CN108171211A - 活体检测方法和装置 - Google Patents

活体检测方法和装置 Download PDF

Info

Publication number
CN108171211A
CN108171211A CN201810053762.6A CN201810053762A CN108171211A CN 108171211 A CN108171211 A CN 108171211A CN 201810053762 A CN201810053762 A CN 201810053762A CN 108171211 A CN108171211 A CN 108171211A
Authority
CN
China
Prior art keywords
image
face
detected
motion track
dimensional reconstruction
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.)
Pending
Application number
CN201810053762.6A
Other languages
English (en)
Inventor
杜雅洁
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.)
Baidu Online Network Technology Beijing Co Ltd
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201810053762.6A priority Critical patent/CN108171211A/zh
Publication of CN108171211A publication Critical patent/CN108171211A/zh
Pending legal-status Critical Current

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
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • 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
    • 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
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例公开了活体检测方法和装置。该方法的一具体实施方式包括：响应于接收到认证请求，生成移动轨迹指令；基于拍摄待检测图像的图像采集装置所采集的至少两个待检测图像，判断图像采集装置的实际移动轨迹是否与移动轨迹指令所指示的移动轨迹相匹配，其中，各待检测图像均包括人脸对象；若是，则对所获取的待检测图像中的人脸对象进行三维重建；以及基于三维重建结果，确定待检测图像中的人脸对象是否为人脸活体。该实施方式提高了活体检测结果的准确性。

Description

活体检测方法和装置
技术领域
本申请实施例涉及计算机技术领域，具体涉及图像处理领域，尤其涉及活体检测方法和装置。
背景技术
鉴权(authentication)，是指用于验证用户是否拥有访问系统的权利的操作。
传统的鉴权通常是通过密码来验证的。这种方式的前提是，每个获得密码的用户都已经被授权。在建立用户时，就为此用户分配一个密码，用户的密码可以由管理员指定，也可以由用户自行申请。
为避免密码验证容易被攻击者通过撞库、拖库等方式窃取密码，从而伪装成认证用户，现有技术中，已经有了通过识别用户的人脸图像来判断该用户是否为认证用户的手段。
发明内容
本申请实施例提出了活体检测方法和装置。
第一方面，本申请实施例提供了一种活体检测方法，该方法包括：响应于接收到认证请求，生成移动轨迹指令；基于拍摄待检测图像的图像采集装置所采集的至少两个待检测图像，判断图像采集装置的实际移动轨迹是否与移动轨迹指令所指示的移动轨迹相匹配，其中，各待检测图像均包括人脸对象；若是，则对所获取的待检测图像中的人脸对象进行三维重建；以及基于三维重建结果，确定待检测图像中的人脸对象是否为人脸活体。
在一些实施例中，基于拍摄待检测图像的图像采集装置所采集的至少两个待检测图像，判断图像采集装置的实际移动轨迹是否与移动轨迹指令所指示的移动轨迹相匹配，包括：提取各待检测图像中的人脸对象的特征点；对从不同待检测图像中提取出的特征点进行特征匹配以得到匹配点对集合；基于匹配点对集合中的匹配点对，对拍摄待检测图像的图像采集装置进行相对位姿估计，其中，相对位姿用于表征图像采集装置在采集各待检测人脸图像时的位姿差异；以及基于位姿估计结果，判断图像采集装置采集各待检测图像时的位置是否处于移动轨迹指令所指示的移动轨迹上。
在一些实施例中，对所获取的待检测图像中的人脸对象进行三维重建，包括：基于匹配点对集合中的匹配点对和相对位姿估计结果，对人脸对象进行重建得到三维人脸特征点；将三维人脸特征点在各待检测图像上的重投影误差作为能量函数，采用莱文伯格-马夸特算法优化图像采集装置的内参数、外参数以及三维人脸特征点；以及基于极线约束和灰度一致性约束，对以与各个优化后的三维人脸特征点对应的匹配点对为中心且具有预设大小的图像块进行三维重建。
在一些实施例中，基于三维重建结果，确定待检测图像中的人脸对象是否为人脸活体，包括：对三维重建结果进行标准化处理；将经标准化处理之后的三维重建结果输入预先训练的三维人脸识别模型，以确定待检测图像中的人脸对象是否为人脸活体。
在一些实施例中，对三维重建结果进行标准化处理，包括以下至少一项：基于预先设置的双眼间距与三维重建结果所指示的人脸对象的实际双眼间距之比，对三维重建结果进行尺度调整；以及基于预先设置的人眼与嘴部的相对位置关系对三维重建结果进行方向调整。
在一些实施例中，在将经标准化处理之后的三维重建结果输入预先训练的三维人脸识别模型，以确定待检测图像中的人脸对象是否为人脸活体之前，活体检测方法还包括：基于预先标注的训练样本数据，训练预先建立的初始人脸识别模型，以得到预先训练的三维人脸识别模型。
在一些实施例中，活体检测方法还包括：若待检测图像中的人脸对象为人脸活体，则对人脸对象进行鉴权，以确定人脸对象所指示的用户是否为认证用户。
第二方面，本申请实施例还提供了一种活体检测装置，包括：轨迹指令生成单元，配置用于响应于接收到认证请求，生成移动轨迹指令；轨迹确定单元，配置用于基于拍摄待检测图像的图像采集装置所采集的至少两个待检测图像，判断图像采集装置的实际移动轨迹是否与移动轨迹指令所指示的移动轨迹相匹配，其中，各待检测图像均包括人脸对象；三维重建单元，配置用于若图像采集装置的实际移动轨迹与移动轨迹指令所指示的移动轨迹相匹配，则对所获取的待检测图像中的人脸对象进行三维重建；以及人脸活体检测单元，配置用于基于三维重建结果，确定待检测图像中的人脸对象是否为人脸活体。
在一些实施例中，轨迹确定单元进一步配置用于：提取各待检测图像中的人脸对象的特征点；对从不同待检测图像中提取出的特征点进行特征匹配以得到匹配点对集合；基于匹配点对集合中的匹配点对，对拍摄待检测图像的图像采集装置进行相对位姿估计，其中，相对位姿用于表征图像采集装置在采集各待检测人脸图像时的位姿差异；以及基于位姿估计结果，判断图像采集装置采集各待检测图像时的位置是否处于移动轨迹指令所指示的移动轨迹上。
在一些实施例中，三维重建单元进一步配置用于：基于匹配点对集合中的匹配点对和相对位姿估计结果，对人脸对象进行重建得到三维人脸特征点；将三维人脸特征点在各待检测图像上的重投影误差作为能量函数，采用莱文伯格-马夸特算法优化图像采集装置的内参数、外参数以及三维人脸特征点；以及基于极线约束和灰度一致性约束，对以与各个优化后的三维人脸特征点对应的匹配点对为中心且具有预设大小的图像块进行三维重建。
在一些实施例中，人脸活体检测单元进一步配置用于：对三维重建结果进行标准化处理；将经标准化处理之后的三维重建结果输入预先训练的三维人脸识别模型，以确定待检测图像中的人脸对象是否为人脸活体。
在一些实施例中，人脸活体检测单元对三维重建结果进行的标准化处理，包括以下至少一项：基于预先设置的双眼间距与三维重建结果所指示的人脸对象的实际双眼间距之比，对三维重建结果进行尺度调整；以及基于预先设置的人眼与嘴部的相对位置关系对三维重建结果进行方向调整。
在一些实施例中，活体检测装置还包括训练单元，配置用于基于预先标注的训练样本数据，训练预先建立的初始人脸识别模型，以得到预先训练的三维人脸识别模型。
在一些实施例中，活体检测装置还包括：鉴权单元，配置用于若待检测图像中的人脸对象为人脸活体，则对人脸对象进行鉴权，以确定人脸对象所指示的用户是否为认证用户。
第三方面，本申请实施例还提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面任一的方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面任一的方法。
本申请实施例提供的活体检测方法和装置，通过在接收到认证请求后，生成移动轨迹指令，并基于拍摄待检测图像的图像采集装置所采集的至少两个待检测图像，判断图像采集装置的实际移动轨迹是否与移动轨迹指令所指示的移动轨迹相匹配，之后，若判断结果为是，则对所获取的待检测图像中的人脸对象进行三维重建，最后，基于三维重建结果，确定待检测图像中的人脸对象是否为人脸活体。这样一来，可以在图像采集装置的实际移动轨迹与移动轨迹指令所指示的移动轨迹相匹配的前提下，通过对所获取的待检测图像中的人脸对象进行三维重建，来判断所获取的待检测图像中的人脸对象是否为人脸活体，避免了攻击者利用非法手段获得的认证用户的照片来伪装认证用户的现象，提高了活体检测结果的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的一种示例性系统架构图；
图2是本申请可以应用于其中的另一种示例性系统架构图；
图3是根据本申请的活体检测方法的一个实施例的流程图；
图4是根据本申请的活体检测方法的一个应用场景的示意图；
图5是根据本申请的活体检测方法的另一个实施例的流程图；
图6是根据本申请的信息生成装置的一个实施例的结构示意图；
图7是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的活体检测方法或活体检测装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括电子设备110。电子设备110例如可以是供用户A1使用的、具有显示屏的终端设备。电子设备110中可以安装有至少一个应用(App)。
当用户A1期望解锁电子设备110，或者期望使用安装在其上的应用时，可以通过呈现在显示屏上的人机交互界面与电子设备交互，从而完成活体检测的过程。若用户A1通过活体检测，则可以进一步地认证其是否具有解锁电子设备110和/或使用安装在其上的应用的权限。否则，若用户A1未通过活体检测，则不可解锁电子设备110和/或不能使用安装在其上的应用。
当应用本申请的活体检测方法或活体检测装置的系统具有如图1所示的架构时，本申请实施例所提供的活体检测方法可以由电子设备110执行，相应地，活体检测装置也可以设置于电子设备110中。
图2示出了可以应用本申请的活体检测方法或活体检测装置的实施例的另一种示例性系统架构200。
如图2所示，系统架构200可以包括终端设备201、202、203，网络204和服务器205。网络204用以在终端设备201、202、203和服务器205之间提供通信链路的介质。网络204可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户A2可以使用终端设备201、202、203通过网络204与服务器205交互，以接收或发送消息等。终端设备201、202、203上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备201、202、203可以是具有显示屏且支持人机交互的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts GroupAudio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture ExpertsGroup Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器205可以是提供各种服务的服务器，例如对终端设备201、202、203上呈现的用于活体检测的人机交互界面提供支持的活体检测服务器。活体检测服务器可以对接收到的活体检测请求等数据进行分析等处理，并将处理结果(例如活体检测结果)反馈给终端设备。
当应用本申请的活体检测方法或活体检测装置的系统具有如图2所示的架构时，本申请实施例所提供的活体检测方法可以由终端设备201、202、203执行，或者也可以由服务器205执行，或者一部分由终端设备201、202、203执行而另一部分由服务器205执行。相应地，活体检测装置可以设置于终端设备201、202、203中，或者设置于服务器205中，或者一部分设置于终端设备201、202、203中而另一部分设置于服务器205中。
应该理解，图2中的终端设备201、202、203、网络204和服务器205的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图3，示出了根据本申请的活体检测方法的一个实施例的流程300。该活体检测方法，包括以下步骤：
步骤301，响应于接收到认证请求，生成移动轨迹指令。
在本实施例中，用户可以向本实施例的活体检测方法应用其上的电子设备(例如，图1所示的终端设备101，图2所示的终端设备201、202、203或者图2所示的服务器205)发送认证请求。
可以理解的是，当本实施例的活体检测方法应用其上的电子设备为终端设备时，用户可以直接对该终端设备进行操作，例如，通过对呈现在终端设备的屏幕上的用于活体检测的人机交互界面的“检测请求”控件的点击，来向终端设备发送认证请求。当本实施例的活体检测方法应用其上的电子设备为服务器时，用户可以通过与服务器通过有线或者无线网络通信连接的终端设备来向服务器发送认证请求。
电子设备在接收到认证请求之后，便可以生成移动轨迹指令。
在这里，移动轨迹指令可以是任何能够指示用户的移动方向或移动终止位置或者移动范围的指令。并且，移动轨迹指令可以具有任何可行的表现形式或者这些可行的表现形式的任意组合。
例如，在一些应用场景中，移动轨迹指令可以是语音指令。在这些应用场景中，语音指令可以通过终端设备的声音播放模块(例如，扬声器)或者与终端设备通信连接的声音播放装置(例如，音箱)播放，以指示用户的移动轨迹。
或者，在另一些应用场景中，移动轨迹指令可以是一段文字。在这些应用场景中，这些文字可以呈现在终端设备的显示屏上，以指示用户的移动轨迹。
步骤302，基于拍摄待检测图像的图像采集装置所采集的至少两个待检测图像，判断图像采集装置的实际移动轨迹是否与移动轨迹指令所指示的移动轨迹相匹配，其中，各待检测图像均包括人脸对象。
在接收到移动轨迹指令之后，用户可以连续地改变其与图像采集装置之间的相对位置关系以生成实际移动轨迹。例如，用户可以保持其面部位置不动而移动图像采集装置，从而生成实际移动轨迹，或者，用户也可以在图像采集装置保持不动的情形下移动其头部，从而生成实际移动轨迹。
此外，可以理解的是，在一些应用场景中，拍摄待检测图像的图像采集装置可以是集成在用户使用的终端设备上的图像采集模块(例如，摄像头)。或者，在另一些应用场景中，拍摄待检测图像的图像采集装置也可以是与用户使用的终端设备采用有线或无线通信连接的独立的图像采集装置。
在一些应用场景中，移动轨迹指令所指示的移动轨迹为由远及近地移动。在这些应用场景中，可以基于图像采集装置先后采集到的待检测图像中，人脸对象的尺寸变化，来判断实际移动轨迹是否也是由远及近地移动。
步骤303，若是，则对所获取的待检测图像中的人脸对象进行三维重建。
在这里，对人脸对象进行三维重建可以理解为，对于人脸对象中的每个像素点，确定其在三维空间中的位置，例如，各像素点在预设的三维笛卡尔坐标系中的坐标值。在一些应用场景中，三维重建结果例如可以表现为人脸对象的点云图像。点云图像中的每一个点，均具有在某一预设的坐标系下，一个唯一的用于表征其空间位置的三维坐标。
步骤304，基于三维重建结果，确定待检测图像中的人脸对象是否为人脸活体。
例如，假设通过步骤303得到的三维重建结果以点云图像表征，在一些应用场景中，可以基于点云图像中代表某特征(例如，鼻尖)的点，与点云图像中代表另一特征(例如，耳朵)之间的距离，来确定人脸对象是否为人脸活体。
在这些应用场景中，可以理解，若人脸对象为人脸活体，那么，鼻尖与耳朵在垂直于正面人脸所在平面(例如，以点云图像中，分别表征眼球中心和嘴唇中心的三个点所构成的平面)的方向上的坐标值将具有较大的差异。这种差异将导致，鼻尖与耳朵之间的距离(例如，欧氏距离)显著地大于人脸照片中鼻尖与耳朵之间的距离。这样一来，通过恰当地设置距离阈值，便可以确定出待检测图像中的人脸对象是否为人脸活体。
本申请实施例提供的活体检测方法，通过在接收到认证请求后，生成移动轨迹指令，并基于拍摄待检测图像的图像采集装置所采集的至少两个待检测图像，判断图像采集装置的实际移动轨迹是否与移动轨迹指令所指示的移动轨迹相匹配，之后，若判断结果为是，则对所获取的待检测图像中的人脸对象进行三维重建，最后，基于三维重建结果，确定待检测图像中的人脸对象是否为人脸活体。这样一来，可以在图像采集装置的实际移动轨迹与移动轨迹指令所指示的移动轨迹相匹配的前提下，通过对所获取的待检测图像中的人脸对象进行三维重建，来判断所获取的待检测图像中的人脸对象是否为人脸活体，避免了攻击者利用非法手段获得的认证用户的照片来伪装认证用户的现象，提高了认证结果的准确性。
参见图4所示，其示出了图3所示的活体检测方法的一个应用场景的示意图。在该应用场景中，活体检测方法例如可以由终端设备来执行。
图4所示的应用场景中，用户410首先向终端设备(例如，用户410使用的手机)发送认证请求。基于用户410发送的认证请求，终端设备可以生成一移动轨迹指令，如附图标记401所示。该移动轨迹指令可以包括用于指示用户如何移动的移动轨迹。该移动轨迹例如可以是随机生成的，或者，该移动轨迹也可以是从预先设计的移动轨迹集合中随机选取出的。
接着，如附图标记402所示，终端设备可以开启摄像头，从而在用户移动终端设备或者移动其自身的过程中，进行图像的采集。在用户或终端设备的移动过程中，终端设备可以自动地采集至少两个包含用户人脸的图像，或者，也可以基于用户自身的操作(例如，点击呈现在终端设备屏幕上的“拍照”按钮)，来采集至少两个包含用户人脸的图像。
接着，如附图标记403所示，终端设备可以基于采集到的至少两个包含用户人脸的图像来判断终端设备或者用户自身的实际移动轨迹是否与移动轨迹指令所指示的移动轨迹相匹配。
接着，如附图标记404所示，对所获取的待检测图像中的人脸对象进行三维重建，得到点云图像。最后，如附图标记405所示，确定人脸对象是否为人脸活体。例如，可以通过点云图像中，分别表征两个特征的点之间的距离来判断人脸对象是否为人脸活体。
在一些可选的实现方式中，本实施例的活体检测方法中，步骤302的基于拍摄待检测图像的图像采集装置所采集的至少两个待检测图像，判断图像采集装置的实际移动轨迹是否与移动轨迹指令所指示的移动轨迹相匹配，还可以进一步包括：
步骤302a，提取各待检测图像中的人脸对象的特征点。
现有技术中，已有一些图像特征点提取算法。例如，尺度不变特征变换(Scale-invariant feature transform，SIFT)算法。其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。又例如，加速稳健特征(Speeded UpRobust Features，SURF)算法。SURF算法是对SIFT算法的一种改进，其进一步提升了算法的执行效率，为算法在实时计算机视觉系统中应用提供了可能。SIFT算法和SURF算法是现有技术已广泛研究的图像特征点提取算法，在此不再赘述。可以理解的是，在这里，可以利用任意目前已开发的或者待未来开发的算法来进行人脸对象的特征点的提取。
步骤302b，对从不同待检测图像中提取出的特征点进行特征匹配以得到匹配点对集合。
对于不同的特征提取算法，用于描述特征点的特征的特征描述方式也是不同的。以SIFT算法为例，其通过在特征点周围取一个预设大小的区域，并将该区域划分成多个子区域(例如，划分成4×4个子区域)。并且对每个子区域均使用八方向的梯度表示，最终得到128维的SIFT特征向量。通过对两个待检测图像的特征点的SIFT特征向量进行相似度计算，便可以得到该两个待检测图像中的匹配特征点对。例如，分别从两个待检测图像中选取出一个SIFT特征向量，并计算二者之间的欧氏距离，若二者之间的欧氏距离小于一预设的距离阈值，则可认定二者为匹配点对。
可选地，在确定出两个待检测图像中的匹配点对集合之后，还可以基于随机抽样一致算法(RANdom SAmple Consensus，RANSAC)，从匹配点对集合中剔除错误的匹配点对，从而进一步地匹配点对集合中，匹配点对的匹配准确性。
步骤302c，基于匹配点对集合中的匹配点对，对拍摄待检测图像的图像采集装置进行相对位姿估计，其中，相对位姿用于表征图像采集装置在采集各待检测人脸图像时的位姿差异。
假设在两个待检测图像中，包含匹配点对(p1,p2)，那么，有：
其中，p1、p2分别为匹配点对中两个特征点的齐次坐标，P为该二特征点在三维空间内的非齐次坐标，K为图像采集装置的内参数。R为图像采集装置在采集第二个待检测图像时，其相对于采集第一个待检测图像时的旋转矩阵，而t则为图像采集装置在采集第二个待检测图像时，其相对于采集第一个待检测图像时的平移量。
将多个匹配点对(p1,p2)带入如上的公式(1)中，便可以求解出旋转矩阵R和平移量t，从而完成图像采集装置的相对位姿估计。
步骤302d，基于位姿估计结果，判断图像采集装置采集各待检测图像时的位置是否处于移动轨迹指令所指示的移动轨迹上。
由于通过步骤302c得到了图像采集装置在采集第二个待检测图像时相对于其采集第一个待检测图像时的相对位姿变化，不难看出基于该相对位姿变化，可以判断出图像采集装置采集各待检测图像时的位置是否处于移动轨迹指令所指示的移动轨迹上。
在一些可选的实现方式中，步骤304的基于三维重建结果，确定待检测图像中的人脸对象是否为人脸活体还可以进一步包括：
步骤304a，基于匹配点对集合中的匹配点对和相对位姿估计结果，对人脸对象进行重建得到三维人脸特征点。
在这里，可以采用VisualSFM算法，来得到三维人脸特征点。
步骤304b，将三维点云在各待检测图像上的重投影误差作为能量函数，采用莱文伯格-马夸特算法(Levenberg-Marquard，LM)优化图像采集装置的内参数、外参数以及三维人脸特征点。
在这里，重投影误差例如可以理解为投影的点(理论值)与图像上的测量点的误差。例如，在标定的时候，重投影误差往往可以作为最终标定效果的评价标准，我们认为标定板上的物理点是理论值，它经过投影变换后会得到理论的像素点a，而测量的点经过畸变矫正后的像素点为a’，二者之间的欧氏距离||a-a’||2则可表示重投影误差。
采用重投影误差作为能量函数，也即采用重投影误差描述系统的能量值，当能量值达到最小时系统达到稳定状态。而LM算法是指从初始点开始，先假设一个可以信赖的最大位移s，然后在以当前点为中心，以s为半径的区域内，通过寻找能量函数的一个近似函数(二次的)的最优点，来求解得到真正的位移。在得到了位移之后，再计算能量函数值，如果其使能量函数值的下降满足了一定条件，那么就说明这个位移是可靠的，则继续按此规则迭代计算下去；如果其不能使能量函数值的下降满足一定的条件，则应减小信赖域的范围，再重新求解。
步骤304c，基于极线约束和灰度一致性约束，对以与各个优化后的三维人脸特征点对应的匹配点对为中心且具有预设大小的图像块进行三维重建。
例如，在一些应用场景中，对于每一个优化后的三维人脸特征点，可以以与该优化后的三维人脸特征点对应的匹配点对为中心，确定出一个较小的面片(例如，3×3或者5×5的图像块)。利用上一步计算得到的相机位姿，结合极线约束以及图像灰度一致性可以找到在不同视角下的对应匹配块。利用上述的匹配关系，便可以对这些面片进行三维重建，从而得到稠密的三维重建结果。
参见图5所示，为本申请的活体检测方法的另一个实施例的示意性流程图500。
本实施例的活体检测方法包括：
步骤501，响应于接收到认证请求，生成移动轨迹指令。
步骤502，基于拍摄待检测图像的图像采集装置所采集的至少两个待检测图像，判断图像采集装置的实际移动轨迹是否与移动轨迹指令所指示的移动轨迹相匹配，其中，各待检测图像均包括人脸对象。
步骤503，若步骤502的判断结果为“是”，则对所获取的待检测图像中的人脸对象进行三维重建。
以上的步骤501～步骤503的执行方式可以与图3所示实施例中的步骤301～步骤304的执行方式类似，在此不再赘述。
与图3所示的实施例不同的是，本实施例的活体检测方法还进一步包括：
步骤504，对三维重建结果进行标准化处理。
在这里，标准化处理可以理解为，对每次执行步骤501～步骤503得到的三维重建结果进行一些处理，使得这些三维重建结果具有某些共性的特征。
具体地，在一些可选的实现方式中，可以基于预先设置的双眼间距与三维重建结果所指示的人脸对象的实际双眼间距之比，对三维重建结果进行尺度调整。
图像采集装置采集得到的待检测图像中所包含的人脸对象的尺寸并不能真实地反映人脸对象所对应的人脸活体的人脸尺寸。因此，为了使得三维重建结果能够更好地反映人脸对象所对应的人脸活体的人脸尺寸，可以基于预先设置的双眼间距与三维重建结果所指示的人脸对象的实际双眼间距之比，对三维重建结果进行尺度调整。
由于真实人脸中，双眼间距(例如，双眼的几何中心之间的间距)的数值往往处于一个数值范围内。通过在该数值范围内取一个置信度较高的数值(例如，该数值范围内各双眼间距的均值)作为预先设置的双眼间距，可以得到该预先设置的双眼间距与三维重建结果所指示的人脸对象的实际双眼间距之比。将该预先设置的双眼间距与三维重建结果所指示的人脸对象的实际双眼间距之比作为调节系数，来调节三维重建结果，便可以实现三维重建结果的尺度调整，从而使得尺度调整后的三维重建结果能够更加真实地反映人脸对象的真实尺度。
具体地，在一些应用场景中，三维重建结果可以表现为点云图像。点云图像中的每个点均具有在某一预设坐标系下的三维坐标(x,y,z)。假设预先设置的双眼间距与三维重建结果所指示的人脸对象的实际双眼间距之比为α，那么对于点云图像中的每个点，可以将(αx,αy,αz)作为尺度调整后的三维坐标。
或者，在另一些可选的实现方式中，还可以基于预先设置的人眼与嘴部的相对位置关系对三维重建结果进行方向调整。
真实人脸中，眼睛与嘴唇的相对位置关系是相对固定的。这样一来，以真实人脸中眼睛与嘴唇的相对位置关系作为参照，对三位中间结果进行方向调整，可以将各次三维重建结果所指示的人脸转向同一个方向。
可以理解的是，在一些可选的实现方式中，还可以既对三维重建结果进行尺度调整又对其进行方向调整，使得各次三维重建结果均可具有一致的尺度和方向。
步骤505，将经标准化处理之后的三维重建结果输入预先训练的三维人脸识别模型，以确定待检测图像中的人脸对象是否为人脸活体。
在一些可选的实现方式中，预先训练的三维人脸识别模型例如可以是卷积神经网络模型。
在这些可选的实现方式中，在将经标准化处理之后的三维重建结果输入预先训练的三维人脸识别模型之前，本实施例的活体检测方法还可以进一步包括基于预先标注的训练样本数据，训练预先建立的初始人脸识别模型，以得到步骤505中的预先训练的三维人脸识别模型的步骤。
具体地，可以通过如下的方式获得预先标注的训练样本数据。首先，对每一个重建得到的三维人脸进行栅格化。例如，在预设的三维坐标系下，分别在x、y、z三个方向取某一尺寸(例如，0.02米)，将三维人脸划分为多个栅格，并且将栅格与其中所包含的点的数目对应存储。
接着，对栅格进行标注，以确定与该三维人脸对应的样本图像中包含的人脸对象是否为人脸活体。
在完成预先标注的训练样本数据之后，可以将这些训练样本数据输入到初始卷积神经网络模型中，从而对该初始卷积神经网络模型进行训练。
与图3所示的实施例相比，本实施例的活体检测方法基于三维重建结果，利用机器学习的方法来判断待检测图像中的人脸对象是否为人脸活体，可以不断地对模型进行学习和优化，从而能够有效地提高识别结果的准确率。
在本申请的活体检测方法的一些可选的实现方式中，活体检测方法还可以进一步包括：对人脸对象进行鉴权，以确定人脸对象所指示的用户是否为认证用户。
在一些应用场景中，可以仅对确定为人脸活体的人脸对象进行鉴权，从而判断其是否为认证用户。在这些应用场景中，由于通常鉴权过程需要终端设备与服务器之间的交互，而仅在待检测图像中的人脸对象为人脸活体的前提下再对人脸对象进行鉴权，从整体而言，可以减少终端设备与服务器之间数据交互所占用的网络资源。
进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种活体检测装置的一个实施例，该装置实施例与图3所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的活体检测装置包括包括：轨迹指令生成单元601、轨迹确定单元602、三维重建单元603以及人脸活体检测单元604。
其中，轨迹指令生成单元601可配置用于响应于接收到认证请求，生成移动轨迹指令。
轨迹确定单元602可配置用于基于拍摄待检测图像的图像采集装置所采集的至少两个待检测图像，判断图像采集装置的实际移动轨迹是否与移动轨迹指令所指示的移动轨迹相匹配，其中，各待检测图像均包括人脸对象。
三维重建单元603可配置用于若图像采集装置的实际移动轨迹与移动轨迹指令所指示的移动轨迹相匹配，则对所获取的待检测图像中的人脸对象进行三维重建。
人脸活体检测单元604可配置用于基于三维重建结果，确定待检测图像中的人脸对象是否为人脸活体。
在一些可选的实现方式中，轨迹确定单元602还可以进一步配置用于：提取各待检测图像中的人脸对象的特征点；对从不同待检测图像中提取出的特征点进行特征匹配以得到匹配点对集合；基于匹配点对集合中的匹配点对，对拍摄待检测图像的图像采集装置进行相对位姿估计，其中，相对位姿用于表征图像采集装置在采集各待检测人脸图像时的位姿差异；以及基于位姿估计结果，判断图像采集装置采集各待检测图像时的位置是否处于移动轨迹指令所指示的移动轨迹上。
在一些可选的实现方式中，三维重建单元603还可以进一步配置用于：基于匹配点对集合中的匹配点对和相对位姿估计结果，对人脸对象进行重建得到三维人脸特征点；将三维人脸特征点在各待检测图像上的重投影误差作为能量函数，采用莱文伯格-马夸特算法优化图像采集装置的内参数、外参数以及三维人脸特征点；以及基于极线约束和灰度一致性约束，对以与各个优化后的三维人脸特征点对应的匹配点对为中心且具有预设大小的图像块进行三维重建。
在一些可选的实现方式中，人脸活体检测单元604还可以进一步配置用于：对三维重建结果进行标准化处理；将经标准化处理之后的三维重建结果输入预先训练的三维人脸识别模型，以确定待检测图像中的人脸对象是否为人脸活体。
在一些可选的实现方式中，人脸活体检测单元604对三维重建结果进行的标准化处理，可以包括以下至少一项：基于预先设置的双眼间距与三维重建结果所指示的人脸对象的实际双眼间距之比，对三维重建结果进行尺度调整；以及基于预先设置的人眼与嘴部的相对位置关系对三维重建结果进行方向调整。
在一些可选的实现方式中，活体检测装置还可以包括训练单元(图中未示出)，配置用于基于预先标注的训练样本数据，训练预先建立的初始人脸识别模型，以得到预先训练的三维人脸识别模型。
在一些可选的实现方式中，活体检测装置还刻意包括鉴权单元(图中未示出)，配置用于若待检测图像中的人脸对象为人脸活体，则对人脸对象进行鉴权，以确定人脸对象所指示的用户是否为认证用户。
下面参考图7，其示出了适于用来实现本申请实施例的电子设备的计算机系统700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括摄像头等的输入部分706；包括诸如液晶显示屏(LCD)以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本申请中，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。而在本申请中，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申请的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)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括轨迹指令生成单元、轨迹确定单元、三维重建单元以及人脸活体检测单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，轨迹指令生成单元还可以被描述为“响应于接收到认证请求，生成移动轨迹指令的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：响应于接收到认证请求，生成移动轨迹指令；基于拍摄待检测图像的图像采集装置所采集的至少两个待检测图像，判断图像采集装置的实际移动轨迹是否与移动轨迹指令所指示的移动轨迹相匹配，其中，各待检测图像均包括人脸对象；若是，则对所获取的待检测图像中的人脸对象进行三维重建；以及基于三维重建结果，确定待检测图像中的人脸对象是否为人脸活体。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (16)

1.一种活体检测方法，包括：
响应于接收到认证请求，生成移动轨迹指令；
基于拍摄待检测图像的图像采集装置所采集的至少两个待检测图像，判断所述图像采集装置的实际移动轨迹是否与所述移动轨迹指令所指示的移动轨迹相匹配，其中，各所述待检测图像均包括人脸对象；
若是，则对所获取的待检测图像中的人脸对象进行三维重建；以及
基于三维重建结果，确定所述待检测图像中的人脸对象是否为人脸活体。
2.根据权利要求1所述的方法，其中，所述基于拍摄待检测图像的图像采集装置所采集的至少两个待检测图像，判断所述图像采集装置的实际移动轨迹是否与所述移动轨迹指令所指示的移动轨迹相匹配，包括：
提取各所述待检测图像中的人脸对象的特征点；
对从不同待检测图像中提取出的特征点进行特征匹配以得到匹配点对集合；
基于所述匹配点对集合中的匹配点对，对拍摄所述待检测图像的图像采集装置进行相对位姿估计，其中，相对位姿用于表征所述图像采集装置在采集各所述待检测人脸图像时的位姿差异；以及
基于位姿估计结果，判断所述图像采集装置采集各所述待检测图像时的位置是否处于所述移动轨迹指令所指示的移动轨迹上。
3.根据权利要求2所述的方法，其中，所述对所获取的待检测图像中的人脸对象进行三维重建，包括：
基于所述匹配点对集合中的匹配点对和所述相对位姿估计结果，对所述人脸对象进行重建得到三维人脸特征点；
将三维人脸特征点在各所述待检测图像上的重投影误差作为能量函数，采用莱文伯格-马夸特算法优化所述图像采集装置的内参数、外参数以及三维人脸特征点；以及
基于极线约束和灰度一致性约束，对以与各个优化后的三维人脸特征点对应的匹配点对为中心且具有预设大小的图像块进行三维重建。
4.根据权利要求1-3任意一项所述的方法，其中，所述基于三维重建结果，确定所述待检测图像中的人脸对象是否为人脸活体，包括：
对所述三维重建结果进行标准化处理；
将经标准化处理之后的三维重建结果输入预先训练的三维人脸识别模型，以确定所述待检测图像中的人脸对象是否为人脸活体。
5.根据权利要求4所述的方法，其中，所述对所述三维重建结果进行标准化处理，包括以下至少一项：
基于预先设置的双眼间距与所述三维重建结果所指示的人脸对象的实际双眼间距之比，对所述三维重建结果进行尺度调整；以及
基于预先设置的人眼与嘴部的相对位置关系对所述三维重建结果进行方向调整。
6.根据权利要求4所述的方法，其中，在所述将经标准化处理之后的三维重建结果输入预先训练的三维人脸识别模型，以确定所述待检测图像中的人脸对象是否为人脸活体之前，所述方法还包括：
基于预先标注的训练样本数据，训练预先建立的初始人脸识别模型，以得到所述预先训练的三维人脸识别模型。
7.根据权利要求1所述的方法，其中，所述方法还包括：
若所述待检测图像中的人脸对象为人脸活体，则对所述人脸对象进行鉴权，以确定所述人脸对象所指示的用户是否为认证用户。
8.一种活体检测装置，包括：
轨迹指令生成单元，配置用于响应于接收到认证请求，生成移动轨迹指令；
轨迹确定单元，配置用于基于拍摄待检测图像的图像采集装置所采集的至少两个待检测图像，判断所述图像采集装置的实际移动轨迹是否与所述移动轨迹指令所指示的移动轨迹相匹配，其中，各所述待检测图像均包括人脸对象；
三维重建单元，配置用于若所述图像采集装置的实际移动轨迹与所述移动轨迹指令所指示的移动轨迹相匹配，则对所获取的待检测图像中的人脸对象进行三维重建；以及
人脸活体检测单元，配置用于基于三维重建结果，确定所述待检测图像中的人脸对象是否为人脸活体。
9.根据权利要求8所述的装置，其中，所述轨迹确定单元进一步配置用于：
提取各所述待检测图像中的人脸对象的特征点；
对从不同待检测图像中提取出的特征点进行特征匹配以得到匹配点对集合；
基于所述匹配点对集合中的匹配点对，对拍摄所述待检测图像的图像采集装置进行相对位姿估计，其中，相对位姿用于表征所述图像采集装置在采集各所述待检测人脸图像时的位姿差异；以及
基于位姿估计结果，判断所述图像采集装置采集各所述待检测图像时的位置是否处于所述移动轨迹指令所指示的移动轨迹上。
10.根据权利要求9所述的装置，其中，所述三维重建单元进一步配置用于：
基于所述匹配点对集合中的匹配点对和所述相对位姿估计结果，对所述人脸对象进行重建得到三维人脸特征点；
将三维人脸特征点在各所述待检测图像上的重投影误差作为能量函数，采用莱文伯格-马夸特算法优化所述图像采集装置的内参数、外参数以及三维人脸特征点；以及
基于极线约束和灰度一致性约束，对以与各个优化后的三维人脸特征点对应的匹配点对为中心且具有预设大小的图像块进行三维重建。
11.根据权利要求8-10任意一项所述的装置，其中，所述人脸活体检测单元进一步配置用于：
对所述三维重建结果进行标准化处理；
将经标准化处理之后的三维重建结果输入预先训练的三维人脸识别模型，以确定所述待检测图像中的人脸对象是否为人脸活体。
12.根据权利要求11所述的装置，其中，所述人脸活体检测单元对所述三维重建结果进行的标准化处理，包括以下至少一项：
基于预先设置的双眼间距与所述三维重建结果所指示的人脸对象的实际双眼间距之比，对所述三维重建结果进行尺度调整；以及
基于预先设置的人眼与嘴部的相对位置关系对所述三维重建结果进行方向调整。
13.根据权利要求11所述的装置，其中，所述装置还包括：
训练单元，配置用于基于预先标注的训练样本数据，训练预先建立的初始人脸识别模型，以得到所述预先训练的三维人脸识别模型。
14.根据权利要求8所述的装置，其中，所述装置还包括：
鉴权单元，配置用于若所述待检测图像中的人脸对象为人脸活体，则对所述人脸对象进行鉴权，以确定所述人脸对象所指示的用户是否为认证用户。
15.一种设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN201810053762.6A 2018-01-19 2018-01-19 活体检测方法和装置 Pending CN108171211A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810053762.6A CN108171211A (zh) 2018-01-19 2018-01-19 活体检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810053762.6A CN108171211A (zh) 2018-01-19 2018-01-19 活体检测方法和装置

Publications (1)

Publication Number Publication Date
CN108171211A true CN108171211A (zh) 2018-06-15

Family

ID=62515382

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810053762.6A Pending CN108171211A (zh) 2018-01-19 2018-01-19 活体检测方法和装置

Country Status (1)

Country Link
CN (1) CN108171211A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961369A (zh) * 2018-07-11 2018-12-07 厦门幻世网络科技有限公司 生成3d动画的方法和装置
CN109086691A (zh) * 2018-07-16 2018-12-25 阿里巴巴集团控股有限公司 一种三维脸部活体检测方法、脸部认证识别方法及装置
CN110503007A (zh) * 2019-07-31 2019-11-26 成都甄识科技有限公司 一种基于热成像仪的活体动物监测方法、设备及系统
CN111160233A (zh) * 2019-12-27 2020-05-15 中国科学院苏州纳米技术与纳米仿生研究所 基于三维成像辅助的人脸活体检测方法、介质及系统
WO2020199577A1 (zh) * 2019-03-29 2020-10-08 北京市商汤科技开发有限公司 活体检测方法和装置、设备和存储介质
CN112333165A (zh) * 2020-10-27 2021-02-05 支付宝(杭州)信息技术有限公司 身份认证方法、装置、设备及系统
CN112395906A (zh) * 2019-08-12 2021-02-23 北京旷视科技有限公司 人脸活体检测方法和装置、人脸活体检测设备及介质
CN112560819A (zh) * 2021-02-22 2021-03-26 北京远鉴信息技术有限公司 一种用户身份的验证方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101236657A (zh) * 2008-03-03 2008-08-06 吉林大学 单一运动目标轨迹的跟踪与记录方法
CN101763636A (zh) * 2009-09-23 2010-06-30 中国科学院自动化研究所 视频序列中的三维人脸位置和姿态跟踪的方法
CN105574518A (zh) * 2016-01-25 2016-05-11 北京天诚盛业科技有限公司 人脸活体检测的方法和装置
CN105868677A (zh) * 2015-01-19 2016-08-17 阿里巴巴集团控股有限公司 一种活体人脸检测方法及装置
WO2017000217A1 (zh) * 2015-06-30 2017-01-05 北京旷视科技有限公司 活体检测方法及设备、计算机程序产品
CN106886698A (zh) * 2016-06-08 2017-06-23 阿里巴巴集团控股有限公司 一种认证方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101236657A (zh) * 2008-03-03 2008-08-06 吉林大学 单一运动目标轨迹的跟踪与记录方法
CN101763636A (zh) * 2009-09-23 2010-06-30 中国科学院自动化研究所 视频序列中的三维人脸位置和姿态跟踪的方法
CN105868677A (zh) * 2015-01-19 2016-08-17 阿里巴巴集团控股有限公司 一种活体人脸检测方法及装置
WO2017000217A1 (zh) * 2015-06-30 2017-01-05 北京旷视科技有限公司 活体检测方法及设备、计算机程序产品
CN105574518A (zh) * 2016-01-25 2016-05-11 北京天诚盛业科技有限公司 人脸活体检测的方法和装置
CN106886698A (zh) * 2016-06-08 2017-06-23 阿里巴巴集团控股有限公司 一种认证方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘太磊: ""相机标定与三维重建相关技术研究"", 《相机标定与三维重建相关技术研究》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961369A (zh) * 2018-07-11 2018-12-07 厦门幻世网络科技有限公司 生成3d动画的方法和装置
CN109086691A (zh) * 2018-07-16 2018-12-25 阿里巴巴集团控股有限公司 一种三维脸部活体检测方法、脸部认证识别方法及装置
WO2020199577A1 (zh) * 2019-03-29 2020-10-08 北京市商汤科技开发有限公司 活体检测方法和装置、设备和存储介质
CN111753595A (zh) * 2019-03-29 2020-10-09 北京市商汤科技开发有限公司 活体检测方法和装置、设备和存储介质
CN110503007A (zh) * 2019-07-31 2019-11-26 成都甄识科技有限公司 一种基于热成像仪的活体动物监测方法、设备及系统
CN110503007B (zh) * 2019-07-31 2023-04-07 成都甄识科技有限公司 一种基于热成像仪的活体动物监测方法、设备及系统
CN112395906A (zh) * 2019-08-12 2021-02-23 北京旷视科技有限公司 人脸活体检测方法和装置、人脸活体检测设备及介质
CN111160233A (zh) * 2019-12-27 2020-05-15 中国科学院苏州纳米技术与纳米仿生研究所 基于三维成像辅助的人脸活体检测方法、介质及系统
CN111160233B (zh) * 2019-12-27 2023-04-18 中国科学院苏州纳米技术与纳米仿生研究所 基于三维成像辅助的人脸活体检测方法、介质及系统
CN112333165A (zh) * 2020-10-27 2021-02-05 支付宝(杭州)信息技术有限公司 身份认证方法、装置、设备及系统
CN112560819A (zh) * 2021-02-22 2021-03-26 北京远鉴信息技术有限公司 一种用户身份的验证方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN108171211A (zh) 活体检测方法和装置
CN108898186A (zh) 用于提取图像的方法和装置
CN108154196B (zh) 用于输出图像的方法和装置
CN108898185A (zh) 用于生成图像识别模型的方法和装置
US10614629B2 (en) Visual display systems and method for manipulating images of a real scene using augmented reality
CN108062544A (zh) 用于人脸活体检测的方法和装置
CN107491771A (zh) 人脸检测方法和装置
CN109086719A (zh) 用于输出数据的方法和装置
CN108388878A (zh) 用于识别人脸的方法和装置
CN110245612A (zh) 人脸图像的检测方法和装置
CN108363995A (zh) 用于生成数据的方法和装置
CN109871834A (zh) 信息处理方法和装置
CN109086780A (zh) 用于检测电极片毛刺的方法和装置
CN108171204B (zh) 检测方法和装置
CN108734185A (zh) 图像校验方法和装置
CN108876858A (zh) 用于处理图像的方法和装置
CN108491709A (zh) 用于识别权限的方法和装置
CN108182746A (zh) 控制系统、方法和装置
CN109977839A (zh) 信息处理方法和装置
CN109215121A (zh) 用于生成信息的方法和装置
CN109145783A (zh) 用于生成信息的方法和装置
CN108257178A (zh) 用于定位目标人体的位置的方法和装置
CN107958247A (zh) 用于人脸图像识别的方法和装置
CN108521516A (zh) 用于终端设备的控制方法和装置
CN108491823A (zh) 用于生成人眼识别模型的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180615