不准确的问题，提高特征值检测的准确率，同时，通过其他关键点的变化程度评估特征值的变化程度，可以准确评估当前特征值相对与人脸的变化程度，从而避免在人脸整体变化时，当前特征值仍旧按照原有方法计算而未考虑特征值相对人脸实际未变化的情况，而导致特征值计算错误，以实现准确计算特征值。。
进一步的，所述活体检测装置，还包括：初始视频帧确定模块，用于在确定目标器官在当前视频帧中人脸上的当前特征值之前，在视频录制的过程中，检测所述视频中的视频帧中目标器官的特征值是否超过匹配的预设器官特征阈值，如果是，则将所述视频帧作为初始视频帧；否则，继续检测下一视频帧中目标器官的特征值是否超过匹配的器官特征阈值，直至检测到目标器官的特征值超过器官特征阈值的视频帧，将所述视频帧并作为初始视频帧。
进一步的，所述目标器官为眼睛；所述目标器官的特征值为所述眼睛的睁开值。
进一步的，所述眼睛的睁开值为左眼睁开值和右眼睁开值中的最大值。
进一步的，所述当前特征值修正模块320，包括：公式修正单元，用于根据所述当前参考距离值、基础参考距离值和所述当前特征值，基于如下公式确定修正后的当前特征值，得到目标器官在所述当前视频帧的活体检测结果：
Y＝X-A(Fi-F0)
其中，Y为所述修正后的当前特征值，X为所述当前特征值，A为预设调整系数，Fi为所述当前参考距离值，F0为所述基础参考距离值。
进一步的，所述活体检测装置，还包括：调整系数确定模块，用于在根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值之前，对包含人脸的图像进行拍摄，获取所述图像沿拍摄方向移动的目标视频；获取所述目标视频中至少两个视频帧对应的所述目标器官的特征值，以及对应的所述其他关键点确定的参考距离值；基于所述至少两个视频帧对应的所述目标器官的特征值以及参考距离值，确定所述调整系数。
进一步的，所述其他关键点为在人脸中的位置固定不变的关键点。
本公开实施例提供的活体检测装置，与前述实施例提供的活体检测方法属于同一发明构思，未在本公开实施例中详尽描述的技术细节可参见前述实施例，并且本公开实施例提供的活体检测装置与前述实施例提供的活体检测方法具有相同的有益效果。
实施例四
下面参考图4，其示出了适于用来实现本公开实施例的电子设备(例如服务器或移动终端)400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。
实施例五
本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：确定目标器官在当前视频帧中人脸上的当前特征值以及当前视频帧中人脸上其他关键点之间的当前参考距离值；根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，得到目标器官在所述当前视频帧的活体检测结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，特征值和参考距离获取模块还可以被描述为“确定目标器官在当前视频帧中人脸上的当前特征值以及当前视频帧中人脸上其他关键点之间的当前参考距离的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，本公开提供了一种活体检测方法，包括：
确定目标器官在当前视频帧中人脸上的当前特征值以及当前视频帧中人脸上其他关键点之间的当前参考距离值；
根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，得到目标器官在所述当前视频帧的活体检测结果。
根据本公开的一个或多个实施例，本公开提供的活体检测方法中，在确定目标器官在当前视频帧中人脸上的当前特征值之前，还包括：
在视频录制的过程中，检测所述视频中的视频帧中目标器官的特征值是否超过匹配的预设器官特征阈值，如果是，则将所述视频帧作为初始视频帧；否则，继续检测下一视频帧中目标器官的特征值是否超过匹配的器官特征阈值，直至检测到目标器官的特征值超过器官特征阈值的视频帧，将所述视频帧并作为初始视频帧。
根据本公开的一个或多个实施例，本公开提供的活体检测方法中，所述目标器官为眼睛；所述目标器官的特征值为所述眼睛的睁开值。
根据本公开的一个或多个实施例，本公开提供的活体检测方法中，所述眼睛的睁开值为左眼睁开值和右眼睁开值中的最大值。
根据本公开的一个或多个实施例，本公开提供的活体检测方法中，所述根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，包括：
根据所述当前参考距离值、基础参考距离值和所述当前特征值，基于如下公式确定修正后的当前特征值，得到目标器官在所述当前视频帧的活体检测结果：
Y＝X-A(Fi-F0)
其中，Y为所述修正后的当前特征值，X为所述当前特征值，A为预设调整系数，Fi为所述当前参考距离值，F0为所述基础参考距离值。
根据本公开的一个或多个实施例，本公开提供的活体检测方法中，在根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值之前，还包括：对包含人脸的图像进行拍摄，获取所述图像沿拍摄方向移动的目标视频；获取所述目标视频中至少两个视频帧对应的所述目标器官的特征值，以及对应的所述其他关键点确定的参考距离值；基于所述至少两个视频帧对应的所述目标器官的特征值以及参考距离值，确定所述调整系数。
根据本公开的一个或多个实施例，本公开提供的活体检测方法中，所述其他关键点为在人脸中的位置固定不变的关键点。
根据本公开的一个或多个实施例，本公开提供了一种活体检测装置，包括：
特征值和参考距离获取模块，用于确定目标器官在当前视频帧中人脸上的当前特征值以及当前视频帧中人脸上其他关键点之间的当前参考距离值；
当前特征值修正模块，用于根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，得到目标器官在所述当前视频帧的活体检测结果。
根据本公开的一个或多个实施例，本公开提供的所述活体检测装置，还包括：初始视频帧确定模块，用于在确定目标器官在当前视频帧中人脸上的当前特征值之前，在视频录制的过程中，检测所述视频中的视频帧中目标器官的特征值是否超过匹配的预设器官特征阈值，如果是，则将所述视频帧作为初始视频帧；否则，继续检测下一视频帧中目标器官的特征值是否超过匹配的器官特征阈值，直至检测到目标器官的特征值超过器官特征阈值的视频帧，将所述视频帧并作为初始视频帧。
根据本公开的一个或多个实施例，本公开提供的活体检测装置中，所述目标器官为眼睛；所述目标器官的特征值为所述眼睛的睁开值。
根据本公开的一个或多个实施例，本公开提供的活体检测装置中，所述眼睛的睁开值为左眼睁开值和右眼睁开值中的最大值。
根据本公开的一个或多个实施例，本公开提供的活体检测装置中，所述当前特征值修正模块320，包括：公式修正单元，用于根据所述当前参考距离值、基础参考距离值和所述当前特征值，基于如下公式确定修正后的当前特征值，得到目标器官在所述当前视频帧的活体检测结果：
Y＝X-A(Fi-F0)
其中，Y为所述修正后的当前特征值，X为所述当前特征值，A为预设调整系数，Fi为所述当前参考距离值，F0为所述基础参考距离值。
根据本公开的一个或多个实施例，本公开提供的活体检测装置中，还包括：调整系数确定模块，用于在根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值之前，对包含人脸的图像进行拍摄，获取所述图像沿拍摄方向移动的目标视频；获取所述目标视频中至少两个视频帧对应的所述目标器官的特征值，以及对应的所述其他关键点确定的参考距离值；基于所述至少两个视频帧对应的所述目标器官的特征值以及参考距离值，确定所述调整系数。
根据本公开的一个或多个实施例，本公开提供的活体检测装置中，所述其他关键点为在人脸中的位置固定不变的关键点。
根据本公开的一个或多个实施例，本公开提供了一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开提供的任一所述的活体检测方法。
根据本公开的一个或多个实施例，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开提供任一所述的活体检测方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (9)

1.一种活体检测方法，其特征在于，包括：
确定目标器官在当前视频帧中人脸上的当前特征值以及当前视频帧中人脸上其他关键点之间的当前参考距离值，所述当前特征值用于表示所述目标器官的位置变化，所述其他关键点是除所述目标器官关联的关键点之外的关键点；
根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，得到目标器官在所述当前视频帧的活体检测结果；
在确定目标器官在当前视频帧中人脸上的当前特征值之前，还包括：
在视频录制的过程中，检测所述视频中的视频帧中目标器官的特征值是否超过匹配的预设器官特征阈值，如果是，则将所述视频帧作为初始视频帧；否则，继续检测下一视频帧中目标器官的特征值是否超过匹配的器官特征阈值，直至检测到目标器官的特征值超过器官特征阈值的视频帧，将所述视频帧并作为初始视频帧。
2.根据权利要求1所述的方法，其特征在于，所述目标器官为眼睛；所述目标器官的特征值为所述眼睛的睁开值。
3.根据权利要求2所述的方法，其特征在于，所述眼睛的睁开值为左眼睁开值和右眼睁开值中的最大值。
4.根据权利要求1所述的方法，其特征在于，所述根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，包括：
根据所述当前参考距离值、基础参考距离值和所述当前特征值，基于如下公式确定修正后的当前特征值，得到目标器官在所述当前视频帧的活体检测结果：
Y＝X-A(Fi-F0)
其中，Y为所述修正后的当前特征值，X为所述当前特征值，A为预设调整系数，Fi为所述当前参考距离值，F0为所述基础参考距离值。
5.根据权利要求4所述的方法，其特征在于，在根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值之前，还包括：
对包含人脸的图像进行拍摄，获取所述图像沿拍摄方向移动的目标视频；
获取所述目标视频中至少两个视频帧对应的所述目标器官的特征值，以及对应的所述其他关键点确定的参考距离值；
基于所述至少两个视频帧对应的所述目标器官的特征值以及参考距离值，确定所述调整系数。
6.根据权利要求1所述的方法，其特征在于，所述其他关键点为在人脸中的位置固定不变的关键点。
7.一种活体检测装置，其特征在于，包括：
特征值和参考距离获取模块，用于确定目标器官在当前视频帧中人脸上的当前特征值以及当前视频帧中人脸上其他关键点之间的当前参考距离值，所述当前特征值用于表示所述目标器官的位置变化，所述其他关键点是除所述目标器官关联的关键点之外的关键点；
当前特征值修正模块，用于根据初始视频帧中人脸上其他关键点之间的基础参考距离值和当前参考距离值修正当前特征值，得到目标器官在所述当前视频帧的活体检测结果；
初始视频帧确定模块，用于在确定目标器官在当前视频帧中人脸上的当前特征值之前，在视频录制的过程中，检测所述视频中的视频帧中目标器官的特征值是否超过匹配的预设器官特征阈值，如果是，则将所述视频帧作为初始视频帧；否则，继续检测下一视频帧中目标器官的特征值是否超过匹配的器官特征阈值，直至检测到目标器官的特征值超过器官特征阈值的视频帧，将所述视频帧并作为初始视频帧。
8.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6任一所述的活体检测方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一所述的活体检测方法。
CN201910615248.1A 2019-07-09 2019-07-09 活体检测方法、装置、电子设备及存储介质 Active CN110363132B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910615248.1A CN110363132B (zh) 2019-07-09 2019-07-09 活体检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910615248.1A CN110363132B (zh) 2019-07-09 2019-07-09 活体检测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN110363132A CN110363132A (zh) 2019-10-22
CN110363132B true CN110363132B (zh) 2021-08-03

Family

ID=68218449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910615248.1A Active CN110363132B (zh) 2019-07-09 2019-07-09 活体检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN110363132B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112287909B (zh) * 2020-12-24 2021-09-07 四川新网银行股份有限公司 一种随机生成检测点和交互要素的双随机活体检测方法
CN113392810A (zh) * 2021-07-08 2021-09-14 北京百度网讯科技有限公司 用于活体检测的方法、装置、设备、介质和产品

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070041620A1 (en) * 2005-08-19 2007-02-22 Fujitsu Limited Information access method using biometrics authentication and information processing system using biometrics authentication
CN103220583A (zh) * 2013-03-28 2013-07-24 四川长虹电器股份有限公司 基于智能电视的检测用户疲劳度的***及方法
CN103679118A (zh) * 2012-09-07 2014-03-26 汉王科技股份有限公司 一种人脸活体检测方法及***
CN105096353A (zh) * 2014-05-05 2015-11-25 腾讯科技（深圳）有限公司 一种图像处理方法及装置
CN107346422A (zh) * 2017-06-30 2017-11-14 成都大学 一种基于眨眼检测的活体人脸识别方法
CN109635757A (zh) * 2018-12-18 2019-04-16 北京字节跳动网络技术有限公司 活体检测方法、装置、电子设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070041620A1 (en) * 2005-08-19 2007-02-22 Fujitsu Limited Information access method using biometrics authentication and information processing system using biometrics authentication
CN103679118A (zh) * 2012-09-07 2014-03-26 汉王科技股份有限公司 一种人脸活体检测方法及***
CN103220583A (zh) * 2013-03-28 2013-07-24 四川长虹电器股份有限公司 基于智能电视的检测用户疲劳度的***及方法
CN105096353A (zh) * 2014-05-05 2015-11-25 腾讯科技（深圳）有限公司 一种图像处理方法及装置
CN107346422A (zh) * 2017-06-30 2017-11-14 成都大学 一种基于眨眼检测的活体人脸识别方法
CN109635757A (zh) * 2018-12-18 2019-04-16 北京字节跳动网络技术有限公司 活体检测方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
人脸活体检测技术的研究与实现;李成;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190115(第12期);I138-1527 *

Also Published As

Publication number Publication date
CN110363132A (zh) 2019-10-22

Similar Documents

Publication Publication Date Title
CN109858445B (zh) 用于生成模型的方法和装置
CN109993150B (zh) 用于识别年龄的方法和装置
CN109670444B (zh) 姿态检测模型的生成、姿态检测方法、装置、设备及介质
US11392799B2 (en) Method for improving temporal consistency of deep neural networks
CN110062157B (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN114419300A (zh) 风格化图像生成方法、装置、电子设备及存储介质
CN110717399A (zh) 人脸识别方法和电子终端设备
CN110363132B (zh) 活体检测方法、装置、电子设备及存储介质
WO2021190625A1 (zh) 拍摄方法和设备
CN109271929B (zh) 检测方法和装置
CN111402122A (zh) 图像的贴图处理方法、装置、可读介质和电子设备
CN113992860B (zh) 基于云边协同的行为识别方法、装置、电子设备和介质
US20210295016A1 (en) Living body recognition detection method, medium and electronic device
CN110717467A (zh) 头部姿势的估计方法、装置、设备及存储介质
CN113658065B (zh) 图像降噪方法及装置、计算机可读介质和电子设备
CN113902636A (zh) 图像去模糊方法及装置、计算机可读介质和电子设备
CN114882576B (zh) 人脸识别方法、电子设备、计算机可读介质和程序产品
CN116258800A (zh) 一种表情驱动方法、装置、设备及介质
CN111898529B (zh) 脸部检测方法、装置、电子设备和计算机可读介质
CN115601316A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN115937020A (zh) 图像处理方法、装置、设备、介质和程序产品
CN113920023A (zh) 图像处理方法及装置、计算机可读介质和电子设备
CN112070022A (zh) 人脸图像识别方法、装置、电子设备和计算机可读介质
CN110942033A (zh) 用于推送信息的方法、装置、电子设备和计算机介质
CN114049417B (zh) 虚拟角色图像的生成方法、装置、可读介质及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant