CN106096519A - 活体鉴别方法及装置 - Google Patents

Abstract

本发明公开了一种活体鉴别方法及装置，属于生物特征识别领域。所述方法包括：获取人脸视频，人脸视频中包括鉴别对象的人脸；通过n级活体鉴别算法对鉴别对象进行逐级鉴别，n级活体鉴别算法的算法复杂度不同，n≥2；根据鉴别结果确定鉴别对象是否为活体。本发明实施例解决了算法复杂度较低的活体鉴别算法的通过率较高，不法分子能够轻松突破，导致活体鉴别的安全性和可靠性较低的问题；达到了引入多级鉴别机制对鉴别对象进行逐级鉴别，从而提高活体鉴别安全性和准确性的效果。

Description

活体鉴别方法及装置

技术领域

本发明实施例涉及生物特征识别领域，特别涉及一种活体鉴别方法及装置。

背景技术

随着生物特征识别技术的发展，人脸识别已经成为认证用户身份时常用的技术之一。活体鉴别作为一种常用的人脸识别手段，能够避免不法分子盗用用户照片进行非法认证。

由于用户照片中用户表情不会发生变化，因此当采用活体鉴别认证用户身份时，通常需要用户根据要求上传一段实时录制的人脸视频，服务器通过对人脸视频中的人脸进行摇头检测、眨眼检测或张嘴检测，确定人脸视频中的人脸是否为用户照片；当确定人脸视频中的人脸不是用户照片时，即通过用户身份认证。

在实现本发明实施例的过程中，发明人发现上述技术至少存在以下问题：

摇头检测、眨眼检测或张嘴检测这类算法复杂度较低的活体鉴别算法的通过率较高，不法分子能够轻松突破，导致活体鉴别的安全性和可靠性较低。比如，不法分子可以通过佩戴人脸面具或播放人脸合成视频的方式突破摇头检测、眨眼检测和张嘴检测。

发明内容

为了解决算法复杂度较低的活体鉴别算法的通过率较高，不法分子能够轻松突破，导致活体鉴别的安全性和可靠性较低的问题，本发明实施例提供了一种活体鉴别方法及装置。所述技术方案如下：

根据本发明实施例的第一方面，提供一种活体鉴别方法，该方法包括：

获取人脸视频，人脸视频中包括鉴别对象的人脸；

通过n级活体鉴别算法对鉴别对象进行逐级鉴别，n级活体鉴别算法的算法复杂度不同，n≥2；

根据鉴别结果确定鉴别对象是否为活体。

根据本发明实施例的第二方面，提供一种活体鉴别装置，该装置包括：

第一获取模块，用于获取人脸视频，人脸视频中包括鉴别对象的人脸；

鉴别模块，用于通过n级活体鉴别算法对鉴别对象进行逐级鉴别，n级活体鉴别算法的算法复杂度不同，n≥2；

第一确定模块，用于根据鉴别结果确定鉴别对象是否为活体。

本发明实施例提供的技术方案带来的有益效果是：

通过至少两级不同算法复杂度的活体鉴别算法对鉴别对象进行逐级鉴别，并根据各级活体鉴别算法的鉴别结果确定鉴别对象是否为活体；解决了算法复杂度较低的活体鉴别算法的通过率较高，不法分子能够轻松突破，导致活体鉴别的安全性和可靠性较低的问题；达到了引入多级鉴别机制对鉴别对象进行逐级鉴别，从而提高活体鉴别安全性和准确性的效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例提供的实施环境的示意图；

图2是本发明一个实施例提供的活体鉴别方法的流程图；

图3A是本发明另一个实施例提供的活体鉴别方法的流程图；

图3B是图3A所示活体鉴别方法涉及的鉴别对象插入待审核队列过程的流程图；

图3C是本发明再一个实施例提供的活体鉴别方法的流程图；

图3D是本发明又一个实施例提供的活体鉴别方法的流程图；

图4是本发明一个实施例提供的活体鉴别装置的结构方框图；

图5是本发明另一个实施例提供的活体鉴别装置的结构方框图。

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，下面将结合附图对本发明 实施方式作进一步地详细描述。

为了方便理解，下面对本发明实施例中出现的名词进行解释。

活体鉴别算法：一种用于鉴别视频图像帧中鉴别对象是否为活体的算法。简单活体鉴别算法通常从鉴别对象的眨眼、摇头和张嘴等动作判断鉴别对象是否为活体；而复杂活体鉴别算法通常从场景、唇语、人脸肤色脉搏信号、人脸纹理等方面判断鉴别对象是否为活体。

简单活体鉴别算法能够抵御一些简单的攻击，比如，当不法分子利用照片进行活体鉴别时，简单活体鉴别算法能够识别出鉴别对象为照片而非活体；而复杂活体鉴别算法则能够抵御较为高级的攻击，比如，当不法分子通过佩戴人脸面具或播放人脸合成视频的方式进行活体鉴别时，复杂活体鉴别算法能够鉴别出识别出鉴别对象非活体。

在算法复杂度方面，简单活体鉴别算法的算法复杂度低于复杂活体鉴别算法的算法复杂度；在鉴别通过率方面，简单活体鉴别算法的鉴别通过率高于复杂活体鉴别算法的鉴别通过率，相应的，简单活体鉴别算法的安全性低于复杂活体鉴别算法的安全性。但是复杂活体鉴别算法由于算法复杂度过高，用户难以配合，会出现较多鉴别错误的情况(将活体鉴别为非活体)。

请参考图1，其示出了本发明一个实施例提供的实施环境的示意图，该实施环境中包含至少一个终端110和鉴别服务器120。

终端110是配置有摄像头的电子设备，该电子设备可以是智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器和膝上型便携计算机(相机、摄像机)等等。当用户需要使用终端中的应用程序执行某些操作时(比如使用金融类应用程序进行资金转账或开户等操作)，终端即启用视频录制功能，用户根据相应的视频录制指示，拍摄一段包含人脸的人脸视频并上传至鉴别服务器120，由鉴别服务器120进行活体鉴别。

终端110与鉴别服务器120之间通过有线或无线网络相连。

鉴别服务器120是终端中应用程序的后台服务器，用于当用户通过应用程 序执行某些操作时，通过预设的多级活体鉴别算法对终端上传的人脸视频进行活体鉴别。鉴别服务器120是至少一台服务器、服务器集群、分布式服务器平台、云计算中心或几个服务器集群的组合。

需要说明的是，在其他可能的实施方式中，鉴别服务器120还可以与若干台计算机(图中为未示出)相连。各台计算机用于接收鉴别服务器120推送的可疑人脸视频(鉴别服务器120鉴别出具有安全风险的人脸视频)，并通过人工方式对人脸视频进行鉴别。

为了方便描述，下述各个实施例以活体鉴别方法用于图1中的鉴别服务器120为例进行说明，并不对本发明构成限定。

请参考图2，其示出了本发明一个实施例提供的活体鉴别方法的流程图，本实施例以该活体鉴别方法用于图1中的鉴别服务器120为例进行说明，该方法包括：

步骤202，获取人脸视频，该人脸视频中包括鉴别对象的人脸。

出于安全性的考虑，用户使用终端中的应用程序执行某些操作时，鉴别服务器需要对执行操作的用户进行鉴别。在一种可能的实施方式中，鉴别服务器可以要求用户使用终端拍摄并上传一段包含人脸的人脸视频，从而根据该人脸视频中用户(即鉴别对象)的人脸进行用户身份鉴别。

步骤204，通过n级活体鉴别算法对该鉴别对象进行逐级鉴别，n级活体鉴别算法的算法复杂度不同，n≥2。

鉴别服务器中预设有多级活体鉴别算法，各级活体鉴别算法的算法复杂度不同。鉴别服务器按照算法复杂度的升序(即由低到高)，利用多级鉴别算法对鉴别对象进行逐级鉴别。

比如，鉴别服务器中预设有两级活体鉴别算法，分别为第一级活体鉴别算法和第二级活体鉴别算法，其中，第一级活体鉴别算法的算法复杂度高于第二级活体鉴别算法的算法复杂度。利用两级活体鉴别算法进行活体鉴别时，鉴别服务器首先利用第一级活体鉴别算法对鉴别对象进行鉴别，当鉴别对象通过第一级活体鉴别算法时，再利用第二级活体鉴别算法对该鉴别对象进行鉴别。

步骤206，根据鉴别结果确定该鉴别对象是否为活体。

根据各级活体鉴别算法的鉴别结果，鉴别服务器确定鉴别对象是否为活体。

比如，当鉴别服务器中预设有两级活体鉴别算法时，确定未通过第一级活体鉴别算法的鉴别对象不是活体；确定通过第一级活体鉴别算法和第二级活体鉴别算法的鉴别对象为活体。

综上所述，本实施例提供的活体鉴别方法，通过至少两级不同算法复杂度的活体鉴别算法对鉴别对象进行逐级鉴别，并根据各级活体鉴别算法的鉴别结果确定鉴别对象是否为活体；解决了算法复杂度较低的活体鉴别算法的通过率较高，不法分子能够轻松突破，导致活体鉴别的安全性和可靠性较低的问题；达到了引入多级鉴别机制对鉴别对象进行逐级鉴别，从而提高活体鉴别安全性和准确性的效果。

通过多级活体鉴别算法对鉴别对象进行逐级鉴别时，算法复杂度较低的活体鉴别算法能够识别出一些明显的非活体鉴别对象，并对非活体鉴别对象进行过滤，而算法复杂度较高的活体鉴别算法只需要对过滤后的鉴别对象进行鉴别即可，当鉴别对象能够通过算法复杂度较高的活体鉴别算法时，鉴别服务器即确定该鉴别对象为活体。但是当活体鉴别算法的算法复杂度过高时，即使是活体鉴别对象录制的人脸视频也难以通过活体鉴别算法，导致错误鉴别(即将活体鉴别为非活体)，影响鉴别的准确率。为了提高鉴别的准确率，对于通过简单活体鉴别算法，但未通过复杂活体鉴别算法的鉴别对象，鉴别服务器采用人工审核的方式对其进行进一步审核，并根据人工审核结果确定该鉴别对象是否为活体。下面采用一个实施例进行说明。

请参考图3A，其示出了本发明另一个实施例提供的活体鉴别方法的流程图，本实施例以该活体鉴别方法用于图1中的鉴别服务器120为例进行说明，该方法包括：

步骤301，获取人脸视频，人脸视频中包括鉴别对象的人脸。

当用户使用终端中的应用程序执行预定操作时，鉴别服务器即向终端中的应用程序发送视频录制提示，指示用户根据要求录制一段包含用户人脸的人脸视频。其中，该预定操作指应用程序中对安全性要求较高的操作。比如，当该应用程序为金融类应用程序时，该预定操作可以指余额查询、转账或开户等。

在一种可能的实施方式中，鉴别服务器生成一段随机字符串，并将该随机 字符串添加到视频录制提示中，指示用户录制人脸视频的同时，阅读该随机字符串。用户根据该视频录制提示，完成人脸视频录制，并将人脸视频上传至鉴别服务器。

对应的，鉴别服务器接收终端上传的人脸视频。

步骤302，通过第i级活体鉴别算法对鉴别对象进行鉴别，1≤i≤n-1。

获取到终端上传的人脸视频后，鉴别服务器即提取该人脸视频中各个图像帧，并通过活体鉴别算法对图像帧中包含的(鉴别对象)人脸进行活体鉴别。

鉴别服务器中各个活体鉴别算法预先根据算法复杂度进行排序，当需要对鉴别对象进行鉴别时，鉴别服务器即根据算法复杂度的升序(由低到高)，利用相应的活体鉴别算法对鉴别对象进行逐级鉴别。示意性的，鉴别服务器中各级活体鉴别算法与算法复杂度的对应关系如表一所示。

表一

活体鉴别算法标识	活体鉴别算法名称	算法复杂度
			第1级活体鉴别算法	张嘴检测算法	2
第2级活体鉴别算法	唇语相似度检测算法	4
			第3级活体鉴别算法	人脸纹理分析算法	6

对于第i级活体鉴别算法，若鉴别对象通过了第i级活体鉴别算法，鉴别服务器则通过第i+1级活体鉴别算法对该鉴别对象进行鉴别，执行步骤303，其中，第i级活体鉴别算法的算法复杂度低于第i+1级活体鉴别算法的算法复杂度。

需要说明的是，由于第1级活体鉴别算法的算法复杂度最低(仅能识别出明显的非活体鉴别对象，相应的通过率最高)，若鉴别对象未通过第1级活体鉴别算法，表示该鉴别对象为活体的概率极低，鉴别服务器直接将该鉴别对象确定为非活体，并进行过滤。

步骤303，若鉴别对象通过第i级活体鉴别算法，则通过第i+1级活体鉴别算法对该鉴别对象进行鉴别。

鉴别对象通过第i级活体鉴别算法后，鉴别服务器进一步通过算法复杂度更高的第i+1级活体鉴别算法对该鉴别对象进行鉴别。若鉴别对象通过第i+1级活体鉴别算法，鉴别服务器利用下一级活体鉴别算法(即第i+2级活体鉴别算法)对该鉴别对象进行鉴别，直至利用最后一级活体鉴别算法(第n级活体鉴别算法)。

由于第n级活体鉴别算法高，通过率低，若鉴别对象通过了第n级活体鉴别算法，表示该鉴别对象为活体的概率极高，鉴别服务器直接将该鉴别对象确定为活体。

同时，为了避免因算法复杂度过高而导致的错误鉴别，当鉴别对象未通过第i+1级活体鉴别算法时，鉴别服务器将该鉴别对象确定为待确定对象，并将该待确定对象添加到待审核队列中，通过人工审核的方式进一步鉴别该待确定对象是否为活体，执行下述步骤304。

步骤304，若鉴别对象未通过第i+1级活体鉴别算法，则将鉴别对象添加到待审核队列，待审核队列中的鉴别对象用于进行人工审核。

鉴别服务器中设置有待审核队列，该待审核队列中包含通过第i级活体鉴别算法，但未通过第i+1级活体鉴别算法的鉴别对象。对于待审核队列中各个鉴别对象，将采用人工审核的方式进行进一步鉴别。

为了提高人工审核的效率，同时使活体概率较高的鉴别对象优先进行审核，在一种可能的实施方式中，如图3B所示，本步骤可以包括如下步骤。

步骤304A，获取第i+1级活体鉴别算法对该鉴别对象的鉴别评分，鉴别评分与鉴别对象为活体的概率成正比例关系。

对鉴别对象进行鉴别时，活体鉴别算法会给予鉴别对象一个鉴别评分，该鉴别评分与鉴别对象为活体的概率成正比例关系，即鉴别对象的鉴别评分越高，该鉴别对象为活体的概率越高，当鉴别评分大于阈值(比如85)时，该鉴别对象即通过活体鉴别算法。其中，该鉴别评分可以为唇语相似度评分、场景分析评分、人脸纹理分析评分等等。

对于未通过第i+1级活体鉴别算法的鉴别对象，鉴别服务器即获取该鉴别对象的鉴别评分。

步骤304B，根据鉴别评分确定鉴别对象的审核优先级，审核优先级用于指示鉴别对象的审核顺序。

鉴别评分越高，鉴别对象为活体的可能性越高，反之，鉴别评分越低，鉴别对象为活体的可能性越低。根据这一特性，对于鉴别评分较高的鉴别对象，鉴别服务器可以为其分配较高的审核优先级，保证该鉴别对象得到优先审核；而对于鉴别评分较低的鉴别对象，鉴别服务器则为其分配较低的审核优先级。

步骤304C，根据审核优先级将鉴别对象插入待审核队列中相应的队列位置。

对于审查优先级较高的鉴别对象，鉴别服务器将其插入待审核队列的前部，使得该鉴别对象能够得到优先审核；对于审查优先级较低的鉴别对象，鉴别服务器则将其插入待审核队列的后部。

鉴别服务器根据待审核队列所指示的审核顺序，向与其相连的计算机传输鉴别对象对应的人脸视频。计算机接收该人脸视频并进行播放，接收审核人员对该人脸视频的人工审核结果。

相较于活体鉴别算法，人工审核的准确率更高，因此对于错误的鉴别结果，人工审核能够及时进行纠正，保证了活体鉴别对象的正常操作。

需要说明的是，在其它可能的实施方式中，鉴别服务器还可以优先对活体可能性低的鉴别对象进行人工审核，本实施例并不对此构成限定。

步骤305，若人工审核结果指示该鉴别对象通过审核，则确定该鉴别对象是活体。

与鉴别服务器相连的计算机获得人工审核结果后，将该人工审核结果下发给鉴别服务器。当人工审核结果指示该鉴别对象通过审核时，鉴别服务器确定该鉴别对象是活体。

步骤306，若人工审核结果指示该鉴别对象未通过审核，则确定该鉴别对象不是活体。

综上所述，本实施例提供的活体鉴别方法，通过至少两级不同算法复杂度的活体鉴别算法对鉴别对象进行逐级鉴别，并根据各级活体鉴别算法的鉴别结果确定鉴别对象是否为活体；解决了算法复杂度较低的活体鉴别算法的通过率较高，不法分子能够轻松突破，导致活体鉴别的安全性和可靠性较低的问题；达到了引入多级鉴别机制对鉴别对象进行逐级鉴别，从而提高活体鉴别安全性和准确性的效果。

本实施例中，对于通过第i级活体鉴别算法，但未通过第i+1级活体鉴别算法的鉴别对象，鉴别服务器将其添加到待审核队列，采用人工审核的方式对其进行审核，并根据人工审核结果确定其是否为活体，避免了因算法复杂度过高导致鉴别错误的问题，提高了整个活体鉴别系统的准确性。

用户使用应用程序执行操作时，不同操作对安全性的要求也不同。比如，当用户使用金融类应用程序时，转账操作对安全性的要求大于余额查询操作对 安全性的要求，开户操作对安全性的要求大于转账操作对安全性的要求。

同时，对安全性要求较低的操作对时效性的要求往往较高，而对安全性要求较高的操作对时效性的要求往往较低。比如，金融类应用程序中，余额查询操作需要实时反馈查询结果，转账操作需要在2小时内完成，而开户操作则需要在24小时内完成。

当用户进行对安全性要求较低，但对时效性要求较高的操作时，鉴别服务器通过各级活体鉴别算法进行逐级鉴别会导致反馈速度较慢，影响用户体验。因此，在保证安全性的前提下，鉴别服务器可以根据鉴别对象所执行操作，采用不同级数的活体鉴别算法进行活体鉴别。基于图3A所示的活体鉴别方法，如图3C所示，上述步骤301之后，可以包括步骤307。

步骤307，获取鉴别对象所执行操作对应的活体鉴别等级，活体鉴别等级用于指示鉴别该鉴别对象时所使用活体鉴别算法的级数。

鉴别服务器中预先存储有不同操作与活体鉴别等级之间的对应关系，示意性的，该对应关系可以如表二所示。

表二

操作类型	活体鉴别等级
		查询余额	2
转账	3
		开户	4

其中，活体鉴别等级与操作对安全性的要求呈正比例关系(对安全性要求越高，活体鉴别等级越高)，活体鉴别等级与操作对时效性的要求呈反比例关系(对时效性要求越第，活体鉴别等级越高)。

鉴别服务器根据鉴别对象所执行操作，在表二所示的对应关系中查找该操作对应的活体鉴别等级，从而确定鉴别该鉴别对象时所使用活体鉴别算法的级数。

进一步的，鉴别服务器根据该活体鉴别等级，通过预设m级活体鉴别算法中的前n级活体鉴别算法对鉴别对象进行逐级鉴别，其中，m≥n，且预设m级活体鉴别算法根据算法复杂度的升序排序。

比如，鉴别服务器中预设有4级活体鉴别算法(m＝4)，当鉴别对象所执行操作为查询余额时，鉴别服务器确定鉴别该鉴别对象时所使用活体鉴别算法的 级数为2级，并通过4级活体鉴别算法中的前2(即n＝2)级活体鉴别算法鉴别该鉴别对象；当鉴别对象所执行操作为开户时，鉴别服务器确定鉴别该鉴别对象时所使用活体鉴别算法的级数为4(即n＝4)级，并通过预设的4级活体鉴别算法鉴别该鉴别对象。

需要说明的是，针对同一操作，鉴别服务器还可以根据其他条件将其细分为不同活体鉴别等级，比如根据转账金额对活体鉴别等级进行细分，本实施并不对此进行限定。

通过上述步骤，用户执行对安全性要求较低的操作时，由于经过活体鉴别算法的级数相对较少，因此反馈速度较快，保证了反馈的时效性，提升了用户体验。

本实施例中，鉴别服务器根据鉴别对象所执行操作，采用不同级数的活体鉴别算法对鉴别对象进行鉴别，保证了活体鉴别的准确性和时效性。

在一种具体的实施方式中，鉴别服务器中设置有两级活体鉴别算法，分别为第1级活体鉴别算法和第2级活体鉴别算法。如图3D所示，鉴别服务器进行活体鉴别包括如下步骤。

步骤310，获取人脸视频，人脸视频中包括鉴别对象的人脸。

步骤311，通过第1级活体鉴别算法对鉴别对象进行鉴别。

鉴别服务器设置的两级活体鉴别算法中，第1级活体鉴别算法采用第一类活体鉴别算法中的至少一种算法，第2级活体鉴别算法采用第二类活体鉴别算法中的至少一种算法，其中，第一类活体鉴别算法的算法复杂度低于第二类活体鉴别算法的算法复杂度。

可选地，第一类活体鉴别算法可以包括摇头检测算法、眨眼检测算法、张嘴检测算法和语音识别算法；第二类活体鉴别算法可以包括唇语相似度检测算法、场景分析算法和人脸纹理分析算法。

鉴别服务器获取到人脸视频，可以通过摇头检测算法检测鉴别对象是否进行了摇头，当检测到鉴别对象进行了摇头时，确定鉴别对象通过鉴别；

和/或，

通过眨眼检测算法检测鉴别对象是否眨眼，当检测到鉴别对象眨眼时，确定鉴别对象通过鉴别；

和/或，

通过张嘴检测算法检测鉴别对象是否张嘴，当检测到鉴别对象张嘴时，确定鉴别对象通过鉴别；

和/或，

通过语音识别算法计算鉴别对象阅读的字符串与鉴别服务器所提供字符串的匹配度，当匹配度大于阈值时，确定鉴别对象通过鉴别。

需要说明的是，本实施例仅以上述列举的活体鉴别算法为例进行示意性说明，并不对本发明构成限定。

步骤312，若鉴别结果指示鉴别对象未通过第1级活体鉴别算法，则确定鉴别对象不是活体。

若鉴别结果指示鉴别对象未通过第1级活体鉴别算法，表示该鉴别对象存在明显的非活体特征，鉴别服务器确定该鉴别对象不是活体。

步骤313，若鉴别对象通过第1级活体鉴别算法，则通过第2级活体鉴别算法对鉴别对象进行鉴别。

鉴别对象通过第1级活体鉴别算法后，鉴别服务器可以通过唇语相似度检测算法，计算鉴别对象发音时的唇型与字符串对应的参考唇型的相似度，当相似度大于阈值时，确定鉴别对象通过鉴别；

和/或，

鉴别服务器可以通过场景分析算法，分析人脸视频中场景的置信度，当场景的置信度大于阈值时，确定鉴别对象通过鉴别；

和/或，

鉴别服务器可以通过人脸纹理分析算法，对人脸视频中的人脸进行纹理分析，当分析结果指示该人脸为活体的概率大于阈值时，确定鉴别对象通过鉴别。

需要说明的是，本实施例仅以上述列举的活体鉴别算法为例进行示意性说明，并不对本发明构成限定。

步骤314，若鉴别结果指示鉴别对象通过第2级活体鉴别算法，则确定鉴别对象是活体。

若鉴别结果指示鉴别对象通过第2级活体鉴别算法，表示该鉴别对象为活体的概率极高，鉴别服务器直接将该鉴别对象确定为活体。

步骤315，若鉴别对象未通过第2级活体鉴别算法，则将鉴别对象添加到待 审核队列，待审核队列中的鉴别对象用于进行人工审核。

若鉴别对象未通过第2级活体鉴别算法，为了避免因算法复杂度过高导致的错误鉴别，鉴别服务器将该鉴别对象添加到待审核队列，并指示进行人工审核。本步骤的实施方式与上述步骤304相似，在此不再赘述。

步骤316，若人工审核结果指示鉴别对象通过审核，则确定鉴别对象是活体。

步骤317，若人工审核结果指示鉴别对象未通过审核，则确定鉴别对象不是活体。

下述为本发明装置实施例，对于装置实施例中未详尽描述的细节，可以参考上述一一对应的方法实施例。

请参考图4，其示出了本发明一个实施例提供的活体鉴别装置的结构方框图。该活体鉴别装置通过硬件或者软硬件的结合实现成为图1中鉴别服务器120的全部或者一部分。该活体鉴别装置包括：

第一获取模块410，用于获取人脸视频，所述人脸视频中包括鉴别对象的人脸；

鉴别模块420，用于通过n级活体鉴别算法对所述鉴别对象进行逐级鉴别，所述n级活体鉴别算法的算法复杂度不同，n≥2；

第一确定模块430，用于根据鉴别结果确定所述鉴别对象是否为活体。

综上所述，本实施例提供的活体鉴别装置，通过至少两级不同算法复杂度的活体鉴别算法对鉴别对象进行逐级鉴别，并根据各级活体鉴别算法的鉴别结果确定鉴别对象是否为活体；解决了算法复杂度较低的活体鉴别算法的通过率较高，不法分子能够轻松突破，导致活体鉴别的安全性和可靠性较低的问题；达到了引入多级鉴别机制对鉴别对象进行逐级鉴别，从而提高活体鉴别安全性和准确性的效果。

请参考图5，其示出了本发明一个实施例提供的活体鉴别装置的结构方框图。该活体鉴别装置通过硬件或者软硬件的结合实现成为图1中鉴别服务器120的全部或者一部分。该活体鉴别装置包括：

第一获取模块510，用于获取人脸视频，所述人脸视频中包括鉴别对象的人脸；

鉴别模块520，用于通过n级活体鉴别算法对所述鉴别对象进行逐级鉴别，所述n级活体鉴别算法的算法复杂度不同，n≥2；

第一确定模块530，用于根据鉴别结果确定所述鉴别对象是否为活体。

可选地，鉴别模块520，包括：

第一鉴别单元521，用于通过第i级活体鉴别算法对所述鉴别对象进行鉴别，1≤i≤n-1；

第二鉴别单元522，用于若所述鉴别对象通过所述第i级活体鉴别算法，则通过第i+1级活体鉴别算法对所述鉴别对象进行鉴别；

其中，所述第i级活体鉴别算法的算法复杂度低于所述第i+1级活体鉴别算法的算法复杂度。

可选地，第一确定模块530，包括：

第一确定单元531，用于若所述鉴别结果指示所述鉴别对象未通过第1级活体鉴别算法，则确定所述鉴别对象不是活体；

第二确定单元532，用于若所述鉴别结果指示所述鉴别对象通过第n级活体鉴别算法，则确定所述鉴别对象是活体。

可选地，该装置，包括：

添加模块540，用于若所述鉴别对象未通过所述第i+1级活体鉴别算法，则将所述鉴别对象添加到待审核队列，所述待审核队列中的鉴别对象用于进行人工审核；

第二确定模块550，用于若人工审核结果指示所述鉴别对象通过审核，则确定所述鉴别对象是活体；

第三确定模块560，用于若人工审核结果指示所述鉴别对象未通过审核，则确定所述鉴别对象不是活体。

可选地，添加模块540，包括：

评分获取单元541，用于获取所述第i+1级活体鉴别算法对所述鉴别对象的鉴别评分，所述鉴别评分与所述鉴别对象为活体的概率成正比例关系；

优先级确定单元542，用于根据所述鉴别评分确定所述鉴别对象的审核优先级，所述审核优先级用于指示所述鉴别对象的审核顺序；

插入单元543，用于根据所述审核优先级将所述鉴别对象插入所述待审核队列中相应的队列位置。

可选地，该装置，还包括：

第二获取模块570，用于获取所述鉴别对象所执行操作对应的活体鉴别等级，所述活体鉴别等级用于指示鉴别所述鉴别对象时所使用活体鉴别算法的级数；

所述鉴别模块520，还用于根据所述活体鉴别等级，通过预设m级活体鉴别算法中的前n级活体鉴别算法对所述鉴别对象进行逐级鉴别，m≥n。

可选地，所述n级活体鉴别算法包括第一类活体鉴别算法中的至少一种以及第二类活体鉴别算法中的至少一种，所述第一类活体鉴别算法的算法复杂度低于所述第二类活体鉴别算法的算法复杂度；

其中，所述第一类活体鉴别算法包括摇头检测算法、眨眼检测算法、张嘴检测算法和语音识别算法；

所述第二类活体鉴别算法包括唇语相似度检测算法、场景分析算法和人脸纹理分析算法。

综上所述，本实施例提供的活体鉴别装置，通过至少两级不同算法复杂度的活体鉴别算法对鉴别对象进行逐级鉴别，并根据各级活体鉴别算法的鉴别结果确定鉴别对象是否为活体；解决了算法复杂度较低的活体鉴别算法的通过率较高，不法分子能够轻松突破，导致活体鉴别的安全性和可靠性较低的问题；达到了引入多级鉴别机制对鉴别对象进行逐级鉴别，从而提高活体鉴别安全性和准确性的效果。

本实施例中，对于通过第i级活体鉴别算法，但未通过第i+1级活体鉴别算法的鉴别对象，鉴别服务器将其添加到待审核队列，采用人工审核的方式对其进行审核，并根据人工审核结果确定其是否为活体，避免了因算法复杂度过高导致鉴别错误的问题，提高了整个活体鉴别系统的准确性。

本实施例中，鉴别服务器根据鉴别对象所执行操作，采用不同级数的活体鉴别算法对鉴别对象进行鉴别，保证了活体鉴别的准确性和时效性。

需要说明的是：上述实施例提供的活体鉴别装置，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将鉴别服务器的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的活体鉴别装置与活体鉴别 方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”(“a”、“an”、“the”)旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (14)

1.一种活体鉴别方法，其特征在于，所述方法包括：

获取人脸视频，所述人脸视频中包括鉴别对象的人脸；

通过n级活体鉴别算法对所述鉴别对象进行逐级鉴别，所述n级活体鉴别算法的算法复杂度不同，n≥2；

根据鉴别结果确定所述鉴别对象是否为活体。

2.根据权利要求1所述的方法，其特征在于，所述通过n级活体鉴别算法对所述鉴别对象进行逐级鉴别，包括：

通过第i级活体鉴别算法对所述鉴别对象进行鉴别，1≤i≤n-1；

若所述鉴别对象通过所述第i级活体鉴别算法，则通过第i+1级活体鉴别算法对所述鉴别对象进行鉴别；

其中，所述第i级活体鉴别算法的算法复杂度低于所述第i+1级活体鉴别算法的算法复杂度。

3.根据权利要求1或2所述的方法，其特征在于，所述根据鉴别结果确定所述鉴别对象是否为活体，包括：

若所述鉴别结果指示所述鉴别对象未通过第1级活体鉴别算法，则确定所述鉴别对象不是活体；

若所述鉴别结果指示所述鉴别对象通过第n级活体鉴别算法，则确定所述鉴别对象是活体。

4.根据权利要求2所述的方法，其特征在于，所述通过第i+1级活体鉴别算法对所述鉴别对象进行鉴别之后，包括：

若所述鉴别对象未通过所述第i+1级活体鉴别算法，则将所述鉴别对象添加到待审核队列，所述待审核队列中的鉴别对象用于进行人工审核；

若人工审核结果指示所述鉴别对象通过审核，则确定所述鉴别对象是活体；

若人工审核结果指示所述鉴别对象未通过审核，则确定所述鉴别对象不是活体。

5.根据权利要求4所述的方法，其特征在于，所述将所述鉴别对象添加到待审核队列，包括：

获取所述第i+1级活体鉴别算法对所述鉴别对象的鉴别评分，所述鉴别评分与所述鉴别对象为活体的概率成正比例关系；

根据所述鉴别评分确定所述鉴别对象的审核优先级，所述审核优先级用于指示所述鉴别对象的审核顺序；

根据所述审核优先级将所述鉴别对象插入所述待审核队列中相应的队列位置。

6.根据权利要求1至5任一所述的方法，其特征在于，所述获取人脸视频之后，还包括：

获取所述鉴别对象所执行操作对应的活体鉴别等级，所述活体鉴别等级用于指示鉴别所述鉴别对象时所使用活体鉴别算法的级数；

所述通过n级活体鉴别算法对所述鉴别对象进行逐级鉴别，包括：

根据所述活体鉴别等级，通过预设m级活体鉴别算法中的前n级活体鉴别算法对所述鉴别对象进行逐级鉴别，m≥n。

7.根据权利要求1至6任一所述的方法，其特征在于，所述n级活体鉴别算法包括第一类活体鉴别算法中的至少一种以及第二类活体鉴别算法中的至少一种，所述第一类活体鉴别算法的算法复杂度低于所述第二类活体鉴别算法的算法复杂度；

其中，所述第一类活体鉴别算法包括摇头检测算法、眨眼检测算法、张嘴检测算法和语音识别算法；

所述第二类活体鉴别算法包括唇语相似度检测算法、场景分析算法和人脸纹理分析算法。

8.一种活体鉴别装置，其特征在于，所述装置包括：

第一获取模块，用于获取人脸视频，所述人脸视频中包括鉴别对象的人脸；

鉴别模块，用于通过n级活体鉴别算法对所述鉴别对象进行逐级鉴别，所述n级活体鉴别算法的算法复杂度不同，n≥2；

第一确定模块，用于根据鉴别结果确定所述鉴别对象是否为活体。

9.根据权利要求8所述的装置，其特征在于，所述鉴别模块，包括：

第一鉴别单元，用于通过第i级活体鉴别算法对所述鉴别对象进行鉴别，1≤i≤n-1；

第二鉴别单元，用于若所述鉴别对象通过所述第i级活体鉴别算法，则通过第i+1级活体鉴别算法对所述鉴别对象进行鉴别；

其中，所述第i级活体鉴别算法的算法复杂度低于所述第i+1级活体鉴别算法的算法复杂度。

10.根据权利要求8或9所述的装置，其特征在于，所述第一确定模块，包括：

第一确定单元，用于若所述鉴别结果指示所述鉴别对象未通过第1级活体鉴别算法，则确定所述鉴别对象不是活体；

第二确定单元，用于若所述鉴别结果指示所述鉴别对象通过第n级活体鉴别算法，则确定所述鉴别对象是活体。

11.根据权利要求9所述的装置，其特征在于，所述装置，包括：

添加模块，用于若所述鉴别对象未通过所述第i+1级活体鉴别算法，则将所述鉴别对象添加到待审核队列，所述待审核队列中的鉴别对象用于进行人工审核；

第二确定模块，用于若人工审核结果指示所述鉴别对象通过审核，则确定所述鉴别对象是活体；

第三确定模块，用于若人工审核结果指示所述鉴别对象未通过审核，则确定所述鉴别对象不是活体。

12.根据权利要求11所述的装置，其特征在于，所述添加模块，包括：

评分获取单元，用于获取所述第i+1级活体鉴别算法对所述鉴别对象的鉴别评分，所述鉴别评分与所述鉴别对象为活体的概率成正比例关系；

优先级确定单元，用于根据所述鉴别评分确定所述鉴别对象的审核优先级，所述审核优先级用于指示所述鉴别对象的审核顺序；

插入单元，用于根据所述审核优先级将所述鉴别对象插入所述待审核队列中相应的队列位置。

13.根据权利要求8至12任一所述的装置，其特征在于，所述装置，还包括：

第二获取模块，用于获取所述鉴别对象所执行操作对应的活体鉴别等级，所述活体鉴别等级用于指示鉴别所述鉴别对象时所使用活体鉴别算法的级数；

所述鉴别模块，还用于根据所述活体鉴别等级，通过预设m级活体鉴别算法中的前n级活体鉴别算法对所述鉴别对象进行逐级鉴别，m≥n。

14.根据权利要求8至13任一所述的装置，其特征在于，所述n级活体鉴别算法包括第一类活体鉴别算法中的至少一种以及第二类活体鉴别算法中的至少一种，所述第一类活体鉴别算法的算法复杂度低于所述第二类活体鉴别算法的算法复杂度；

其中，所述第一类活体鉴别算法包括摇头检测算法、眨眼检测算法、张嘴检测算法和语音识别算法；

所述第二类活体鉴别算法包括唇语相似度检测算法、场景分析算法和人脸纹理分析算法。