CN113869218A - 人脸活体检测方法、装置、电子设备及可读存储介质 - Google Patents
人脸活体检测方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113869218A CN113869218A CN202111148138.2A CN202111148138A CN113869218A CN 113869218 A CN113869218 A CN 113869218A CN 202111148138 A CN202111148138 A CN 202111148138A CN 113869218 A CN113869218 A CN 113869218A
- Authority
- CN
- China
- Prior art keywords
- living body
- face
- human face
- detection
- body detection
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 374
- 230000008859 change Effects 0.000 claims abstract description 119
- 238000001727 in vivo Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000009471 action Effects 0.000 claims description 101
- 230000001133 acceleration Effects 0.000 claims description 32
- 238000012549 training Methods 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 18
- 238000013145 classification model Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000013519 translation Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 15
- 230000004397 blinking Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000003068 static effect Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 101150115304 cls-2 gene Proteins 0.000 description 2
- 101150058580 cls-3 gene Proteins 0.000 description 2
- 101150053100 cls1 gene Proteins 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及人工智能技术，揭露了一种人脸活体检测方法，包括：获取设备位置变化信息及人脸位置变化信息，根据设备位置变化信息及人脸位置变化信息计算第一活体分数，基于第一活体分数的结果大小向用户发送人脸活体检测指定的动作，接收用户基于人脸活体检测指定的动作返回的人脸动作，得到第二活体分数，基于第二活体分数，利用人脸活体检测模型对人脸活体视频进行活体检测，得到活体检测结果。此外，本发明还涉及区块链技术，所述活体检测结果可以存储在区块链的节点中。本发明还提出一种人脸活体检测方法装置、电子设备以及计算机可读存储介质。本发明可以解决活体检测的准确率较低的问题。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种人脸活体检测方法、装置、电子设备及计算机可读存储介质。
背景技术
随着移动互联网的发展，人工智能逐渐改变了我们工作和生活方式，让我们足不出户即可享受各种便捷的服务。例如在银行业，在线服务让我们随时随地即可办理银行的查询、转账、理财等业务，而利用人脸识别进行身份认证是保护账户安全常用的手段之一。人脸识别的原理是通过手机摄像头录制视频采集人脸信息，与用户预留的照片进行比对核验是否是本人。而随着攻击手法的进步，普通的人脸识别也越来越不安全。比如攻击者拿到被攻击者的一张静态照片，即可合成出一段视频，甚至可以让静态的照片完成张嘴、摇头、眨眼等动作，来欺骗人脸识别***；再比如攻击者可以通过替换摄像头视频流，不需要经过摄像头拍摄，直接将预制好的视频输送到程序中，因此会使得目前的人脸活体检测的准确率较低。
发明内容
本发明提供一种人脸活体检测方法、装置、设备及存储介质，其主要目的在于解决活体检测的准确率较低的问题。
为实现上述目的，本发明提供的一种人脸活体检测方法，包括：
获取人脸活体检测设备的设备位置变化信息，以及获取所述人脸活体检测设备中检测区域的人脸位置变化信息；
根据所述设备位置变化信息及所述人脸位置变化信息计算第一活体分数；
基于所述第一活体分数，向用户发送人脸活体检测指定的动作，接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，根据所述人脸动作的完成度计算第二活体分数；
基于所述第二活体分数，利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，得到人脸活体检测结果。
可选地，所述获取人脸活体检测设备的设备位置变化信息，以及获取所述人脸活体检测设备中检测区域的人脸位置变化信息，包括：
接收所述人脸活体检测设备中陀螺仪传感器发送的所述人脸活体检测设备的旋转角速度，以及接收所述人脸活体检测设备中加速度传感器发送的所述人脸活体检测设备的平移加速度；
接收所述人脸活体检测设备中人脸检测器发送的所述检测区域中人脸的位置坐标变化速率，以及接收所述人脸检测器发送的所述检测区域中人脸的缩放比例；
汇总所述人脸活体检测设备的旋转角速度及平移加速度，得到设备位置变化信息，以及汇总所述检测区域中人脸的位置坐标变化速率及人脸的缩放比例，得到人脸位置变化信息。
可选地，所述根据所述设备位置变化信息及所述人脸位置变化信息计算第一活体分数，包括：
根据每隔预设时间间隔收集所述人脸活体检测设备的旋转角速度及所述检测区域中人脸的位置坐标变化速率，得到角速度曲线及坐标变化曲线；
根据每隔所述预设时间间隔收集的所述人脸活体检测设备的平移加速度及所述检测区域中人脸的缩放比例，得到平移加速度曲线及缩放比例曲线；
根据所述角速度曲线及坐标变化曲线的正相关关系，得到坐标检测分数，以及根据所述平移加速度曲线及缩放比例曲线的正相关关系，得到缩放检测分数；
对所述坐标检测分数集及所述缩放检测分数执行加权计算，得到所述第一活体分数。
可选地，所述根据所述角速度曲线及坐标变化曲线的正相关关系，得到坐标检测分数，包括：
计算所述角速度曲线及所述坐标变化曲线中具有正相关关系的时间段与整个时间段的比例；
获取预设的阈值范围，输出所述比例落入的所述阈值范围的子阈值范围对应的数值作为所述坐标检测分数。
可选地，所述基于所述第一活体分数，向用户发送人脸活体检测指定的动作，接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，根据所述人脸动作的完成度计算第二活体分数，包括：
判断所述第一活体分数是否大于等于预设的第一阈值；
若所述第一活体分数小于所述第一阈值，则返回所述获取人脸活体检测设备的设备位置变化信息的步骤；
若所述第一活体分数大于等于所述第一阈值，选取预设个数的人脸活体检测指定的动作发送至用户；
接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，并利用所述人脸检测器输出所述人脸动作的第二活体分数。
可选地，所述基于所述第二活体分数，利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，包括：
若所述第二活体分数小于预设的第二阈值，重新选取预设个数的人脸活体检测指定的动作发送至用户，并重新执行所述接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，并利用所述人脸检测器输出所述人脸动作的第二活体分数的步骤；
若所述第二活体分数大于等于所述第二阈值，提取所述人脸活体视频中的人脸图像；
利用所述人脸活体检测模型中的特征提取模块提取所述人脸图像中的图像特征，得到特征图；
提取所述特征图中的峰值高响应部分，并对所述峰值高响应部分进行聚类处理，得到聚类图；
将所述聚类图进行归一化处理，得到标准特征图集，并输出所述标准特征图集中每个标准特征图的活体概率；
利用预设的平均公式对所述活体概率进行平均值计算，得到所述人脸活体检测结果。
可选地，所述利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，得到人脸活体检测结果之前，所述方法还包括：
获取预构建的人脸视频训练集，利用预构建的分类模型对所述人脸视频训练集中的人脸进行检测，得到人脸检测结果；
利用所述人脸检测结果及所述人脸视频训练集中的真实人脸数据进行损失值计算，得到损失值；
当所述损失值大于等于预设的损失阈值时，调整所述分类模型的参数，并返回所述利用预构建的分类模型对所述人脸视频训练集中的人脸进行检测的步骤，直至所述损失值小于所述损失阈值时，得到所述人脸活体检测模型。
为了解决上述问题，本发明还提供一种人脸活体检测装置，所述装置包括：
位置变化信息获取模块，用于获取人脸活体检测设备的设备位置变化信息，以及获取所述人脸活体检测设备中检测区域的人脸位置变化信息；
位置活体检测模块，用于根据所述设备位置变化信息及所述人脸位置变化信息计算第一活体分数；
策略活体检测模块，用于基于所述第一活体分数，向用户发送人脸活体检测指定的动作，接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，根据所述人脸动作的完成度计算第二活体分数；
人脸活体检测模块，用于基于所述第二活体分数，利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，得到人脸活体检测结果。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的计算机程序以实现上述所述的人脸活体检测方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的人脸活体检测方法。
本发明通过设备位置变化信息及检测区域的人脸位置变化信息来作为活体检测的一项依据，可以有效避免通过静态照片合成人脸视频，从而提高了人脸活体检测的准确率。并且通过人脸活体检测指定的动作向用户指定行为动作、利用预构建的人脸活体检测模型对人脸活体检测设备收集的人脸活体视频进行活体检测，可以更加多维度对活体进行检测，进一步提高了活体检测的准确率。因此本发明提出的人脸活体检测方法、装置、电子设备及计算机可读存储介质，可以解决活体检测的准确率较低的问题。
附图说明
图1为本发明一实施例提供的人脸活体检测方法的流程示意图；
图2为本发明一实施例提供的人脸活体检测装置的功能模块图；
图3为本发明一实施例提供的实现所述人脸活体检测方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种人脸活体检测方法。所述人脸活体检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述人脸活体检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的人脸活体检测方法的流程示意图。在本实施例中，所述人脸活体检测方法包括：
S1、获取人脸活体检测设备的设备位置变化信息，以及获取所述人脸活体检测设备中检测区域的人脸位置变化信息；
本发明实施例中，所述人脸活体检测设备是指通过收集人脸视频来进行活体检测的终端设备，例如，手机、平板等带有摄像头的便携设备。
具体地，所述获取人脸活体检测设备的设备位置变化信息，以及获取所述人脸活体检测设备中检测区域的人脸位置变化信息，包括：
接收所述人脸活体检测设备中陀螺仪传感器发送的所述人脸活体检测设备的旋转角速度，以及接收所述人脸活体检测设备中加速度传感器发送的所述人脸活体检测设备的平移加速度；
接收所述人脸活体检测设备中人脸检测器发送的所述检测区域中人脸的位置坐标变化速率，以及接收所述人脸检测器发送的所述检测区域中人脸的缩放比例；
汇总所述人脸活体检测设备的旋转角速度及平移加速度，得到设备位置变化信息，以及汇总所述检测区域中人脸的位置坐标变化速率及人脸的缩放比例，得到人脸位置变化信息。
本发明实施例中，以手机为例，当用户抬起手机时，人脸在屏幕(即检测区域)中的位置会上下移动，此时通过陀螺仪传感器可检测到手机的旋转角速度ω，通过人脸检测器可以检测出人脸在屏幕中Y轴的位置坐标变化速率p；当用户前后移动手机时，人脸在屏幕中的大小会变化，手机摄像头离用户越近，人脸在屏幕中的比例越大，通过加速度传感器可以检测到手机在某一方向(如Z轴方向)的平移加速度a，通过人脸检测器可以检测出人脸宽度与屏幕宽度的比例k。
本发明一可选实施例中，在便携设备的人脸活体检测中，检测到的人脸会随着设备的位置变化进行相应的变化，因此可以作为活体检测的依据，从而提高人脸活体检测的准确率。
S2、根据所述设备位置变化信息及所述人脸位置变化信息计算第一活体分数；
本发明实施例中，所述第一活体分数通过检测到的人脸位置变化和设备位置变化的关系得到，用来判断采集到的人脸视频是否确实是由人脸检测设备的(如手机)摄像头拍摄的，从而提高人脸活体检测的准确率。
具体地，所述根据所述设备位置变化信息及所述人脸位置变化信息计算第一活体分数，包括：
根据每隔预设时间间隔收集所述人脸活体检测设备的旋转角速度及所述检测区域中人脸的位置坐标变化速率，得到角速度曲线及坐标变化曲线；
根据每隔所述预设时间间隔收集的所述人脸活体检测设备的平移加速度及所述检测区域中人脸的缩放比例，得到平移加速度曲线及缩放比例曲线；
根据所述角速度曲线及坐标变化曲线的正相关关系，得到坐标检测分数，以及根据所述平移加速度曲线及缩放比例曲线的正相关关系，得到缩放检测分数；
对所述坐标检测分数集及所述缩放检测分数执行加权计算，得到所述第一活体分数。
本发明一可选实施例中，所述预设时间间隔可以为100ms，即连续间隔100ms采集旋转角速度(ω)、位置坐标变化速率(p)、平移加速度(a)及缩放比例(k)，当p的变化速率与ω成正比例关系，k的变化速率与a成正比例关系时，即可认为视频确实是由相机拍摄的。
本发明一可选实施例中，所述根据所述角速度曲线及坐标变化曲线的正相关关系，得到坐标检测分数，包括：
计算所述角速度曲线及所述坐标变化曲线中具有正相关关系的时间段与整个时间段的比例；
获取预设的阈值范围，输出所述比例落入的所述阈值范围的子阈值范围对应的数值作为所述坐标检测分数。
本发明实施例中，在实际应用中考虑到人的动作、设备延迟等因素，需要设定部分阈值来允许一部分的数据不满足正相关关系。例如，预设的阈值范围为[50,100]，其中，[50，75)对应的数值为50，[75,100]对应的数值为100。
本发明另一可选实施例中，得到缩放检测分数的步骤和得到坐标检测分数的步骤类似，在此不再赘述。同时，针对缩放检测分数及坐标检测分数设定不同的权重(可以分别是0.5)，加权计算得到所述第一活体分数。
本发明实施例中，通过所述设备位置变化信息及所述人脸位置变化信息，可以有效避免通过静态照片合成人脸视频，从而提高了人脸活体检测的准确率。
S3、基于所述第一活体分数，向用户发送人脸活体检测指定的动作，接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，根据所述人脸动作的完成度计算第二活体分数；
本发明实施例中，所述人脸活体检测指定的动作是指人为设定的指定动作，包括张嘴、摇头、眨眼等。
详细地，所述基于所述第一活体分数，向用户发送人脸活体检测指定的动作，接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，根据所述人脸动作的完成度计算第二活体分数，包括：
判断所述第一活体分数是否大于等于预设的第一阈值；
若所述第一活体分数小于所述第一阈值，则返回S1；
若所述第一活体分数大于等于所述第一阈值，选取预设个数的人脸活体检测指定的动作发送至用户；
接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，并利用所述人脸检测器输出所述人脸动作的第二活体分数。
本发明一可选实施例中，可以从预设的人脸活体检测指定的动作中选取两个发送给用户，例如选取摇头及眨眼策略。所述人脸检测器可以为centerface人脸检测器，所述centerface人脸检测器是一种轻量级人脸检测器，可以减少对计算资源的占用，同时快速对人脸动作进行打分。
S4、基于所述第二活体分数，利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，得到活体检测结果。
本发明实施例中，所述预构建的人脸活体检测模型可以为VGG16、Alexnet、Resnet及MA-CNN等神经网络模型。以改进的MA-CNN(learning muilt-attention convolutionneural network)分类模型为例，包括特征提取模型(Mini_SE_ResNet网络)、局部注意层、sigmoid函数、FC全联接层和softmax。其中，所述Mini_SE_ResNet网络作为基础部分以提取所述人脸活体视频中每帧图像的图像特征，得到特征图。所述局部注意层用于获取所述特征图中的峰值高响应部分并进行聚类，产生类似定位的过程，所述峰值高响应部分是指所述标准图像中峰值较高的响应部分。
本发明实施例中，所述利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，得到活体检测结果之前，所述方法还包括：
获取预构建的人脸视频训练集，利用预构建的分类模型对所述人脸视频训练集中的人脸进行检测，得到人脸检测结果；
利用所述人脸检测结果及所述人脸视频训练集中的真实人脸数据进行损失值计算，得到损失值；
当所述损失值大于等于预设的损失阈值时，调整所述分类模型的参数，并返回所述利用预构建的分类模型对所述人脸视频训练集中的人脸进行检测的步骤，直至所述损失值小于所述损失阈值时，得到所述人脸活体检测模型。
本发明一可选实施例中，所述利用所述人脸检测结果及所述人脸视频训练集中的真实人脸数据进行损失值计算，得到损失值，包括：
利用下述损失函数计算所述损失值：
其中，
为损失值，
为所述检测结果，Y为所述真实人脸数据，α表示误差因子，为预设常数。
本发明实施例中，所述人脸视频训练集可以为开源已进行标记(即真实人脸数据)的人脸视频集，如：NUAA数据集、CASIAFASD数据集等。
具体地，所述基于所述第二活体分数，利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，包括：
若所述第二活体分数小于预设的第二阈值，重新选取预设个数的人脸活体检测指定的动作发送至用户，并重新执行所述接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，并利用所述人脸检测器输出所述人脸动作的第二活体分数的步骤；
若所述第二活体分数大于等于所述第二阈值，提取所述人脸活体视频中的人脸图像；
利用所述人脸活体检测模型中的特征提取模块提取所述人脸图像中的图像特征，得到特征图；
提取所述特征图中的峰值高响应部分，并对所述峰值高响应部分进行聚类处理，得到聚类图；
将所述聚类图进行归一化处理，得到标准特征图集，并输出所述标准特征图集中每个标准特征图的活体概率；
利用预设的平均公式对所述活体概率进行平均值计算，得到所述活体检测结果。
其中，所述预设的平均公式可以为：
其中，MAcls为所述活体检测结果，cls1+cls2+cls3…clsn为所述每个标准特征图的活体概率。
本发明实施例中，对一张图像进行特征提取会形成不同的特征通道数，而每个特征通道都会关注图像的某个特征，而且不一样通道所关注的信息是不同，峰值响应区域也不一样，本发明实施例通过聚类的方法将响应区域相近的通道聚在一起，得到局部注意区域(part attentions)。所述sigmoid函数用来将得到的所述局部注意区域归一化到[0-1]之间，形成对应的标记，并将所述标记(mask)与得到的特征图进行点乘得到标准特征图，将所述标准特征图经过FC全联接层和softmax函数进行概率计算，输出活体概率。
本发明实施例中，通过陀螺仪传感器和加速度传感器来判别人脸视频是否由当前设备的相机或摄像头获取，再通过人脸活体检测指定的动作让用户完成指定动作(摇头、眨眼等)，通过人脸检测器监测动作的的完成情况，最后再使用人脸活体检测模型检测视频中的活体情况，多维度的对活体进行检测，可以提高活体检测的准确性。
本发明通过设备位置变化信息及检测区域的人脸位置变化信息来作为活体检测的一项依据，可以有效避免通过静态照片合成人脸视频，从而提高了人脸活体检测的准确率。并且通过人脸活体检测指定的动作向用户指定行为动作、利用预构建的人脸活体检测模型对人脸活体检测设备收集的人脸活体视频进行活体检测，可以更加多维度对活体进行检测，进一步提高了活体检测的准确率。因此本发明提出的人脸活体检测方法，可以解决活体检测的准确率较低的问题。
如图2所示，是本发明一实施例提供的人脸活体检测装置的功能模块图。
本发明所述人脸活体检测装置100可以安装于电子设备中。根据实现的功能，所述人脸活体检测装置100可以包括位置变化信息获取模块101、位置活体检测模块102、策略活体检测模块103及人脸活体检测模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述位置变化信息获取模块101，用于获取人脸活体检测设备的设备位置变化信息，以及获取所述人脸活体检测设备中检测区域的人脸位置变化信息；
所述位置活体检测模块102，用于根据所述设备位置变化信息及所述人脸位置变化信息计算第一活体分数；
所述策略活体检测模块103，用于基于所述第一活体分数，向用户发送人脸活体检测指定的动作，接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，根据所述人脸动作的完成度计算第二活体分数；
所述人脸活体检测模块104，用于基于所述第二活体分数，利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，得到活体检测结果。
详细地，所述人脸活体检测装置100各模块的具体实施方式如下：
步骤一、获取人脸活体检测设备的设备位置变化信息，以及获取所述人脸活体检测设备中检测区域的人脸位置变化信息；
本发明实施例中，所述人脸活体检测设备是指通过收集人脸视频来进行活体检测的终端设备，例如，手机、平板等带有摄像头的便携设备。
具体地，所述获取人脸活体检测设备的设备位置变化信息，以及获取所述人脸活体检测设备中检测区域的人脸位置变化信息，包括：
接收所述人脸活体检测设备中陀螺仪传感器发送的所述人脸活体检测设备的旋转角速度，以及接收所述人脸活体检测设备中加速度传感器发送的所述人脸活体检测设备的平移加速度；
接收所述人脸活体检测设备中人脸检测器发送的所述检测区域中人脸的位置坐标变化速率，以及接收所述人脸检测器发送的所述检测区域中人脸的缩放比例；
汇总所述人脸活体检测设备的旋转角速度及平移加速度，得到设备位置变化信息，以及汇总所述检测区域中人脸的位置坐标变化速率及人脸的缩放比例，得到人脸位置变化信息。
本发明实施例中，以手机为例，当用户抬起手机时，人脸在屏幕(即检测区域)中的位置会上下移动，此时通过陀螺仪传感器可检测到手机的旋转角速度ω，通过人脸检测器可以检测出人脸在屏幕中Y轴的位置坐标变化速率p；当用户前后移动手机时，人脸在屏幕中的大小会变化，手机摄像头离用户越近，人脸在屏幕中的比例越大，通过加速度传感器可以检测到手机在某一方向(如Z轴方向)的平移加速度a，通过人脸检测器可以检测出人脸宽度与屏幕宽度的比例k。
本发明一可选实施例中，在便携设备的人脸活体检测中，检测到的人脸会随着设备的位置变化进行相应的变化，因此可以作为活体检测的依据，从而提高人脸活体检测的准确率。
步骤二、根据所述设备位置变化信息及所述人脸位置变化信息计算第一活体分数；
本发明实施例中，所述第一活体分数通过检测到的人脸位置变化和设备位置变化的关系得到，用来判断采集到的人脸视频是否确实是由人脸检测设备的(如手机)摄像头拍摄的，从而提高人脸活体检测的准确率。
具体地，所述根据所述设备位置变化信息及所述人脸位置变化信息计算第一活体分数，包括：
根据每隔预设时间间隔收集所述人脸活体检测设备的旋转角速度及所述检测区域中人脸的位置坐标变化速率，得到角速度曲线及坐标变化曲线；
根据每隔所述预设时间间隔收集的所述人脸活体检测设备的平移加速度及所述检测区域中人脸的缩放比例，得到平移加速度曲线及缩放比例曲线；
根据所述角速度曲线及坐标变化曲线的正相关关系，得到坐标检测分数，以及根据所述平移加速度曲线及缩放比例曲线的正相关关系，得到缩放检测分数；
对所述坐标检测分数集及所述缩放检测分数执行加权计算，得到所述第一活体分数。
本发明一可选实施例中，所述预设时间间隔可以为100ms，即连续间隔100ms采集旋转角速度(ω)、位置坐标变化速率(p)、平移加速度(a)及缩放比例(k)，当p的变化速率与ω成正比例关系，k的变化速率与a成正比例关系时，即可认为视频确实是由相机拍摄的。
本发明一可选实施例中，所述根据所述角速度曲线及坐标变化曲线的正相关关系，得到坐标检测分数，包括：
计算所述角速度曲线及所述坐标变化曲线中具有正相关关系的时间段与整个时间段的比例；
获取预设的阈值范围，输出所述比例落入的所述阈值范围的子阈值范围对应的数值作为所述坐标检测分数。
本发明实施例中，在实际应用中考虑到人的动作、设备延迟等因素，需要设定部分阈值来允许一部分的数据不满足正相关关系。例如，预设的阈值范围为[50,100]，其中，[50，75)对应的数值为50，[75,100]对应的数值为100。
本发明另一可选实施例中，得到缩放检测分数的步骤和得到坐标检测分数的步骤类似，在此不再赘述。同时，针对缩放检测分数及坐标检测分数设定不同的权重(可以分别是0.5)，加权计算得到所述第一活体分数。
本发明实施例中，通过所述设备位置变化信息及所述人脸位置变化信息，可以有效避免通过静态照片合成人脸视频，从而提高了人脸活体检测的准确率。
步骤三、基于所述第一活体分数，向用户发送人脸活体检测指定的动作，接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，根据所述人脸动作的完成度计算第二活体分数；
本发明实施例中，所述人脸活体检测指定的动作是指人为设定的指定动作，包括张嘴、摇头、眨眼等。
详细地，所述基于所述第一活体分数，向用户发送人脸活体检测指定的动作，接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，根据所述人脸动作的完成度计算第二活体分数，包括：
判断所述第一活体分数是否大于等于预设的第一阈值；
若所述第一活体分数小于所述第一阈值，则返回S1；
若所述第一活体分数大于等于所述第一阈值，选取预设个数的人脸活体检测指定的动作发送至用户；
接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，并利用所述人脸检测器输出所述人脸动作的第二活体分数。
本发明一可选实施例中，可以从预设的人脸活体检测指定的动作中选取两个发送给用户，例如选取摇头及眨眼策略。所述人脸检测器可以为centerface人脸检测器，所述centerface人脸检测器是一种轻量级人脸检测器，可以减少对计算资源的占用，同时快速对人脸动作进行打分。
步骤四、基于所述第二活体分数，利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，得到活体检测结果。
本发明实施例中，所述预构建的人脸活体检测模型可以为VGG16、Alexnet、Resnet及MA-CNN等神经网络模型。以改进的MA-CNN(learning muilt-attention convolutionneural network)分类模型为例，包括特征提取模型(Mini_SE_ResNet网络)、局部注意层、sigmoid函数、FC全联接层和softmax。其中，所述Mini_SE_ResNet网络作为基础部分以提取所述人脸活体视频中每帧图像的图像特征，得到特征图。所述局部注意层用于获取所述特征图中的峰值高响应部分并进行聚类，产生类似定位的过程，所述峰值高响应部分是指所述标准图像中峰值较高的响应部分。
本发明实施例中，所述利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，得到活体检测结果之前，所述方法还包括：
获取预构建的人脸视频训练集，利用预构建的分类模型对所述人脸视频训练集中的人脸进行检测，得到人脸检测结果；
利用所述人脸检测结果及所述人脸视频训练集中的真实人脸数据进行损失值计算，得到损失值；
当所述损失值大于等于预设的损失阈值时，调整所述分类模型的参数，并返回所述利用预构建的分类模型对所述人脸视频训练集中的人脸进行检测的步骤，直至所述损失值小于所述损失阈值时，得到所述人脸活体检测模型。
本发明一可选实施例中，所述利用所述人脸检测结果及所述人脸视频训练集中的真实人脸数据进行损失值计算，得到损失值，包括：
利用下述损失函数计算所述损失值：
其中，
为损失值，
为所述检测结果，Y为所述真实人脸数据，α表示误差因子，为预设常数。
本发明实施例中，所述人脸视频训练集可以为开源已进行标记(即真实人脸数据)的人脸视频集，如：NUAA数据集、CASIAFASD数据集等。
具体地，所述基于所述第二活体分数，利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，包括：
若所述第二活体分数小于预设的第二阈值，重新选取预设个数的人脸活体检测指定的动作发送至用户，并重新执行所述接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，并利用所述人脸检测器输出所述人脸动作的第二活体分数的步骤；
若所述第二活体分数大于等于所述第二阈值，提取所述人脸活体视频中的人脸图像；
利用所述人脸活体检测模型中的特征提取模块提取所述人脸图像中的图像特征，得到特征图；
提取所述特征图中的峰值高响应部分，并对所述峰值高响应部分进行聚类处理，得到聚类图；
将所述聚类图进行归一化处理，得到标准特征图集，并输出所述标准特征图集中每个标准特征图的活体概率；
利用预设的平均公式对所述活体概率进行平均值计算，得到所述活体检测结果。
其中，所述预设的平均公式可以为：
其中，MAcls为所述活体检测结果，cls1+cls2+cls3…clsn为所述每个标准特征图的活体概率。
本发明实施例中，对一张图像进行特征提取会形成不同的特征通道数，而每个特征通道都会关注图像的某个特征，而且不一样通道所关注的信息是不同，峰值响应区域也不一样，本发明实施例通过聚类的方法将响应区域相近的通道聚在一起，得到局部注意区域(part attentions)。所述sigmoid函数用来将得到的所述局部注意区域归一化到[0-1]之间，形成对应的标记，并将所述标记(mask)与得到的特征图进行点乘得到标准特征图，将所述标准特征图经过FC全联接层和softmax函数进行概率计算，输出活体概率。
本发明实施例中，通过陀螺仪传感器和加速度传感器来判别人脸视频是否由当前设备的相机或摄像头获取，再通过人脸活体检测指定的动作让用户完成指定动作(摇头、眨眼等)，通过人脸检测器监测动作的的完成情况，最后再使用人脸活体检测模型检测视频中的活体情况，多维度的对活体进行检测，可以提高活体检测的准确性。
本发明通过设备位置变化信息及检测区域的人脸位置变化信息来作为活体检测的一项依据，可以有效避免通过静态照片合成人脸视频，从而提高了人脸活体检测的准确率。并且通过人脸活体检测指定的动作向用户指定行为动作、利用预构建的人脸活体检测模型对人脸活体检测设备收集的人脸活体视频进行活体检测，可以更加多维度对活体进行检测，进一步提高了活体检测的准确率。因此本发明提出的人脸活体检测装置，可以解决活体检测的准确率较低的问题。
如图3所示，是本发明一实施例提供的实现人脸活体检测方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信接口12和总线13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如人脸活体检测程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如人脸活体检测程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如人脸活体检测程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述通信接口12用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
所述总线13可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地，该电子设备还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的人脸活体检测程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取人脸活体检测设备的设备位置变化信息，以及获取所述人脸活体检测设备中检测区域的人脸位置变化信息；
根据所述设备位置变化信息及所述人脸位置变化信息计算第一活体分数；
基于所述第一活体分数，向用户发送人脸活体检测指定的动作，接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，根据所述人脸动作的完成度计算第二活体分数；
基于所述第二活体分数，利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，得到活体检测结果。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取人脸活体检测设备的设备位置变化信息，以及获取所述人脸活体检测设备中检测区域的人脸位置变化信息；
根据所述设备位置变化信息及所述人脸位置变化信息计算第一活体分数；
基于所述第一活体分数，向用户发送人脸活体检测指定的动作，接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，根据所述人脸动作的完成度计算第二活体分数；
基于所述第二活体分数，利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，得到活体检测结果。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种人脸活体检测方法，其特征在于，所述方法包括：
获取人脸活体检测设备的设备位置变化信息，以及获取所述人脸活体检测设备中检测区域的人脸位置变化信息；
根据所述设备位置变化信息及所述人脸位置变化信息计算第一活体分数；
基于所述第一活体分数，向用户发送人脸活体检测指定的动作，接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，根据所述人脸动作的完成度计算第二活体分数；
基于所述第二活体分数，利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，得到人脸活体检测结果。
2.如权利要求1所述的人脸活体检测方法，其特征在于，所述获取人脸活体检测设备的设备位置变化信息，以及获取所述人脸活体检测设备中检测区域的人脸位置变化信息，包括：
接收所述人脸活体检测设备中陀螺仪传感器发送的所述人脸活体检测设备的旋转角速度，以及接收所述人脸活体检测设备中加速度传感器发送的所述人脸活体检测设备的平移加速度；
接收所述人脸活体检测设备中人脸检测器发送的所述检测区域中人脸的位置坐标变化速率，以及接收所述人脸检测器发送的所述检测区域中人脸的缩放比例；
汇总所述人脸活体检测设备的旋转角速度及平移加速度，得到设备位置变化信息，以及汇总所述检测区域中人脸的位置坐标变化速率及人脸的缩放比例，得到人脸位置变化信息。
3.如权利要求2中所述的人脸活体检测方法，其特征在于，所述根据所述设备位置变化信息及所述人脸位置变化信息计算第一活体分数，包括：
根据每隔预设时间间隔收集所述人脸活体检测设备的旋转角速度及所述检测区域中人脸的位置坐标变化速率，得到角速度曲线及坐标变化曲线；
根据每隔所述预设时间间隔收集的所述人脸活体检测设备的平移加速度及所述检测区域中人脸的缩放比例，得到平移加速度曲线及缩放比例曲线；
根据所述角速度曲线及坐标变化曲线的正相关关系，得到坐标检测分数，以及根据所述平移加速度曲线及缩放比例曲线的正相关关系，得到缩放检测分数；
对所述坐标检测分数集及所述缩放检测分数执行加权计算，得到所述第一活体分数。
4.如权利要求3所述的人脸活体检测方法，其特征在于，所述根据所述角速度曲线及坐标变化曲线的正相关关系，得到坐标检测分数，包括：
计算所述角速度曲线及所述坐标变化曲线中具有正相关关系的时间段与整个时间段的比例；
获取预设的阈值范围，输出所述比例落入的所述阈值范围的子阈值范围对应的数值作为所述坐标检测分数。
5.如权利要求1所述的人脸活体检测方法，其特征在于，所述基于所述第一活体分数，向用户发送人脸活体检测指定的动作，接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，根据所述人脸动作的完成度计算第二活体分数，包括：
判断所述第一活体分数是否大于等于预设的第一阈值；
若所述第一活体分数小于所述第一阈值，则返回所述获取人脸活体检测设备的设备位置变化信息的步骤；
若所述第一活体分数大于等于所述第一阈值，选取预设个数的人脸活体检测指定的动作发送至用户；
接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，并利用所述人脸检测器输出所述人脸动作的第二活体分数。
6.如权利要求5所述的人脸活体检测方法，其特征在于，所述基于所述第二活体分数，利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，包括：
若所述第二活体分数小于预设的第二阈值，重新选取预设个数的人脸活体检测指定的动作发送至用户，并重新执行所述接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，并利用所述人脸检测器输出所述人脸动作的第二活体分数的步骤；
若所述第二活体分数大于等于所述第二阈值，提取所述人脸活体视频中的人脸图像；
利用所述人脸活体检测模型中的特征提取模块提取所述人脸图像中的图像特征，得到特征图；
提取所述特征图中的峰值高响应部分，并对所述峰值高响应部分进行聚类处理，得到聚类图；
将所述聚类图进行归一化处理，得到标准特征图集，并输出所述标准特征图集中每个标准特征图的活体概率；
利用预设的平均公式对所述活体概率进行平均值计算，得到所述人脸活体检测结果。
7.如权利要求1所述的人脸活体检测方法，其特征在于，所述利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，得到人脸活体检测结果之前，所述方法还包括：
获取预构建的人脸视频训练集，利用预构建的分类模型对所述人脸视频训练集中的人脸进行检测，得到人脸检测结果；
利用所述人脸检测结果及所述人脸视频训练集中的真实人脸数据进行损失值计算，得到损失值；
当所述损失值大于等于预设的损失阈值时，调整所述分类模型的参数，并返回所述利用预构建的分类模型对所述人脸视频训练集中的人脸进行检测的步骤，直至所述损失值小于所述损失阈值时，得到所述人脸活体检测模型。
8.一种人脸活体检测装置，其特征在于，所述装置包括：
位置变化信息获取模块，用于获取人脸活体检测设备的设备位置变化信息，以及获取所述人脸活体检测设备中检测区域的人脸位置变化信息；
位置活体检测模块，用于根据所述设备位置变化信息及所述人脸位置变化信息计算第一活体分数；
策略活体检测模块，用于基于所述第一活体分数，向用户发送人脸活体检测指定的动作，接收用户基于所述人脸活体检测指定的动作反馈的人脸动作，根据所述人脸动作的完成度计算第二活体分数；
人脸活体检测模块，用于基于所述第二活体分数，利用预构建的人脸活体检测模型对所述人脸活体检测设备收集的人脸活体视频进行活体检测，得到人脸活体检测结果。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的人脸活体检测方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的人脸活体检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111148138.2A CN113869218B (zh) | 2021-09-29 | 2021-09-29 | 人脸活体检测方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111148138.2A CN113869218B (zh) | 2021-09-29 | 2021-09-29 | 人脸活体检测方法、装置、电子设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113869218A true CN113869218A (zh) | 2021-12-31 |
| CN113869218B CN113869218B (zh) | 2024-05-24 |
Family
ID=78992242
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111148138.2A Active CN113869218B (zh) | 2021-09-29 | 2021-09-29 | 人脸活体检测方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113869218B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115294320A (zh) * | 2022-10-08 | 2022-11-04 | 平安银行股份有限公司 | 图像旋转角度的确定方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100007317A (ko) * | 2008-07-14 | 2010-01-22 | 주식회사 유니온커뮤니티 | 생체지문 판단장치 및 그 판단방법 |
| CN107368769A (zh) * | 2016-05-11 | 2017-11-21 | 北京市商汤科技开发有限公司 | 人脸活体检测方法、装置及电子设备 |
| US20190095701A1 (en) * | 2017-09-27 | 2019-03-28 | Lenovo (Beijing) Co., Ltd. | Living-body detection method, device and storage medium |
| US20190362130A1 (en) * | 2015-02-06 | 2019-11-28 | Veridium Ip Limited | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices |
| CN112507934A (zh) * | 2020-12-16 | 2021-03-16 | 平安银行股份有限公司 | 活体检测方法、装置、电子设备及存储介质 |
-
2021
- 2021-09-29 CN CN202111148138.2A patent/CN113869218B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100007317A (ko) * | 2008-07-14 | 2010-01-22 | 주식회사 유니온커뮤니티 | 생체지문 판단장치 및 그 판단방법 |
| US20190362130A1 (en) * | 2015-02-06 | 2019-11-28 | Veridium Ip Limited | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices |
| CN107368769A (zh) * | 2016-05-11 | 2017-11-21 | 北京市商汤科技开发有限公司 | 人脸活体检测方法、装置及电子设备 |
| US20190095701A1 (en) * | 2017-09-27 | 2019-03-28 | Lenovo (Beijing) Co., Ltd. | Living-body detection method, device and storage medium |
| CN112507934A (zh) * | 2020-12-16 | 2021-03-16 | 平安银行股份有限公司 | 活体检测方法、装置、电子设备及存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115294320A (zh) * | 2022-10-08 | 2022-11-04 | 平安银行股份有限公司 | 图像旋转角度的确定方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113869218B (zh) | 2024-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112446919B (zh) | 物***姿估计方法、装置、电子设备及计算机存储介质 | |
| CN112446025A (zh) | 联邦学习防御方法、装置、电子设备及存储介质 | |
| CN112507934A (zh) | 活体检测方法、装置、电子设备及存储介质 | |
| CN112052850A (zh) | 车牌识别方法、装置、电子设备及存储介质 | |
| CN111476225B (zh) | 基于人工智能的车内人脸识别方法、装置、设备及介质 | |
| CN113705469A (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
| CN113705462A (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
| CN112651342A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
| CN111898538A (zh) | 证件鉴伪方法、装置、电子设备及存储介质 | |
| CN113887408B (zh) | 活化人脸视频的检测方法、装置、设备及存储介质 | |
| CN112634017A (zh) | 远程开卡激活方法、装置、电子设备及计算机存储介质 | |
| CN115471775A (zh) | 基于录屏视频的信息验证方法、装置、设备及存储介质 | |
| CN116778527A (zh) | 人体模型构建方法、装置、设备及存储介质 | |
| CN114913371A (zh) | 多任务学习模型训练方法、装置、电子设备及存储介质 | |
| CN114639152A (zh) | 基于人脸识别的多模态语音交互方法、装置、设备及介质 | |
| CN112528903B (zh) | 人脸图像获取方法、装置、电子设备及介质 | |
| CN113869218B (zh) | 人脸活体检测方法、装置、电子设备及可读存储介质 | |
| CN113723280A (zh) | 基于静态人脸的对抗样本检测方法、装置、设备、介质 | |
| CN112101191A (zh) | 基于边框注意力网络的表情识别方法、装置、设备及介质 | |
| CN112528265A (zh) | 基于在线会议的身份识别方法、装置、设备及介质 | |
| CN112329666A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
| CN113255456B (zh) | 非主动活体检测方法、装置、电子设备及存储介质 | |
| CN114973374A (zh) | 基于表情的风险评测方法、装置、设备及存储介质 | |
| CN114882420A (zh) | 接待人数统计方法、装置、电子设备及可读存储介质 | |
| CN115346095A (zh) | 视觉问答方法、装置、设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |