CN112926489A - 活体检测方法、装置、设备、介质、***及交通工具 - Google Patents

活体检测方法、装置、设备、介质、***及交通工具 Download PDF

Info

Publication number
CN112926489A
CN112926489A CN202110287594.9A CN202110287594A CN112926489A CN 112926489 A CN112926489 A CN 112926489A CN 202110287594 A CN202110287594 A CN 202110287594A CN 112926489 A CN112926489 A CN 112926489A
Authority
CN
China
Prior art keywords
image
living body
target object
body detection
infrared camera
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.)
Pending
Application number
CN202110287594.9A
Other languages
English (en)
Inventor
张元瀚
滕家宁
黄耿石
邵婧
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 Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development 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 Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to CN202110287594.9A priority Critical patent/CN112926489A/zh
Publication of CN112926489A publication Critical patent/CN112926489A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/44—Program or device authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • 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
    • G06V40/172—Classification, e.g. identification
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computer Security & Cryptography (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

公开了一种活体检测方法、装置、设备、介质、***及交通工具，所述方法包括：获取双目红外摄像组件采集的包括目标对象的多个图像对，其中，所述图像对包括由所述双目红外摄像组件中的第一红外相机采集的第一图像，以及由所述双目红外摄像组件中的第二红外相机同步采集的第二图像；根据所述图像对中的所述第一图像和所述第二图像，分别获取所述目标对象的第一特征信息和第二特征信息；根据所述第一特征信息和所述第二特征信息获得融合特征信息，并根据所述融合特征信息确定所述目标对象的第一活体检测结果；根据所述多个图像对所对应的第一活体检测结果，获得所述目标对象的目标活体检测结果。

Description

活体检测方法、装置、设备、介质、***及交通工具
技术领域
本公开涉及计算机视觉技术，尤其涉及一种活体检测方法、装置、设备、介质、***及交通工具。
背景技术
目前，人脸解锁逐渐成为交通工具常用的解锁方式。然而人脸解锁存在容易被人脸的实体照片、电子照片或者包含人脸的视频等形式的假体人脸攻击的风险。并且由于交通工具人脸解锁通常处于复杂场景下，比如黑暗的地下车库、异常明亮的室外停车场等等，现有的人脸解锁方式在这种情况下性能不佳。因此，亟需开发一种能够在复杂场景下保障人脸解锁安全性的活体检测方案。
发明内容
本公开实施例提供了一种活体检测方案。
根据本公开的一方面，提供一种活体检测方法，所述方法包括：获取双目红外摄像组件采集的包括目标对象的多个图像对，其中，所述图像对包括由所述双目红外摄像组件中的第一红外相机采集的第一图像，以及由所述双目红外摄像组件中的第二红外相机同步采集的第二图像；根据所述图像对中的所述第一图像和所述第二图像，分别获取所述目标对象的第一特征信息和第二特征信息；根据所述第一特征信息和所述第二特征信息获得融合特征信息，并根据所述融合特征信息确定所述目标对象的第一活体检测结果；根据所述多个图像对所对应的第一活体检测结果，获得所述目标对象的目标活体检测结果。
结合本公开提供的任一实施方式，在所述获得所述目标对象的目标活体检测结果之后，所述方法还包括：响应于所述目标活体检测结果指示所述目标对象为活体，对所述目标对象进行身份认证，并得到身份认证结果；响应于所述身份认证结果指示所述目标对象通过身份认证，则控制目标设备执行与所述目标对象的权限对应的操作。
结合本公开提供的任一实施方式，所述目标设备包括交通工具，所述目标对象的权限对应的操作包括如下至少一项：解锁或锁定所述交通工具、开启或关闭所述交通工具的至少部分功能。
结合本公开提供的任一实施方式，所述目标对象包括人脸，所述根据所述图像对中的所述第一图像和所述第二图像，分别获取所述目标对象的第一特征信息和第二特征信息，包括：对第一图像和第二图像进人脸检测，分别得到第一人脸检测结果和第二人脸检测结果；响应于所述第一人脸检测结果和所述第二人脸检测结果中分别包括第一人脸检测框和第二人脸检测框，获得所述第一人脸检测框对应的第一人脸区域和所述第二人脸检测框对应的第二人脸区域；对所述第一人脸区域和所述第二人脸区域进行特征提取，分别获得所述目标对象的第一特征信息和第二特征信息。
结合本公开提供的任一实施方式，所述根据所述第一特征信息和所述第二特征信息获得融合特征信息，包括：将所述第一特征信息和所述第二特征信息基于通道进行连接，得到连接特征信息；对所述连接特征信息进行特征提取，得到所述融合特征信息。
结合本公开提供的任一实施方式，所述第一特征信息通过第一特征提取网络对所述第一图像进行处理得到，所述第二特征信息通过第二特征网络对所述第二图像进行处理得到，所述融合特征信息通过第三特征提取网络对所述第一特征信息和特征信息进行处理得到，所述第一活体检测结果通过分类网络对所述融合特征信息进行处理得到；所述方法还包括：对所述第一特征提取网络、所述第二特征提取网络、所述第三特征提取网络和所述分类网络进行端到端训练。
结合本公开提供的任一实施方式，对所述第一特征提取网络、所述第二特征提取网络、所述第三特征提取网络和所述分类网络进行端到端训练的训练集包括：利用所述双目红外摄像组件采集的包括活体对象的多个第一样本图像对，其中，所述第一样本图像对包括由所述双目红外摄像组件中的第一相机采集的第一样本图像，以及由所述双目红外摄像组件中的第二相机同步采集的第二样本图像，所述第一样本图像对具有指示活体的标注信息；利用所述双目红外摄像组件采集的包括非活体对象的多个第二样本图像对，所述第二样本图像对包括由所述双目红外摄像组件中的第一相机采集的第三样本图像，以及由所述双目红外摄像组件中的第二相机同步采集的第四样本图像，所述第二样本图像对具有指示非活体的标注信息。
结合本公开提供的任一实施方式，所述第一活体检测结果包括用于表征所述目标对象为非活体的置信度；所述根据所述多个图像对所对应的第一活体检测结果，获得所述目标对象的目标活体检测结果，包括：将所述多个图像对的第一活体检测结果中，置信度最大的图像对所对应的第一活体检测结果确定为所述目标活体检测结果。
结合本公开提供的任一实施方式，响应于所述目标活体检测结果指示所述目标对象为活体，对所述目标对象进行身份认证，包括：将所述第一图像或第二图像与预先存储的第一面部图像进行人脸匹配，获得人脸匹配结果；根根据所述人脸匹配结果，对所述目标对象进行身份认证。
根据本公开的一方面，提供一种活体检测装置，所述装置包括：图像获取单元，用于获取双目红外摄像组件采集的包括目标对象的多个图像对，其中，所述图像对包括由所述双目红外摄像组件中的第一红外相机采集的第一图像，以及由所述双目红外摄像组件中的第二红外相机同步采集的第二图像；特征获取单元，用于根据所述图像对中的所述第一图像和所述第二图像，分别获取所述目标对象的第一特征信息和第二特征信息；活体检测单元，用于根据所述第一特征信息和所述第二特征信息获得融合特征信息，并根据所述融合特征信息确定所述目标对象的第一活体检测结果；结果获取单元，用于根据所述多个图像对所对应的第一活体检测结果，获得所述目标对象的目标活体检测结果。
结合本公开提供的任一实施方式，所述装置还包括控制单元，用于响应于所述目标活体检测结果指示所述目标对象为活体，对所述目标对象进行身份认证，并得到身份认证结果；响应于所述身份认证结果指示所述目标对象通过身份认证，则控制目标设备执行与所述目标对象的权限对应的操作。
结合本公开提供的任一实施方式，所述目标设备包括交通工具，所述目标对象的权限对应的操作包括如下至少一项：解锁或锁定所述交通工具、开启或关闭所述交通工具的至少部分功能。
结合本公开提供的任一实施方式，所述目标对象包括人脸，所述特征获取单元具体用于：对第一图像和第二图像进人脸检测，分别得到第一人脸检测结果和第二人脸检测结果；响应于所述第一人脸检测结果和所述第二人脸检测结果中分别包括第一人脸检测框和第二人脸检测框，获得所述第一人脸检测框对应的第一人脸区域和所述第二人脸检测框对应的第二人脸区域；对所述第一人脸区域和所述第二人脸区域进行特征提取，分别获得所述目标对象的第一特征信息和第二特征信息。
结合本公开提供的任一实施方式，所述活体检测单元在根据所述第一特征信息和所述第二特征信息获得融合特征信息时，具体用于：将所述第一特征信息和所述第二特征信息基于通道进行连接，得到连接特征信息；对所述连接特征信息进行特征提取，得到所述融合特征信息。
结合本公开提供的任一实施方式，所述第一特征信息通过第一特征提取网络对所述第一图像进行处理得到，所述第二特征信息通过第二特征网络对所述第二图像进行处理得到，所述融合特征信息通过第三特征提取网络对所述第一特征信息和特征信息进行处理得到，所述第一活体检测结果通过分类网络对所述融合特征信息进行处理得到；所述装置还包括训练单元，用于对所述第一特征提取网络、所述第二特征提取网络、所述第三特征提取网络和所述分类网络进行端到端训练。
结合本公开提供的任一实施方式，所述训练单元所使用的训练集包括：利用所述双目红外摄像组件采集的包括活体对象的多个第一样本图像对，其中，所述第一样本图像对包括由所述双目红外摄像组件中的第一相机采集的第一样本图像，以及由所述双目红外摄像组件中的第二相机同步采集的第二样本图像，所述第一样本图像对具有指示活体的标注信息；利用所述双目红外摄像组件采集的包括非活体对象的多个第二样本图像对，所述第二样本图像对包括由所述双目红外摄像组件中的第一相机采集的第三样本图像，以及由所述双目红外摄像组件中的第二相机同步采集的第四样本图像，所述第二样本图像对具有指示非活体的标注信息。
结合本公开提供的任一实施方式，所述第一活体检测结果包括用于表征所述目标对象为非活体的置信度；所述结果获取单元具体用于：将所述多个图像对的第一活体检测结果中，置信度最大的图像对所对应的第一活体检测结果确定为所述目标活体检测结果。
结合本公开提供的任一实施方式，所述控制单元在响应于所述目标活体检测结果指示所述目标对象为活体，对所述目标对象进行身份认证时，具体用于：将所述第一图像或第二图像与预先存储的第一面部图像进行人脸匹配，获得人脸匹配结果；根根据所述人脸匹配结果，对所述目标对象进行身份认证。
根据本公开的一方面，提供一种电子设备，所述设备包括存储器、处理器，所述存储器用于存储可在处理器上运行的计算机指令，所述处理器用于在执行本公开任一实施方式所述的方法。
根据本公开的一方面，提供一种计算机可读存储介质，其中存储有计算机程序指令，所述计算机程序指令被处理器执行时实现本公开任一实施方式所述的方法。
根据本公开的一方面，提供一种活体检测***，所述***包括双目红外摄像组件，以及如本公开任一实施例所述的电子设备。
在一种实现方式中，所述***包括双目红外摄像组件以及电子设备。
所述双目红外摄像组件，用于采集包括目标对象的多个图像对，并向所述电子设备传输所述图像对；其中，所述图像对包括由所述双目红外摄像组件中的第一红外相机采集的第一图像，以及由所述双目红外摄像组件中的第二红外相机同步采集的第二图像。
所述电子设备，用于在获取到所述图像对后，根据所述图像对中的所述第一图像和所述第二图像，分别获取所述目标对象的第一特征信息和第二特征信息；根据所述第一特征信息和所述第二特征信息获得融合特征信息，并根据所述融合特征信息确定所述目标对象的第一活体检测结果；根据所述多个图像对所对应的第一活体检测结果，获得所述目标对象的目标活体检测结果。
根据本公开的一方面，提供一种交通工具，所述交通工具包括如本公开任一实施例所述的活体检测***。
在一种实现方式中，所述交通工具包括双目红外摄像组件以及电子设备，所述双目红外摄像组件集成在所述电子设备中，或与所述电子设备独立部署，所述电子设备用于执行上述活体检测方法对应的任一实施方式提供的方法。
本公开实施例通过获取双目红外摄像组件所采集的包括目标对象的多个图像对，根据所述多个图像对中每个图像对中的第一图像和第二图像，分别获取所述目标对象的第一特征信息和第二特征信息，并根据所述第一特征信息和所述第二特征信息的融合特征信息，确定所述目标对象的第一活体检测结果；接下来，根据所述多个图像对所对应的第一活体检测结果，获得所述目标对象的目标活体检测结果，通过根据双目红外摄像组件采集的多个图像对进行活体检测，能够在复杂的场景下获得高准确率的活体检测结果，提高活体检测的可靠性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。
图1是本公开至少一个实施例提出的活体检测方法的流程图；
图2A是一种活体检测网络；
图2B示出图2A所示的活体检测网络中的第一特征提取网络的结构图；
图2C示出图2B所示的第一提取网络中的基本块的结构图；
图2D示出图2A所示的活体检测网络中的第三特征提取网络的结构图；
图3是本公开至少一个实施例提出的活体检测装置的示意图；
图4是本公开实施例示出的一种电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
图1是本公开至少一个实施例提出的活体检测方法的流程图。所述活体检测方法的执行主体可以是活体检测装置，所述活体检测装置可以用于交通工具的门锁、中控***，或者其他需要人脸解锁的***等等。所述活体检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，所述活体检测方法包括步骤101～104。
在步骤101中，获取双目红外摄像组件采集的包括目标对象的多个图像对。
在本公开实施例中，所述双目红外摄像组件包括两个红外相机：第一红外相机和第二红外相机，所述第一红外相机和所述第二红外相机利用红外线照射对象形成图像，也被称为近红外光(Near Infrared,NIR)相机。所述多个图像对中的每个图像对包括由所述第一红外相机采集的所述目标对象的第一图像，以及由所述第二红外相机同步采集的所述目标对象的第二图像。也即是说，在对目标对象进行图像采集的过程中，可以通过双目红外摄像组件包括的不同红外相机分别对目标对象进行拍摄，从而得到第一图像与第二图像，所述第一图像与同步采集的第二图像形成一个图像对；在所述第一红外相机和第二红外相机采集视频流或图像序列的情况下，所述第一红外相机所采集的视频流或图像序列中的每一帧第一图像都与所述第二红外相机同步采集的第二图像形成图像对。即构成一个图像对的第一图像和第二图像，可被理解为是对同一时刻的目标对象进行拍摄得到的。
在本步骤中所获取的多个图像对中的相邻图像对的采集间隔在设定范围内，以确保各个图像对是在同一次活体检测过程中所采集的。所述多个图像对可以是第一红外相机和第二红外相机连续采集的视频流或图像序列所形成的图像对，也可以是连续采集的视频流或图像序列进行抽帧处理所得到的多个图像对。
需要说明的是，双目红外摄像组件包括的第一红外相机和第二红外相机可以独立部署，也可以集成部署，即双目红外摄像组件可部署在两个设备中，或是部署在一个设备中。
在步骤102中，根据所述图像对中的所述第一图像和所述第二图像，分别获取所述目标对象的第一特征信息和第二特征信息。
其中，所述目标对象指进行活体检测的对象，例如人物的人脸。该人脸可能是活体对象的人脸，也可能是非活体对象，例如实体照片、电子照片或者包含人脸的视频，也即为活体对象在介质上的呈现结果。在所述目标对象为人脸的情况下，通过红外摄像组件采集的第一图像和第二图像所获取的第一特征信息和第二特征信息中包含了人脸的深度信息。在一些实施例中，所述人脸的深度信息包括人脸关键点深度信息。其中，人脸关键点可以根据需要进行设置，例如可以将瞳孔、鼻尖、眉心等位置的点作为人脸关键点。
通过双目红外摄像组件所采集的第一图像和第二图像，在傍晚或底下车库等昏暗场景下或者明显的曝光环境下，仍然能够提供较大的信息量，有利于提高活体检测的准确率。
在步骤103中，根据所述第一特征信息和所述第二特征信息获得融合特征信息，并根据所述融合特征信息确定所述目标对象的第一活体检测结果。
对于非活体对象，图像中各个部分对应的深度信息是相同或是相近的。比如，以人脸为例，各个人脸关键点的深度信息是一致的，或是各个人脸关键点的深度信息差异较小可忽略不计的，通过比较各个人脸关键的深度信息，可以作为判断所述目标对象是活体对象或非活体对象的基础。
在本公开实施例中，通过将所述第一特征信息和所述第二特征信息进行融合，可以结合双目红外摄像组件中两个红外相机分别采集的图像中的深度信息来对目标对象进行活体检测，从而提高活体检测的准确率。
在步骤104中，根据所述多个图像对所对应的第一活体检测结果，获得所述目标对象的目标活体检测结果。
结合所述多个图像对中每一个图像对所对应的第一活体检测结果，来确定所述目标对象最终的目标活体检测结果，降低了根据单一图像得到最终活体检测结果而产生误判的可能性，进一步提高了活体检测的准确率。
在本公开实施例中，通过获取双目红外摄像组件所采集的包括目标对象的多个图像对，根据所述多个图像对中每个图像对中的第一图像和第二图像，分别获取所述目标对象的第一特征信息和第二特征信息，并根据所述第一特征信息和所述第二特征信息的融合特征信息，确定所述目标对象的第一活体检测结果；接下来，根据所述多个图像对所对应的第一活体检测结果(每个图像对可对应得到一个第一活体检测结果)，获得所述目标对象的目标活体检测结果。通过根据双目红外摄像组件采集的多个图像对进行活体检测，在数据源上不仅充分考虑了两个不同红外相机获取到的图像，还综合了一段时间内各组图像对对应的活体检测结果，从而能够在复杂的场景下获得高准确率的活体检测结果，提高活体检测的可靠性。
在一些实施例中，可以基于所述目标对象的目标活体检测结果，控制目标设备执行与所述目标对象的权限对应的操作。
在一个示例中，响应于所述目标活体检测结果指示所述目标对象为活体，对所述目标对象进行身份认证，并得到身份认证结果；响应于所述身份认证结果指示所述目标对象通过身份认证，则控制目标设备执行与所述目标对象的权限对应的操作。
也即，在所述目标活体检测结果指示所述目标对象为活体的情况下，再进一步对所述目标进行身份认证。例如，在所述目标对象包括人脸的情况下，可对所述目标对象进行人脸认证。
具体地，可以将所述第一图像或所述第二图像与预先存储的第一面部图像进行人脸匹配，获得人脸匹配结果，并根据所述人脸匹配结果对所述目标对象进行身份认证。例如，响应于所述人脸结果指示匹配，则表明所述目标对象通过身份认证；反之，响应于所述人脸结果指示不匹配，则表明所述目标对象未通过身份认证。
在确认了所述目标对象为活体、且通过身份认证的情况下，则所述目标设备执行所述目标对象请求的、与权限对应的操作；反之，若确认所述目标对象非活体，则拒绝所述目标对象的操作请求。
在一些实施例中，所述目标设备包括交通工具，所述目标对象的权限对应的操作包括如下至少一项：解锁或锁定所述交通工具、开启或关闭所述交通工具的至少部分功能。
以车辆的车门解锁为例，首先获取要求进行车门解锁的目标对象(比如车主等)的目标活体检测结果，该检测结果可以根据本公开任一实施例所述的活体检测方法获得。在所述检测结果指示目标对象为活体的情况下，则对所述目标对象进行身份认证。在身份认证结果指示所述目标对象通过身份认证时，则车门解锁成功；反之，在目标活体检测结果指示目标对象为非活体的情况下，表明请求进行车门解锁的目标对象并非活体，可能是使用车主照片、视频等手段企图通过人脸解锁的人，则拒绝车门解锁的请求，也即车门解锁失败。同时，还可以向车主使用的手机等终端、或者服务平台(比如安防***、停车场管理***等)发出报警信息。其中，报警信息可以包括如下至少一项：采集到的包括目标对象的图像、视频，反映车辆停泊位置的位置信息，以及触发报警的原因等。
在本公开实施例中，在活体检测结果的基础上进行身份认证，并根据身份认证的结果控制目标设备执行与所述目标对象的权限对应的操作，提高了目标设备的安全性。
在一个示例中，还可以在进行活体检测之前进行所述目标对象的身份认证，在身份认证结果指示所述目标对象通过认证的情况下，利用本公开任一实施例所述的活体检测方法对所述目标对象进行活体检测，并进一步根据目标活体检测结果控制目标设备执行与所述目标对象的权限对应的操作。
在一些实施例中，在所述目标对象包括人脸的情况下，可以通过以下方法获得所述目标对象的第一特征信息和所述第二特征信息。
首先，对第一图像和第二图像进人脸检测，分别得到第一人脸检测结果和第二人脸检测结果。
在本公开实施例中，可以利用深度学习网络，例如faster RCNN网络，分别对所述第一图像和所述第二图像进行人脸检测，获得第一人脸检测结果和所述第二人脸检测结果。在检测到人脸的情况下，人脸检测结果可以包括人脸检测框、人脸检测框的位置等等。本领域技术人员应当理解，faster RCNN网络仅为示例，也可以采用其他的网络进行人脸检测，本公开对此不进行限制。
响应于所述第一人脸检测结果和所述第二人脸检测结果中分别包括第一人脸检测框和第二人脸检测框，获得所述第一人脸检测框对应的第一人脸区域和所述第二人脸检测框对应的第二人脸区域。
对所述第一人脸区域和所述第二人脸区域进行特征提取，分别获得所述目标对象的第一特征信息和第二特征信息。
在一些实施例中，可以裁剪出所述第一人脸区域的图像，以及所述第二人脸区域的图像，利用裁剪的图像作为更新的第一图像和第二图像进行特征提取，以获得所述目标对象的第一特征信息和第二特征信息。
对于所得到的第一特征信息和第二特征信息，可以将所述第一特征信息和所述第二特征信息基于通道进行连接，得到连接特征信息，并对所述连接特征信息进行特征提取，以得到所述融合特征信息。
在一些实施例中，可以通过如图2A所示的活体检测网络200，获得所述目标对象的第一活体检测结果。活体检测网络200包括第一特征提取网络201、第二特征提取网络202、第三特征提取网络203以及分类网络204、其中，第一特征提取网络201用于对所述第一图像进行处理，得到第一特征信息；第二特征网络202用于对所述第二图像进行处理，得到第二特征信息，第三特征提取网络用于对所述第一特征信息和所述第二特征信息的连接特征信息进行处理，得到融合特征信息，所述分类网络用于根据所述融合特征信息得到指示所述目标对象是否为活体的第一活体检测结果。
在一个示例中，第一特征提取网络201用于对所述第一图像中的第一人脸区域进行特征提取，以得到第一特征信息，第一特征提取网络201可以是卷积神经网络，包括多个卷积层，用于提取人脸区域的深度特征信息。第一特征提取网络201的网络结构例如图2B所示。其中，所述激活层可采用ReLU函数进行映射，基本块包括如图2C所示的残差结构。第二特征提取网络202的结构与第一特征提取网络201的结构相同，在此不再赘述。第一特征提取网络201所输出的第一特征信息与第二特征提取网络202所输出的第二特征信息按通道进行连接得到连接特征信息，第三特征提取网络203对连接特征信息进行特征提取，获得融合特征信息，第三特征提取网络203的网络结构如图2D所示。分类网络204可以是全连接网络，输出指示所述目标对象是否为活体的第一活体检测结果。
在一些实施例中，可以对第一特征提取网络201、所述第二特征提取网络202、所述第三特征提取网络203和所述分类网络204进行端到端训练。
进行训练的训练集可以包含活体样本集以及非活体样本集。其中，活体样本集包括双目红外摄像组件采集的包括活体对象的多个第一样本图像对，所述第一样本图像对包括由所述双目红外摄像组件中的第一相机采集的第一样本图像，以及由所述双目红外摄像组件中的第二相机同步采集的第二样本图像，所述第一样本图像对具有指示活体的标注信息；非活体样本集包括双目红外摄像组件采集的包括非活体对象的多个第二样本图像对，其中，非活体对象可以是活体对象在介质上的呈现结果，例如为实体照片、电子照片或者包含人脸的视频等等，所述第二样本图像对包括由所述双目红外摄像组件中的第一相机采集的第三样本图像，以及由所述双目红外摄像组件中的第二相机同步采集的第四样本图像，所述第二样本图像对具有指示非活体的标注信息。
在训练过程中，以非活体样本集为例，对至少一对第二样本图像对中的第三样本图像和第四样本图像分别进行人脸检测，并将人脸检测结果中所包含的人脸区域所对应的图像分别输入至第一特征提取网络201和第二特征提取网络202，利用第三特征提取网络203获得融合特征信息，并通过分类网络204得到第一活体检测结果，并根据所述第一活体检测结果与标注信息的差异对上述网络的参数进行调整。以所述第一活体检测结果指示活体为例，由于标注信息指示待检测对象为非活体，因此需要对各个网络的参数进行调整。根据活体样本集进行的训练与非活体样本集相似，在此不再赘述。
在迭代达到设定次数或者所述第一活体检测结果与标注信息的差异小于设定阈值的情况下，停止训练，得到训练完成的第一特征提取网络201、第二特征提取网络202、第三特征提取网络203以及分类网络204。
在一些实施例中，所述第一活体检测结果包括用于表征所述目标对象为非活体的置信度，将所述多个图像对的第一活体检测结果中，置信度最大的图像对所对应的第一活体检测结果确定为所述目标活体检测结果。
通过上述方法，在所述多个图像对中，一旦出现了指示目标对象为非活体的检测结果，则确定最终的检测结果为所述目标对象为非活体，进一步提高了活体检测结果的准确性，保障了活体检测的可靠性。
图3为本公开至少一个实施例提出的一种活体检测装置，如图3所示，该装置可以包括：图像获取单元301，用于获取双目红外摄像组件采集的包括目标对象的多个图像对，其中，所述图像对包括由所述双目红外摄像组件中的第一红外相机采集的第一图像，以及由所述双目红外摄像组件中的第二红外相机同步采集的第二图像；特征获取单元302，用于根据所述图像对中的所述第一图像和所述第二图像，分别获取所述目标对象的第一特征信息和第二特征信息；活体检测单元303，用于根据所述第一特征信息和所述第二特征信息获得融合特征信息，并根据所述融合特征信息确定所述目标对象的第一活体检测结果；结果获取单元304，用于根据所述多个图像对所对应的第一活体检测结果，获得所述目标对象的目标活体检测结果。
在一些实施例中，所述装置还包括控制单元，用于响应于所述目标活体检测结果指示所述目标对象为活体，对所述目标对象进行身份认证，并得到身份认证结果；响应于所述身份认证结果指示所述目标对象通过身份认证，则控制目标设备执行与所述目标对象的权限对应的操作。
在一些实施例中，所述目标设备包括交通工具，所述目标对象的权限对应的操作包括如下至少一项：解锁或锁定所述交通工具、开启或关闭所述交通工具的至少部分功能。
在一些实施例中，所述目标对象包括人脸，所述特征获取单元具体用于：对第一图像和第二图像进人脸检测，分别得到第一人脸检测结果和第二人脸检测结果；响应于所述第一人脸检测结果和所述第二人脸检测结果中分别包括第一人脸检测框和第二人脸检测框，获得所述第一人脸检测框对应的第一人脸区域和所述第二人脸检测框对应的第二人脸区域；对所述第一人脸区域和所述第二人脸区域进行特征提取，分别获得所述目标对象的第一特征信息和第二特征信息。
在一些实施例中，所述活体检测单元在根据所述第一特征信息和所述第二特征信息获得融合特征信息时，具体用于：将所述第一特征信息和所述第二特征信息基于通道进行连接，得到连接特征信息；对所述连接特征信息进行特征提取，得到所述融合特征信息。
在一些实施例中，所述第一特征信息通过第一特征提取网络对所述第一图像进行处理得到，所述第二特征信息通过第二特征网络对所述第二图像进行处理得到，所述融合特征信息通过第三特征提取网络对所述第一特征信息和特征信息进行处理得到，所述第一活体检测结果通过分类网络对所述融合特征信息进行处理得到；所述装置还包括训练单元，用于对所述第一特征提取网络、所述第二特征提取网络、所述第三特征提取网络和所述分类网络进行端到端训练。
在一些实施例中，所述训练单元所使用的训练集包括：利用所述双目红外摄像组件采集的包括活体对象的多个第一样本图像对，其中，所述第一样本图像对包括由所述双目红外摄像组件中的第一相机采集的第一样本图像，以及由所述双目红外摄像组件中的第二相机同步采集的第二样本图像，所述第一样本图像对具有指示活体的标注信息；利用所述双目红外摄像组件采集的包括非活体对象的多个第二样本图像对，所述第二样本图像对包括由所述双目红外摄像组件中的第一相机采集的第三样本图像，以及由所述双目红外摄像组件中的第二相机同步采集的第四样本图像，所述第二样本图像对具有指示非活体的标注信息。
在一些实施例中，所述第一活体检测结果包括用于表征所述目标对象为非活体的置信度；所述结果获取单元具体用于：将所述多个图像对的第一活体检测结果中，置信度最大的图像对所对应的第一活体检测结果确定为所述目标活体检测结果。
在一些实施例中，所述控制单元在响应于所述目标活体检测结果指示所述目标对象为活体，对所述目标对象进行身份认证时，具体用于：将所述第一图像或第二图像与预先存储的第一面部图像进行人脸匹配，获得人脸匹配结果；根根据所述人脸匹配结果，对所述目标对象进行身份认证。
本公开还提供了一种电子设备，请参照附图4，其示出了该设备的结构，所述设备包括存储器、处理器，所述存储器用于存储可在处理器上运行的计算机指令，所述处理器用于在执行所述计算机指令时实现本公开任一实施例所述的方法。
本公开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，所述程序被处理器执行时实现本公开任一实施例所述的方法。
本公开还提出了一种活体检测***，所述***包括双目红外摄像组件以及电子设备。
所述双目红外摄像组件，用于采集包括目标对象的多个图像对，并向所述电子设备传输所述图像对；其中，所述图像对包括由所述双目红外摄像组件中的第一红外相机采集的第一图像，以及由所述双目红外摄像组件中的第二红外相机同步采集的第二图像。
所述电子设备，用于在获取到所述图像对后，根据所述图像对中的所述第一图像和所述第二图像，分别获取所述目标对象的第一特征信息和第二特征信息；根据所述第一特征信息和所述第二特征信息获得融合特征信息，并根据所述融合特征信息确定所述目标对象的第一活体检测结果；根据所述多个图像对所对应的第一活体检测结果，获得所述目标对象的目标活体检测结果。
本公开还提出了一种交通工具，所述交通工具包括双目红外摄像组件以及电子设备，所述双目红外摄像组件集成在所述电子设备中，或与所述电子设备独立部署，所述电子设备用于执行如本公开任一实施例所述的活体检测方法。
本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、***或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于数据处理设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的行为或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中描述的主题及功能操作的实施例可以在以下中实现：数字电子电路、有形体现的计算机软件或固件、包括本说明书中公开的结构及其结构性等同物的计算机硬件、或者它们中的一个或多个的组合。本说明书中描述的主题的实施例可以实现为一个或多个计算机程序，即编码在有形非暂时性程序载体上以被数据处理装置执行或控制数据处理装置的操作的计算机程序指令中的一个或多个模块。可替代地或附加地，程序指令可以被编码在人工生成的传播信号上，例如机器生成的电、光或电磁信号，该信号被生成以将信息编码并传输到合适的接收机装置以由数据处理装置执行。计算机存储介质可以是机器可读存储设备、机器可读存储基板、随机或串行存取存储器设备、或它们中的一个或多个的组合。
本说明书中描述的处理及逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程计算机执行，以通过根据输入数据进行操作并生成输出来执行相应的功能。所述处理及逻辑流程还可以由专用逻辑电路—例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)来执行，并且装置也可以实现为专用逻辑电路。
适合用于执行计算机程序的计算机包括，例如通用和/或专用微处理器，或任何其他类型的中央处理单元。通常，中央处理单元将从只读存储器和/或随机存取存储器接收指令和数据。计算机的基本组件包括用于实施或执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器设备。通常，计算机还将包括用于存储数据的一个或多个大容量存储设备，例如磁盘、磁光盘或光盘等，或者计算机将可操作地与此大容量存储设备耦接以从其接收数据或向其传送数据，抑或两种情况兼而有之。然而，计算机不是必须具有这样的设备。此外，计算机可以嵌入在另一设备中，例如移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏操纵台、全球定位***(GPS)接收机、或例如通用串行总线(USB)闪存驱动器的便携式存储设备，仅举几例。
适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、媒介和存储器设备，例如包括半导体存储器设备(例如EPROM、EEPROM和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及CD ROM和DVD-ROM盘。处理器和存储器可由专用逻辑电路补充或并入专用逻辑电路中。
虽然本说明书包含许多具体实施细节，但是这些不应被解释为限制任何发明的范围或所要求保护的范围，而是主要用于描述特定发明的具体实施例的特征。本说明书内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面，在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外，虽然特征可以如上所述在某些组合中起作用并且甚至最初如此要求保护，但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除，并且所要求保护的组合可以指向子组合或子组合的变型。
类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施例中的各种***模块和组件的分离不应被理解为在所有实施例中均需要这样的分离，并且应当理解，所描述的程序组件和***通常可以一起集成在单个软件产品中，或者封装成多个软件产品。
由此，主题的特定实施例已被描述。其他实施例在所附权利要求书的范围以内。在某些情况下，权利要求书中记载的动作可以以不同的顺序执行并且仍实现期望的结果。此外，附图中描绘的处理并非必需所示的特定顺序或顺次顺序，以实现期望的结果。在某些实现中，多任务和并行处理可能是有利的。
以上所述仅为本说明书一个或多个实施例的较佳实施例而已，并不用以限制本说明书一个或多个实施例，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例保护的范围之内。

Claims (14)

1.一种活体检测方法，其特征在于，所述方法包括：
获取双目红外摄像组件采集的包括目标对象的多个图像对，其中，所述图像对包括由所述双目红外摄像组件中的第一红外相机采集的第一图像，以及由所述双目红外摄像组件中的第二红外相机同步采集的第二图像；
根据所述图像对中的所述第一图像和所述第二图像，分别获取所述目标对象的第一特征信息和第二特征信息；
根据所述第一特征信息和所述第二特征信息获得融合特征信息，并根据所述融合特征信息确定所述目标对象的第一活体检测结果；
根据所述多个图像对所对应的第一活体检测结果，获得所述目标对象的目标活体检测结果。
2.根据权利要求1所述的方法，其特征在于，在所述获得所述目标对象的目标活体检测结果之后，还包括：
响应于所述目标活体检测结果指示所述目标对象为活体，对所述目标对象进行身份认证，并得到身份认证结果；
响应于所述身份认证结果指示所述目标对象通过身份认证，则控制目标设备执行与所述目标对象的权限对应的操作。
3.根据权利要求2所述的方法，其特征在于，所述目标设备包括交通工具，所述目标对象的权限对应的操作包括如下至少一项：解锁或锁定所述交通工具、开启或关闭所述交通工具的至少部分功能。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述目标对象包括人脸，所述根据所述图像对中的所述第一图像和所述第二图像，分别获取所述目标对象的第一特征信息和第二特征信息，包括：
对第一图像和第二图像进人脸检测，分别得到第一人脸检测结果和第二人脸检测结果；
响应于所述第一人脸检测结果和所述第二人脸检测结果中分别包括第一人脸检测框和第二人脸检测框，获得所述第一人脸检测框对应的第一人脸区域和所述第二人脸检测框对应的第二人脸区域；
对所述第一人脸区域和所述第二人脸区域进行特征提取，分别获得所述目标对象的第一特征信息和第二特征信息。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述第一特征信息和所述第二特征信息获得融合特征信息，包括：
将所述第一特征信息和所述第二特征信息基于通道进行连接，得到连接特征信息；
对所述连接特征信息进行特征提取，得到所述融合特征信息。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述第一特征信息通过第一特征提取网络对所述第一图像进行处理得到，所述第二特征信息通过第二特征网络对所述第二图像进行处理得到，所述融合特征信息通过第三特征提取网络对所述第一特征信息和特征信息进行处理得到，所述第一活体检测结果通过分类网络对所述融合特征信息进行处理得到；
所述方法还包括：对所述第一特征提取网络、所述第二特征提取网络、所述第三特征提取网络和所述分类网络进行端到端训练。
7.根据权利要求6所述的方法，其特征在于，对所述第一特征提取网络、所述第二特征提取网络、所述第三特征提取网络和所述分类网络进行端到端训练的训练集包括：
利用所述双目红外摄像组件采集的包括活体对象的多个第一样本图像对，其中，所述第一样本图像对包括由所述双目红外摄像组件中的第一相机采集的第一样本图像，以及由所述双目红外摄像组件中的第二相机同步采集的第二样本图像，所述第一样本图像对具有指示活体的标注信息；
利用所述双目红外摄像组件采集的包括非活体对象的多个第二样本图像对，所述第二样本图像对包括由所述双目红外摄像组件中的第一相机采集的第三样本图像，以及由所述双目红外摄像组件中的第二相机同步采集的第四样本图像，所述第二样本图像对具有指示非活体的标注信息。
8.根据权利要求1至7任一项所述的方法，其特征在于，所述第一活体检测结果包括用于表征所述目标对象为非活体的置信度；
所述根据所述多个图像对所对应的第一活体检测结果，获得所述目标对象的目标活体检测结果，包括：
将所述多个图像对的第一活体检测结果中，置信度最大的图像对所对应的第一活体检测结果确定为所述目标活体检测结果。
9.根据权利要求2至8任一项所述的方法，其特征在于，响应于所述目标活体检测结果指示所述目标对象为活体，对所述目标对象进行身份认证，包括：
将所述第一图像或第二图像与预先存储的第一面部图像进行人脸匹配，获得人脸匹配结果；
根根据所述人脸匹配结果，对所述目标对象进行身份认证。
10.一种活体检测装置，其特征在于，所述装置包括：
图像获取单元，用于获取双目红外摄像组件采集的包括目标对象的多个图像对，其中，所述图像对包括由所述双目红外摄像组件中的第一红外相机采集的第一图像，以及由所述双目红外摄像组件中的第二红外相机同步采集的第二图像；
特征获取单元，用于根据所述图像对中的所述第一图像和所述第二图像，分别获取所述目标对象的第一特征信息和第二特征信息；
活体检测单元，用于根据所述第一特征信息和所述第二特征信息获得融合特征信息，并根据所述融合特征信息确定所述目标对象的第一活体检测结果；
结果获取单元，用于根据所述多个图像对所对应的第一活体检测结果，获得所述目标对象的目标活体检测结果。
11.一种电子设备，其特征在于，所述设备包括存储器、处理器，所述存储器用于存储可在处理器上运行的计算机指令，所述处理器用于在执行所述计算机指令时实现权利要求1至9任一项所述的方法。
12.一种计算机可读存储介质，其中存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至9任一项所述的方法。
13.一种活体检测***，其特征在于，所述***包括双目红外摄像组件以及电子设备；
所述双目红外摄像组件，用于采集包括目标对象的多个图像对，并向所述电子设备传输所述图像对；其中，所述图像对包括由所述双目红外摄像组件中的第一红外相机采集的第一图像，以及由所述双目红外摄像组件中的第二红外相机同步采集的第二图像；
所述电子设备，用于在获取到所述图像对后，根据所述图像对中的所述第一图像和所述第二图像，分别获取所述目标对象的第一特征信息和第二特征信息；根据所述第一特征信息和所述第二特征信息获得融合特征信息，并根据所述融合特征信息确定所述目标对象的第一活体检测结果；根据所述多个图像对所对应的第一活体检测结果，获得所述目标对象的目标活体检测结果。
14.一种交通工具，其特征在于，所述交通工具包括双目红外摄像组件以及电子设备，所述双目红外摄像组件集成在所述电子设备中，或与所述电子设备独立部署，所述电子设备用于执行权利要求1至9任一项所述的方法。
CN202110287594.9A 2021-03-17 2021-03-17 活体检测方法、装置、设备、介质、***及交通工具 Pending CN112926489A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110287594.9A CN112926489A (zh) 2021-03-17 2021-03-17 活体检测方法、装置、设备、介质、***及交通工具

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110287594.9A CN112926489A (zh) 2021-03-17 2021-03-17 活体检测方法、装置、设备、介质、***及交通工具

Publications (1)

Publication Number Publication Date
CN112926489A true CN112926489A (zh) 2021-06-08

Family

ID=76174908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110287594.9A Pending CN112926489A (zh) 2021-03-17 2021-03-17 活体检测方法、装置、设备、介质、***及交通工具

Country Status (1)

Country Link
CN (1) CN112926489A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190347823A1 (en) * 2018-05-10 2019-11-14 Beijing Sensetime Technology Development Co., Ltd Method and apparatus for detecting living body, system, electronic device, and storage medium
CN111460970A (zh) * 2020-03-27 2020-07-28 深圳市商汤科技有限公司 活体检测方法和装置、人脸识别设备
CN111598065A (zh) * 2020-07-24 2020-08-28 上海肇观电子科技有限公司 深度图像获取方法及活体识别方法、设备、电路和介质
CN112200057A (zh) * 2020-09-30 2021-01-08 汉王科技股份有限公司 人脸活体检测方法、装置、电子设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190347823A1 (en) * 2018-05-10 2019-11-14 Beijing Sensetime Technology Development Co., Ltd Method and apparatus for detecting living body, system, electronic device, and storage medium
CN111460970A (zh) * 2020-03-27 2020-07-28 深圳市商汤科技有限公司 活体检测方法和装置、人脸识别设备
CN111598065A (zh) * 2020-07-24 2020-08-28 上海肇观电子科技有限公司 深度图像获取方法及活体识别方法、设备、电路和介质
CN112200057A (zh) * 2020-09-30 2021-01-08 汉王科技股份有限公司 人脸活体检测方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US12014571B2 (en) Method and apparatus with liveness verification
WO2019214201A1 (zh) 活体检测方法及装置、***、电子设备、存储介质
CN110674800B (zh) 一种人脸活体检测方法、装置、电子设备及存储介质
KR20200081450A (ko) 생체 검출 방법, 장치 및 시스템, 전자 기기 및 저장 매체
CN112016353B (zh) 一种基于视频的人脸图像进行身份识别方法及装置
US10853631B2 (en) Face verification method and apparatus, server and readable storage medium
CN112818885B (zh) 人脸识别方法、装置、设备及存储介质
CN110532746B (zh) 人脸校验方法、装置、服务器及可读存储介质
WO2017173640A1 (zh) 一种基于多模式生物识别信息的个人识别方法和装置
EP3341916A1 (en) System and method for in motion identification
CN111126411B (zh) 一种异常行为识别方法及装置
JP6542819B2 (ja) 画像監視システム
CN112926489A (zh) 活体检测方法、装置、设备、介质、***及交通工具
CN116092228B (zh) 针对面部遮挡的门禁处理方法、装置、门禁设备和介质
CN114467127A (zh) 用于认证三维物体的方法及装置
CN112084817A (zh) 一种儿童单独滞留车内的检测方法、装置及红外摄像头
KR102609829B1 (ko) 생성적 적대 신경망을 이용한 스테레오 매칭 신뢰도 추정 장치 및 방법
JP6679291B2 (ja) 申請者認証装置、及び認証方法、並びにその方法を用いたセキュリティ認証システム
CN110874876B (zh) 一种解锁方法和装置
CN113989870A (zh) 一种活体检测方法、门锁***及电子设备
Sankar et al. Intelligent Door Assist system using Chatbot and Facial Recognition
JP7480841B2 (ja) イベントの管理方法、イベント管理装置、システム及びプログラム
TWI547882B (zh) 生物特徵辨識系統、辨識方法、儲存媒體及生物特徵辨識處理晶片
CN112464922B (zh) 人车重识别及其模型训练方法、装置、设备及存储介质
CN113516089B (zh) 人脸图像识别方法、装置、设备及可读存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210608

RJ01 Rejection of invention patent application after publication