CN107038428B - 活体识别方法和装置 - Google Patents

Abstract

本公开是关于一种活体识别方法和装置，此方法包括：采集待检测目标在第一光照下的N张第一面部图像；以及在第二光照下的N张第二面部图像；所述N为大于或等于1的整数；所述第一光照的亮度不同于所述第二光照的亮度；根据所述N张第一面部图像和所述N张第二面部图像，获取面部的光照变化特征信息；根据所述面部的光照变化特征信息，对所述待检测目标进行活体识别。因此，本实施例通过采集不同光照下的面部图像即可进行活体识别，需要改变的是光照，无需待检测目标进行动作配合，提高活体识别的准确度和效率，也简化了待检测目标的操作。

Description

活体识别方法和装置

技术领域

本公开涉及生物识别技术领域，尤其涉及活体识别方法和装置。

背景技术

随着计算机视觉的发展，人脸识别已经广泛应用在在线支付、网络金融等业务中。在人脸识别的过程中活体验证是一个重要的步骤，可以提高系统的安全性。现有的人脸活体验证过程往往根据用户面部的动作如眨眼、嘴型变化等来判定是否活体，这些方案均需要用户良好的配合才能识别出活体。

发明内容

为克服相关技术中存在的问题，本公开提供一种活体识别方法和装置。

根据本公开实施例的第一方面，提供一种活体识别方法，包括：

采集待检测目标在第一光照下的N张第一面部图像；以及在第二光照下的N张第二面部图像；所述N为大于或等于1的整数；所述第一光照的亮度不同于所述第二光照的亮度；

根据所述N张第一面部图像和所述N张第二面部图像，获取面部的光照变化特征信息；

根据所述面部的光照变化特征信息，对所述待检测目标进行活体识别。

可选地，所述根据所述N张第一面部图像和所述N张第二面部图像，获取面部的光照变化特征信息，包括：

根据所述N张第一面部图像，获得第一灰度图像；

根据所述N张第二面部图像，获得第二灰度图像；

根据所述第一灰度图像和所述第二灰度图像，获取图像灰度差值特征信息；

确定所述图像灰度差值特征信息为所述光照变化特征信息。

可选地，所述根据所述第一灰度图像和所述第二灰度图像，获取图像灰度差值特征信息，包括：

将所述第一灰度图像和所述第二灰度图像分别划分为M个图像区域，M为大于或等于1的整数；

获取每个图像区域在所述第一灰度图像与所述第二灰度图像之间的灰度差值的直方图；

串联所述M个图像区域的灰度差值的直方图，获得所述图像灰度差值特征信息。

可选地，根据所述N张面部图像，获得灰度图像，包括：

从所述N张面部图像中确定面部代表图像；

对所述面部代表图像做灰度处理，获得所述灰度图像；

其中，当所述面部图像为第一面部图像时，所述面部代表图像为所述第一面部代表图像；

当所述面部图像为第二面部图像时，所述面部代表图像为所述第二面部代表图像。

可选地，从N张面部图像中确定面部代表图像，包括：

根据所述N张面部图像，获取平均面部图像；

从N张面部图像中，确定与所述平均面部图像相似度最高的面部图像为所述面部代表图像。

可选地，所述根据所述N张第一面部图像和所述N张第二面部图像，获取面部的光照变化特征信息，包括：

对所述N张第一面部图像进行对齐处理，获得N张对齐处理后的第一面部图像；

对所述N张第二面部图像进行对齐处理，获得N张对齐处理后的第二面部图像；

根据所述N张对齐处理后的第一面部图像和所述N张对齐处理后的第二面部图像，获取面部的光照变化特征信息。

可选地，所述根据所述面部的光照变化特征信息，对所述待检测目标进行活体识别，包括：

确定所述光照变化特征信息是否呈非线性变化趋势；

当所述光照变化特征信息呈非线性变化趋势时，识别所述待检测目标为活体；

当所述光照变化特征信息呈线性变化趋势时，识别所述待检测目标为非活体。

根据本公开实施例的第二方面，提供一种活体识别装置，包括：

采集模块，被配置为采集待检测目标在第一光照下的N张第一面部图像；以及在第二光照下的N张第二面部图像；所述N为大于或等于1的整数；所述第一光照的亮度不同于所述第二光照的亮度；

获取模块，被配置为根据所述N张第一面部图像和所述N张第二面部图像，获取面部的光照变化特征信息；

识别模块，被配置为根据所述面部的光照变化特征信息，对所述待检测目标进行活体识别。

可选地，所述获取模块包括：第一获取子模块、第二获取子模块和第一确定子模块；

所述第一获取子模块，被配置为根据所述N张第一面部图像，获得第一灰度图像；以及根据所述N张第二面部图像，获得第二灰度图像；

所述第二获取子模块，被配置为根据所述第一灰度图像和所述第二灰度图像，获取图像灰度差值特征信息；

所述第一确定子模块，被配置为确定所述图像灰度差值特征信息为所述光照变化特征信息。

可选地，所述第二获取子模块，被配置为将所述第一灰度图像和所述第二灰度图像分别划分为M个图像区域，M为大于或等于1的整数；获取每个图像区域在所述第一灰度图像与所述第二灰度图像之间的灰度差值的直方图；串联所述M个图像区域的灰度差值的直方图，获得所述图像灰度差值特征信息。

可选地，所述第一获取子模块，被配置为：从所述N张第一面部图像中确定第一面部代表图像；对所述第一面部代表图像做灰度处理，获得所述第一灰度图像；

其中，当所述面部图像为第一面部图像时，所述面部代表图像为所述第一面部代表图像；

当所述面部图像为第二面部图像时，所述面部代表图像为所述第二面部代表图像。

可选地，所述第一获取子模块，被配置为：根据所述N张面部图像，获取平均面部图像；以及从N张面部图像中，确定与所述平均面部图像相似度最高的面部图像为所述面部代表图像。

可选地，所述获取模块，包括：对齐处理子模块和第三获取子模块；

所述对齐处理子模块，被配置为对所述N张第一面部图像进行对齐处理，获得N张对齐处理后的第一面部图像；对所述N张第二面部图像进行对齐处理，获得N张对齐处理后的第二面部图像；

所述第三获取子模块，被配置为根据所述N张对齐处理后的第一面部图像和所述N张对齐处理后的第二面部图像，获取面部的光照变化特征信息。

可选地，所述识别模块，包括：第二确定子模块和识别子模块；

所述第二确定子模块，被配置为确定所述光照变化特征信息是否呈非线性变化趋势；

所述识别子模块，被配置为当所述光照变化特征信息呈非线性变化趋势时，识别所述待检测目标为活体；当所述光照变化特征信息呈线性变化趋势时，识别所述待检测目标为非活体。

根据本公开实施例的第三方面，提供一种活体识别装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

采集待检测目标在第一光照下的N张第一面部图像；以及在第二光照下的N张第二面部图像；所述N为大于或等于1的整数；所述第一光照的亮度不同于所述第二光照的亮度；

根据所述N张第一面部图像和所述N张第二面部图像，获取面部的光照变化特征信息；

根据所述面部的光照变化特征信息，对所述待检测目标进行活体识别。

本公开的实施例提供的技术方案可以包括以下有益效果：通过采集待检测目标在不同光照下的面部图像，然后根据不同光照下的面部图像，获取面部的光照变化特征信息，进而根据光照变化特征信息，对待检测目标进行活体识别。因此，本实施例通过采集不同光照下的面部图像即可进行活体识别，需要改变的是光照，无需待检测目标进行动作配合，提高活体识别的准确度和效率，也简化了待检测目标的操作。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种活体识别方法的流程图。

图2是根据一示例性实施例示出的在不同光照下采集到的面部图像的示意图。

图3是根据另一示例性实施例示出的一种活体识别方法的流程图。

图4是根据另一示例性实施例示出的一种活体识别方法的流程图。

图5是根据一示例性实施例示出的面部的特征点的示意图。

图6是根据一示例性实施例示出的一种活体识别装置的框图。

图7是根据另一示例性实施例示出的一种活体识别装置的框图。

图8是根据另一示例性实施例示出的一种活体识别装置的框图。

图9是根据另一示例性实施例示出的一种活体识别装置的框图。

图10是根据一示例性实施例示出的一种活体识别装置800的框图。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种活体识别方法的流程图，如图1所示，活体识别方法用于终端中，包括以下步骤。

在步骤S11中，采集待检测目标在第一光照下的N张第一面部图像。

在步骤S12中，采集待检测目标在第二光照下的N张第二面部图像。

本实施例中可以对待检测目标进行活体检测，以识别该待检测目标为活体还是非活体。该待检测目标可以为人，也可以为动物，本实施对此不做限定。本实施例在该待检测目标处于两种不同亮度的光照下，分别采集该待检测目标的面部图像，该面部图像为包含眼睛在内的图像，本实施例对面部图像的图像范围不做限定。在第一光照照射待检测目标时，采集N张面部图像，该面部图像此处称为第一面部图像；该第一面部图像表示在第一光照下采集到的面部图像。在第二光照照射待检测目标时，采集N张面部图像，该面部图像称为第二面部图像，该第二面部图像表示在第二光照下采集到的面部图像。本实施例中的第一光照的亮度不同于第二光照的亮度。其中，图2示出了不同光照下的采集到的面部图像的示意图。

需要说明的是，第一光照和第二光照可以是终端的屏幕发出的光照，或者，也可以是终端的闪光灯发出的光照。或者，第一光照和第二光照可以是独立于终端之外的光源发出的光照，本实施例对此不做限定。

可选地，本实施例可以按照预设时间间隔采集上述N张第一面部图像，也就是相邻两张第一面部图像的采集时间间隔该预设时间间隔。相应地，本实施例也按照预设时间间隔采集上述N张第二面部图像。

在步骤S13中，根据所述N张第一面部图像和所述N张第二面部图像，获取面部的光照变化特征信息。

本实施例中，在采集到N张第一面部图像和N张第二面部图像后，从该N张第一面部图像和该N张第二面部图像中提取出面部的光照变化特征信息，该光照变化特征信息是指面部在光照由第一光照变化为第二光照时的变化特征信息。

在步骤S14中，根据所述面部的光照变化特征信息，对所述待检测目标进行活体识别。

本实施例中，在获取待检测目标的面部的光照变化特征信息后，由于活体的待检测目标的面部是3维立体的，而非活体的待检测目标(例如照片)的面部是2维平面的，因此，2维平面的面部和3维平面的面部在不同光照下的光照变化特征信息是不相同的。因此，本实施例根据上述面部的光照特征信息，对待检测目标进行活体识别。

综上所述，本实施例提供的活体识别方法，通过采集待检测目标在不同光照下的面部图像，然后根据不同光照下的面部图像，获取面部的光照变化特征信息，进而根据光照变化特征信息，对待检测目标进行活体识别。因此，本实施例通过采集不同光照下的面部图像即可进行活体识别，需要改变的是光照，无需待检测目标进行动作配合，提高活体识别的准确度和效率，也简化了待检测目标的操作。

其中，上述S14的一种可能的实现方式为：确定所述光照变化特征信息是否呈非线性变化趋势；当所述光照变化特征信息呈非线性变化趋势时，识别所述待检测目标为活体；当所述光照变化特征信息呈线性变化趋势时，识别所述待检测目标为非活体。本实施例中，由于不同光照下的刺激，活体的待检测目标的面部的光照变化特征信息呈非线性变化，而非活体的待检测目标的面部的光照变化特征信息呈线性变化趋势，因此，本实施例判断不同光照下获取到的面部的光照变化特征信息是否呈非线性变化趋势，若确定呈非线性变化，则识别该待检测目标为活体，若确定呈线性变化，则识别该待检测目标为非活体。

其中，S14的一种可能的实现方式为：将上述的面部的光照变化特征信息输入至训练好的分类器中，由于训练好的分类器根据光照变化特征信息进行活体识别，本实施例再获取训练好的分类器的识别结果。在对分类器进行训练阶段中，采集一定数量的活体在光照变化前后的面部图像，并提取面部的光照变化特征信息，输入分类器，由分类器学习活体的面部的光照变化特征信息。另外，还采集一定数量的非活体(例如照片)在光照变化前后的面部图像，并提取各面部的光照变化特征信息，输入给分类器，由分类器学习非活体的面部的光照变化特征信息。在活体的面部的光照变化特征信息和非活体的面部的光照变化特征信息均学习完毕后，分类器成为训练好的分类器。其中，分类器例如为线性判断(LDA)分类器。

图3是根据另一示例性实施例示出的一种活体识别方法的流程图，如图3所示，活体识别方法用于终端中，包括以下步骤。

在步骤S21中，采集待检测目标在第一光照下的N张第一面部图像。

在步骤S22中，采集待检测目标在第二光照下的N张第二面部图像。

本实施例中，步骤S21和步骤S22的具体实现过程可以参见图1所示方法实施例中的相关描述，此处不再赘述。

在步骤S23中，根据所述N张第一面部图像，获得第一灰度图像。

本实施例中，在获取N张第一面部图像之后，根据N张第一面部图像，获得一张灰度图像，该灰度图像称为第一面部图像。

其中，步骤S23的一种可能的实现方式包括步骤S231和S232。

在步骤S231中，从所述N张第一面部图像中确定第一面部代表图像。

本实施例中，从N张第一面部图像中确定一张面部代表图像，该面部代表图像可以代表N张第一面部图像，该面部代表图像此处称为第一面部代表图像，该第一面部代表图像为N张第一面部图像中的一张第一面部图像。

可选地，从N张第一面部图像中确定第一面部代表图像的一种方式为：根据所述N张第一面部图像，获取平均面部图像；从N张第一面部图像中，确定与所述平均面部图像相似度最高的第一面部图像为第一面部代表图像。具体地，根据N张第一面部图像，确定N张第一面部图像的平均面部图像，然后再获取每张第一面部图像与该平均面部图像的相似度，将与该平均面部图像的相似度最高的第一面部图像作为第一面部代表图像。

作为步骤S231的一种可替换方式，本实施例可以根据N张第一面部图像，确定N张第一面部图像的平均面部图像，确定该平均面部图像为第一面部代表图像。

在步骤S232中，对所述第一面部代表图像做灰度处理，获得所述第一灰度图像。

本实施例中，对上述第一面部代表图像做灰度处理，获得的图像称为第一灰度图像。

可选地，步骤S23的另一种可能的实现方式为：对N张第一面部图像中每张第一面部图像做灰度处理，获得N张灰度处理后的第一面部图像，再根据N张灰度处理后的第一面部图像，获得N张灰度处理后的第一面部图像的平均图像，将该平均图像作为上述第一灰度图像。

在步骤S24中，根据所述N张第二面部图像，获得第二灰度图像。

本实施例中，步骤S24的具体实现过程可以参见步骤S23的具体实现过程，此处不再赘述。

在步骤S25中，根据所述第一灰度图像和所述第二灰度图像，获取图像灰度差值特征信息。

本实施例中，在获得上述第一灰度图像和上述第二灰度图像之后，根据该第一灰度图像和第二灰度图像，获得第一灰度图像和第二灰度图像之间的图像灰度差值特征信息。

可选地，上述步骤S25的一种可能的实现方式可以包括步骤S251-步骤S253：

在步骤S251中，将所述第一灰度图像和所述第二灰度图像分别划分为M个图像区域。

本实施例中，将第一灰度图像划分为M个图像区域，M为大于或等于1的整数。而且，本实施例还依据相同的规则将第二灰度图像划分为M个图像区域。

以M为3举例说明，将第一灰度图像划分为第一图像区域、第二图像区域和第三图像区域。将第二灰度图像也划分为第一图像区域、第二图像区域和第三图像区域。其中，第一灰度图像的第一图像区域在第一灰度图像中的位置，与，第二灰度图像的第一图像区域在第二灰度图像中的位置相同，以此类推，不再赘述。

在步骤S252中，获取每个图像区域在所述第一灰度图像与所述第二灰度图像之间的灰度差值的直方图。

本实施例中，获取第一灰度图像中的第一图像区域与第二灰度图像中的第一图像区域之间的灰度差的直方图(称为第一直方图)，以及获取第一灰度图像中的第二图像区域与第二灰度图像中的第二图像区域之间的灰度差的直方图(称为第二直方图)，以及获取第一灰度图像中的第三图像区域与第二灰度图像中的第三图像区域之间的灰度差的直方图(称为第三直方图)。

在步骤S253中，串联所述M个图像区域的灰度差值的直方图，获得所述图像灰度差值特征信息。

本实施例中，将第一直方图、第二直方图和第三直方图串接起来，获得的总的直方图称为图像灰度差值特征信息。

在步骤S26中，确定所述图像灰度差值特征信息为所述光照变化特征信息。

本实施例中，由于在不同的光照下，采集到的面部图像是有差别的，而面部图像可以通过图像灰度值来表示，因此，本实施例可以将第一灰度图像和第二灰度图像之间的图像灰度差值特征信息作为光照变化特征信息。

在步骤S27中，根据所述面部的光照变化特征信息，对所述待检测目标进行活体识别。

本实施例中，步骤S27的具体实现过程可以参见图1所示实施例中的相关描述，此处不再赘述。

综上所述，本实施例提供的活体识别方法，通过采集待检测目标在不同光照下的面部图像，然后根据不同光照下的面部图像，获取面部的光照变化特征信息，进而根据光照变化特征信息，对待检测目标进行活体识别。因此，本实施例通过采集不同光照下的面部图像即可进行活体识别，需要改变的是光照，无需待检测目标进行动作配合，提高活体识别的准确度和效率，也简化了待检测目标的操作。

图4是根据另一示例性实施例示出的一种活体识别方法的流程图，如图4所示，活体识别方法用于终端中，包括以下步骤。

在步骤S31中，采集待检测目标在第一光照下的N张第一面部图像。

在步骤S32中，采集待检测目标在第二光照下的N张第二面部图像。

本实施例中，步骤S31和步骤S32的具体实现过程可以参见图1所示方法实施例中的相关描述，此处不再赘述。

在步骤S33中，对所述N张第一面部图像进行对齐处理，获得N张对齐处理后的第一面部图像。

本实施例中，采集到的第一面部图像为多张时，为了更好的获得面部的光照变化特征信息，本实施例对采集的N张第一面部图像进行对齐处理，获得N张对齐处理后的第一面部图像。对齐处理过程为：首先定位各张第一面部图像中的面部的特征点，然后根据面部的特征点利用相似变换来对齐N张第一面部图像，例如：根据面部的嘴或眼睛或鼻等的特征点来对N张第一面部图像进行对齐处理。其中，本实施例可以使用ESR算法来定位第一面部图像中的面部的特征点，其中，面部的特征点如图5所示。

需要说明的是，本实施例对步骤S33与步骤S32和步骤S34的执行顺序不做限定。

在步骤S34中，对所述N张第二面部图像进行对齐处理，获得N张对齐处理后的第二面部图像。

本实施例中，步骤S34的具体实现过程可以参见步骤S33的具体实现过程，此处不再赘述。

在步骤S35中，根据所述N张对齐处理后的第一面部图像和所述N张对齐处理后的第二面部图像，获取面部的光照变化特征信息。

其中，步骤S35的具体实现过程可以参见图1或图3所示实施例中的相关描述，此处不再赘述。

在步骤S36中，根据所述面部的光照变化特征信息，对所述待检测目标进行活体识别。

其中，步骤S36的具体实现过程可以参见图1所示实施例中的相关描述，此处不再赘述。

综上所述，本实施例提供的活体识别方法，通过采集待检测目标在不同光照下的面部图像，然后根据不同光照下的面部图像，获取面部的光照变化特征信息，进而根据光照变化特征信息，对待检测目标进行活体识别。因此，本实施例通过采集不同光照下的面部图像即可进行活体识别，需要改变的是光照，无需待检测目标进行动作配合，提高活体识别的准确度和效率，也简化了待检测目标的操作。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图6是根据一示例性实施例示出的一种活体识别装置的框图。该活体识别装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。参照图6，该装置包括采集模块100，获取模块200和识别模块300。

采集模块100，被配置为采集待检测目标在第一光照下的N张第一面部图像；以及在第二光照下的N张第二面部图像；所述N为大于或等于1的整数；所述第一光照的亮度不同于所述第二光照的亮度。

获取模块200，被配置为根据采集模块100采集的所述N张第一面部图像和所述N张第二面部图像，获取面部的光照变化特征信息。

识别模块300，被配置为根据获取模块200获取的所述面部的光照变化特征信息，对所述待检测目标进行活体识别。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图7是根据另一示例性实施例示出的一种活体识别装置的框图。该活体识别装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。参照图7，该装置在图6所示装置实施例的基础上，所述获取模块200包括：第一获取子模块210、第二获取子模块220和第一确定子模块230。

所述第一获取子模块210，被配置为根据所述N张第一面部图像，获得第一灰度图像；以及根据所述N张第二面部图像，获得第二灰度图像。

所述第二获取子模块220，被配置为根据第一获取子模块210获得的所述第一灰度图像和所述第二灰度图像，获取图像灰度差值特征信息。

所述第一确定子模块230，被配置为确定第二获取子模块220获取的所述图像灰度差值特征信息为所述光照变化特征信息。

可选地，所述第二获取子模块220，被配置为将所述第一灰度图像和所述第二灰度图像分别划分为M个图像区域，M为大于或等于1的整数；获取每个图像区域在所述第一灰度图像与所述第二灰度图像之间的灰度差值的直方图；串联所述M个图像区域的灰度差值的直方图，获得所述图像灰度差值特征信息。

可选地，所述第一获取子模块210，被配置为：从所述N张第一面部图像中确定第一面部代表图像；对所述第一面部代表图像做灰度处理，获得所述第一灰度图像；其中，当所述面部图像为第一面部图像时，所述面部代表图像为所述第一面部代表图像；当所述面部图像为第二面部图像时，所述面部代表图像为所述第二面部代表图像。

可选地，所述第一获取子模块210，被配置为：根据所述N张面部图像，获取平均面部图像；以及从N张面部图像中，确定与所述平均面部图像相似度最高的面部图像为所述面部代表图像。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图8是根据另一示例性实施例示出的一种活体识别装置的框图。该活体识别装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。参照图8，该装置在图6或图7所示装置实施例的基础上，所述获取模块200包括：对齐处理子模块240和第三获取子模块250。

所述对齐处理子模块240，被配置为对所述N张第一面部图像进行对齐处理，获得N张对齐处理后的第一面部图像；对所述N张第二面部图像进行对齐处理，获得N张对齐处理后的第二面部图像。

所述第三获取子模块250，被配置为根据所述N张对齐处理后的第一面部图像和所述N张对齐处理后的第二面部图像，获取面部的光照变化特征信息。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图9是根据另一示例性实施例示出的一种活体识别装置的框图。该活体识别装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。参照图9，该装置在图6-图8任一所示装置实施例的基础上，所述识别模块300，包括：第二确定子模块310和识别子模块320。

所述第二确定子模块310，被配置为确定所述光照变化特征信息是否呈非线性变化趋势。

所述识别子模块320，被配置为当第二确定子模块310确定所述光照变化特征信息呈非线性变化趋势时，识别所述待检测目标为活体；当当第二确定子模块310确定所述光照变化特征信息呈线性变化趋势时，识别所述待检测目标为非活体。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图10是根据一示例性实施例示出的一种活体识别装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图10，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电力组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件806为装置800的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置800的处理器执行时，使得装置800能够执行上述活体识别方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。

Claims (7)

1.一种活体识别方法，其特征在于，包括：

采集待检测目标在第一光照下的N张第一面部图像；以及在第二光照下的N张第二面部图像；所述N为大于或等于1的整数；所述第一光照的亮度不同于所述第二光照的亮度；

根据所述N张第一面部图像和所述N张第二面部图像，获取面部的光照变化特征信息；

根据所述面部的光照变化特征信息，对所述待检测目标进行活体识别；

所述根据所述N张第一面部图像和所述N张第二面部图像，获取面部的光照变化特征信息，包括：

根据所述N张第一面部图像，获得第一灰度图像；

根据所述N张第二面部图像，获得第二灰度图像；

根据所述第一灰度图像和所述第二灰度图像，获取图像灰度差值特征信息；

确定所述图像灰度差值特征信息为所述光照变化特征信息；

根据所述N张面部图像，获得灰度图像，包括：

从所述N张面部图像中确定面部代表图像；

对所述面部代表图像做灰度处理，获得所述灰度图像；

其中，当所述面部图像为第一面部图像时，所述面部代表图像为所述第一面部代表图像；

当所述面部图像为第二面部图像时，所述面部代表图像为所述第二面部代表图像；

从N张面部图像中确定面部代表图像，包括：

根据所述N张面部图像，获取平均面部图像；

从N张面部图像中，确定与所述平均面部图像相似度最高的面部图像为所述面部代表图像；

所述根据所述第一灰度图像和所述第二灰度图像，获取图像灰度差值特征信息，包括：

将所述第一灰度图像和所述第二灰度图像分别划分为M个图像区域，M为大于或等于1的整数；

获取每个图像区域在所述第一灰度图像与所述第二灰度图像之间的灰度差值的直方图；

串联所述M个图像区域的灰度差值的直方图，获得所述图像灰度差值特征信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述N张第一面部图像和所述N张第二面部图像，获取面部的光照变化特征信息，包括：

对所述N张第一面部图像进行对齐处理，获得N张对齐处理后的第一面部图像；

对所述N张第二面部图像进行对齐处理，获得N张对齐处理后的第二面部图像；

根据所述N张对齐处理后的第一面部图像和所述N张对齐处理后的第二面部图像，获取面部的光照变化特征信息。

3.根据权利要求1任意一项所述的方法，其特征在于，所述根据所述面部的光照变化特征信息，对所述待检测目标进行活体识别，包括：

确定所述光照变化特征信息是否呈非线性变化趋势；

当所述光照变化特征信息呈非线性变化趋势时，识别所述待检测目标为活体；

当所述光照变化特征信息呈线性变化趋势时，识别所述待检测目标为非活体。

4.一种活体识别装置，其特征在于，包括：

采集模块，被配置为采集待检测目标在第一光照下的N张第一面部图像；以及在第二光照下的N张第二面部图像；所述N为大于或等于1的整数；所述第一光照的亮度不同于所述第二光照的亮度；

获取模块，被配置为根据所述N张第一面部图像和所述N张第二面部图像，获取面部的光照变化特征信息；

识别模块，被配置为根据所述面部的光照变化特征信息，对所述待检测目标进行活体识别；

所述获取模块包括：第一获取子模块、第二获取子模块和第一确定子模块；

所述第一获取子模块，被配置为根据所述N张第一面部图像，获得第一灰度图像；以及根据所述N张第二面部图像，获得第二灰度图像；

所述第二获取子模块，被配置为根据所述第一灰度图像和所述第二灰度图像，获取图像灰度差值特征信息；

所述第一确定子模块，被配置为确定所述图像灰度差值特征信息为所述光照变化特征信息；

所述第一获取子模块，被配置为：从所述N张第一面部图像中确定第一面部代表图像；对所述第一面部代表图像做灰度处理，获得所述第一灰度图像；

其中，当所述面部图像为第一面部图像时，所述面部代表图像为所述第一面部代表图像；

当所述面部图像为第二面部图像时，所述面部代表图像为所述第二面部代表图像；

所述第一获取子模块，被配置为：根据所述N张面部图像，获取平均面部图像；以及从N张面部图像中，确定与所述平均面部图像相似度最高的面部图像为所述面部代表图像；

所述第二获取子模块，被配置为将所述第一灰度图像和所述第二灰度图像分别划分为M个图像区域，M为大于或等于1的整数；获取每个图像区域在所述第一灰度图像与所述第二灰度图像之间的灰度差值的直方图；串联所述M个图像区域的灰度差值的直方图，获得所述图像灰度差值特征信息。

5.根据权利要求4所述的装置，其特征在于，所述获取模块，包括：对齐处理子模块和第三获取子模块；

所述对齐处理子模块，被配置为对所述N张第一面部图像进行对齐处理，获得N张对齐处理后的第一面部图像；对所述N张第二面部图像进行对齐处理，获得N张对齐处理后的第二面部图像；

所述第三获取子模块，被配置为根据所述N张对齐处理后的第一面部图像和所述N张对齐处理后的第二面部图像，获取面部的光照变化特征信息。

6.根据权利要求4所述的装置，其特征在于，所述识别模块，包括：第二确定子模块和识别子模块；

所述第二确定子模块，被配置为确定所述光照变化特征信息是否呈非线性变化趋势；

所述识别子模块，被配置为当所述光照变化特征信息呈非线性变化趋势时，识别所述待检测目标为活体；当所述光照变化特征信息呈线性变化趋势时，识别所述待检测目标为非活体。

7.一种活体识别装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

采集待检测目标在第一光照下的N张第一面部图像；以及在第二光照下的N张第二面部图像；所述N为大于或等于1的整数；所述第一光照的亮度不同于所述第二光照的亮度；

根据所述N张第一面部图像和所述N张第二面部图像，获取面部的光照变化特征信息；

根据所述面部的光照变化特征信息，对所述待检测目标进行活体识别；

所述根据所述N张第一面部图像和所述N张第二面部图像，获取面部的光照变化特征信息，包括：

根据所述N张第一面部图像，获得第一灰度图像；

根据所述N张第二面部图像，获得第二灰度图像；

根据所述第一灰度图像和所述第二灰度图像，获取图像灰度差值特征信息；

确定所述图像灰度差值特征信息为所述光照变化特征信息；

根据所述N张面部图像，获得灰度图像，包括：

从所述N张面部图像中确定面部代表图像；

对所述面部代表图像做灰度处理，获得所述灰度图像；

其中，当所述面部图像为第一面部图像时，所述面部代表图像为所述第一面部代表图像；

当所述面部图像为第二面部图像时，所述面部代表图像为所述第二面部代表图像；

从N张面部图像中确定面部代表图像，包括：

根据所述N张面部图像，获取平均面部图像；

从N张面部图像中，确定与所述平均面部图像相似度最高的面部图像为所述面部代表图像；

所述根据所述第一灰度图像和所述第二灰度图像，获取图像灰度差值特征信息，包括：

将所述第一灰度图像和所述第二灰度图像分别划分为M个图像区域，M为大于或等于1的整数；

获取每个图像区域在所述第一灰度图像与所述第二灰度图像之间的灰度差值的直方图；

串联所述M个图像区域的灰度差值的直方图，获得所述图像灰度差值特征信息。

Images