CN107609463A - 活体检测方法、装置、设备及存储介质 - Google Patents
活体检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN107609463A CN107609463A CN201710596813.5A CN201710596813A CN107609463A CN 107609463 A CN107609463 A CN 107609463A CN 201710596813 A CN201710596813 A CN 201710596813A CN 107609463 A CN107609463 A CN 107609463A
- Authority
- CN
- China
- Prior art keywords
- user
- picture
- cameras
- fixed focus
- collected
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Abstract
本发明公开了活体检测方法、装置、设备及存储介质,其中方法包括:获取处于固定位置的定焦摄像头采集到的用户图片,用户图片为全身图片或半身图片;根据采集到的用户图片的清晰程度以及是否有边框确定出用户图片中的用户是否为活体。应用本发明所述方案,能够简化用户操作并提高检测结果的准确性等。
Description
【技术领域】
本发明涉及计算机应用技术,特别涉及活体检测方法、装置、设备及存储介质。
【背景技术】
人脸识别技术与其它生物特征识别技术相比,在实际应用中具有天然独到的优势:可通过摄像头直接获取,可以非接触的方式完成识别过程,方便快捷。
目前已应用在金融、教育、景区、旅运、社保等各个领域,但方便的同时也带来了一些问题,如易获取,使得人脸容易被一些人用照片、视频等方式进行复制,从而达到窃取盗用信息的目的。尤其是在新兴的金融行业,人脸识别技术已逐渐应用于远程开户、取款、支付等,涉及用户的切身利益。
为此,现有技术中又提出了活体检测技术,所谓活体检测,通俗地讲,就是在人脸识别的过程中证明这张人脸对应的是个“活人”。
非活体的来源是比较广泛的,包括手机和Pad等上显示的照片和视频、各种打印的不同材质的照片(包含各种情形的弯曲、折叠、剪裁、挖洞等)等。
活体检测在社保、网上开户等重要场合都有其应用,比如,通过验证确定老年用户身份真实且健在后才能进行养老金的领取,网上开户时,以此来保证用户信息的真实、有效和安全等。
现有技术中,可通过要求用户作出眨眼、点头或张嘴等动作,来识别用户是否为活体,但这种方式需要用户配合执行相应的动作,对于用户来说会比较麻烦,而且检测结果的准确性也比较低,比如,非法用户可以通过寻找合法用户的视频,或者通过针孔摄像机拍摄等手段,得到合法用户的视频,从而通过对视频进行回放等方式来进行攻击。
【发明内容】
有鉴于此,本发明提供了活体检测方法、装置、设备及存储介质,能够简化用户操作并提高检测结果的准确性。
具体技术方案如下:
一种活体检测方法,包括:
获取处于固定位置的定焦摄像头采集到的用户图片,所述用户图片为全身图片或半身图片;
根据采集到的用户图片的清晰程度以及是否有边框确定出所述用户图片中的用户是否为活体。
根据本发明一优选实施例,所述获取处于固定位置的定焦摄像头采集到的用户图片之前,进一步包括:
分别获取作为训练样本的各用户图片,所述训练样本中包括正样本和负样本,所述训练样本为利用所述定焦摄像头采集到的用户图片;
根据所述训练样本训练得到分类模型;
所述根据采集到的用户图片的清晰程度以及是否有边框确定出所述用户图片中的用户是否为活体包括:
将采集到的用户图片输入给所述分类模型,得到输出的所述用户图片中的用户是否为活体的检测结果。
根据本发明一优选实施例,获取所述正样本的方式包括:
获取用户位于指定区域内时,利用所述定焦摄像头采集到的用户图片,作为所述正样本;
所述指定区域为与所述定焦摄像头的焦距对应的、能够采集到清晰图片的区域。
根据本发明一优选实施例,所述获取用户位于指定区域内时,利用所述定焦摄像头采集到的用户图片包括:
分别获取用户位于所述指定区域内的不同位置时,利用所述定焦摄像头采集到的用户图片。
一种活体检测装置,包括:获取单元以及检测单元;
所述获取单元,用于获取处于固定位置的定焦摄像头采集到的用户图片,所述用户图片为全身图片或半身图片;
所述检测单元,用于根据采集到的用户图片的清晰程度以及是否有边框确定出所述用户图片中的用户是否为活体。
根据本发明一优选实施例,所述装置中进一步包括:预处理单元;
所述预处理单元,用于分别获取作为训练样本的各用户图片,所述训练样本中包括正样本和负样本,所述训练样本为利用所述定焦摄像头采集到的用户图片,根据所述训练样本训练得到分类模型;
所述检测单元将采集到的用户图片输入给所述分类模型,得到输出的所述用户图片中的用户是否为活体的检测结果。
根据本发明一优选实施例,
所述预处理单元获取用户位于指定区域内时,利用所述定焦摄像头采集到的用户图片,作为所述正样本;
所述指定区域为与所述定焦摄像头的焦距对应的、能够采集到清晰图片的区域。
根据本发明一优选实施例,所述预处理单元分别获取用户位于所述指定区域内的不同位置时,利用所述定焦摄像头采集到的用户图片。
一种计算机设备,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,所述处理器执行所述程序时实现如以上所述的方法。
一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如以上所述的方法。
基于上述介绍可以看出,采用本发明所述方案,可获取处于固定位置的定焦摄像头采集到的用户图片,用户图片为全身图片或半身图片,进而可根据采集到的用户图片的清晰程度以及是否有边框等确定出用户图片中的用户是否为活体,即可利用定焦摄像头的特性,根据定焦摄像头采集到的用户图片的清晰程度来区分用户是否为活体,这样,对于合法用户来说,其只需要站在与定焦摄像头的焦距对应的指定区域内即可,无需配合执行眨眼、点头或张嘴等动作,从而简化了用户操作;另外,对于非法用户来说,当采用视频或照片等攻击方式时,由于其大小和真人的大小存在很大的差别,那么为了得到全身或半身图片,则需要相比于真人更加靠近定焦摄像头来进行拍摄,从而造成采集到的用户图片与真人的用户图片的清晰程度存在很大的差别,进而基于清晰程度即可准确地检测出非活体,即提高了检测结果的准确性;再有,对于非法用户来说,其还可能采用剪纸或者用屏幕展示人脸(放在脸部区域)等攻击方式,而由于本发明所述方案中采集的用户图片为全身图片或半身图片,那么会很容易暴露出纸张的边框或屏幕的边框,从而也可准确地检测出非活体;可见,本发明所述方案对于各种攻击方式均有较好的检测效果,具有广泛适用性。
【附图说明】
图1为本发明所述活体检测方法实施例的流程图。
图2为本发明所述活体检测方法较佳实施例的流程图。
图3为本发明所述活体检测装置实施例的组成结构示意图。
图4示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。
【具体实施方式】
为了使本发明的技术方案更加清楚、明白,以下参照附图并举实施例,对本发明所述方案进行进一步说明。
显然,所描述的实施例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,本领域技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1为本发明所述活体检测方法实施例的流程图,如图1所示,包括以下具体实现方式:
在101中,获取处于固定位置的定焦摄像头采集到的用户图片,所述用户图片为全身或半身图片;
在102中,根据采集到的用户图片的清晰程度以及是否有边框确定出用户是否为活体。
由于定焦摄像头的焦距是固定的,即照射距离和宽度等是固定的,因此当定焦摄像头的位置固定时,将只能针对特定区域进行清晰成像,该区域之外则无法清晰成像。
因此,在进行活体检测时,可要求用户站在指定区域内(即上述特定区域),从而利用定焦摄像头对用户进行图片采集,得到用户图片,可为全身图片或半身图片,得到的用户图片将是清晰的图片。而对于非法用户的攻击来说,比如,使用手机和Pad等上显示的照片、各种打印的不同材质的照片等攻击方式,由于照片的大小和真人的大小存在很大的区别,那么为了得到全身或半身图片,则需要靠近定焦摄像头进行拍摄,但这样就会造成成像模糊,即造成定焦摄像头采集到的用户图片的清晰度很差,这样,基于采集到的用户图片的清晰程度,即可确定出用户是否为活体。另外,对于非法用户来说,还可能采用剪纸或者用屏幕展示人脸(放在脸部区域)等攻击方式,而由于本实施例中采集的用户图片为全身图片或半身图片,那么会很容易暴露出纸张的边框或屏幕的边框,从而也可准确地检测出非活体。
由于图片的清晰程度等很难用明确的指标来评价,因此,本实施例中提出,可通过深度学习的方式预先训练得到一个分类模型,训练分类模型的过程即为学习的过程,可学习出何种清晰程度符合要求等,进而将清晰程度等符合要求的用户图片中的用户判定为活体。
以下分别对上述各部分的具体实现进行详细说明。
一)分类模型
为训练得到分类模型,需要首先获取作为训练样本的各用户图片,训练样本中需要包括正样本和负样本。
其中,获取正样本的方式可为:获取用户位于指定区域内时,利用定焦摄像头采集到的用户图片,指定区域为与定焦摄像头的焦距对应的、能够采集到清晰图片的区域。
由于指定区域通常为有一定大小的区域,用户站在指定区域中时,可能会处于不同的位置,比如正好位于中心位置上、相比于中心位置靠前一点儿、相比于中心位置靠后一点儿、相比于中心位置偏左一点儿、相比于中心位置偏右一点儿等,当处于不同的位置时,采集到的用户图片的清晰程度也可能会有所不同,但从这些位置上采集到的用户图片中的用户均应判定为活体,因此,在获取正样本时,可分别获取用户位于指定区域内的不同位置时,利用定焦摄像头采集到的用户图片,所述用户可以包括多个不同的用户。
获取到的负样本可以是指针对之前提到的各种攻击方式采集到的用户图片。
在分别获取到足够数量的正样本和负样本之后,即可根据训练样本训练得到分类模型,分类模型可为神经网络模型等,如何进行训练为现有技术。
二)活体检测
在完成分类模型的训练之后,即可进行实际的活体检测。
具体地,可首先获取处于固定位置的定焦摄像头采集到的用户图片,用户图片为全身图片或半身图片,具体采用哪种图片可根据实际需要而定。
之后,可将采集到的用户图片输入给分类模型,从而得到分类模型输出的用户图片中的用户是否为活体的检测结果。
基于上述介绍,图2为本发明所述活体检测方法较佳实施例的流程图,如图2所示,包括以下具体实现方式。
在201中,分别获取作为训练样本的各用户图片,训练样本中包括正样本和负样本,训练样本为利用处于固定位置的定焦摄像头采集到的用户图片,用户图片为全身图片或半身图片。
在202中,根据获取到的训练样本训练得到分类模型。
在203中,当需要进行活体检测时,获取定焦摄像头采集到的用户图片。
在204中,将采集到的用户图片输入给分类模型,得到输出的用户图片中的用户是否为活体的检测结果。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作等并不一定是本发明所必须的。
另外,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例中的相关描述。
总之,采用上述各方法实施例所述方案,可获取处于固定位置的定焦摄像头采集到的用户图片,用户图片为全身图片或半身图片,进而可根据采集到的用户图片的清晰程度以及是否有边框等确定出用户图片中的用户是否为活体;即可利用定焦摄像头的特性,根据定焦摄像头采集到的用户图片的清晰程度来区分用户是否为活体,这样,对于合法用户来说,其只需要站在与定焦摄像头的焦距对应的指定区域内即可,无需配合执行眨眼、点头或张嘴等动作,从而简化了用户操作;另外,对于非法用户来说,当采用视频或照片等攻击方式时,由于其大小和真人的大小存在很大的差别,那么为了得到全身或半身图片,则需要相比于真人更加靠近定焦摄像头来进行拍摄,从而造成采集到的用户图片与真人的用户图片的清晰程度存在很大的差别,进而基于清晰程度即可准确地检测出非活体,即提高了检测结果的准确性;再有,对于非法用户来说,其还可能采用剪纸或者用屏幕展示人脸(放在脸部区域)等攻击方式,而由于上述各方法实施例所述方案中采集的用户图片为全身图片或半身图片,那么会很容易暴露出纸张的边框或屏幕的边框,从而也可准确地检测出非活体;可见,上述各方法实施例所述方案对于各种攻击方式均有较好的检测效果,具有广泛适用性。
举例说明,对于一个公司的门禁系统来说,可通过刷脸来控制人员的进入,员工需要进入公司内部时,可站在指定位置,利用位于固定位置的定焦摄像头采集用户图片,进而基于训练得到的分类模型确定出用户图片中的用户是否为活体,如果为活体,且为公司员工,则可开门允许进入。
以上是关于方法实施例的介绍,以下通过装置实施例,对本发明所述方案进行进一步说明。
图3为本发明所述活体检测装置实施例的组成结构示意图,如图3所示,包括:获取单元301以及检测单元302。
获取单元301,用于获取处于固定位置的定焦摄像头采集到的用户图片,用户图片为全身图片或半身图片。
检测单元302,用于根据采集到的用户图片的清晰程度以及是否有边框确定出用户图片中的用户是否为活体。
由于定焦摄像头的焦距是固定的,即照射距离和宽度等是固定的,因此当定焦摄像头的位置固定时,将只能针对特定区域进行清晰成像,该区域之外则无法清晰成像。
因此,在进行活体检测时,可要求用户站在指定区域内(即上述特定区域),从而利用定焦摄像头对用户进行图片采集,得到用户图片,可为全身图片或半身图片,得到的用户图片将是清晰的图片。而对于非法用户的攻击来说,比如,使用手机和Pad等上显示的照片、各种打印的不同材质的照片等攻击方式,由于照片的大小和真人的大小存在很大的差别,那么为了得到全身或半身图片,则需要靠近定焦摄像头进行拍摄,但这样就会造成成像模糊,即造成定焦摄像头采集到的用户图片的清晰度很差,这样,基于采集到的用户图片的清晰程度,即可确定出用户是否为活体。另外,对于非法用户来说,其还可能采用剪纸或者用屏幕展示人脸(放在脸部区域)等攻击方式,而由于本实施例中采集的用户图片为全身图片或半身图片,那么会很容易暴露出纸张的边框或屏幕的边框,从而也可准确地检测出非活体。
另外,由于图片的清晰程度等很难用明确的指标来评价,因此,本实施例中提出,可通过深度学习的方式预先训练得到一个分类模型,训练分类模型的过程即为学习的过程,可学习出何种清晰程度符合要求等,进而将清晰程度等符合要求的用户图片中的用户判定为活体。
相应地,图3所示装置中可进一步包括:预处理单元300。
预处理单元300可分别获取作为训练样本的各用户图片,训练样本中包括正样本和负样本,训练样本为利用定焦摄像头采集到的用户图片,之后,可根据训练样本训练得到分类模型。
其中,预处理单元300可获取用户位于指定区域内时,利用定焦摄像头采集到的用户图片,作为正样本,指定区域为与定焦摄像头的焦距对应的、能够采集到清晰图片的区域。
另外,预处理单元300可分别获取用户位于指定区域内的不同位置时,利用定焦摄像头采集到的用户图片。
由于指定区域通常为有一定大小的区域,用户站在指定区域中时,可能会处于不同的位置,比如正好位于中心位置上、相比于中心位置靠前一点儿、相比于中心位置靠后一点儿、相比于中心位置偏左一点儿、相比于中心位置偏右一点儿等,当处于不同的位置时,采集到的用户图片的清晰程度也可能会有所不同,但从这些位置上采集到的用户图片中的用户均应判定为活体,因此,在获取正样本时,可分别获取用户位于指定区域内的不同位置时,利用定焦摄像头采集到的用户图片,所述用户可以包括多个不同的用户。
预处理单元300获取到的负样本可以是指针对之前提到的各种攻击方式采集到的用户图片。
在分别获取到足够数量的正样本和负样本之后,预处理单元300即可根据训练样本训练得到分类模型,分类模型可为神经网络模型等,如何进行训练为现有技术。
在完成分类模型的训练之后,即可进行实际的活体检测。
即获取单元301可获取处于固定位置的定焦摄像头采集到的用户图片,用户图片为全身图片或半身图片,之后,检测单元302可将采集到的用户图片输入给分类模型,从而得到分类模型输出的用户图片中的用户是否为活体的检测结果。
图3所示装置实施例的具体工作流程请参照前述方法实施例中的相应说明,不再赘述。
可以看出,采用上述装置实施例所述方案,可获取处于固定位置的定焦摄像头采集到的用户图片,用户图片为全身图片或半身图片,进而可根据采集到的用户图片的清晰程度以及是否有边框等确定出用户图片中的用户是否为活体;即可利用定焦摄像头的特性,根据定焦摄像头采集到的用户图片的清晰程度来区分用户是否为活体,这样,对于合法用户来说,其只需要站在指定区域内即可,无需配合执行眨眼、点头或张嘴等动作,从而简化了用户操作;另外,对于非法用户来说,当采用视频或照片等攻击方式时,由于其大小和真人的大小存在很大的差别,那么为了得到全身或半身图片,则需要相比于真人更加靠近定焦摄像头来进行拍摄,从而造成采集到的用户图片与真人的用户图片的清晰程度存在很大的差别,进而基于清晰程度即可准确地检测出非活体,即提高了检测结果的准确性;再有,对于非法用户来说,其还可能采用剪纸或者用屏幕展示人脸(放在脸部区域)等攻击方式,而由于上述装置实施例所述方案中采集的用户图片为全身图片或半身图片,那么会很容易暴露出纸张的边框或屏幕的边框,从而也可准确地检测出非活体;可见,上述装置实施例所述方案对于各种攻击方式均有较好的检测效果,具有广泛适用性。
图4示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。图4显示的计算机系统/服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统/服务器12以通用计算设备的形式表现。计算机系统/服务器12的组件可以包括但不限于:一个或者多个处理器(处理单元)16,存储器28,连接不同系统组件(包括存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机系统/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信,和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机系统/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图4所示,网络适配器20通过总线18与计算机系统/服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机系统/服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器16通过运行存储在存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现图1所示实施例中的方法,即获取处于固定位置的定焦摄像头采集到的用户图片,所述用户图片为全身图片或半身图片,根据采集到的用户图片的清晰程度以及是否有边框确定出用户图片中的用户是否为活体。
具体实现请参照前述各实施例中的相关说明,不再赘述。
本发明同时公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时将实现如图1所示实施例中的方法。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法等,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,所述单元的划分,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单元可以是或者也可以不是物理上分开的,作为单元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单元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单元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单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个用户计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种活体检测方法,其特征在于,包括:
获取处于固定位置的定焦摄像头采集到的用户图片,所述用户图片为全身图片或半身图片;
根据采集到的用户图片的清晰程度以及是否有边框确定出所述用户图片中的用户是否为活体。
2.根据权利要求1所述的方法,其特征在于,
所述获取处于固定位置的定焦摄像头采集到的用户图片之前,进一步包括:
分别获取作为训练样本的各用户图片,所述训练样本中包括正样本和负样本,所述训练样本为利用所述定焦摄像头采集到的用户图片;
根据所述训练样本训练得到分类模型;
所述根据采集到的用户图片的清晰程度以及是否有边框确定出所述用户图片中的用户是否为活体包括:
将采集到的用户图片输入给所述分类模型,得到输出的所述用户图片中的用户是否为活体的检测结果。
3.根据权利要求2所述的方法,其特征在于,
获取所述正样本的方式包括:
获取用户位于指定区域内时,利用所述定焦摄像头采集到的用户图片,作为所述正样本;
所述指定区域为与所述定焦摄像头的焦距对应的、能够采集到清晰图片的区域。
4.根据权利要求3所述的方法,其特征在于,
所述获取用户位于指定区域内时,利用所述定焦摄像头采集到的用户图片包括:
分别获取用户位于所述指定区域内的不同位置时,利用所述定焦摄像头采集到的用户图片。
5.一种活体检测装置,其特征在于,包括:获取单元以及检测单元;
所述获取单元,用于获取处于固定位置的定焦摄像头采集到的用户图片,所述用户图片为全身图片或半身图片;
所述检测单元,用于根据采集到的用户图片的清晰程度以及是否有边框确定出所述用户图片中的用户是否为活体。
6.根据权利要求5所述的装置,其特征在于,
所述装置中进一步包括:预处理单元;
所述预处理单元,用于分别获取作为训练样本的各用户图片,所述训练样本中包括正样本和负样本,所述训练样本为利用所述定焦摄像头采集到的用户图片,根据所述训练样本训练得到分类模型;
所述检测单元将采集到的用户图片输入给所述分类模型,得到输出的所述用户图片中的用户是否为活体的检测结果。
7.根据权利要求6所述的装置,其特征在于,
所述预处理单元获取用户位于指定区域内时,利用所述定焦摄像头采集到的用户图片,作为所述正样本;
所述指定区域为与所述定焦摄像头的焦距对应的、能够采集到清晰图片的区域。
8.根据权利要求7所述的装置,其特征在于,
所述预处理单元分别获取用户位于所述指定区域内的不同位置时,利用所述定焦摄像头采集到的用户图片。
9.一种计算机设备,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,其特征在于,所述处理器执行所述程序时实现如权利要求1~4中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1~4中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710596813.5A CN107609463B (zh) | 2017-07-20 | 2017-07-20 | 活体检测方法、装置、设备及存储介质 |
US16/022,124 US10824890B2 (en) | 2017-07-20 | 2018-06-28 | Living body detecting method and apparatus, device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710596813.5A CN107609463B (zh) | 2017-07-20 | 2017-07-20 | 活体检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107609463A true CN107609463A (zh) | 2018-01-19 |
CN107609463B CN107609463B (zh) | 2021-11-23 |
Family
ID=61059998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710596813.5A Active CN107609463B (zh) | 2017-07-20 | 2017-07-20 | 活体检测方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10824890B2 (zh) |
CN (1) | CN107609463B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376608A (zh) * | 2018-09-26 | 2019-02-22 | 中国计量大学 | 一种人脸活体检测方法 |
CN110609877A (zh) * | 2018-06-14 | 2019-12-24 | 百度在线网络技术(北京)有限公司 | 一种图片采集的方法、装置、设备和计算机存储介质 |
CN110991356A (zh) * | 2019-12-06 | 2020-04-10 | 中科智云科技有限公司 | 一种基于屏幕边缘的手机回放活体攻击识别方法 |
CN111767845A (zh) * | 2020-06-29 | 2020-10-13 | 京东数字科技控股有限公司 | 证件识别方法及装置 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609463B (zh) * | 2017-07-20 | 2021-11-23 | 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 |
CN112597885A (zh) * | 2020-12-22 | 2021-04-02 | 北京华捷艾米科技有限公司 | 人脸活体检测方法、装置、电子设备及计算机存储介质 |
CN112818774A (zh) * | 2021-01-20 | 2021-05-18 | 中国银联股份有限公司 | 一种活体检测方法及装置 |
CN114944004A (zh) * | 2022-07-25 | 2022-08-26 | 海易科技(北京)有限公司 | 人脸图像存储方法、装置、设备、计算机介质和程序产品 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1968357A (zh) * | 2005-11-14 | 2007-05-23 | 欧姆龙株式会社 | 认证装置和认证方法 |
CN103379282A (zh) * | 2012-04-26 | 2013-10-30 | 三星电子株式会社 | 用于识别图像的设备和方法 |
CN104915649A (zh) * | 2015-06-04 | 2015-09-16 | 南京理工大学 | 一种应用于人脸识别的活体检测方法 |
CN105512637A (zh) * | 2015-12-22 | 2016-04-20 | 联想(北京)有限公司 | 图像处理方法和电子设备 |
CN106599829A (zh) * | 2016-12-09 | 2017-04-26 | 杭州宇泛智能科技有限公司 | 基于主动近红外光的人脸防伪算法 |
CN106951869A (zh) * | 2017-03-22 | 2017-07-14 | 腾讯科技(深圳)有限公司 | 一种活体验证方法及设备 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050249429A1 (en) * | 2004-04-22 | 2005-11-10 | Fuji Photo Film Co., Ltd. | Method, apparatus, and program for image processing |
CN100405388C (zh) * | 2004-05-14 | 2008-07-23 | 欧姆龙株式会社 | 特定被摄体检测装置 |
US7911513B2 (en) * | 2007-04-20 | 2011-03-22 | General Instrument Corporation | Simulating short depth of field to maximize privacy in videotelephony |
US8682029B2 (en) * | 2007-12-14 | 2014-03-25 | Flashfoto, Inc. | Rule-based segmentation for objects with frontal view in color images |
BRPI0917864A2 (pt) * | 2008-08-15 | 2015-11-24 | Univ Brown | aparelho e método para estimativa da forma corporal |
US8194938B2 (en) * | 2009-06-02 | 2012-06-05 | George Mason Intellectual Properties, Inc. | Face authentication using recognition-by-parts, boosting, and transduction |
US8600108B2 (en) * | 2010-01-25 | 2013-12-03 | Hewlett-Packard Development Compant, L.P. | Data processing system and method |
JP5675229B2 (ja) * | 2010-09-02 | 2015-02-25 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
US8953895B2 (en) * | 2010-11-29 | 2015-02-10 | Panasonic Intellectual Property Corporation Of America | Image classification apparatus, image classification method, program, recording medium, integrated circuit, and model creation apparatus |
US9547804B2 (en) * | 2011-08-25 | 2017-01-17 | Cornell University | Retinal encoder for machine vision |
US8913839B2 (en) * | 2011-09-27 | 2014-12-16 | University Of North Carolina At Wilmington | Demographic analysis of facial landmarks |
WO2014210334A1 (en) * | 2013-06-28 | 2014-12-31 | President And Fellows Of Harvard College | Machine learning enchanced by human measurements |
GB2524478A (en) * | 2014-03-20 | 2015-09-30 | Nokia Technologies Oy | Method, apparatus and computer program product for filtering of media content |
US9633269B2 (en) * | 2014-09-05 | 2017-04-25 | Qualcomm Incorporated | Image-based liveness detection for ultrasonic fingerprints |
US9552510B2 (en) * | 2015-03-18 | 2017-01-24 | Adobe Systems Incorporated | Facial expression capture for character animation |
US9990712B2 (en) * | 2015-04-08 | 2018-06-05 | Algotec Systems Ltd. | Organ detection and segmentation |
KR102483642B1 (ko) * | 2016-08-23 | 2023-01-02 | 삼성전자주식회사 | 라이브니스 검사 방법 및 장치 |
CN107506687B (zh) * | 2017-07-17 | 2020-01-21 | Oppo广东移动通信有限公司 | 活体检测方法及相关产品 |
CN107609463B (zh) * | 2017-07-20 | 2021-11-23 | 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 |
US10430946B1 (en) * | 2019-03-14 | 2019-10-01 | Inception Institute of Artificial Intelligence, Ltd. | Medical image segmentation and severity grading using neural network architectures with semi-supervised learning techniques |
-
2017
- 2017-07-20 CN CN201710596813.5A patent/CN107609463B/zh active Active
-
2018
- 2018-06-28 US US16/022,124 patent/US10824890B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1968357A (zh) * | 2005-11-14 | 2007-05-23 | 欧姆龙株式会社 | 认证装置和认证方法 |
CN103379282A (zh) * | 2012-04-26 | 2013-10-30 | 三星电子株式会社 | 用于识别图像的设备和方法 |
CN104915649A (zh) * | 2015-06-04 | 2015-09-16 | 南京理工大学 | 一种应用于人脸识别的活体检测方法 |
CN105512637A (zh) * | 2015-12-22 | 2016-04-20 | 联想(北京)有限公司 | 图像处理方法和电子设备 |
CN106599829A (zh) * | 2016-12-09 | 2017-04-26 | 杭州宇泛智能科技有限公司 | 基于主动近红外光的人脸防伪算法 |
CN106951869A (zh) * | 2017-03-22 | 2017-07-14 | 腾讯科技(深圳)有限公司 | 一种活体验证方法及设备 |
Non-Patent Citations (1)
Title |
---|
JAVIER GALBALLY 等: "Image quality assessment for fake biometric detection: Application to iris, fingerprint, and face recognition", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110609877A (zh) * | 2018-06-14 | 2019-12-24 | 百度在线网络技术(北京)有限公司 | 一种图片采集的方法、装置、设备和计算机存储介质 |
CN109376608A (zh) * | 2018-09-26 | 2019-02-22 | 中国计量大学 | 一种人脸活体检测方法 |
CN110991356A (zh) * | 2019-12-06 | 2020-04-10 | 中科智云科技有限公司 | 一种基于屏幕边缘的手机回放活体攻击识别方法 |
CN111767845A (zh) * | 2020-06-29 | 2020-10-13 | 京东数字科技控股有限公司 | 证件识别方法及装置 |
CN111767845B (zh) * | 2020-06-29 | 2024-03-05 | 京东科技控股股份有限公司 | 证件识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US10824890B2 (en) | 2020-11-03 |
US20190026575A1 (en) | 2019-01-24 |
CN107609463B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107609463A (zh) | 活体检测方法、装置、设备及存储介质 | |
CN107545241A (zh) | 神经网络模型训练及活体检测方法、装置及存储介质 | |
CN107590430A (zh) | 活体检测方法、装置、设备及存储介质 | |
CN107609462A (zh) | 待检测信息生成及活体检测方法、装置、设备及存储介质 | |
CN107563283A (zh) | 生成攻击样本的方法、装置、设备及存储介质 | |
CN106934376B (zh) | 一种图像识别方法、装置及移动终端 | |
CN107609481A (zh) | 为人脸识别生成训练数据的方法、装置和计算机存储介质 | |
WO2016172872A1 (zh) | 用于验证活体人脸的方法、设备和计算机程序产品 | |
WO2020019591A1 (zh) | 用于生成信息的方法和装置 | |
TW202026948A (zh) | 活體檢測方法、裝置以及儲存介質 | |
JP2021517303A (ja) | 閾値ベースのマッチングによる遠隔ユーザの身元確認 | |
CN107679860A (zh) | 一种用户认证的方法、装置、设备和计算机存储介质 | |
TWI712980B (zh) | 理賠資訊提取方法和裝置、電子設備 | |
CN111597884A (zh) | 面部动作单元识别方法、装置、电子设备及存储介质 | |
CN108877787A (zh) | 语音识别方法、装置、服务器及存储介质 | |
JP2020526835A (ja) | 画像を投稿するためのユーザのアカウントを動的に識別する装置及び方法 | |
CN109460733A (zh) | 基于单摄像头的人脸识别活体检测方法及系统、存储介质 | |
CN106941506A (zh) | 基于生物特征的数据处理方法和装置 | |
CN104965589A (zh) | 一种基于人脑智慧和人机交互的人体活体检测方法与装置 | |
CN107563289A (zh) | 一种活体检测的方法、装置、设备和计算机存储介质 | |
CN107657454A (zh) | 生物支付方法、装置、设备及存储介质 | |
JP2015041307A (ja) | 照合装置及び照合方法、照合システム、並びにコンピュータ・プログラム | |
CN109858379A (zh) | 笑容真诚度检测方法、装置、存储介质和电子设备 | |
CN110688878A (zh) | 活体识别检测方法、装置、介质及电子设备 | |
Boncolmo et al. | Gender Identification Using Keras Model Through Detection of Face |
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 |