CN114973426B - 活体检测方法、装置及设备 - Google Patents
活体检测方法、装置及设备 Download PDFInfo
- Publication number
- CN114973426B CN114973426B CN202110619560.5A CN202110619560A CN114973426B CN 114973426 B CN114973426 B CN 114973426B CN 202110619560 A CN202110619560 A CN 202110619560A CN 114973426 B CN114973426 B CN 114973426B
- Authority
- CN
- China
- Prior art keywords
- video
- living body
- detection
- processed
- target
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种活体检测方法、装置及设备,该方法包括:获取包含用户指定动作的待处理视频;其中,指定动作为用户根据动作提示所做的动作;根据待处理视频的对比度和亮度,确定目标视频;通过预先训练的活体识别模型对目标视频进行静态活体检测,得到活体识别模型输出的检测值,并根据检测值是否属于目标检测值范围来确定目标视频中的用户是否为活体;其中,目标检测值范围是根据目标视频的对比度和亮度对预设初始检测值范围进行调整得到的。
Description
技术领域
本发明涉及检测领域,尤其涉及一种活体检测方法、装置及设备。
背景技术
近年来,随着人脸识别技术的发展,“刷脸”可以应用的场景越来越多,例如刷脸支付、刷脸打卡签到、刷脸解锁电子设备、刷脸解锁门禁、刷脸认证办事等。而作为人脸识别技术中至关重要的一项技术,活体检测在辨别图像真伪、抵抗欺骗攻击,保护整个人脸识别***的安全性方面起着重要作用。
相关技术中,在活体检测的过程中,通常是通过摄像头采集视频图像,然后,直接根据摄像头采集到的视频图像进行活体检测。
由于相关技术过于依赖摄像头反馈的视频图像,一旦摄像头被攻击,例如攻击者将预先录制的视频图像替换摄像头采集的视频图像,则会导致活体检测失败或活体检测错误,给用户带来损失,安全性较低。此外,由于是直接基于摄像头采集到的视频图像来进行活体检测,而摄像头采集的视频图像容易受到外界因素的影响,因此,导致活体检测的准确性以及鲁棒性较低。
发明内容
本发明实施例提供一种活体检测方法、装置及设备,以解决相关技术活体检测技术安全性、准确性以及鲁棒性较低的问题。
为了解决上述技术问题,本发明是这样实现的:
第一方面,提供了一种活体检测方法,所述方法包括:
获取包含用户指定动作的待处理视频;其中,所述指定动作为用户根据动作提示所做的动作;
根据所述待处理视频的对比度和亮度,确定目标视频;
通过预先训练的活体识别模型对所述目标视频进行静态活体检测,得到所述活体识别模型输出的检测值,并根据所述检测值是否属于目标检测值范围来确定所述目标视频中的用户是否为活体;其中,所述目标检测值范围是根据所述目标视频的对比度和亮度对预设初始检测值范围进行调整得到的。
第二方面,提供了一种活体检测装置,所述装置包括:
获取模块,用于获取包含用户指定动作的待处理视频;其中,所述指定动作为用户根据动作提示所做的动作;
确定模块,用于根据所述待处理视频的对比度和亮度,确定目标视频;
检测模块,用于通过预先训练的活体识别模型对所述目标视频进行静态活体检测,得到所述活体识别模型输出的检测值,并根据所述检测值是否属于目标检测值范围来确定所述目标视频中的用户是否为活体;其中,所述目标检测值范围是根据所述目标视频的对比度和亮度对预设初始检测值范围进行调整得到的。
第三方面,提供了一种设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上述第一方面所述的方法的步骤。
第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的方法的步骤。
本发明实施例提供的上述至少一个技术方案可以达到如下技术效果:
在进行活体检测时,本发明实施例提供的技术方案可以基于包含用户指定动作的待处理视频进行活体检测,从而可以有效解决相关技术中因攻击者将预先录制的视频图像替换摄像头采集的视频图像而导致的活体检测失败的情况,提升安全性;此外,本发明实施例提供的技术方案还可以结合待处理视频的对比度和亮度来对待处理视频进行活体检测,由于考虑到了有可能会对活体检测结果造成影响的外接因素,因此,可以有效解决因未考虑外界因素导致的活体检测的准确性以及鲁棒性低的问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明一个实施例提供的活体检测方法的流程示意图;
图2为本发明一个实施例提供的活体检测装置200的模块组成示意图;
图3为本发明一个实施例提供的活体检测设备的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
以下结合附图,详细说明本发明各实施例提供的技术方案。
请参见图1,图1为本发明一个实施例提供的活体检测方法的流程示意图,如图1所示,该方法包括以下步骤:
步骤102:获取包含用户指定动作的待处理视频;其中,指定动作为用户根据动作提示所做的动作。
步骤104:根据待处理视频的对比度和亮度,确定目标视频。
步骤106:通过预先训练的活体识别模型对目标视频进行静态活体检测,得到活体识别模型输出的检测值,并根据检测值是否属于目标检测值范围来确定目标视频中的用户是否为活体;其中,目标检测值范围是根据目标视频的对比度和亮度对预设初始检测值范围进行调整得到的。
在本发明实施例中,可以先获取包含用户指定动作的待处理视频,其中,指定动作可以为用户根据动作提示所做的动作。
在一个实施例中,可以通过终端来向用户播放动作提示,其中,动作提示可以是从预先设置的多个动作提示中随机选取的一个或多个动作提示,如眨眼提示、摇头提示、点头提示等。在通过终端向用户播放动作提示后,可以通过终端的摄像头来拍摄用户根据动作提示所做的动作,得到包含用户指定动作的待处理视频。
需要说明的是,本发明实施例可以应用在终端上,也可以应用在与终端建立通信连接的设备上。当应用在终端上时,终端可以通过自身的扬声器或听筒或蓝牙等可输出声音的模块来向用户播放动作提示,以及通过自身的摄像头来拍摄包含用户指定动作的待处理处理;当应用在与终端建立通信连接的设备时,该设备可以通过调用终端的扬声器、听筒或摄像头等来向用户播放动作提示以及拍摄包含用户指定动作的待处理视频。
在获取包含用户指定动作的待处理视频后,可以根据待处理视频的对比度和亮度来确定目标视频。
在本发明的一个实施例中,可以先获取曝光程度值、对比度以及亮度之间的线性拟合关系。然后,根据曝光程度值、对比度以及亮度之间的线性拟合关系,和待处理视频的对比度和亮度,确定待处理视频的曝光程度值。
在确定待处理视频的曝光程度值后,可以确定待处理视频的曝光程度值是否属于预设的标准程度值范围,若待处理视频的曝光程度值属于预设的标准程度值范围,则将待处理视频确定为目标视频;若待处理视频的曝光程度值不属于预设的标准程度值范围,则提示用户更换视频拍摄角度和/或拍摄位置,得到更换视频拍摄角度和/或拍摄位置后的包含用户指定动作的待处理视频,返回至根据预先确定的曝光程度值、对比度以及亮度之间的线性拟合关系,和待处理视频的对比度和亮度,确定待处理视频的曝光程度值并重复执行,直到待处理视频的曝光程度值属于预设的标准程度值范围或重复执行次数达到预设次数阈值,将当前的待处理视频确定为目标视频。
在本发明实施例中,可以确定待处理视频的曝光程度值,并确定待处理视频的曝光程度值是否属于预设的标准程度值范围,其中,预设的标准程度值范围可以表征对应的视频或图像是正常曝光。因此,当待处理视频的曝光程度值不属于预设的标准程度值范围时,可以确定待处理视频曝光过度或曝光不足。此时,可以通过终端来引导用户调整拍摄角度和/或拍摄位置,以减少曝光过度或曝光不足对活体检测的影响。
在一个示例中,在通过终端来引导用户调整拍摄角度和/或拍摄位置时,可以通过终端的扬声器或听筒或蓝牙等可输出声音的模块来语音提示用户调整拍摄角度和/或拍摄位置。当然,也可以通过终端的屏幕来文字提示用户调整拍摄角度和/或拍摄位置。
在提示用户调整拍摄角度和/或拍摄位置后,可以通过终端来重新拍摄视频,此时,可以获取用户更换视频拍摄角度和/或拍摄位置后的包含用户指定动作的待处理视频。然后,可以获取当前拍摄的待处理视频,即用户更换视频拍摄角度和/或拍摄位置后的包含用户指定动作的待处理视频,的曝光程度值,并确定当前拍摄的待处理视频的曝光程度值是否属于预设的标准程度值范围。
若当前拍摄的待处理视频的曝光程度值属于预设的标准程度值范围,则可以将当前拍摄的待处理视频确定为目标视频;若当前拍摄的待处理视频的曝光程度值不属于预设的标准程度值范围,即当前拍摄的待处理视频曝光不足或曝光过度,则可以将再次提示用户更换视频拍摄角度和/或拍摄位置,然后,拍摄用户更换视频拍摄角度和/或拍摄位置后的包含用户指定动作的待处理视频,并判断当前拍摄的视频的曝光程度值是否属于预设的标准程度值范围,若不属于则继续提示用户更换视频拍摄角度和/或拍摄位置……,直到当前拍摄的待处理视频的曝光程度值属于预设的标准程度值范围或重复执行上述提示操作以及曝光程度值的确定操作的次数达到预设次数阈值,此时,可以将当前拍摄的待处理视频确定为目标视频。
需要说明的是,若在多次提醒用户调整拍摄角度和/或拍摄位置的情况下,拍摄的待处理视频的曝光程度值仍然不属于预设的标准程度值范围,则可以根据拍摄的待处理视频的视频环境来调整预设的标准程度值范围,并可以对后续的静态活体检测时使用的预设初始检测值范围进行适配。
在本发明的一个实施例中,在根据预先确定的曝光程度值、对比度以及亮度之间的线性拟合关系,和待处理视频的对比度和亮度,确定待处理视频的曝光程度值时,可以先识别待处理视频中用户的目标肤色类型,然后,可以根据目标肤色类型,来从预先确定的各肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系中,确定目标肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系,然后,根据目标肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系和待处理视频的对比度和亮度,确定待处理视频的曝光程度值。
在一个示例中,在确定的各肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系时,可以先获取不同肤色类型的人脸的数据集,其中,数据集可以是由多个图像组成的数据集,也可以是由多个视频组成的数据集。然后,根据肤色类型对数据集进行划分,得到多个子数据集,并进一步确定各子数据集中的人脸的对比度值范围、亮度值范围以及曝光程度值,对各子数据集中的人脸的对比度值范围、亮度值范围以及曝光程度值进行线性拟合,得到各肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系。
在本发明实施例中,肤色类型可以至少包括黑色、黄色以及白色。可以获取包含不同肤色类型的人脸的数据集,如获取多个包含黑色的人脸的数据集、多个包含黄色的人脸的数据集以及多个包含白色的人脸的数据集。然后,可以根据肤色类型对数据集进行划分,并分别计算所有数据集的对比度和亮度。在得到数据集的对比度和亮度,可以对不同肤色类型的数据集进行对比度、亮度的平均,获得不同肤色类型的数据集对应的对比度以及亮度的分布范围。
然后,对数据集中的每个图像或视频进行曝光程度值的标注,以标注的曝光程度值来表征对应的图像或视频是曝光过度、曝光正常还是曝光不足。在标注完成后,可以对每个图像或视频的曝光程度值,以及对比度和亮度进行线性拟合,得到各肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系。
在一个示例中,曝光程度值、对比度以及亮度之间的线性拟合关系可以为:
y=ax1+bx2+c 公式1
其中,y可以为曝光程度值,x1和x2可以为对比度和亮度,a、b、c可以为线性拟合方程中的系数。
在本发明的一个实施例中,在得到目标视频后,可以通过预先训练的活体识别模型对目标视频进行静态活体检测,得到活体识别模型输出的检测值,并根据检测值是否属于目标检测值范围来确定目标视频中的用户是否为活体;其中,目标检测值范围是根据目标视频的对比度和亮度对预设初始检测值范围进行调整得到的。
在一个实施例中,可以先获取目标检测值范围,其中,在获取目标检测值范围时,可以先获取训练完成的活体检测模型。
在一个示例中,训练完成的活体检测模型可以是根据训练样本训练完成的,其中,训练样本可以至少包括训练视频以及用于标识训练视频中的用户是否为活体的检测值。该检测值可以是由相关人员根据训练视频的内容来进行标注的。
在一个示例中,活体检测模型可以为基于训练视频中的人脸特征训练的SVM(Support Vector Machine,支持向量机)模型。
在得到训练完成的活体识别模型后,可以先向活体识别模型输入不同曝光程度值的指定视频,得到活体识别模型输出的不同曝光程度值的指定视频对应的检测值(为了与后续活体识别模型输出的与目标视频对应的检测值进行区分,下述将根据曝光程度值得到的检测值称为预测值),其中,指定视频中的用户都为活体或都不为活体。然后,可以对指定视频的曝光程度值,以及指定视频的曝光程度值对应的预测值进行线性拟合,得到曝光程度值以及预测值的线性拟合关系。
在一个示例中,曝光程度值以及预测值的线性拟合关系可以为:
t=my+n 公式2
其中,t可以为预测值,y可以为公式1所示的曝光度方程,m和n可以为线性拟合方式中的系数。
在得到曝光程度值以及预测值的线性拟合关系后,可以根据曝光程度值以及预测值的线性拟合关系,以及目标视频的曝光程度值,对活体识别模型的预设初始检测值范围进行调整,得到目标检测值范围。
在得到目标检测值范围后,可以将目标视频输入到训练完成的活体识别模型中,并得到活体识别模型输出的检测值,然后,可以根据活体识别模型输出的检测值是否属于目标检测值范围来确定目标视频中的用户是否为活体。
在一个示例中,当活体识别模型输出的检测值不属于目标检测值范围时,可以确定目标视频中的用户不为活体;当活体识别模型输出的检测值属于目标检测值范围时,可以确定目标视频中的用户为活体。
在本发明实施例中,在根据检测值是否属于目标检测值范围来确定目标视频中的用户是否为活体之后,还可以确定整个活体检测过程针对的是同一用户,即在判定用户为真人的情况下进一步确定用户是否是本人。
在一个实施例中,可以从待处理视频以及目标视频中获取至少两帧包含人脸的图像,并提取各帧包含人脸的图像中的人脸特征,然后,根据提取的人脸特征,来确定至少两帧包含人脸的图像中的人脸是否来自于同一用户。
在本发明实施例中,可以从活体检测流程中的每一个包含用户指定动作的视频中都随机截取一张人脸图片,然后从人脸图片中提取人脸特征,进行不同人脸图片的特征比对,确保所截取的人脸图片为同一人,人脸特征比对可以使用深度模型如FaceNet实现。本发明实施例中,判定是否为同一人的操作可提高活体检测***安全性。
在本发明的一个实施例中,在对目标视频进行静态活体检测之前,还可以对目标视频进行动态活体检测,其中,动态活体检测可以至少包括以下之一:人脸关键点检测、连续帧动作检测、摇头检测、张嘴检测、点头检测、眨眼检测、人脸位置检测。
在本发明实施例中,动态活体检测需要用户根据动作提示完成特定动作,如上述所示的摇头动作、张嘴动作等,然后通过动作完成度来判断用户是否为真人。
在进行活体检测时,本发明实施例提供的技术方案可以基于包含用户指定动作的待处理视频进行活体检测,从而可以有效解决相关技术中因攻击者将预先录制的视频图像替换摄像头采集的视频图像而导致的活体检测失败的情况,提升安全性;此外,本发明实施例提供的技术方案还可以结合待处理视频的对比度和亮度来对待处理视频进行活体检测,由于考虑到了有可能会对活体检测结果造成影响的外接因素,因此,可以有效解决因未考虑外界因素导致的活体检测的准确性以及鲁棒性低的问题。
对应上述活体检测方法,本发明实施例还提供了一种活体检测装置,图2为本发明实施例提供的活体检测模块200组成示意图,如图2所示,该活体检测装置200包括:
第一获取模块201,用于获取包含用户指定动作的待处理视频;其中,所述指定动作为用户根据动作提示所做的动作;
第一确定模块202,用于根据所述待处理视频的对比度和亮度,确定目标视频;
检测模块203,用于通过预先训练的活体识别模型对所述目标视频进行静态活体检测,得到所述活体识别模型输出的检测值,并根据所述检测值是否属于目标检测值范围来确定所述目标视频中的用户是否为活体;其中,所述目标检测值范围是根据所述目标视频的对比度和亮度对预设初始检测值范围进行调整得到的。
可选的,所述第一确定模块202用于:
根据预先确定的曝光程度值、对比度以及亮度之间的线性拟合关系,和所述待处理视频的对比度和亮度,确定所述待处理视频的曝光程度值;
确定所述待处理视频的曝光程度值是否属于预设的标准程度值范围;
若所述待处理视频的曝光程度值属于预设的标准程度值范围,则将所述待处理视频确定为目标视频;
若所述待处理视频的曝光程度值不属于预设的标准程度值范围,则提示用户更换视频拍摄角度和/或拍摄位置,得到更换视频拍摄角度和/或拍摄位置后的包含用户指定动作的待处理视频,返回至根据预先确定的曝光程度值、对比度以及亮度之间的线性拟合关系,和所述待处理视频的对比度和亮度,确定所述待处理视频的曝光程度值并重复执行,直到所述待处理视频的曝光程度值属于预设的标准程度值范围或重复执行次数达到预设次数阈值,将当前的待处理视频确定为目标视频。
可选的,所述第一确定模块202进一步用于:
识别所述待处理视频中用户的目标肤色类型;
根据所述目标肤色类型,从预先确定的各肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系中,确定所述目标肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系;
根据所述目标肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系和所述待处理视频的对比度和亮度,确定所述待处理视频的曝光程度值。
可选的,所述装置200还包括(图2中未示出):
第二获取模块204,用于在所述根据所述目标肤色类型,从预先确定的各肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系中,确定所述目标肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系之前,获取包括不同肤色类型的人脸的数据集;
划分模块205,用于根据肤色类型对所述数据集进行划分,得到多个子数据集;
第二确定模块206,用于确定各子数据集中人脸的对比度值范围、亮度值范围以及曝光程度值;
第三确定模块207,用于对各子数据集中的人脸的对比度值范围、亮度值范围以及曝光程度值进行线性拟合,得到各肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系。
可选的,所述装置200还包括(图2中未示出):
第三获取模块208,用于在所述根据所述检测值是否属于目标检测值范围来确定所述目标视频中的用户是否为活体之前,向所述活体识别模型输入不同曝光程度值的指定视频,获取所述活体识别模型输出的不同曝光程度值对应的预测值;其中,所述指定视频中的用户都为活体或都不为活体;
第四获取模块209,用于对所述指定视频的曝光程度值以及所述指定视频的曝光程度值对应的预测值进行线性拟合,获取曝光程度值以及预测值的线性拟合关系;
第五获取模块210,用于根据所述曝光程度值以及预测值的线性拟合关系,以及所述目标视频的曝光程度值,对所述活体识别模型的预设初始检测值范围进行调整,获取目标检测值范围;其中,所述训练样本至少包括训练视频以及用于标识所述训练视频中的用户是否为活体的检测值。
可选的,所述装置200还包括(图2中未示出):
第六获取模块211,用于在所述根据所述检测值是否属于目标检测值范围来确定所述目标视频中的用户是否为活体之后,从所述待处理视频以及目标视频中获取至少两帧包含人脸的图像;
提取模块212,用于提取各帧包含人脸的图像中的人脸特征;
第三确定模块213,用于根据提取的人脸特征,确定所述至少两帧包含人脸的图像中的人脸是否来自于同一用户。
可选的,所述检测模块203用于:
对所述目标视频进行动态活体检测;其中,所述动态活体检测至少包括以下之一:人脸关键点检测、连续帧动作检测、摇头检测、张嘴检测、点头检测、眨眼检测、人脸位置检测;
在所述目标视频通过所述动态活体检测后,通过预先训练的活体识别模型对所述目标视频进行静态活体检测,得到所述活体识别模型输出的检测值。
在进行活体检测时,本发明实施例提供的技术方案可以基于包含用户指定动作的待处理视频进行活体检测,从而可以有效解决相关技术中因攻击者将预先录制的视频图像替换摄像头采集的视频图像而导致的活体检测失败的情况,提升安全性;此外,本发明实施例提供的技术方案还可以结合待处理视频的对比度和亮度来对待处理视频进行活体检测,由于考虑到了有可能会对活体检测结果造成影响的外接因素,因此,可以有效解决因未考虑外界因素导致的活体检测的准确性以及鲁棒性低的问题。
对应上述活体检测方法,本发明实施例还提供了一种活体检测设备,图3为本发明一个实施例提供的活体检测设备的硬件结构示意图。
该活体检测设备可以为上述实施例提供的用于检测活体的终端设备或服务器等。
活体检测设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器301和存储器302,存储器302中可以存储有一个或一个以上存储应用程序或数据。其中,存储器302可以是短暂存储或持久存储。存储在存储器302的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对活体检测设备中的一系列计算机可执行指令。更进一步地,处理器301可以设置为与存储器302通信,在活体检测设备上执行存储器302中的一系列计算机可执行指令。活体检测设备还可以包括一个或一个以上电源303,一个或一个以上有线或无线网络接口304,一个或一个以上输入输出接口305,一个或一个以上键盘306。
具体在本实施例中,活体检测设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对活体检测设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行上述实施例。
在进行活体检测时,本发明实施例提供的技术方案可以基于包含用户指定动作的待处理视频进行活体检测,从而可以有效解决相关技术中因攻击者将预先录制的视频图像替换摄像头采集的视频图像而导致的活体检测失败的情况,提升安全性;此外,本发明实施例提供的技术方案还可以结合待处理视频的对比度和亮度来对待处理视频进行活体检测,由于考虑到了有可能会对活体检测结果造成影响的外接因素,因此,可以有效解决因未考虑外界因素导致的活体检测的准确性以及鲁棒性低的问题。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本发明的实施例可提供为方法、***或计算机程序产品。因此,本发明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,本发明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。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
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***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。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种活体检测方法,其特征在于,所述方法包括:
获取包含用户指定动作的待处理视频;其中,所述指定动作为用户根据动作提示所做的动作;
根据所述待处理视频的对比度和亮度,确定目标视频;
通过预先训练的活体识别模型对所述目标视频进行静态活体检测,得到所述活体识别模型输出的检测值,并根据所述检测值是否属于目标检测值范围来确定所述目标视频中的用户是否为活体;其中,所述目标检测值范围是根据所述目标视频的对比度和亮度对预设初始检测值范围进行调整得到的。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待处理视频的对比度和亮度,确定目标视频,包括:
根据预先确定的曝光程度值、对比度以及亮度之间的线性拟合关系,和所述待处理视频的对比度和亮度,确定所述待处理视频的曝光程度值;
确定所述待处理视频的曝光程度值是否属于预设的标准程度值范围;
若所述待处理视频的曝光程度值属于预设的标准程度值范围,则将所述待处理视频确定为目标视频;
若所述待处理视频的曝光程度值不属于预设的标准程度值范围,则提示用户更换视频拍摄角度和/或拍摄位置,得到更换视频拍摄角度和/或拍摄位置后的包含用户指定动作的待处理视频,返回至根据预先确定的曝光程度值、对比度以及亮度之间的线性拟合关系,和所述待处理视频的对比度和亮度,确定所述待处理视频的曝光程度值并重复执行,直到所述待处理视频的曝光程度值属于预设的标准程度值范围或重复执行次数达到预设次数阈值,将当前的待处理视频确定为目标视频。
3.根据权利要求2所述的方法,其特征在于,所述根据预先确定的曝光程度值、对比度以及亮度之间的线性拟合关系,和所述待处理视频的对比度和亮度,确定所述待处理视频的曝光程度值,包括:
识别所述待处理视频中用户的目标肤色类型;
根据所述目标肤色类型,从预先确定的各肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系中,确定所述目标肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系;
根据所述目标肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系和所述待处理视频的对比度和亮度,确定所述待处理视频的曝光程度值。
4.根据权利要求3所述的方法,其特征在于,在所述根据所述目标肤色类型,从预先确定的各肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系中,确定所述目标肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系之前,所述方法还包括:
获取包括不同肤色类型的人脸的数据集;
根据肤色类型对所述数据集进行划分,得到多个子数据集;
确定各子数据集中人脸的对比度值范围、亮度值范围以及曝光程度值;
对各子数据集中的人脸的对比度值范围、亮度值范围以及曝光程度值进行线性拟合,得到各肤色类型对应的曝光程度值、对比度以及亮度之间的线性拟合关系。
5.根据权利要求2所述的方法,其特征在于,在所述根据所述检测值是否属于目标检测值范围来确定所述目标视频中的用户是否为活体之前,所述方法还包括:
向所述活体识别模型输入不同曝光程度值的指定视频,获取所述活体识别模型输出的不同曝光程度值对应的预测值;其中,所述指定视频中的用户都为活体或都不为活体;
对所述指定视频的曝光程度值以及所述指定视频的曝光程度值对应的预测值进行线性拟合,获取曝光程度值以及预测值的线性拟合关系;
根据所述曝光程度值以及预测值的线性拟合关系,以及所述目标视频的曝光程度值,对所述活体识别模型的预设初始检测值范围进行调整,获取目标检测值范围;其中,所述活体识别模型是根据训练样本训练完成的,所述训练样本至少包括训练视频以及用于标识所述训练视频中的用户是否为活体的检测值。
6.根据权利要求1所述的方法,其特征在于,在所述根据所述检测值是否属于目标检测值范围来确定所述目标视频中的用户是否为活体之后,所述方法还包括:
从所述待处理视频以及目标视频中获取至少两帧包含人脸的图像;
提取各帧包含人脸的图像中的人脸特征;
根据提取的人脸特征,确定所述至少两帧包含人脸的图像中的人脸是否来自于同一用户。
7.根据权利要求1至6任一所述的方法,其特征在于,所述通过预先训练的活体识别模型对所述目标视频进行静态活体检测,得到所述活体识别模型输出的检测值,包括:
对所述目标视频进行动态活体检测;其中,所述动态活体检测至少包括以下之一:人脸关键点检测、连续帧动作检测、摇头检测、张嘴检测、点头检测、眨眼检测、人脸位置检测;
在所述目标视频通过所述动态活体检测后,通过预先训练的活体识别模型对所述目标视频进行静态活体检测,得到所述活体识别模型输出的检测值。
8.一种活体检测装置,其特征在于,所述装置包括:
第一获取模块,用于获取包含用户指定动作的待处理视频;其中,所述指定动作为用户根据动作提示所做的动作;
第一确定模块,用于根据所述待处理视频的对比度和亮度,确定目标视频;
检测模块,用于通过预先训练的活体识别模型对所述目标视频进行静态活体检测,得到所述活体识别模型输出的检测值,并根据所述检测值是否属于目标检测值范围来确定所述目标视频中的用户是否为活体;其中,所述目标检测值范围是根据所述目标视频的对比度和亮度对预设初始检测值范围进行调整得到的。
9.一种活体检测设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110619560.5A CN114973426B (zh) | 2021-06-03 | 2021-06-03 | 活体检测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110619560.5A CN114973426B (zh) | 2021-06-03 | 2021-06-03 | 活体检测方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114973426A CN114973426A (zh) | 2022-08-30 |
CN114973426B true CN114973426B (zh) | 2023-08-15 |
Family
ID=82974216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110619560.5A Active CN114973426B (zh) | 2021-06-03 | 2021-06-03 | 活体检测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114973426B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718863A (zh) * | 2016-01-15 | 2016-06-29 | 北京海鑫科金高科技股份有限公司 | 一种人脸活体检测方法、装置及*** |
CN105912986A (zh) * | 2016-04-01 | 2016-08-31 | 北京旷视科技有限公司 | 活体检测方法、活体检测***以及计算机程序产品 |
CN107423699A (zh) * | 2017-07-14 | 2017-12-01 | 广东欧珀移动通信有限公司 | 活体检测方法及相关产品 |
CN110119719A (zh) * | 2019-05-15 | 2019-08-13 | 深圳前海微众银行股份有限公司 | 活体检测方法、装置、设备及计算机可读存储介质 |
CN110516644A (zh) * | 2019-08-30 | 2019-11-29 | 深圳前海微众银行股份有限公司 | 一种活体检测方法及装置 |
CN110991249A (zh) * | 2019-11-04 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 人脸检测方法、装置、电子设备及介质 |
CN111079688A (zh) * | 2019-12-27 | 2020-04-28 | 中国电子科技集团公司第十五研究所 | 一种人脸识别中的基于红外图像的活体检测的方法 |
CN111160235A (zh) * | 2019-12-27 | 2020-05-15 | 联想(北京)有限公司 | 活体检测方法、装置及电子设备 |
CN111368601A (zh) * | 2018-12-26 | 2020-07-03 | 北京市商汤科技开发有限公司 | 活体检测方法和装置、电子设备和计算机可读存储介质 |
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 |
CN111738161A (zh) * | 2020-06-23 | 2020-10-02 | 支付宝实验室(新加坡)有限公司 | 一种活体检测方法、装置及电子设备 |
CN111914626A (zh) * | 2020-06-18 | 2020-11-10 | 北京迈格威科技有限公司 | 活体识别/阈值调节方法、装置、电子设备及存储介质 |
CN112836625A (zh) * | 2021-01-29 | 2021-05-25 | 汉王科技股份有限公司 | 人脸活体检测方法、装置、电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2711912A4 (en) * | 2011-09-28 | 2015-04-22 | Honda Motor Co Ltd | BIOMETRIC DEVICE |
EP3270354B1 (en) * | 2015-03-13 | 2022-10-26 | Nec Corporation | Living body detection device, living body detection method, and recording medium |
-
2021
- 2021-06-03 CN CN202110619560.5A patent/CN114973426B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718863A (zh) * | 2016-01-15 | 2016-06-29 | 北京海鑫科金高科技股份有限公司 | 一种人脸活体检测方法、装置及*** |
CN105912986A (zh) * | 2016-04-01 | 2016-08-31 | 北京旷视科技有限公司 | 活体检测方法、活体检测***以及计算机程序产品 |
CN107423699A (zh) * | 2017-07-14 | 2017-12-01 | 广东欧珀移动通信有限公司 | 活体检测方法及相关产品 |
CN111368601A (zh) * | 2018-12-26 | 2020-07-03 | 北京市商汤科技开发有限公司 | 活体检测方法和装置、电子设备和计算机可读存储介质 |
CN110119719A (zh) * | 2019-05-15 | 2019-08-13 | 深圳前海微众银行股份有限公司 | 活体检测方法、装置、设备及计算机可读存储介质 |
CN110516644A (zh) * | 2019-08-30 | 2019-11-29 | 深圳前海微众银行股份有限公司 | 一种活体检测方法及装置 |
CN110991249A (zh) * | 2019-11-04 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 人脸检测方法、装置、电子设备及介质 |
CN111079688A (zh) * | 2019-12-27 | 2020-04-28 | 中国电子科技集团公司第十五研究所 | 一种人脸识别中的基于红外图像的活体检测的方法 |
CN111160235A (zh) * | 2019-12-27 | 2020-05-15 | 联想(北京)有限公司 | 活体检测方法、装置及电子设备 |
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 |
CN111914626A (zh) * | 2020-06-18 | 2020-11-10 | 北京迈格威科技有限公司 | 活体识别/阈值调节方法、装置、电子设备及存储介质 |
CN111738161A (zh) * | 2020-06-23 | 2020-10-02 | 支付宝实验室(新加坡)有限公司 | 一种活体检测方法、装置及电子设备 |
CN112836625A (zh) * | 2021-01-29 | 2021-05-25 | 汉王科技股份有限公司 | 人脸活体检测方法、装置、电子设备 |
Non-Patent Citations (1)
Title |
---|
Face anti-spoofing algorithm combined with CNN and brightness equalization;CAI Pei et al.;中南大学学报(英文版)(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114973426A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111553333B (zh) | 人脸图像识别模型训练方法、识别方法、装置和电子设备 | |
WO2016003299A1 (en) | Replay attack detection in automatic speaker verification systems | |
CN111292734B (zh) | 一种语音交互方法和装置 | |
EP2998960A1 (en) | Method and device for video browsing | |
CN111753275B (zh) | 基于图像的用户隐私保护方法、装置、设备和存储介质 | |
CN110072047B (zh) | 图像形变的控制方法、装置和硬件装置 | |
CN112417414A (zh) | 一种基于属性脱敏的隐私保护方法、装置以及设备 | |
CN105430269B (zh) | 一种应用于移动终端的拍照方法及装置 | |
CN111091112B (zh) | 活体检测方法及装置 | |
WO2020018338A1 (en) | Image acquisition method, apparatus, system, device and medium | |
CN111340014A (zh) | 活体检测方法、装置、设备和存储介质 | |
CN107977636B (zh) | 人脸检测方法及装置、终端、存储介质 | |
CN111160251A (zh) | 一种活体识别方法及装置 | |
CN113313026B (zh) | 一种基于隐私保护的人脸识别交互方法、装置以及设备 | |
CN114973426B (zh) | 活体检测方法、装置及设备 | |
CN112911373B (zh) | 视频字幕的生成方法、装置、设备和存储介质 | |
CN111652074B (zh) | 一种人脸识别方法、装置、设备及介质 | |
CN114549823A (zh) | 图像采集提醒处理方法及装置 | |
EP3073747A1 (en) | Method and device for adapting an audio level of a video | |
CN111291685A (zh) | 人脸检测模型的训练方法及装置 | |
CN117523323B (zh) | 一种生成图像的检测方法及装置 | |
CN116844553B (zh) | 数据处理方法、装置及设备 | |
US20170068848A1 (en) | Display control apparatus, display control method, and computer program product | |
CN112950732B (zh) | 一种图像生成方法、装置、存储介质及电子设备 | |
CN117972436B (zh) | 大语言模型的训练方法、训练装置、存储介质及电子设备 |
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 |