CN107862247A - 一种人脸活体检测方法及终端设备 - Google Patents

一种人脸活体检测方法及终端设备 Download PDF

Info

Publication number
CN107862247A
CN107862247A CN201710954945.0A CN201710954945A CN107862247A CN 107862247 A CN107862247 A CN 107862247A CN 201710954945 A CN201710954945 A CN 201710954945A CN 107862247 A CN107862247 A CN 107862247A
Authority
CN
China
Prior art keywords
image
pixel
background image
gray value
current background
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
Application number
CN201710954945.0A
Other languages
English (en)
Other versions
CN107862247B (zh
Inventor
李长缤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201710954945.0A priority Critical patent/CN107862247B/zh
Priority to PCT/CN2017/112624 priority patent/WO2019071739A1/zh
Publication of CN107862247A publication Critical patent/CN107862247A/zh
Application granted granted Critical
Publication of CN107862247B publication Critical patent/CN107862247B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于图像处理技术领域，尤其涉及一种人脸活体检测方法及终端设备。所述方法包括：获取指定区域的第一图像；在所述第一图像中确定出人脸图像；根据所述人脸图像在所述第一图像中确定出当前背景图像；在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人时获取的所述指定区域的图像；计算所述当前背景图像与所述标准背景图像的图像相似度；若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸。通过本发明，非法分子即使获取到了合法用户的照片，也无法骗过识别系统，大大提高了人脸识别系统的安全性。

Description

一种人脸活体检测方法及终端设备
技术领域
本发明属于图像处理技术领域，尤其涉及一种人脸活体检测方法及终端设备。
背景技术
目前，生物特征识别技术已经被广泛地应用于日常生活中的方方面面。人脸生物特征识别技术，由于其具有方便易用，用户友好性，非接触式等优点，在近年来取得了突飞猛进的发展。然而，基于人脸的生物特征识别在应用层面上依然面临着一些考验，其中，最为突出的就是识别系统的安全性问题；作为一种用于身份识别的装置，它们很容易被一个非法分子假冒成合法的用户，且目前的大部分人脸识别系统都无法区分真实的人脸和照片，只要获取到了合法用户的照片，那么就能轻而易举地骗过这类识别系统，安全性较低。
发明内容
有鉴于此，本发明实施例提供了一种人脸活体检测方法及终端设备，以解决目前的人脸识别系统无法区分真实的人脸和照片，安全性较低的问题。
本发明实施例的第一方面提供了一种人脸活体检测方法，可以包括：
获取指定区域的第一图像；
在所述第一图像中确定出人脸图像；
根据所述人脸图像在所述第一图像中确定出当前背景图像；
在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人时获取的所述指定区域的图像；
计算所述当前背景图像与所述标准背景图像的图像相似度；
若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸。
本发明实施例的第二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下步骤：
获取指定区域的第一图像；
在所述第一图像中确定出人脸图像；
根据所述人脸图像在所述第一图像中确定出当前背景图像；
在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人时获取的所述指定区域的图像；
计算所述当前背景图像与所述标准背景图像的图像相似度；
若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸。
本发明实施例的第三方面提供了一种人脸活体检测终端设备，包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如下步骤：
获取指定区域的第一图像；
在所述第一图像中确定出人脸图像；
根据所述人脸图像在所述第一图像中确定出当前背景图像；
在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人时获取的所述指定区域的图像；
计算所述当前背景图像与所述标准背景图像的图像相似度；
若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例预先获取了无人时指定区域的图像(即第二图像)，该图像即为人脸活体检测时的背景图像，将其作为比对的基准，在进行人脸活体检测时再次获取指定区域的图像(即第一图像)，从中确定出人脸所在的人脸图像，然后根据人脸图像确定出当前背景图像，在第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，考虑到银行、政府单位、行政机构等进行身份核实的设备的摄像头一般所面向的背景是基本恒定的，若摄像头前的是真实人脸，则人脸检测时的当前背景图像与人脸检测前的标准背景图像应该是一致的，若摄像头前的是人脸照片，照片中的背景会遮挡住真实环境的背景，造成检测前后背景的不一致，因此通过判定当前背景图像与标准背景图像的图像相似度是否大于预设的阈值，即可判定出所述第一图像中的人脸是否为真实人脸。非法分子即使获取到了合法用户的照片，也无法骗过识别系统，大大提高了人脸识别系统的安全性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种人脸活体检测方法的一个实施例流程图；
图2为本发明实施例中一种人脸活体检测方法步骤S102在一个应用场景下的示意流程图；
图3为本发明实施例中一种人脸活体检测方法步骤S103在一个应用场景下的示意流程图；
图4为本发明实施例中一种人脸活体检测方法步骤S105在一个应用场景下的示意流程图；
图5为本发明实施例中一种人脸活体检测方法对图像进行调整的示意流程图；
图6为本发明实施例提供的人脸活体检测终端设备的示意框图；
图7为本发明实施例提供的人脸活体检测程序的功能模块图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。
一般的人脸活体检测方法所针对的对象是人脸本身，即通过各种算法直接判断当前的人脸图像是否为一个真实的人脸，一般而言算法复杂度较高。而本发明不对人脸本身进行判断，而是判断人脸的背景是否一致，考虑银行、政府单位、行政机构等进行身份核实的设备的摄像头一般所面向的背景是基本恒定的，若摄像头前的是真实人脸，则人脸检测时的背景与人脸检测前的背景应该是一致的，若摄像头前的是照片或视频，则照片或视频中的背景会遮挡住真实环境的背景，造成检测前后背景的不一致，据此即可对人脸的真实与否做出判断。
请参阅图1，本发明实施例中一种人脸活体检测方法的一个实施例可以包括：
步骤S101、获取指定区域的第一图像。
所述指定区域为进行人脸活体检测的摄像头所朝向的区域，在本实施例中，摄像头的位置及朝向保持固定不变，因此，摄像头所能拍摄到的所述指定区域也是固定的。
在进行人脸活体检测时，通过所述摄像头来获取包含人脸图像在内的所述指定区域的图像，即所述第一图像。
步骤S102、在所述第一图像中确定出人脸图像。
在本实施例中可以采用如图2所示的基于肤色的方法来确定人脸图像：
步骤S1021、将所述第一图像由RGB空间转换到YCbCr空间，得到转换后的第一图像。
肤色作为人的体表显著特征之一，尽管人的肤色因为人种的不同有差异，呈现出不同的颜色，但是在排除了亮度和视觉环境等对肤色的影响后，皮肤的色调基本一致。在YCbCr空间中，Y代表亮度，Cb和Cr分别代表蓝色分量和红色分量，两者合称为色彩分量。YCbCr空间具有将色度与亮度分离的特点，在YCbCr空间中，肤色的聚类特性比较好，而且是两维独立分布，能够比较好地限制肤色的分布区域，并且受人种的影响不大。对比RGB空间和YCbCr空间，当光强发生变化时，RGB空间中的R(红色分量)、G(绿色分量)、B(蓝色分量)三个颜色分量会同时发生变化，而YCbCr空间中受光强影响相对独立，色彩分量受光强度影响不大，因此YCbCr空间更适合用于肤色识别。
可以通过以下公式实现由RGB空间到YCbCr空间的转换：
Y＝0.257*R+0.564*G+0.098*B+16；
Cb＝-0.148*R-0.291*G+0.439*B+128；
Cr＝0.439*R-0.368*G-0.071*B+128。
步骤S1022、在所述转换后的第一图像中确定出满足预设的肤色判定条件的各个肤色像素点。
由于肤色在YCbCr空间的两路色彩分量受亮度信息的影响较小，本方案直接考虑YCbCr空间的CbCr分量，映射为两维独立分布的CbCr空间。在CbCr空间下，肤色类聚性好，利用预设的肤色判定条件即可将肤色像素点确定出来，在本实施例中，优选采用的肤色判定条件为：77<Cb<127且133<Cr<173，满足该肤色判定条件的像素点即为肤色像素点。
步骤S1023、将所述各个肤色像素点组成肤色图像。
步骤S1024、在所述第一图像中确定出与所述肤色图像轮廓一致的所述人脸图像。
所述肤色图像是在YCbCr空间的图像，而第一图像中与所述肤色图像轮廓一致的图像即为RGB空间的所述人脸图像。
步骤S103、根据所述人脸图像在所述第一图像中确定出当前背景图像。
由于在步骤S102中，已经确定出了人脸图像，可选地，此处可以将第一图像中除人脸图像以外的图像均作为当前背景图像。
优选地，为了避免头发、衣物的影响，可以采用如图3所示的方法将人脸图像周边一定范围内的像素从当前背景图像中去除。
步骤S1031、分别计算各个待定像素点与所述人脸图像的最近距离。
所述待定像素点为在所述第一图像中不属于所述人脸图像的像素点，对其中的某个待定像素点而言，可以在人脸图像中确定出与其相距最近的像素点，该像素点与待定像素点两者之间的距离即为该待定像素点与所述人脸图像的最近距离。
步骤S1032、按照所述最近距离从小到大的顺序从所述待定像素点中依次选取边界像素点。
所述边界像素点的数目与所述待定像素点总数目的比值为预设的第三比值，所述第三比值可以根据实际情况进行设置，例如，可以将其设置为5％、10％、20％等等，本实施例对此不作具体限定。
步骤S1033、将除所述边界像素点之外的所述待定像素点所在区域确定为所述当前背景图像。
例如，若所述待定像素点总数目为10000，第三比值为20％，则应当从所述待定像素点选取2000个像素点作为边界像素点，具体地，按照所述最近距离从小到大的顺序从所述待定像素点中依次选取2000个像素点作为边界像素点。最后将剩余的8000个待定像素点所在区域确定为所述当前背景图像。
步骤S104、在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像。
所述第二图像为在所述指定区域无人时获取的所述指定区域的图像，容易理解地，所述第二图像与所述第一图像的取景范围一致，将所述第二图像作为所述第一图像比对的基准。
由于在步骤S103中已经确定出了第一图像中的当前背景图像，则可以在第二图像中确定出与所述当前背景图像的轮廓一致的图像，即所述标准背景图像。
步骤S105、计算所述当前背景图像与所述标准背景图像的图像相似度。
具体地，可以采用如图4所示的方法计算所述图像相似度：
步骤S1051、对所述当前背景图像进行二值化处理，得到二值当前背景图像。
步骤S1052、对所述标准背景图像进行二值化处理，得到二值标准背景图像。
例如，可以使用自适应阈值二值化算法对所述当前背景图像和所述标准背景图像进行二值化处理，将图像分成较小的块，分别计算每块的直方图，根据每个直方图的峰值，为每个块计算其阈值。每个像素点的阈值根据相邻的块的阈值进行插值获得。在二值化过程中，将大于阈值的像素点设置为1，小于阈值的像素点设置为0，则可得到所述二值当前背景图像和所述二值标准背景图像。
需要注意的是，还可以根据实际需要选取其它的二值化处理方法，本实施例对此不作具体限定。
步骤S1053、对所述二值当前背景图像和所述二值标准背景图像中相同位置上的像素点分别进行同或运算，然后将运算结果求和，得到相似像素点数目。
步骤S1054、计算所述二值当前背景图像或所述二值标准背景图像的像素点总数。
需要注意的是，无论是计算所述二值当前背景图像的像素点总数，还是计算所述二值标准背景图像的像素点总数，所得结果都是相同的。
步骤S1055、根据所述相似像素点数目和所述像素点总数计算所述图像相似度。
例如，可以将所述相似像素点数目与所述像素点总数的比值确定为所述图像相似度。
步骤S106、判断所述图像相似度是否大于预设的阈值。
所述阈值可以根据实际情况进行设置，例如，可以将其设置为80％、85％、90％等等，本实施例对此不作具体限定。
若所述图像相似度大于所述阈值，则执行步骤S107，若所述图像相似度小于或等于所述阈值，则执行步骤S108。
步骤S107、判定所述人脸图像为真实人脸。
步骤S108、判定所述人脸图像不是真实人脸。
优选地，为了减少在图像获取过程中因周边环境的光线干扰所引起的色彩偏差，在步骤S102之前，还可以采用如图5所示的方法对所述第一图像进行调整：
步骤S501、计算所述第一图像中的各个像素点的灰度值。
在本实施例中，优选采用以下公式进行灰度值计算：
Gray＝R*0.299+G*0.587+B*0.114，其中Gray代表灰度值。
步骤S502、按照灰度值从大到小的顺序从所述第一图像中依次选取第一优选像素点。
所述第一优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第一比值，所述第一比值可以根据实际情况进行设置，例如，可以将其设置为5％、10％、20％等等，本实施例对此不作具体限定。
步骤S503、计算所述第一优选像素点的第一平均灰度值。
例如，若所述第一图像的像素点总数目为20000，第一比值为5％，则应当从所述第一图像中选取1000个像素点作为第一优选像素点，具体地，按照灰度值从大到小的顺序从所述第一图像中依次选取1000个像素点作为第一优选像素点，然后将这1000个第一优选像素点的灰度值进行求和运算，最后将求和结果除以1000，则可得到所述第一平均灰度值。
步骤S504、按照灰度值从小到大的顺序从所述第一图像中依次选取第二优选像素点。
所述第二优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第二比值，所述第二比值可以根据实际情况进行设置，例如，可以将其设置为5％、10％、20％等等，本实施例对此不作具体限定。
步骤S505、计算所述第二优选像素点的第二平均灰度值。
例如，若所述第一图像的像素点总数目为20000，第二比值为5％，则应当从所述第一图像中选取1000个像素点作为第二优选像素点，具体地，按照灰度值从小到大的顺序从所述第一图像中依次选取1000个像素点作为第二优选像素点，然后将这1000个第二优选像素点的灰度值进行求和运算，最后将求和结果除以1000，则可得到所述第二平均灰度值。
步骤S506、根据所述第一平均灰度值和所述第二平均灰度值确定调整系数。
在本实施例中，优选采用以下公式进行调整系数计算：
A＝255/(G1–G2)，其中，A为所述调整系数，G1为所述第一平均灰度值，G2为所述第二平均灰度值。
步骤S507、使用所述调整系数对所述第一图像中的各个像素点的灰度值分别进行调整，得到调整后的第一图像。
在本实施例中，优选采用以下公式对所述第一图像进行调整：
Gray2＝A*(Gray1–G2)，其中Gray1代表原始灰度值，Gray2代表调整后的灰度值。
由于灰度值的取值范围为[0，255]，若计算得到的Gray2大于255，则将其设置为255，若计算得到的Gray2小于0，则将其设置为0，最后通过四舍五入对结果进行取整。
容易理解地，原始的第一图像由于周边环境的光线干扰可能导致其灰度值集中在某个区域上，造成色彩的偏差，而通过如图5所示的方法，可以将第一图像的灰度值扩展到整个灰度区域内，从而达到对色彩偏差的校正效果。
同理，优选地，也可以对所述第二图像进行调整，具体地调整方法与对所述第一图像进行调整的方法相似，具体可参见上述内容，本实施例对此不再赘述。
综上所述，本发明实施例预先获取了无人时指定区域的图像(即第二图像)，该图像即为人脸活体检测时的背景图像，将其作为比对的基准，在进行人脸活体检测时再次获取指定区域的图像(即第一图像)，从中确定出人脸所在的人脸图像，然后根据人脸图像确定出当前背景图像，在第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，考虑到银行、政府单位、行政机构等进行身份核实的设备的摄像头一般所面向的背景是基本恒定的，若摄像头前的是真实人脸，则人脸检测时的当前背景图像与人脸检测前的标准背景图像应该是一致的，若摄像头前的是人脸照片，照片中的背景会遮挡住真实环境的背景，造成检测前后背景的不一致，因此通过判定当前背景图像与标准背景图像的图像相似度是否大于预设的阈值，即可判定出所述第一图像中的人脸是否为真实人脸。非法分子即使获取到了合法用户的照片，也无法骗过识别系统，大大提高了人脸识别系统的安全性。
对应于上文实施例所述的人脸活体检测方法，图6示出了本发明实施例提供的人脸活体检测终端设备的示意框图，为了便于说明，仅示出了与本发明实施例相关的部分。
在本实施例中，所述人脸活体检测终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该人脸活体检测终端设备可包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。
所述处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述人脸活体检测终端设备6的内部存储单元，例如人脸活体检测终端设备6的硬盘或内存。所述存储器61也可以是所述人脸活体检测终端设备6的外部存储设备，例如所述人脸活体检测终端设备6上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述人脸活体检测终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述人脸活体检测终端设备6所需的其它程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
请参阅图7，是本发明实施例提供的计算机程序62的功能模块图。在本实施例中，所述的计算机程序62可以被分割成一个或多个模块，所述一个或者多个模块被存储于所述存储器61中，并由所述处理器60所执行，以完成本发明。例如，在图7中，所述的计算机程序62，也即人脸活体检测程序可以被分割成第一图像获取模块701、人脸图像确定模块702、当前背景图像确定模块703、标准背景图像确定模块704、图像相似度计算模块705、第一判定模块706、第二判定模块707。本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述所述计算机程序62在所述人脸活体检测终端设备中的执行过程。以下描述将具体介绍所述模块701-707的功能。
第一图像获取模块701，用于获取指定区域的第一图像；
人脸图像确定模块702，用于在所述第一图像中确定出人脸图像；
当前背景图像确定模块703，用于根据所述人脸图像在所述第一图像中确定出当前背景图像；
标准背景图像确定模块704，用于在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人时获取的所述指定区域的图像；
图像相似度计算模块705，用于计算所述当前背景图像与所述标准背景图像的图像相似度；
第一判定模块706，用于若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸；
第二判定模块707，用于若所述图像相似度小于或等于所述阈值，则判定所述人脸图像不是真实人脸。
进一步地，所述计算机程序62中还可以包括：
灰度值计算模块，用于计算所述第一图像中的各个像素点的灰度值；
第一优选像素点选取模块，用于按照灰度值从大到小的顺序从所述第一图像中依次选取第一优选像素点，所述第一优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第一比值；
第一平均灰度值计算模块，用于计算所述第一优选像素点的第一平均灰度值；
第二优选像素点选取模块，用于按照灰度值从小到大的顺序从所述第一图像中依次选取第二优选像素点，所述第二优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第二比值；
第二平均灰度值计算模块，用于计算所述第二优选像素点的第二平均灰度值；
调整系数确定模块，用于根据所述第一平均灰度值和所述第二平均灰度值确定调整系数；
灰度值调整模块，用于使用所述调整系数对所述第一图像中的各个像素点的灰度值分别进行调整，得到调整后的第一图像。
进一步地，所述人脸图像确定模块702可以包括：
空间转换单元，用于将所述第一图像由RGB空间转换到YCbCr空间，得到转换后的第一图像；
肤色像素点确定单元，用于在所述转换后的第一图像中确定出满足预设的肤色判定条件的各个肤色像素点；
肤色图像组成单元，用于将所述各个肤色像素点组成肤色图像；
人脸图像确定单元，用于在所述第一图像中确定出与所述肤色图像轮廓一致的所述人脸图像。
进一步地，所述当前背景图像确定模块703可以包括：
最近距离计算单元，用于分别计算各个待定像素点与所述人脸图像的最近距离，所述待定像素点为在所述第一图像中不属于所述人脸图像的像素点；
边界像素点选取单元，用于按照所述最近距离从小到大的顺序从所述待定像素点中依次选取边界像素点，所述边界像素点的数目与所述待定像素点总数目的比值为预设的第三比值；
当前背景图像确定单元，用于将除所述边界像素点之外的所述待定像素点所在区域确定为所述当前背景图像。
进一步地，所述图像相似度计算模块705可以包括：
当前背景二值化处理单元，用于对所述当前背景图像进行二值化处理，得到二值当前背景图像；
标准背景二值化处理单元，用于对所述标准背景图像进行二值化处理，得到二值标准背景图像；
相似像素点数目计算单元，用于对所述二值当前背景图像和所述二值标准背景图像中相同位置上的像素点分别进行同或运算，然后将运算结果求和，得到相似像素点数目；
像素点总数计算单元，用于计算所述二值当前背景图像或所述二值标准背景图像的像素点总数；
图像相似度计算单元，用于根据所述相似像素点数目和所述像素点总数计算所述图像相似度。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
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或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实施例的模块、单元和/或方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品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(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、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。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种人脸活体检测方法，其特征在于，包括：
获取指定区域的第一图像；
在所述第一图像中确定出人脸图像；
根据所述人脸图像在所述第一图像中确定出当前背景图像；
在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人时获取的所述指定区域的图像；
计算所述当前背景图像与所述标准背景图像的图像相似度；
若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸。
2.根据权利要求1所述的人脸活体检测方法，其特征在于，在获取指定区域的第一图像之后，还包括：
计算所述第一图像中的各个像素点的灰度值；
按照灰度值从大到小的顺序从所述第一图像中依次选取第一优选像素点，所述第一优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第一比值；
计算所述第一优选像素点的第一平均灰度值；
按照灰度值从小到大的顺序从所述第一图像中依次选取第二优选像素点，所述第二优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第二比值；
计算所述第二优选像素点的第二平均灰度值；
根据所述第一平均灰度值和所述第二平均灰度值确定调整系数；
使用所述调整系数对所述第一图像中的各个像素点的灰度值分别进行调整，得到调整后的第一图像。
3.根据权利要求1所述的人脸活体检测方法，其特征在于，所述在所述第一图像中确定出人脸图像包括：
将所述第一图像由RGB空间转换到YCbCr空间，得到转换后的第一图像；
在所述转换后的第一图像中确定出满足预设的肤色判定条件的各个肤色像素点；
将所述各个肤色像素点组成肤色图像；
在所述第一图像中确定出与所述肤色图像轮廓一致的所述人脸图像。
4.根据权利要求1所述的人脸活体检测方法，其特征在于，所述根据所述人脸图像在所述第一图像中确定出当前背景图像包括：
分别计算各个待定像素点与所述人脸图像的最近距离，所述待定像素点为在所述第一图像中不属于所述人脸图像的像素点；
按照所述最近距离从小到大的顺序从所述待定像素点中依次选取边界像素点，所述边界像素点的数目与所述待定像素点总数目的比值为预设的第三比值；
将除所述边界像素点之外的所述待定像素点所在区域确定为所述当前背景图像。
5.根据权利要求1至4中任一项所述的人脸活体检测方法，其特征在于，所述计算所述当前背景图像与所述标准背景图像的图像相似度包括：
对所述当前背景图像进行二值化处理，得到二值当前背景图像；
对所述标准背景图像进行二值化处理，得到二值标准背景图像；
对所述二值当前背景图像和所述二值标准背景图像中相同位置上的像素点分别进行同或运算，然后将运算结果求和，得到相似像素点数目；
计算所述二值当前背景图像或所述二值标准背景图像的像素点总数；
根据所述相似像素点数目和所述像素点总数计算所述图像相似度。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的人脸活体检测方法的步骤。
7.一种人脸活体检测终端设备，包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如下步骤：
获取指定区域的第一图像；
在所述第一图像中确定出人脸图像；
根据所述人脸图像在所述第一图像中确定出当前背景图像；
在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人时获取的所述指定区域的图像；
计算所述当前背景图像与所述标准背景图像的图像相似度；
若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸。
8.根据权利要求7所述的人脸活体检测终端设备，其特征在于，在获取指定区域的第一图像之后，还包括：
计算所述第一图像中的各个像素点的灰度值；
按照灰度值从大到小的顺序从所述第一图像中依次选取第一优选像素点，所述第一优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第一比值；
计算所述第一优选像素点的第一平均灰度值；
按照灰度值从小到大的顺序从所述第一图像中依次选取第二优选像素点，所述第二优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第二比值；
计算所述第二优选像素点的第二平均灰度值；
根据所述第一平均灰度值和所述第二平均灰度值确定调整系数；
使用所述调整系数对所述第一图像中的各个像素点在RGB空间中的三个颜色分量分别进行调整，得到调整后的第一图像。
9.根据权利要求7所述的人脸活体检测终端设备，其特征在于，所述在所述第一图像中确定出人脸图像包括：
将所述第一图像由RGB空间转换到YCbCr空间，得到转换后的第一图像；
在所述转换后的第一图像中确定出满足预设的肤色判定条件的各个肤色像素点；
将所述各个肤色像素点组成肤色图像；
在所述第一图像中确定出与所述肤色图像轮廓一致的所述人脸图像。
10.根据权利要求7至9中任一项所述的人脸活体检测终端设备，其特征在于，所述根据所述人脸图像在所述第一图像中确定出当前背景图像包括：
分别计算各个待定像素点距离所述人脸图像的最近距离，所述待定像素点为在所述第一图像中不属于所述人脸图像的像素点；
按照所述最近距离从小到大的顺序从所述待定像素点中依次选取边界像素点，所述边界像素点的数目与所述待定像素点总数目的比值为预设的第三比值；
将除所述边界像素点之外的所述待定像素点所在区域确定为所述当前背景图像。
CN201710954945.0A 2017-10-13 2017-10-13 一种人脸活体检测方法及终端设备 Active CN107862247B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710954945.0A CN107862247B (zh) 2017-10-13 2017-10-13 一种人脸活体检测方法及终端设备
PCT/CN2017/112624 WO2019071739A1 (zh) 2017-10-13 2017-11-23 人脸活体检测方法、装置、可读存储介质及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710954945.0A CN107862247B (zh) 2017-10-13 2017-10-13 一种人脸活体检测方法及终端设备

Publications (2)

Publication Number Publication Date
CN107862247A true CN107862247A (zh) 2018-03-30
CN107862247B CN107862247B (zh) 2018-09-11

Family

ID=61698461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710954945.0A Active CN107862247B (zh) 2017-10-13 2017-10-13 一种人脸活体检测方法及终端设备

Country Status (2)

Country Link
CN (1) CN107862247B (zh)
WO (1) WO2019071739A1 (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108875676A (zh) * 2018-06-28 2018-11-23 北京旷视科技有限公司 活体检测方法、装置及系统
CN108986245A (zh) * 2018-06-14 2018-12-11 深圳市商汤科技有限公司 基于人脸识别的考勤方法及终端
CN109189678A (zh) * 2018-08-22 2019-01-11 中国平安人寿保险股份有限公司 一种网页功能验证方法、计算机可读存储介质及服务器
CN109376592A (zh) * 2018-09-10 2019-02-22 阿里巴巴集团控股有限公司 活体检测方法、装置和计算机可读存储介质
CN109446977A (zh) * 2018-10-25 2019-03-08 平安科技（深圳）有限公司 基于人脸识别的图像处理方法、装置、存储介质及终端
CN110110699A (zh) * 2019-05-19 2019-08-09 北京深醒科技有限公司 一种基于红外摄像头下的判别活体检测方法
CN110765825A (zh) * 2018-07-27 2020-02-07 北京京东尚科信息技术有限公司 物品摆放状态获取方法和系统
CN111832346A (zh) * 2019-04-17 2020-10-27 北京嘀嘀无限科技发展有限公司 人脸识别方法、装置、电子设备及可读存储介质
CN111914769A (zh) * 2020-08-06 2020-11-10 腾讯科技（深圳）有限公司 用户合法性判定方法、装置、计算机可读存储介质及设备
CN112784900A (zh) * 2021-01-22 2021-05-11 深圳壹账通智能科技有限公司 图像目标对比方法、装置、计算机设备及可读存储介质
CN113079161A (zh) * 2021-04-01 2021-07-06 武汉飓飚信息技术有限公司 共享监控摄像头的方法及系统
CN114360036A (zh) * 2022-03-21 2022-04-15 深圳市海清视讯科技有限公司 图像识别方法、装置、服务器和存储介质
WO2022110846A1 (zh) * 2020-11-24 2022-06-02 奥比中光科技集团股份有限公司 一种活体检测的方法及设备

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110399780B (zh) * 2019-04-26 2023-09-29 努比亚技术有限公司 一种人脸检测方法、装置及计算机可读存储介质
CN110490058B (zh) * 2019-07-09 2022-07-26 北京迈格威科技有限公司 行人检测模型的训练方法、装置、系统和计算机可读介质
CN111339840B (zh) * 2020-02-10 2023-04-07 浙江大华技术股份有限公司 人脸检测方法和监控系统
CN111325175A (zh) * 2020-03-03 2020-06-23 北京三快在线科技有限公司 活体检测方法、装置、电子设备及存储介质
CN112507831B (zh) * 2020-05-22 2022-09-23 支付宝(杭州)信息技术有限公司 活体检测方法、装置、设备和存储介质
CN111797735A (zh) * 2020-06-22 2020-10-20 深圳壹账通智能科技有限公司 人脸视频识别方法、装置、设备及存储介质
CN111914763B (zh) * 2020-08-04 2023-11-28 网易（杭州）网络有限公司 活体检测方法、装置和终端设备
CN111985400A (zh) * 2020-08-20 2020-11-24 中国建设银行股份有限公司 一种人脸活体识别方法、装置、设备及存储介质
CN112487385A (zh) * 2020-11-26 2021-03-12 中国人寿保险股份有限公司 一种云桌面登录验证方法、装置、电子设备及存储介质
CN113420615A (zh) * 2021-06-03 2021-09-21 深圳海翼智新科技有限公司 人脸活体检测方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6031934A (en) * 1997-10-15 2000-02-29 Electric Planet, Inc. Computer vision system for subject characterization
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
CN106295522A (zh) * 2016-07-29 2017-01-04 武汉理工大学 一种基于多角度人脸和环境信息的两级防欺骗检测方法
CN106845328A (zh) * 2016-11-09 2017-06-13 广州市贺氏办公设备有限公司 一种基于双摄像头的智能人脸识别方法及系统
CN107239735A (zh) * 2017-04-24 2017-10-10 复旦大学 一种基于视频分析的活体检测方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104361326A (zh) * 2014-11-18 2015-02-18 新开普电子股份有限公司 一种判别活体人脸的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6031934A (en) * 1997-10-15 2000-02-29 Electric Planet, Inc. Computer vision system for subject characterization
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
CN106295522A (zh) * 2016-07-29 2017-01-04 武汉理工大学 一种基于多角度人脸和环境信息的两级防欺骗检测方法
CN106845328A (zh) * 2016-11-09 2017-06-13 广州市贺氏办公设备有限公司 一种基于双摄像头的智能人脸识别方法及系统
CN107239735A (zh) * 2017-04-24 2017-10-10 复旦大学 一种基于视频分析的活体检测方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王丽: "基于活体人脸检测的智能门禁系统设计", 《无线互联科技》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108986245A (zh) * 2018-06-14 2018-12-11 深圳市商汤科技有限公司 基于人脸识别的考勤方法及终端
CN108875676A (zh) * 2018-06-28 2018-11-23 北京旷视科技有限公司 活体检测方法、装置及系统
US11195037B2 (en) 2018-06-28 2021-12-07 Beijing Kuangshi Technology Co., Ltd. Living body detection method and system, computer-readable storage medium
CN108875676B (zh) * 2018-06-28 2021-08-10 北京旷视科技有限公司 活体检测方法、装置及系统
US11861910B2 (en) 2018-07-27 2024-01-02 Beijing Jingdong Shangke Information Technology Co., Ltd. Method and system for acquiring item placing state
CN110765825A (zh) * 2018-07-27 2020-02-07 北京京东尚科信息技术有限公司 物品摆放状态获取方法和系统
CN109189678A (zh) * 2018-08-22 2019-01-11 中国平安人寿保险股份有限公司 一种网页功能验证方法、计算机可读存储介质及服务器
CN109376592A (zh) * 2018-09-10 2019-02-22 阿里巴巴集团控股有限公司 活体检测方法、装置和计算机可读存储介质
US11210541B2 (en) 2018-09-10 2021-12-28 Advanced New Technologies Co., Ltd. Liveness detection method, apparatus and computer-readable storage medium
US11093773B2 (en) 2018-09-10 2021-08-17 Advanced New Technologies Co., Ltd. Liveness detection method, apparatus and computer-readable storage medium
CN109446977A (zh) * 2018-10-25 2019-03-08 平安科技（深圳）有限公司 基于人脸识别的图像处理方法、装置、存储介质及终端
CN109446977B (zh) * 2018-10-25 2024-06-28 平安科技（深圳）有限公司 基于人脸识别的图像处理方法、装置、存储介质及终端
CN111832346A (zh) * 2019-04-17 2020-10-27 北京嘀嘀无限科技发展有限公司 人脸识别方法、装置、电子设备及可读存储介质
CN111832346B (zh) * 2019-04-17 2024-07-23 北京嘀嘀无限科技发展有限公司 人脸识别方法、装置、电子设备及可读存储介质
CN110110699A (zh) * 2019-05-19 2019-08-09 北京深醒科技有限公司 一种基于红外摄像头下的判别活体检测方法
CN111914769A (zh) * 2020-08-06 2020-11-10 腾讯科技（深圳）有限公司 用户合法性判定方法、装置、计算机可读存储介质及设备
CN111914769B (zh) * 2020-08-06 2024-01-26 腾讯科技（深圳）有限公司 用户合法性判定方法、装置、计算机可读存储介质及设备
WO2022110846A1 (zh) * 2020-11-24 2022-06-02 奥比中光科技集团股份有限公司 一种活体检测的方法及设备
CN112784900A (zh) * 2021-01-22 2021-05-11 深圳壹账通智能科技有限公司 图像目标对比方法、装置、计算机设备及可读存储介质
CN113079161A (zh) * 2021-04-01 2021-07-06 武汉飓飚信息技术有限公司 共享监控摄像头的方法及系统
CN113079161B (zh) * 2021-04-01 2022-10-25 武汉飓飚信息技术有限公司 共享监控摄像头的方法及系统
CN114360036A (zh) * 2022-03-21 2022-04-15 深圳市海清视讯科技有限公司 图像识别方法、装置、服务器和存储介质

Also Published As

Publication number Publication date
CN107862247B (zh) 2018-09-11
WO2019071739A1 (zh) 2019-04-18

Similar Documents

Publication Publication Date Title
CN107862247B (zh) 一种人脸活体检测方法及终端设备
Al-Mohair et al. Hybrid human skin detection using neural network and k-means clustering technique
CN105138993B (zh) 建立人脸识别模型的方法及装置
Cintas et al. Automatic ear detection and feature extraction using geometric morphometrics and convolutional neural networks
Abbas et al. A perceptually oriented method for contrast enhancement and segmentation of dermoscopy images
CN109871845A (zh) 证件图像提取方法及终端设备
Mythili et al. Color image segmentation using ERKFCM
Liu et al. Local histogram specification for face recognition under varying lighting conditions
Agrawal et al. Survey on image segmentation techniques and color models
CN109271930A (zh) 微表情识别方法、装置与存储介质
CN108921836A (zh) 一种提取眼底图像标注的方法及装置
CN108710916A (zh) 图片分类的方法及装置
Kelly et al. Screening for objectionable images: A review of skin detection techniques
Chidananda et al. Entropy-cum-Hough-transform-based ear detection using ellipsoid particle swarm optimization
WO2021027155A1 (zh) 基于指静脉图像的验证方法、装置、存储介质及计算机设备
Tazeen et al. Brain tumor segmentation and classification using multiple feature extraction and convolutional neural networks
Raval et al. Color image segmentation using FCM clustering technique in RGB, L* a* b, HSV, YIQ color spaces
CN112102348A (zh) 图像处理设备
Chin et al. Facial skin image classification system using Convolutional Neural Networks deep learning algorithm
CN109190515A (zh) 一种疲劳驾驶检测方法、计算机可读存储介质及终端设备
Xie A k-nearest neighbor technique for brain tumor segmentation using minkowski distance
Zhang et al. Saliency detection by selective color features
Conci et al. Comparing Color and Texture-Based Algorithms for Human Skin Detection.
Kumar et al. Skin color segmentation for detecting human face region in image
CN110245661A (zh) 一种基于韦伯定律的多层卷积图像特征提取方法及系统

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1246447

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant