TW202109358A - 活體檢測方法、電子設備和儲存介質 - Google Patents

活體檢測方法、電子設備和儲存介質 Download PDF

Info

Publication number
TW202109358A
TW202109358A TW109119701A TW109119701A TW202109358A TW 202109358 A TW202109358 A TW 202109358A TW 109119701 A TW109119701 A TW 109119701A TW 109119701 A TW109119701 A TW 109119701A TW 202109358 A TW202109358 A TW 202109358A
Authority
TW
Taiwan
Prior art keywords
image
sub
face
camera
living body
Prior art date
Application number
TW109119701A
Other languages
English (en)
Inventor
趙宏斌
蔣文忠
劉毅
胡斯婷
李均強
Original Assignee
大陸商深圳市商湯科技有限公司
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 大陸商深圳市商湯科技有限公司 filed Critical 大陸商深圳市商湯科技有限公司
Publication of TW202109358A publication Critical patent/TW202109358A/zh

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
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • 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
    • G06V10/58—Extraction of image or video features relating to hyperspectral data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • 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
    • G06V40/10—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
    • 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)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申請關於一種活體檢測方法、電子設備和儲存介質，其中，所述方法包括：獲取第一攝影頭採集的第一圖像，並對所述第一圖像執行人臉檢測處理；在檢測到所述第一圖像中包含人臉的情況下，獲取第二攝影頭採集的第二圖像，所述第一攝影頭和第二攝影頭的類型不同；對所述第二圖像執行人臉檢測處理，在檢測到所述第二圖像中包含人臉的情況下，基於所述第一圖像中檢測到的人臉和第二圖像中檢測到的人臉的匹配結果，得到活體檢測結果。

Description

活體檢測方法、電子設備和儲存介質
本申請實施例關於電腦視覺技術領域，尤其關於一種活體檢測方法、電子設備和儲存介質。
目前，人臉識別技術已經得到了大範圍的應用，在日常生活中，如帳戶註冊、身份認證等方面均可以使用人臉識別，隨之而來的，由於非活體對人臉識別的攻擊性，活體檢測成為了近年研究技術的熱點。
現有的活體檢測通常僅使用單一攝影頭採集的圖像，執行活體特徵的檢測，該方法檢測精度不高。
本申請實施例提出了一種活體檢測方法、電子設備和儲存介質。
本申請實施例提供了一種活體檢測方法，其包括： 獲取第一攝影頭採集的第一圖像，並對所述第一圖像執行人臉檢測處理； 在檢測到所述第一圖像中包含人臉的情況下，獲取第二攝影頭採集的第二圖像，所述第一攝影頭和第二攝影頭的類型不同； 對所述第二圖像執行人臉檢測處理，在檢測到所述第二圖像中包含人臉的情況下，基於所述第一圖像中檢測到的人臉和第二圖像中檢測到的人臉的匹配結果，得到活體檢測結果。
在一些實施例中，所述獲取第二攝影頭採集的第二圖像包括以下方式中的至少一種： 獲取在第一攝影頭採集第一圖像的情況下，通過所述第二攝影頭採集的第二圖像； 獲取在檢測到所述第一圖像中包含人臉的情況下，通過所述第二攝影頭採集的第二圖像。
在一些實施例中，所述方法還包括： 回應於在所述第二圖像中未檢測到人臉，確定所述第一圖像中的人臉為非活體。
在一些實施例中，所述基於所述第一圖像中檢測到的人臉和第二圖像中檢測到的人臉的匹配結果，得到活體檢測結果，包括： 獲取所述第一圖像中滿足預設條件的人臉對應的第一子圖像； 將所述第一子圖像與所述第二圖像中檢測到的人臉對應的第二子圖像進行比對，確定與所述第一子圖像匹配的第二子圖像； 將所述第一子圖像以及與所述第一子圖像匹配的第二子圖像輸入至活體檢測神經網路，得到所述第一子圖像中的人臉的活體檢測結果。
在一些實施例中，所述獲取所述第一圖像中滿足預設條件的人臉對應的第一子圖像，包括： 基於第一圖像中各人臉的位置資訊，獲得面積最大的人臉對應的第一子圖像。
在一些實施例中，所述將所述第一子圖像與所述第二圖像中檢測到的人臉對應的第二子圖像進行比對，確定與所述第一子圖像匹配的第二子圖像，包括： 對所述第一子圖像以及第二子圖像執行特徵提取，獲得所述第一子圖像的第一人臉特徵，以及所述第二子圖像的第二人臉特徵； 獲得所述第一人臉特徵與第二人臉特徵之間的相似度； 回應於存在第二人臉特徵與所述第一人臉特徵之間的相似度大於第一閾值，確定與第一人臉特徵之間的相似度最高的第二人臉特徵對應的第二子圖像與所述第一人臉特徵對應的第一子圖像匹配。
在一些實施例中，所述將所述第一子圖像與所述第二圖像中檢測到的人臉對應的第二子圖像進行比對，確定與所述第一子圖像匹配的第二子圖像，包括： 獲取所述第一子圖像在所述第一圖像中的第一位置與所述第二子圖像在所述第二圖像中的第二位置之間的距離； 回應於任一第二子圖像的第二位置與所述第一子圖像的第一位置之間的距離小於距離閾值，確定所述任一子圖像與所述第一子圖像匹配。
在一些實施例中，所述在檢測到所述第二圖像中包含人臉的情況下，基於所述第一圖像中檢測到的人臉和第二圖像中檢測到的人臉的匹配結果，得到活體檢測結果，還包括： 回應於所述第二圖像中不存在與所述第一子圖像匹配的第二子圖像，返回重新執行所述活體檢測方法。
在一些實施例中，所述方法還包括： 回應於重複執行所述活體檢測方法的次數超過次數閾值，確定所述活體檢測結果為非活體。
在一些實施例中，所述方法還包括： 在所述第一圖像中未檢測到人臉的情況下，返回重新執行所述獲取第一攝影頭採集的第一圖像。
在一些實施例中，所述第一攝影頭為可見光攝影頭，所述第二攝影頭為紅外攝影頭。
本申請實施例提供了一種活體檢測裝置，其包括： 第一檢測模組，其配置為獲取第一攝影頭採集的第一圖像，並對所述第一圖像執行人臉檢測處理； 獲取模組，其配置為在檢測到所述第一圖像中包含人臉的情況下，獲取第二攝影頭採集的第二圖像，所述第一攝影頭和第二攝影頭的類型不同； 第二檢測模組，其配置為對所述第二圖像執行人臉檢測處理，在檢測到所述第二圖像中包含人臉的情況下，基於所述第一圖像中檢測到的人臉和第二圖像中檢測到的人臉的匹配結果，得到活體檢測結果。
在一些實施例中，所述獲取模組獲取第二攝影頭採集的第二圖像包括以下方式中的至少一種： 獲取在第一攝影頭採集第一圖像的情況下，通過所述第二攝影頭採集的第二圖像； 獲取在檢測到所述第一圖像中包含人臉的情況下，通過所述第二攝影頭採集的第二圖像。
在一些實施例中，所述第二檢測模組還配置為在所述第二圖像中未檢測到人臉的情況下，確定所述第一圖像中的人臉為非活體。
在一些實施例中，所述第二檢測模組還包括： 獲取單元，其配置為獲取所述第一圖像中滿足預設條件的人臉對應的第一子圖像； 匹配單元，其配置為將所述第一子圖像與所述第二圖像中檢測到的人臉對應的第二子圖像進行比對，確定與所述第一子圖像匹配的第二子圖像； 活體檢測單元，其配置為將所述第一子圖像以及與所述第一子圖像匹配的第二子圖像輸入至活體檢測神經網路，得到所述第一子圖像中的人臉的活體檢測結果。
在一些實施例中，所述獲取單元還配置為基於第一圖像中各人臉的位置資訊，獲得面積最大的人臉對應的第一子圖像。
在一些實施例中，所述匹配單元還配置為對所述第一子圖像以及第二子圖像執行特徵提取，獲得所述第一子圖像的第一人臉特徵，以及所述第二子圖像的第二人臉特徵； 獲得所述第一人臉特徵與第二人臉特徵之間的相似度； 在存在第二人臉特徵與所述第一人臉特徵之間的相似度大於第一閾值的情況下，確定與第一人臉特徵之間的相似度最高的第二人臉特徵對應的第二子圖像與所述第一人臉特徵對應的第一子圖像匹配。
在一些實施例中，所述匹配單元還配置為獲取所述第一子圖像在所述第一圖像中的第一位置與所述第二子圖像在所述第二圖像中的第二位置之間的距離； 在任一第二子圖像的第二位置與所述第一子圖像的第一位置之間的距離小於距離閾值的情況下，確定所述任一子圖像與所述第一子圖像匹配。
在一些實施例中，所述匹配單元還配置為在所述第二圖像中不存在與所述第一子圖像匹配的第二子圖像的情況下，返回重新獲取第一圖像並執行活體檢測。
在一些實施例中，所述匹配單元還配置為在重複執行活體檢測的次數超過次數閾值的情況下，確定所述活體檢測結果為非活體。
在一些實施例中，所述第一檢測模組還配置為在所述第一圖像中未檢測到人臉的情況下，返回重新執行所述獲取第一攝影頭採集的第一圖像。
在一些實施例中，所述第一攝影頭為可見光攝影頭，所述第二攝影頭為紅外攝影頭。
本申請實施例提供了一種電子設備，其包括： 處理器； 配置為儲存處理器可執行指令的記憶體； 其中，所述處理器被配置為調用所述記憶體儲存的指令，以執行上述任意一項所述的方法。
本申請實施例提供了一種電腦可讀儲存介質，其上儲存有電腦程式指令，所述電腦程式指令被處理器執行時實現上述任意一項所述的方法。
在本申請實施例中，可以首先獲得第一攝影頭採集的第一圖像，在第一圖像中檢測到人臉的情況下，再獲取第二攝影頭採集的與第一圖像類型不同的第二圖像，進而根據在第一圖像和第二圖像中檢測到的人臉的匹配結果得到活體檢測結果。本申請實施例採用雙目攝影頭採集的圖像執行活體檢測，即結合了兩種類型的攝影頭採集的圖像中人臉檢測結果，得到活體檢測結果，提高了活體檢測的精度。
應當理解的是，以上的一般描述和後文的細節描述僅是示例性和解釋性的，而非限制本申請實施例。
根據下面參考附圖對示例性實施例的詳細說明，本申請實施例的其它特徵及方面將變得清楚。
以下將參考附圖詳細說明本申請的各種示例性實施例、特徵和方面。附圖中相同的附圖標記表示功能相同或相似的組件。儘管在附圖中示出了實施例的各種方面，但是除非特別指出，不必按比例繪製附圖。
在這裡專用的詞“示例性”意為“用作例子、實施例或說明性”。這裡作為“示例性”所說明的任何實施例不必解釋為優於或好於其它實施例。
本文中術語“和/或”，僅僅是一種描述關聯物件的關聯關係，表示可以存在三種關係，例如，A和/或B，可以表示：單獨存在A，同時存在A和B，單獨存在B這三種情況。另外，本文中術語“至少一種”表示多種中的任意一種或多種中的至少兩種的任意組合，例如，包括A、B、C中的至少一種，可以表示包括從A、B和C構成的集合中選擇的任意一個或多個元素。
另外，為了更好地說明本申請，在下文的具體實施方式中給出了眾多的具體細節。本領域技術人員應當理解，沒有某些具體細節，本申請同樣可以實施。在一些實例中，對於本領域技術人員熟知的方法、手段、元件和電路未作詳細描述，以便於凸顯本申請的主旨。
本申請實施例提供的活體檢測方法的執行主體可以是影像處理裝置，例如，活體檢測方法可以由終端設備或伺服器或其它處理設備執行，其中，終端設備可以為使用者設備（User Equipment，UE）、移動設備、使用者終端、終端、蜂窩電話、無線電話、個人數位助理（Personal Digital Assistant，PDA）、手持設備、計算設備、車載設備、可穿戴設備、身份驗證設備等。在一些可能的實現方式中，該圖活體檢測方法可以通過處理器調用記憶體中儲存的電腦可讀指令的方式來實現。
圖1示出根據本申請實施例的一種活體檢測方法的流程圖，如圖1所示，所述活體檢測方法包括如下。
S10：獲取第一攝影頭採集的第一圖像，並對所述第一圖像執行人臉檢測處理。
在一些實施例中，本申請實施例的活體檢測方法可以應用在任意需要執行活體檢測的應用場景中，如人臉資訊的錄入、支付驗證、身份驗證等場景，均可以使用本申請實施例的活體檢測方法，本申請實施例對此不作具體限定。通過本申請實施例的活體檢測方法可以實現識別採集的圖像中的人臉對應的人物物件是否為活體。另外應用本申請實施例的活體檢測方法的電子設備可以配置兩個攝影頭，如第一攝影頭和第二攝影頭，其中第一攝影頭和第二攝影頭的類型不同，例如第一攝影頭可以為可見光（Red、Green、Blue，RGB）攝影頭，第二攝影頭可以為紅外（Infrared Radiation，IR）攝影頭，其中，第一攝影頭和第二攝影頭成像的尺度可以相同，上述僅為示例性說明，不作為本申請具體限定。
在一些實施例中，可以首先獲取第一攝影頭採集的第一圖像，其中該第一圖像可以為第一攝影頭即時採集的圖像，如可以在接收到執行活體檢測的指令的情況下，向第一攝影頭發送啟動第一攝影頭的指令，通過第一攝影頭採集第一圖像，第一圖像可以為彩色圖像（RGB圖像）。
在一些實施例中，在獲取第一圖像的情況下，可以執行第一圖像的人臉檢測處理。第一攝影頭採集的第一圖像中可以包括一個或多個人臉，或者也可以不包括任何的人臉。通過人臉檢測處理，可以識別出第一圖像中是否包括人臉，以及所包括的人臉的位置等資訊。本申請實施例可以通過能夠識別人臉的神經網路執行該人臉檢測處理，例如神經網路可以包括至少一個卷積層執行第一圖像的特徵提取，通過全連接層執行人臉的檢測和分類，上述實施例不作為本申請實施例中實現人臉檢測的神經網路的具體限定，也可以通過其他的具有人臉識別功能的神經網路實現，如區域候選網路等。
S20：在檢測到所述第一圖像中包含人臉的情況下，獲取第二攝影頭採集的第二圖像，所述第一攝影頭和第二攝影頭的類型不同。
在一些實施例中，通過S10可以獲得第一圖像的人臉檢測結果，該人臉檢測結果可以包括第一圖像中是否包含有人臉的資訊，同時在檢測到人臉的情況下，還可以包括人臉對應的位置資訊，如人臉檢測框的位置資訊。其中，在檢測到第一圖像中包含人臉的情況下，可以進一步獲取第二攝影頭採集的第二圖像。如上述實施例所述，第二攝影頭為與第一攝影頭類型不同的攝影頭，第二攝影頭可以為紅外攝影頭，對應的採集的第二圖像為紅外圖像（IR圖像）。
在一些實施例中，所述獲取第二攝影頭採集的第二圖像包括以下方式中的至少一種：在第一攝影頭採集第一圖像的情況下，獲取所述第二攝影頭採集的第二圖像；在檢測到所述第一圖像中包含人臉的情況下，獲取所述第二攝影頭採集的第二圖像。
在一個示例中，可以在第一圖像中檢測到人臉的情況下，向第二攝影頭發送啟動指令，以啟動第二攝影頭並通過第二攝影頭採集圖像，進而獲取第二攝影頭採集的第二圖像，也就是說，獲取的第二圖像可以為在第一圖像中檢測到人臉的時刻，第二攝影頭採集的第二圖像。或者，在另一個示例中，也可以是在啟動第一攝影頭的同時啟動第二攝影頭，並即時儲存第二攝影頭採集的圖像。在檢測到第一圖像中包含人臉的情況下，可以獲取第二攝影頭採集的第二圖像，該第二圖像可以為獲取第一攝影頭採集第一圖像的時刻，第二攝影頭採集的第二圖像，或者也可以是在採集第一圖像的時刻直至檢測出第一圖像中人臉的時刻的過程中任一時刻，第二攝影頭採集的第二圖像。
在一些實施例中，如果在第一圖像中未檢測到人臉，此時可以重新通過第一攝影頭採集新的第一圖像，重新執行活體檢測方法。
S30：對所述第二圖像執行人臉檢測處理，在檢測到所述第二圖像中包含人臉的情況下，基於所述第一圖像中檢測到的人臉和第二圖像中檢測到的人臉的匹配結果，得到活體檢測結果。
在一些實施例中，在獲得第二圖像的情況下，可以執行對第二圖像的人臉檢測處理，同第一圖像的人臉檢測處理相同，也可以通過能夠執行人臉檢測的神經網路對第二圖像執行人臉檢測處理。可以將第二圖像輸入至該人臉檢測神經網路，通過人臉檢測神經網路識別第二圖像中是否包括人臉，以及包括的人臉的位置資訊。
在一些實施例中，可以根據第二圖像的人臉檢測結果確定活體檢測結果。例如在第二圖像中未檢測到人臉的情況下，即可以證明第一圖像中檢測到的人臉為非活體，此時第一圖像中可能為光面照片或者是電子照片，此時可以直接判斷第一圖像中的人臉為非活體。
在一些實施例中，也可以在檢測到第二圖像中包含人臉的情況下，基於第一圖像中人臉和第二圖像中人臉的匹配結果，確定活體檢測結果。通過結合兩種類型的攝影頭採集的圖像的人臉檢測結果。例如，可以在第二圖像中檢測到與第一圖像中的人臉匹配的人臉的情況下，基於該兩個匹配的人臉共同實現活體檢測，或者，在第二圖像中未檢測到與第一圖像中的人臉匹配的人臉的情況下，可以確定第一圖像中的人臉為非活體。
本申請實施例通過結合兩個類型的攝影頭採集到的圖像中的人臉檢測結果，進一步確定兩個圖像中的人臉匹配結果，並根據匹配結果得到活體檢測結果，該過程可以提高檢測精度。
下面結合附圖對本申請實施例進行詳細說明。如上述實施例所述，在第一圖像中檢測到人臉的情況下，可以根據第二攝影頭採集的第二圖像的人臉檢測結果執行活體檢測，得到活體檢測結果。
圖2示出根據本申請實施例的一種活體檢測方法中步驟S30的流程圖。本申請實施例中所述基於所述第一圖像中檢測到的人臉和第二圖像中檢測到的人臉的匹配結果，得到活體檢測結果，包括如下。
S31：獲取所述第一圖像中滿足預設條件的人臉對應的第一子圖像。
在一些實施例中，在第二圖像的人臉檢測結果表示檢測不到人臉的情況下，可以表明第一圖像中的人臉為非活體。而在第二圖像中檢測到人臉的情況下，可以從第一圖像中選擇出滿足預設條件的人臉對應的圖像區域，該圖像區域即為第一子圖像。
如上述實施例所述，人臉檢測結果中可以包括檢測到的人臉的位置資訊，該位置資訊可以是檢測到的人臉對應的檢測框的位置，例如可以表示為座標的形式，如可以表示為（x1，x2，y1，y2），其中（x1，y1）和（x2，y2）分別為檢測框的兩個對角頂點的位置座標，通過上述位置座標即可以確定第一圖像和第二圖像中檢測到的每個人臉所在的位置區域。上述僅為示例性說明，也可以通過其他形式表示人臉所在的位置區域。
本申請實施例可以將第一圖像中面積最大的人臉作為滿足預設條件的人臉，對應的，該面積最大的人臉所在的位置區域可以作為第一子圖像。例如在人臉認證或者其他需要執行活體檢測的情況下，一般可以將佔圖像中最大面積區域的人臉作為待檢測的人臉，此時可以將該面積最大的人臉的位置區域對應的圖像作為滿足預設條件的人臉對應的第一子圖像。其中，本申請實施例可以根據檢測到的人臉的位置資訊確定人臉所在位置區域的面積，即可以根據人臉對應的檢測框的位置確定檢測框的面積，該檢測框的面積可以作為人臉所在位置區域的面積。
或者，在其他實施例中，也可以通過接收使用者輸入的選擇資訊，確定選擇資訊對應的人臉，將該被選擇的人臉作為滿足預設條件的人臉，同樣該被選擇的人臉對應的位置區域為第一子圖像。進而可以適應性的檢測第一圖像中使用者選擇的人臉對應的活體檢測結果。其中使用者輸入的選擇資訊可以為對第一圖像的框選操作，如矩形形狀的框選操作，本申請實施例可以直接將框選操作中人臉作為滿足預設條件的人臉，框選操作所選擇出的區域的圖像可以作為第一子圖像，或者也可以將框選操作中包括的人臉的位置資訊對應的圖像作為第一子圖像，本申請對此不作具體限定，另外，框選操作對應的框選形狀也不限於矩形，也可以是其他形狀。
在一些實施例中，得到的第一子圖像可以為多個，也就是說，滿足預設條件的人臉可以為多個。例如框選操作選擇出多個滿足預設條件的人臉，相應的可以得到與各人臉分別對應的第一子圖像。
S32：將所述第一子圖像與所述第二圖像中檢測到的人臉對應的第二子圖像進行比對，確定與所述第一子圖像匹配的第二子圖像。
在一些實施例中，通過對第二圖像執行人臉檢測處理可以得到第二圖像中的人臉檢測結果，其中可以包括第二圖像中是否包括人臉以及第二圖像中包括的人臉的位置資訊。對應的，通過第二圖像中包括人臉的位置資訊可以得到第二圖像中各人臉位置區域對應的第二子圖像，即將第二圖像中每個人臉位置資訊對應的位置區域的圖像作為第二子圖像。從而可以將第一子圖像與各第二子圖像分別進行匹配，得到與第一子圖像中匹配的第二子圖像。第一子圖像和第二子圖像匹配是指第一子圖像中的人臉和第二子圖像中的人臉為相同人物物件的人臉。例如可以得到每個第一子圖像分別與每個第二子圖像的特徵之間的相似度，進而將相似度大於第一閾值的第二子圖像確定為與第一子圖像匹配的第二子圖像。在一個示例中，第一圖像中滿足預設條件的人臉可以為人臉A，例如人臉A為第一圖像中位置區域所佔面積最大的人臉，根據人臉A的位置資訊可以確定人臉A對應的第一子圖像。第二圖像中可以包括人臉B、C和D，對應的可以根據檢測到的人臉B、C和D的位置資訊，確定人臉B、C和D在第二圖像中分別對應的第二子圖像。而後可以將人臉A的第一子圖像分別與人臉B、C和D的第二子圖像進行匹配，例如可以得到人臉A的第一子圖像對應的人臉特徵分別與人臉B、C和D的第二子圖像的人臉特徵之間的相似度，基於該相似度可以確定人臉B、C和D中是否存在與人臉A匹配的人臉，即可以對應的確定是否存在與第一子圖像匹配的第二子圖像。如果B、C和D中存在與A的人臉特徵之間的相似度大於第一閾值的人臉，則可以將相似度最高的人臉對應的第二子圖像確定為與第一子圖像匹配的第二子圖像。例如A與B的人臉特徵之間的相似度為98%，A與C的人臉特徵之間的相似度為50%，A與D的人臉特徵之間的相似度為85%，相似度閾值可以為90%，此時可以確定存在與A匹配的人臉B，對應的，B對應的第二子圖像與A對應的第一子圖像匹配。或者在其他實施例中也可以第一子圖像和第二子圖像之間的距離確定與第二子圖像匹配的第一子圖像。
S33：將所述第一子圖像以及與所述第一子圖像匹配的第二子圖像輸入至活體檢測神經網路，得到所述第一子圖像中的人臉的活體檢測結果。
在一些實施例中，在得到與第一子圖像匹配的第二子圖像的情況下，可以將第一子圖像和第二子圖像輸入至活體檢測神經網路，通過活體檢測神經網路預測第一子圖像和第二子圖像中所包括的人臉是否為活體的活體檢測結果。其中，活體檢測神經網路可以為卷積神經網路，該活體檢測網路可以經過訓練後，能夠識別出輸入的第一子圖像和第二子圖像中的圖像是否為活體。其中，活體檢測網路可以輸出第一子圖像和第二子圖像中的人臉為活體的概率，以及是否為活體的標識，如該標識可以包括表示第一子圖像和第二子圖像中的人臉為活體的第一標識，以及為非活體的第二標識。第一標識可以為1，第二標識可以為0。其中，上述概率大於第二閾值的情況下，表示第一子圖像和第二子圖像中的人臉為活體，此時輸出第一標識，上述概率小於或等於第二閾值的情況下，表示第一子圖像和第二子圖像中的人臉為非活體，此時輸出第二標識。另外，本申請實施例對於活體檢測神經網路的網路結構不作具體限定，其可以為任意能夠實現活體檢測目的的神經網路。
通過上述實施例可以利用活體檢測神經網路進一步識別匹配的第一子圖像和第二子圖像中人臉的活體檢測結果。通過該方式可以進一步提高活體檢測精度。
下面舉例說明，確定與第一子圖像匹配的第二子圖像的過程。圖3示出根據本申請實施例的一種活體檢測方法中步驟S32的流程圖。所述將所述第一子圖像與所述第二圖像中檢測到的人臉對應的第二子圖像進行比對，確定與所述第一子圖像匹配的第二子圖像，包括如下。
S321：對所述第一子圖像以及第二子圖像執行特徵提取，獲得所述第一子圖像的第一人臉特徵，以及所述第二子圖像的第二人臉特徵。
在一些實施例中，可以分別對第一圖像中滿足預設條件的人臉對應的第一子圖像執行特徵提取，得到與各第一子圖像對應的第一人臉特徵。以及可以對第二圖像中的各人臉對應的第二子圖像執行特徵提取，得到各第二子圖像對應的第二人臉特徵。本申請實施例可以通過特徵提取網路執行該特徵提取，例如可以利用殘差網路、金字塔網路等卷積神經網路執行特徵提取，本申請對此不作具體限定。
在一些實施例中，第一人臉特徵和第二人臉特徵的維度相同，其中可以在得到各第一子圖像和第二子圖像的情況下，將第一子圖像和第二子圖像調整為預設規格，使得各子圖像的大小相同。對應的在提取特徵得到第一人臉特徵和第二人臉特徵時，各人臉特徵的維度相同。
S322：獲得所述第一人臉特徵與第二人臉特徵之間的相似度。
在一些實施例中，在得到第一人臉特徵以及第二人臉特徵的情況下，可以計算每個第一人臉特徵與各第二人臉特徵分別對應的相似度，例如可以計算第一人臉特徵和第二人臉特徵之間的余弦相似度，或者也可以計算第一人臉特徵和第二人臉特徵之間的歐式距離，用以表示上述相似度。在其他實施例也可以通過其他參數表示第一人臉特徵和第二人臉特徵之間的相似度，在此不一一舉例說明。
S323：在存在第二人臉特徵與所述第一人臉特徵之間的相似度大於第一閾值的情況下，確定與第一人臉特徵之間的相似度最高的第二人臉特徵對應的第二子圖像與所述第一人臉特徵對應的第一子圖像匹配。
在一些實施例中，對於每個第一人臉特徵，如果存在與該人臉特徵之間的相似度度大於第一閾值的第二人臉特徵，則說明存在與第一人臉特徵對應的第一子圖像匹配的第二子圖像，此時可以將相似度最高的第二人臉特徵對應的第二子圖像確定為與第一子圖像匹配的圖像，此時表示該匹配的兩個圖像中包括相同的人物物件對應的人臉。
另外，如果對於至少一個第一人臉特徵，任意的第二人臉特徵與該第一人臉特徵之間的相似度均小於第一閾值，則說明不存在與該第一人臉特徵相似的第二人臉特徵，此時可以表示不存在與該第一人臉特徵對應的第一子圖像匹配的第二子圖像。在確定不存在與第一子圖像匹配的第二子圖像的情況下可以直接判定第一子圖像和第二子圖像中的人臉為非活體，或者也可以返回重新執行活體檢測方法，即可以重新通過第一攝影頭採集第一圖像，而後重新執行活體檢測方法的各過程。相應的，如果重複執行多次，如超過次數閾值，依然檢測不到與第一人臉特徵相似的第二人臉特徵，即檢測不到與第一子圖像匹配的第二子圖像，可以確定第一子圖像和第二子圖像中的人臉為非活體。通過上述方式可以降低由於採集的圖像或者人物的移動狀態的改變等因素影響，提高活體檢測精度。
在本申請的另一些實施方式中，將所述第一子圖像與所述第二圖像中檢測到的人臉對應的第二子圖像進行比對，確定與所述第一子圖像匹配的第二子圖像，還可以包括：獲取所述第一子圖像在所述第一圖像中的第一位置與所述第二子圖像在所述第二圖像中的第二位置之間的距離；回應於所述任一第二子圖像的第二位置與所述第一子圖像的第一位置之間的距離小於距離閾值，確定所述任一子圖像與所述第一子圖像匹配。
本申請實施例中，可以分別獲得第一子圖像在第一圖像中的第一位置，以及第二子圖像在第二圖像中的第二位置，其中第一圖像和第二圖像的尺寸規格可以相同，或者在第一圖像和第二圖像尺寸不同的情況下，可以對第一圖像和第二圖像執行歸一化處理，使得歸一化後的第一圖像和第二圖像尺寸相同，繼而得到歸一化後的第一圖像中第一子圖像的第一位置以及第二圖像中第二子圖像的第二位置。在得到第一位置和第二位置之後，可以計算各第一位置和第二位置的城市街區距離(city block distance)，在該街區距離小於距離閾值時，對應的第二子圖像和第一子圖像即可以確定為相同人物對象的人臉，即第二子圖像和第一子圖像匹配，此時可以確定第一子圖像的人臉對應的人物對象為活體。如果不存在與第一位置之間的街區距離小於距離閾值的第二位置，則表明不存在與第一子圖像匹配的第二子圖像，即第二圖像中不存在與第一子圖像中的人臉為相同人物物件的人臉，此時可以確定第一子圖像和第二子圖像中的人臉為非活體。其中，城市街區距離的計算方式可以為：d(i，j) = |X1 - X2| + |Y1 - Y2|，其中d（i，j）表示座標(x1，y1)為i點與座標為(x2，y2)的j點之間的城市街區距離。
本申請實施例中，第一閾值、第二閾值、距離閾值以及次數閾值可以為設定的數值，本申請實施例不作具體限定，例如本申請可以取第一閾值為90%，第二閾值為80%，次數閾值可以為大於1的數值，如5，距離閾值可以為5，或者其他數值。上述僅為示例性舉例，均不作為具體限定。
在得到第一子圖像匹配的第二子圖像的情況下，可以將匹配的第一子圖像和第二子圖像輸入至活體檢測神經網路得到活體檢測結果。
為了清楚體現本申請實施例，下面舉例說明本申請實施例的活體檢測過程。圖4示出根據本申請實施例的活體檢測過程的示意圖。如圖4所示，以第一攝影頭為RGB攝影頭以及第二攝影頭為IR攝影頭為例進行說明。其中，首先可以獲取第一攝影頭採集的第一圖像，如RGB預覽幀，此時也可以得到第二攝影頭採集的第二圖像。識別第一圖像中的人臉，即對RGB圖像執行人臉檢測，如果檢測不到人臉，則結束，重新執行第一圖像的採集，如此循環。如果在第一圖像中檢測到人臉，此時可以獲取第二攝影頭採集的第二圖像，對第二圖像執行人臉檢測。如果在第二圖像中檢測不到人臉，則可以確定第一圖像中的人臉為非活體，如果在第二圖像中檢測到人臉，則可以將第一圖像中面積最大的人臉作為滿足預設條件的人臉，並確定第二圖像中與該面積最大的人臉匹配的人臉，即可以確定面積最大的人臉對應的第一子圖像所匹配的第二子圖像。繼而可以將匹配的第一子圖像和第二子圖像輸入至活體檢測神經網路，得到活體檢測結果，如果得到的概率值score大於第二閾值（活體閾值），即可以確定為匹配的第一子圖像和第二子圖像中的人臉為活體，否則為非活體。另外，如果在第二圖像中檢測不到與第一子圖像匹配的第二子圖像，可以確定第一子圖像對應的人臉為非活體，或者在重複執行活體檢測方法的次數超過次數閾值的情況下，仍然檢測不到與第一子圖像匹配的第二子圖像，此時可以確定第一子圖像中的人臉為非活體。
綜上所述，本申請實施例可以首先獲得第一攝影頭採集的第一圖像，在第一圖像中檢測到人臉的情況下，再通過第二攝影頭採集與第一圖像類型不同的第二圖像，進而基於第二圖像的人臉檢測結果得到活體檢測結果。本申請實施例採用雙目攝影頭採集的圖像執行活體檢測，即結合了兩種類型的攝影頭採集的圖像中人臉檢測結果，得到活體檢測結果，提高了活體檢測的精度。另外，本申請實施例可以採用雙目攝影頭（第一攝影頭和第二攝影頭），使得在防止非活體攻擊上面有了更多的策略和判定方法，例如根據紅外攝影的成像特點，能夠很容易的判定電子屏等攻擊，能夠很有效的防止非活體攻擊。
綜上所述，在本申請實施例中，可以首先獲得第一攝影頭採集的第一圖像，在第一圖像中檢測到人臉的情況下，再獲取第二攝影頭採集的與第一圖像類型不同的第二圖像，進而根據在第一圖像和第二圖像中檢測到的人臉的匹配結果得到活體檢測結果。本申請實施例採用雙目攝影頭採集的圖像執行活體檢測，即結合了兩種類型的攝影頭採集的圖像中人臉檢測結果，得到活體檢測結果，提高了活體檢測的精度。
本領域技術人員可以理解，在具體實施方式的上述方法中，各步驟的撰寫順序並不意味著嚴格的執行順序而對實施過程構成任何限定，各步驟的具體執行順序應當以其功能和可能的內在邏輯確定。
可以理解，本申請提及的上述各個方法實施例，在不違背原理邏輯的情況下，均可以彼此相互結合形成結合後的實施例，限於篇幅，本申請不再贅述。
此外，本申請還提供了活體檢測裝置、電子設備、電腦可讀儲存介質、程式，上述均可用來實現本申請提供的任一種活體檢測方法，相應技術方案和描述和參見方法部分的相應記載，不再贅述。
圖5示出根據本申請實施例的一種活體檢測裝置的方塊圖，如圖5所示，所述活體檢測裝置，包括： 第一檢測模組41，其配置為獲取第一攝影頭採集的第一圖像，並對所述第一圖像執行人臉檢測處理； 獲取模組42，其配置為在檢測到所述第一圖像中包含人臉的情況下，獲取第二攝影頭採集的第二圖像，所述第一攝影頭和第二攝影頭的類型不同； 第二檢測模組43，其配置為對所述第二圖像執行人臉檢測處理，在檢測到所述第二圖像中包含人臉的情況下，基於所述第一圖像中檢測到的人臉和第二圖像中檢測到的人臉的匹配結果，得到活體檢測結果。
在一些實施例中，所述獲取模組獲取第二攝影頭採集的第二圖像包括以下方式中的至少一種： 獲取在第一攝影頭採集第一圖像的情況下，通過所述第二攝影頭採集的第二圖像； 獲取在檢測到所述第一圖像中包含人臉的情況下，通過所述第二攝影頭採集的第二圖像。
在一些實施例中，所述第二檢測模組還配置為在所述第二圖像中未檢測到人臉的情況下，確定所述第一圖像中的人臉為非活體。
在一些實施例中，所述第二檢測模組還包括： 獲取單元，其配置為獲取所述第一圖像中滿足預設條件的人臉對應的第一子圖像； 匹配單元，其配置為將所述第一子圖像與所述第二圖像中檢測到的人臉對應的第二子圖像進行比對，確定與所述第一子圖像匹配的第二子圖像； 活體檢測單元，其配置為將所述第一子圖像以及與所述第一子圖像匹配的第二子圖像輸入至活體檢測神經網路，得到所述第一子圖像中的人臉的活體檢測結果。
在一些實施例中，所述獲取單元還配置為基於第一圖像中各人臉的位置資訊，獲得面積最大的人臉對應的第一子圖像。
在一些實施例中，所述匹配單元還配置為對所述第一子圖像以及第二子圖像執行特徵提取，獲得所述第一子圖像的第一人臉特徵，以及所述第二子圖像的第二人臉特徵； 獲得所述第一人臉特徵與第二人臉特徵之間的相似度； 在存在第二人臉特徵與所述第一人臉特徵之間的相似度大於第一閾值的情況下，確定與第一人臉特徵之間的相似度最高的第二人臉特徵對應的第二子圖像與所述第一人臉特徵對應的第一子圖像匹配。
在一些實施例中，所述匹配單元還配置為獲取所述第一子圖像在所述第一圖像中的第一位置與所述第二子圖像在所述第二圖像中的第二位置之間的距離； 在任一第二子圖像的第二位置與所述第一子圖像的第一位置之間的距離小於距離閾值的情況下，確定所述任一子圖像與所述第一子圖像匹配。
在一些實施例中，所述匹配單元還配置為在所述第二圖像中不存在與所述第一子圖像匹配的第二子圖像的情況下，返回重新獲取第一圖像並執行活體檢測。
在一些實施例中，所述匹配單元還配置為在重複執行活體檢測的次數超過次數閾值的情況下，確定所述活體檢測結果為非活體。
在一些實施例中，所述第一檢測模組還配置為在所述第一圖像中未檢測到人臉的情況下，返回重新執行所述獲取第一攝影頭採集的第一圖像。
在一些實施例中，所述第一攝影頭為可見光攝影頭，所述第二攝影頭為紅外攝影頭。
在一些實施例中，本申請實施例提供的裝置具有的功能或包含的模組可以用於執行上文方法實施例描述的方法，其具體實現可以參照上文方法實施例的描述，為了簡潔，這裡不再贅述。
本申請實施例還提出一種電腦可讀儲存介質，其上儲存有電腦程式指令，所述電腦程式指令被處理器執行時實現上述方法。電腦可讀儲存介質可以是非易失性電腦可讀儲存介質。
本申請實施例還提出一種電子設備，包括：處理器；配置為儲存處理器可執行指令的記憶體；其中，所述處理器被配置為執行上述方法。
電子設備可以被提供為終端、伺服器或其它形態的設備。
圖6示出根據本申請實施例的一種電子設備的方塊圖。例如，電子設備800可以是行動電話，電腦，數位廣播終端，消息收發設備，遊戲控制台，平板設備，醫療設備，健身設備，個人數位助理等終端。
參照圖6，電子設備800可以包括以下一個或多個組件：處理組件802，記憶體804，電源組件806，多媒體組件808，音頻組件810，輸入/輸出（Input Output，I/O）介面812，感測器組件814，以及通信組件816。
處理組件802通常控制電子設備800的整體操作，諸如與顯示，電話呼叫，資料通信，相機操作和記錄操作相關聯的操作。處理組件802可以包括一個或多個處理器820來執行指令，以完成上述的方法的全部或部分步驟。此外，處理組件802可以包括一個或多個模組，便於處理組件802和其他組件之間的交互。例如，處理組件802可以包括多媒體模組，以方便多媒體組件808和處理組件802之間的交互。
記憶體804被配置為儲存各種類型的資料以支援在電子設備800的操作。這些資料的示例包括用於在電子設備800上操作的任何應用程式或方法的指令，連絡人資料，電話簿資料，消息，圖片，視頻等。記憶體804可以由任何類型的易失性或非易失性儲存裝置或者它們的組合實現，如靜態隨機存取記憶體（Static Random-Access Memory，SRAM），電可擦除可程式設計唯讀記憶體（Electrically Erasable Programmable Read Only Memory，EEPROM），可擦除可程式設計唯讀記憶體（Electrical Programmable Read Only Memory，EPROM），可程式設計唯讀記憶體（Programmable Read-Only Memory，PROM），唯讀記憶體（Read-Only Memory，ROM），磁記憶體，快閃記憶體，磁片或光碟。
電源組件806為電子設備800的各種組件提供電力。電源組件806可以包括電源管理系統，一個或多個電源，及其他與為電子設備800生成、管理和分配電力相關聯的組件。
多媒體組件808包括在所述電子設備800和使用者之間的提供一個輸出介面的螢幕。在一些實施例中，螢幕可以包括液晶顯示器（Liquid Crystal Display，LCD）和觸摸面板（Touch Pad，TP）。如果螢幕包括觸摸面板，螢幕可以被實現為觸控式螢幕，以接收來自使用者的輸入信號。觸摸面板包括一個或多個觸摸感測器以感測觸摸、滑動和觸摸面板上的手勢。所述觸摸感測器可以不僅感測觸摸或滑動動作的邊界，而且還檢測與所述觸摸或滑動操作相關的持續時間和壓力。在一些實施例中，多媒體組件808包括一個前置攝影頭和/或後置攝影頭。當電子設備800處於操作模式，如拍攝模式或視訊模式時，前置攝影頭和/或後置攝影頭可以接收外部的多媒體資料。每個前置攝影頭和後置攝影頭可以是一個固定的光學透鏡系統或具有焦距和光學變焦能力。
音頻組件810被配置為輸出和/或輸入音頻信號。例如，音頻組件810包括一個麥克風（MIC），當電子設備800處於操作模式，如呼叫模式、記錄模式和語音辨識模式時，麥克風被配置為接收外部音頻信號。所接收的音頻信號可以被進一步儲存在記憶體804或經由通信組件816發送。在一些實施例中，音頻組件810還包括一個揚聲器，用於輸出音頻信號。
I/O介面812為處理組件802和週邊介面模組之間提供介面，上述週邊介面模組可以是鍵盤，點擊輪，按鈕等。這些按鈕可包括但不限於：主頁按鈕、音量按鈕、啟動按鈕和鎖定按鈕。
感測器組件814包括一個或多個感測器，用於為電子設備800提供各個方面的狀態評估。例如，感測器組件814可以檢測到電子設備800的打開/關閉狀態，組件的相對定位，例如所述組件為電子設備800的顯示器和小鍵盤，感測器組件814還可以檢測電子設備800或電子設備800一個組件的位置改變，使用者與電子設備800接觸的存在或不存在，電子設備800方位或加速/減速和電子設備800的溫度變化。感測器組件814可以包括接近感測器，被配置用來在沒有任何的物理接觸時檢測附近物體的存在。感測器組件814還可以包括光感測器，如互補金屬氧化物半導體（Complementary Metal Oxide Semiconductor，CMOS）或電荷耦合器件（Charge Coupled Device，CCD）圖像感測器，用於在成像應用中使用。在一些實施例中，該感測器組件814還可以包括加速度感測器，陀螺儀感測器，磁感測器，壓力感測器或溫度感測器。
通信組件816被配置為便於電子設備800和其他設備之間有線或無線方式的通信。電子設備800可以接入基於通信標準的無線網路，如WiFi，2G或3G，或它們的組合。在一個示例性實施例中，通信組件816經由廣播通道接收來自外部廣播管理系統的廣播信號或廣播相關資訊。在一個示例性實施例中，所述通信組件816還包括近場通信（Near Field Communication，NFC）模組，以促進短程通信。例如，在NFC模組可基於射頻識別（Radio Frequency Identification，RFID）技術，紅外資料協會（Infrared Data Association，IrDA）技術，超寬頻（Ultra Wide Band，UWB）技術，藍牙（Bluetooth，BT）技術和其他技術來實現。
在示例性實施例中，電子設備800可以被一個或多個應用專用積體電路（Application Specific Integrated Circuit，ASIC）、數位訊號處理器（Digital Signal Processor，DSP）、數位信號處理設備（Digital Signal Process，DSPD）、可程式設計邏輯器件（Programmable Logic Device，PLD）、現場可程式設計閘陣列（Field Programmable Gate Array，FPGA）、控制器、微控制器、微處理器或其他電子組件實現，用於執行上述方法。
在示例性實施例中，還提供了一種非易失性電腦可讀儲存介質，例如包括電腦程式指令的記憶體804，上述電腦程式指令可由電子設備800的處理器820執行以完成上述方法。
圖7示出根據本申請實施例的另一種電子設備的方塊圖。例如，電子設備1900可以被提供為一伺服器。參照圖7，電子設備1900包括處理組件1922，其進一步包括一個或多個處理器，以及由記憶體1932所代表的記憶體資源，用於儲存可由處理組件1922的執行的指令，例如應用程式。記憶體1932中儲存的應用程式可以包括一個或一個以上的每一個對應於一組指令的模組。此外，處理組件1922被配置為執行指令，以執行上述方法。
電子設備1900還可以包括一個電源組件1926被配置為執行電子設備1900的電源管理，一個有線或無線網路介面1950被配置為將電子設備1900連接到網路，和一個輸入輸出（I/O）介面1958。電子設備1900可以操作基於儲存在記憶體1932的作業系統，例如Windows Server TM，Mac OS X TM，Unix TM，Linux TM，FreeBSD TM或類似。
在示例性實施例中，還提供了一種非易失性電腦可讀儲存介質，例如包括電腦程式指令的記憶體1932，上述電腦程式指令可由電子設備1900的處理組件1922執行以完成上述方法。
本申請可以是系統、方法和/或電腦程式產品。電腦程式產品可以包括電腦可讀儲存介質，其上載有用於使處理器實現本申請的各個方面的電腦可讀程式指令。
電腦可讀儲存介質可以是可以保持和儲存由指令執行設備使用的指令的有形設備。電腦可讀儲存介質例如可以是(但不限於)電儲存裝置、磁儲存裝置、光儲存裝置、電磁儲存裝置、半導體儲存裝置或者上述的任意合適的組合。電腦可讀儲存介質的更具體的例子（非窮舉的列表）包括：可擕式電腦盤、硬碟、隨機存取記憶體（RAM）、唯讀記憶體（ROM）、可擦式可程式設計唯讀記憶體（EPROM或快閃記憶體）、靜態隨機存取記憶體（SRAM）、可擕式壓縮磁碟唯讀記憶體（CD-ROM）、數位多功能盤（Digital Video Disc，DVD）、記憶棒、軟碟、機械編碼設備、例如其上儲存有指令的打孔卡或凹槽內凸起結構、以及上述的任意合適的組合。這裡所使用的電腦可讀儲存介質不被解釋為暫態信號本身，諸如無線電波或者其他自由傳播的電磁波、通過波導或其他傳輸媒介傳播的電磁波（例如，通過光纖電纜的光脈衝）、或者通過電線傳輸的電信號。
這裡所描述的電腦可讀程式指令可以從電腦可讀儲存介質下載到各個計算/處理設備，或者通過網路、例如網際網路、局域網、廣域網路和/或無線網下載到外部電腦或外部儲存裝置。網路可以包括銅傳輸電纜、光纖傳輸、無線傳輸、路由器、防火牆、交換機、閘道電腦和/或邊緣伺服器。每個計算/處理設備中的網路介面卡或者網路介面從網路接收電腦可讀程式指令，並轉發該電腦可讀程式指令，以供儲存在各個計算/處理設備中的電腦可讀儲存介質中。
用於執行本申請操作的電腦程式指令可以是彙編指令、指令集架構（ISA）指令、機器指令、機器相關指令、微代碼、固件指令、狀態設置資料、或者以一種或多種程式設計語言的任意組合編寫的原始程式碼或目標代碼，所述程式設計語言包括物件導向的程式設計語言—諸如Smalltalk、C++等，以及常規的過程式程式設計語言—諸如“C”語言或類似的程式設計語言。電腦可讀程式指令可以完全地在使用者電腦上執行、部分地在使用者電腦上執行、作為一個獨立的套裝軟體執行、部分在使用者電腦上部分在遠端電腦上執行、或者完全在遠端電腦或伺服器上執行。在涉及遠端電腦的情形中，遠端電腦可以通過任意種類的網路—包括局域網((Local Area Network，LAN)或廣域網路(Wide Area Network，WAN)—連接到使用者電腦，或者，可以連接到外部電腦（例如利用網際網路服務提供者來通過網際網路連接）。在一些實施例中，通過利用電腦可讀程式指令的狀態資訊來個性化定制電子電路，例如可程式設計邏輯電路、現場可程式設計閘陣列（Field Programmable Gate Array，FPGA）或可程式設計邏輯陣列（Programmable Logic Array，PLA），該電子電路可以執行電腦可讀程式指令，從而實現本申請的各個方面。
這裡參照根據本申請實施例的方法、裝置（系統）和電腦程式產品的流程圖和/或方塊圖描述了本申請的各個方面。應當理解，流程圖和/或方塊圖的每個方塊以及流程圖和/或方塊圖中各方塊的組合，都可以由電腦可讀程式指令實現。
這些電腦可讀程式指令可以提供給通用電腦、專用電腦或其它可程式設計資料處理裝置的處理器，從而生產出一種機器，使得這些指令在通過電腦或其它可程式設計資料處理裝置的處理器執行時，產生了實現流程圖和/或方塊圖中的一個或多個方塊中規定的功能/動作的裝置。也可以把這些電腦可讀程式指令儲存在電腦可讀儲存介質中，這些指令使得電腦、可程式設計資料處理裝置和/或其他設備以特定方式工作，從而，儲存有指令的電腦可讀介質則包括一個製造品，其包括實現流程圖和/或方塊圖中的一個或多個方塊中規定的功能/動作的各個方面的指令。
也可以把電腦可讀程式指令載入到電腦、其它可程式設計資料處理裝置、或其它設備上，使得在電腦、其它可程式設計資料處理裝置或其它設備上執行一系列操作步驟，以產生電腦實現的過程，從而使得在電腦、其它可程式設計資料處理裝置、或其它設備上執行的指令實現流程圖和/或方塊圖中的一個或多個方塊中規定的功能/動作。
附圖中的流程圖和方塊圖顯示了根據本申請的多個實施例的系統、方法和電腦程式產品的可能實現的體系架構、功能和操作。在這點上，流程圖或方塊圖中的每個方塊可以代表一個模組、程式段或指令的一部分，所述模組、程式段或指令的一部分包含一個或多個用於實現規定的邏輯功能的可執行指令。在有些作為替換的實現中，方塊中所標注的功能也可以以不同於附圖中所標注的順序發生。例如，兩個連續的方塊實際上可以基本並行地執行，它們有時也可以按相反的循序執行，這依所涉及的功能而定。也要注意的是，方塊圖和/或流程圖中的每個方塊、以及方塊圖和/或流程圖中的方塊的組合，可以用執行規定的功能或動作的專用的基於硬體的系統來實現，或者可以用專用硬體與電腦指令的組合來實現。
以上已經描述了本申請的各實施例，上述說明是示例性的，並非窮盡性的，並且也不限於所披露的各實施例。在不偏離所說明的各實施例的範圍和精神的情況下，對於本技術領域的普通技術人員來說許多修改和變更都是顯而易見的。本文中所用術語的選擇，旨在最好地解釋各實施例的原理、實際應用或對市場中的技術改進，或者使本技術領域的其它普通技術人員能理解本文披露的各實施例。
工業實用性 本申請實施例關於一種活體檢測方法、電子設備和儲存介質，其中，所述方法包括：獲取第一攝影頭採集的第一圖像，並對所述第一圖像執行人臉檢測處理；在檢測到所述第一圖像中包含人臉的情況下，獲取第二攝影頭採集的第二圖像，所述第一攝影頭和第二攝影頭的類型不同；對所述第二圖像執行人臉檢測處理，在檢測到所述第二圖像中包含人臉的情況下，基於所述第一圖像中檢測到的人臉和第二圖像中檢測到的人臉的匹配結果，得到活體檢測結果，本申請實施例可提高活體檢測精度。
41:第一檢測模組 42:獲取模組 43:第二檢測模組 800:電子設備 802:處理組件 804:記憶體 806:電源組件 808:多媒體組件 810:音頻組件 812:輸入/輸出介面 814:感測器組件 816:通信組件 820:處理器 1900:電子設備 1922:處理組件 1926:電源組件 1932:記憶體 1950:網路介面 1958:輸入輸出介面
此處的附圖被併入說明書中並構成本說明書的一部分，這些附圖示出了符合本申請的實施例，並與說明書一起用於說明本申請實施例的技術方案。 圖1示出根據本申請實施例的一種活體檢測方法的流程圖； 圖2示出根據本申請實施例的一種活體檢測方法中步驟S30的流程圖； 圖3示出根據本申請實施例的一種活體檢測方法中步驟S32的流程圖； 圖4示出根據本申請實施例的活體檢測過程的示意圖； 圖5示出根據本申請實施例的一種活體檢測裝置的方塊圖； 圖6示出根據本申請實施例的一種電子設備的方塊圖； 圖7示出根據本申請實施例的另一種電子設備的方塊圖。
S10:步驟
S20:步驟
S30:步驟

Claims (13)

  1. 一種活體檢測方法，包括： 獲取第一攝影頭採集的第一圖像，並對所述第一圖像執行人臉檢測處理； 在檢測到所述第一圖像中包含人臉的情況下，獲取第二攝影頭採集的第二圖像，所述第一攝影頭和第二攝影頭的類型不同； 對所述第二圖像執行人臉檢測處理，在檢測到所述第二圖像中包含人臉的情況下，基於所述第一圖像中檢測到的人臉和第二圖像中檢測到的人臉的匹配結果，得到活體檢測結果。
  2. 根據請求項1所述的方法，其中，所述獲取第二攝影頭採集的第二圖像包括以下方式中的至少一種： 獲取在第一攝影頭採集第一圖像的情況下，通過所述第二攝影頭採集的第二圖像； 獲取在檢測到所述第一圖像中包含人臉的情況下，通過所述第二攝影頭採集的第二圖像。
  3. 根據請求項1或2所述的方法，所述方法還包括： 回應於在所述第二圖像中未檢測到人臉，確定所述第一圖像中的人臉為非活體。
  4. 根據請求項1或2所述的方法，其中，所述基於所述第一圖像中檢測到的人臉和第二圖像中檢測到的人臉的匹配結果，得到活體檢測結果，包括： 獲取所述第一圖像中滿足預設條件的人臉對應的第一子圖像； 將所述第一子圖像與所述第二圖像中檢測到的人臉對應的第二子圖像進行比對，確定與所述第一子圖像匹配的第二子圖像； 將所述第一子圖像以及與所述第一子圖像匹配的第二子圖像輸入至活體檢測神經網路，得到所述第一子圖像中的人臉的活體檢測結果。
  5. 根據請求項4所述的方法，其中，所述獲取所述第一圖像中滿足預設條件的人臉對應的第一子圖像，包括： 基於第一圖像中各人臉的位置資訊，獲得面積最大的人臉對應的第一子圖像。
  6. 根據請求項4所述的方法，其中，所述將所述第一子圖像與所述第二圖像中檢測到的人臉對應的第二子圖像進行比對，確定與所述第一子圖像匹配的第二子圖像，包括： 對所述第一子圖像以及第二子圖像執行特徵提取，獲得所述第一子圖像的第一人臉特徵，以及所述第二子圖像的第二人臉特徵； 獲得所述第一人臉特徵與第二人臉特徵之間的相似度； 回應於存在第二人臉特徵與所述第一人臉特徵之間的相似度大於第一閾值，確定與第一人臉特徵之間的相似度最高的第二人臉特徵對應的第二子圖像與所述第一人臉特徵對應的第一子圖像匹配。
  7. 根據請求項4所述的方法，其中，所述將所述第一子圖像與所述第二圖像中檢測到的人臉對應的第二子圖像進行比對，確定與所述第一子圖像匹配的第二子圖像，包括： 獲取所述第一子圖像在所述第一圖像中的第一位置與所述第二子圖像在所述第二圖像中的第二位置之間的距離； 回應於任一第二子圖像的第二位置與所述第一子圖像的第一位置之間的距離小於距離閾值，確定所述任一子圖像與所述第一子圖像匹配。
  8. 根據請求項4所述的方法，其中，所述在檢測到所述第二圖像中包含人臉的情況下，基於所述第一圖像中檢測到的人臉和第二圖像中檢測到的人臉的匹配結果，得到活體檢測結果，還包括： 回應於所述第二圖像中不存在與所述第一子圖像匹配的第二子圖像，返回重新執行所述活體檢測方法。
  9. 根據請求項8所述的方法，所述方法還包括： 回應於重複執行所述活體檢測方法的次數超過次數閾值，確定所述活體檢測結果為非活體。
  10. 根據請求項1或2所述的方法，所述方法還包括： 在所述第一圖像中未檢測到人臉的情況下，返回重新執行所述獲取第一攝影頭採集的第一圖像。
  11. 根據請求項1或2所述的方法，其中，所述第一攝影頭為可見光攝影頭，所述第二攝影頭為紅外攝影頭。
  12. 一種電子設備，包括： 處理器； 配置為儲存處理器可執行指令的記憶體； 其中，所述處理器被配置為調用所述記憶體儲存的指令，以執行請求項1至11中任意一項所述的方法。
  13. 一種電腦可讀儲存介質，其上儲存有電腦程式指令，所述電腦程式指令被處理器執行時實現請求項1至11中任意一項所述的方法。
TW109119701A 2019-08-19 2020-06-11 活體檢測方法、電子設備和儲存介質 TW202109358A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910763887.2A CN110503023A (zh) 2019-08-19 2019-08-19 活体检测方法及装置、电子设备和存储介质
CN201910763887.2 2019-08-19

Publications (1)

Publication Number Publication Date
TW202109358A true TW202109358A (zh) 2021-03-01

Family

ID=68588242

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109119701A TW202109358A (zh) 2019-08-19 2020-06-11 活體檢測方法、電子設備和儲存介質

Country Status (7)

Country Link
US (1) US20210406523A1 (zh)
JP (1) JP7110412B2 (zh)
KR (1) KR20210065178A (zh)
CN (1) CN110503023A (zh)
SG (1) SG11202110114SA (zh)
TW (1) TW202109358A (zh)
WO (1) WO2021031609A1 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110503023A (zh) * 2019-08-19 2019-11-26 深圳市商汤科技有限公司 活体检测方法及装置、电子设备和存储介质
CN111046804A (zh) * 2019-12-13 2020-04-21 北京旷视科技有限公司 活体检测方法、装置、电子设备及可读存储介质
CN112084951A (zh) * 2020-09-10 2020-12-15 深圳市迈航信息技术有限公司 智能楼宇***控制方法、装置、***以及可读存储介质
CN112165573B (zh) * 2020-09-14 2023-04-18 上海商汤智能科技有限公司 拍摄处理方法和装置、设备、存储介质
CN113537190A (zh) * 2021-06-17 2021-10-22 深圳东辉盛扬科技有限公司 一种多图像识别方法及装置
CN113673382B (zh) * 2021-08-05 2022-07-15 厦门市美亚柏科信息股份有限公司 一种人脸图像聚类中非活体过滤的方法、装置、介质
CN114121269B (zh) * 2022-01-26 2022-07-15 北京鹰之眼智能健康科技有限公司 一种基于人脸特征检测的中医面诊辅助诊断方法、装置和存储介质
CN115174818B (zh) * 2022-09-08 2023-02-03 深圳市维海德技术股份有限公司 基于声音定位的目标跟踪方法、电子设备及可读存储介质
CN115578777B (zh) * 2022-11-10 2023-03-14 成都智元汇信息技术股份有限公司 一种基于空间映射获得目标的识图方法及装置
CN115457644B (zh) * 2022-11-10 2023-04-28 成都智元汇信息技术股份有限公司 一种基于扩展空间映射获得目标的识图方法及装置
CN116259091B (zh) * 2023-01-18 2023-11-10 北京飞腾时光信息科技有限公司 一种静默活体检测的方法和装置
CN117011950B (zh) * 2023-08-29 2024-02-02 国政通科技有限公司 一种活体检测方法及装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0316631D0 (en) * 2003-07-16 2003-08-20 Omniperception Ltd Facial liveness assessment system
WO2009107237A1 (ja) 2008-02-29 2009-09-03 グローリー株式会社 生体認証装置
US10452894B2 (en) 2012-06-26 2019-10-22 Qualcomm Incorporated Systems and method for facial verification
US9813643B2 (en) * 2014-06-06 2017-11-07 Flir Systems, Inc. Thermal recognition systems and methods
CN107590430A (zh) * 2017-07-26 2018-01-16 百度在线网络技术（北京）有限公司 活体检测方法、装置、设备及存储介质
CN107862299B (zh) * 2017-11-28 2021-08-06 电子科技大学 一种基于近红外与可见光双目摄像头的活体人脸检测方法
JP7154758B2 (ja) 2017-12-28 2022-10-18 キヤノン株式会社 画像処理装置及びその制御方法
JP2018152079A (ja) 2018-03-23 2018-09-27 日本電気株式会社 検知装置
CN109359634B (zh) * 2018-12-11 2021-11-16 西安第六镜网络科技有限公司 一种基于双目摄像机的人脸活体检测方法
CN109840475A (zh) 2018-12-28 2019-06-04 深圳奥比中光科技有限公司 人脸识别方法及电子设备
CN109871773A (zh) * 2019-01-21 2019-06-11 深圳市云眸科技有限公司 活体检测方法、装置及门禁机
CN110059644A (zh) * 2019-04-23 2019-07-26 杭州智趣智能信息技术有限公司 一种基于人脸图像的活体检测方法、***及相关组件
CN110503023A (zh) * 2019-08-19 2019-11-26 深圳市商汤科技有限公司 活体检测方法及装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN110503023A (zh) 2019-11-26
KR20210065178A (ko) 2021-06-03
SG11202110114SA (en) 2021-10-28
JP2022501686A (ja) 2022-01-06
JP7110412B2 (ja) 2022-08-01
US20210406523A1 (en) 2021-12-30
WO2021031609A1 (zh) 2021-02-25

Similar Documents

Publication Publication Date Title
WO2021031609A1 (zh) 活体检测方法及装置、电子设备和存储介质
TWI724736B (zh) 圖像處理方法及裝置、電子設備、儲存媒體和電腦程式
TWI775091B (zh) 資料更新方法、電子設備和儲存介質
US20220004742A1 (en) Method for face recognition, electronic equipment, and storage medium
CN108197586B (zh) 脸部识别方法和装置
US10452890B2 (en) Fingerprint template input method, device and medium
WO2017181769A1 (zh) 一种人脸识别方法、装置和***、设备、存储介质
WO2021093375A1 (zh) 检测同行人的方法及装置、***、电子设备和存储介质
WO2017031888A1 (zh) 指纹识别方法及装置
WO2020019760A1 (zh) 活体检测方法、装置及***、电子设备和存储介质
US10216976B2 (en) Method, device and medium for fingerprint identification
TW202113757A (zh) 目標對象匹配方法及目標對象匹配裝置、電子設備和電腦可讀儲存媒介
CN110287671B (zh) 验证方法及装置、电子设备和存储介质
WO2017124899A1 (zh) 一种信息处理方法及装置、电子设备
JP6391708B2 (ja) 虹彩画像を取得する方法および装置、ならびに虹彩識別機器
TWI778313B (zh) 圖像處理方法、電子設備和儲存介質
WO2017197778A1 (zh) 图像发送方法和装置
TW202109360A (zh) 圖像處理方法及圖像處理裝置、電子設備和電腦可讀儲存介質
WO2022099989A1 (zh) 活体识别、门禁设备控制方法和装置、电子设备和存储介质、计算机程序
TWI770531B (zh) 人臉識別方法、電子設備和儲存介質
KR101657377B1 (ko) 휴대용 단말기, 휴대용 단말기 케이스 및 그를 이용한 홍채 인식 방법
CN105426904A (zh) 照片处理方法、装置和设备
JP2022535639A (ja) 性能パラメータ決定方法および装置、電子機器、記憶媒体、並びにプログラム製品
CN110110742B (zh) 多特征融合方法、装置、电子设备及存储介质
WO2023024439A1 (zh) 一种行为识别方法及装置、电子设备和存储介质