CN109447000B - 活体检测方法、污渍检测方法、电子设备及记录介质 - Google Patents

Abstract

一种活体检测方法、用于图像采集装置的污渍检测方法、电子设备及记录介质，该活体检测方法包括：获取待检测对象的脸部图像；对所述脸部图像进行活体检测，当检测所述脸部图像为非活体时，对所述脸部图像进行污渍检测；根据污渍检测结果，确定活体检测结果。该活体检测方法降低了活体检测结果的误检率。

Description

活体检测方法、污渍检测方法、电子设备及记录介质

技术领域

本公开的实施例涉及一种活体检测方法、用于图像采集装置的污渍检测方法、电子设备及计算机可读记录介质。

背景技术

移动设备的人脸解锁通常需要进行活体检测，以判断是否是在用照片或者人脸模具来冒充真人进行解锁，另一方面，人脸的活体检测问题也是在线人脸身份认证中的一个重要问题。人脸活体检测需要区分正常用户和使用屏幕、纸张、面具等进行非正常操作的攻击者。

发明内容

根据本公开的一些实施例提供了一种活体检测方法，包括：获取待检测对象的脸部图像；对该脸部图像进行活体检测，当检测该脸部图像为非活体时，对该脸部图像进行污渍检测；根据污渍检测结果，确定活体检测结果。

例如，在本公开一实施例提供的活体检测方法还包括：根据所述活体检测结果以及所述待检测对象的人脸识别结果，确定所述待检测对象是否通过身份验证。

例如，在本公开一实施例提供的活体检测方法中，所述脸部图像由电子设备的图像采集装置获取，所述方法还包括：若所述污渍检测结果为污渍图像，确定活体检测结果为无效结果，输出活体检测失败和/或提示所述图像采集装置可能有污渍的提示信息。

例如，在本公开一实施例提供的活体检测方法中，在所述提示所述图像采集装置可能有污渍之后，所述方法还包括：获取所述待检测对象的新的脸部图像，并进行再次活体检测；当检测所述新的脸部图像为活体且所述新的脸部图像的脸部识别结果为匹配成功时，提示身份验证成功。

例如，在本公开一实施例提供的活体检测方法还包括：若所述脸部图像的污渍检测结果为非污渍图像，确定活体检测结果为非活体。

例如，在本公开一实施例提供的活体检测方法中，对所述脸部图像进行污渍检测，包括：采用通过包括训练污渍图像与训练非污渍图像的图集训练后的神经网络，对所述脸部图像进行判断；根据判断结果，获得所述脸部图像的污渍检测结果。

例如，在本公开一实施例提供的活体检测方法中，对所述脸部图像进行污渍检测，包括：根据所述脸部图像的前景深度和背景深度之间的对应关系，对所述脸部图像进行污渍检测。

例如，在本公开一实施例提供的活体检测方法中，根据所述脸部图像的前景深度和背景深度的差值，对所述脸部图像进行污渍检测，包括：判断所述脸部图像的前景图像和背景图像深度的差值是否大于或等于预设阈值；若所述脸部图像的前景图像和背景图像深度的差值大于或等于预设阈值，则所述脸部图像的污渍检测结果为非污渍图像；若所述脸部图像的前景图像和背景图像深度的差值小于预设阈值，则所述脸部图像的污渍检测结果为污渍图像。

例如，在本公开一实施例提供的活体检测方法中，若所述脸部图像的前景图像和背景图像深度的差值小于预设阈值，所述方法还包括：若所述脸部图像的前景图像和背景图像融合或脸部图像出现形状深度图，则所述脸部图像的污渍检测结果为液态污渍图像；若所述脸部图像的深度图具有颗粒状、呈现缺角特征或呈现过曝特征，则所述脸部图像的污渍检测结果为固态污渍图像。

例如，在本公开一实施例提供的活体检测方法中，所述获取待检测对象的脸部图像包括：对包括所述脸部图像的初始图像进行人脸检测或人脸属性检测，获得所述脸部图像。

根据本公开的一些实施例提供了一种用于图像采集装置的污渍检测方法，包括：确定该图像采集装置拍摄的图像的前景图像和背景图像深度的对应关系；根据该图像的前景图像和背景图像深度之间的对应关系，确定该图像采集装置是否具有污渍。

例如，在本公开一实施例提供的污渍检测方法中，根据所述图像的前景图像和背景图像深度之间的对应关系，确定所述图像采集装置是否具有污渍，包括：判断所述图像的前景图像和背景图像深度的差值是否大于或等于预设阈值；若所述图像的前景图像和背景图像深度的差值大于或等于预设阈值，则所述图像的污渍检测结果为非污渍图像；若所述图像的前景图像和背景图像深度的差值小于预设阈值，则所述图像的污渍检测结果为污渍图像。

例如，在本公开一实施例提供的污渍检测方法中，若所述图像的前景图像和背景图像深度的差值小于预设阈值，所述方法还包括：若所述图像的前景图像和背景图像融合或所述图像出现形状深度图，则所述图像的污渍检测结果为液态污渍图像；若所述图像的深度图具有颗粒状、呈现缺角特征或呈现过曝特征，则所述图像的污渍检测结果为固态污渍图像。

根据本公开的一些实施例提供了一种活体检测装置，包括：获取模块，用于获取待检测对象的脸部图像；处理模块，用于对该脸部图像进行活体检测，当检测该脸部图像为非活体时，对该脸部图像进行污渍检测；第一确定模块，用于根据污渍检测结果，确定活体检测结果。

根据本公开的一些实施例提供了一种用于图像采集装置的污渍检测装置，包括：第二确定模块，用于确定该图像采集装置拍摄的图像的前景图像和背景图像深度的对应关系；第三确定模块，用于根据该图像的前景图像和背景图像深度之间的对应关系，确定该图像采集装置是否具有污渍。

根据本公开的一些实施例提供了一种电子设备，该电子设备包括存储器、处理器及图像采集装置，该处理器分别与该存储器和图像采集装置耦合，该存储器中存储指令，当该指令由该处理器执行时以使该电子设备执行如上述任一项所述的方法。

根据本公开的一些实施例提供了一种非瞬时性计算机可读记录介质，其上已存储用于被计算机运行时执行如上述任一项所述的方法的程序。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1是示出根据本公开实施例的一种电子设备的结构框图；

图2是示出根据本公开至少一个实施例的活体检测方法的流程图；

图3是示出根据本公开至少一个实施例的活体检测方法的一部分流程图；

图4是示出根据本公开实施例的非污渍的脸部图像的深度图的示意图；

图5A-5B是示出根据本公开至少一个实施例的液态污渍图像的深度图的示意图；

图6A-6C是示出根据本公开至少一个实施例的固态污渍图像的深度图的示意图；

图7是示出根据本公开至少一个实施例的活体检测方法的另一部分流程图；

图8是示出根据本公开至少一个实施例的活体检测方法的再一部分流程图；

图9是示出根据本公开至少一个实施例的活体检测方法的流程图；

图10是示出根据本公开至少一个实施例的污渍检测方法的流程图；

图11是示出根据本公开至少一个实施例的污渍检测方法的一部分流程图；

图12是示出根据本公开至少一个实施例的活体检测装置的功能模块示意图；以及

图13是示出根据本公开至少一个实施例的污渍检测装置的功能模块示意图。

具体实施方式

下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。

在进行人脸的活体检测时，用于采集脸部图像的图像采集装置被污染的现象时常存在，例如，摄像头的镜头表面会有油污、水、指纹印或其他污渍，或者摄像头的镜头模组有灰尘进入等。当图像采集装置被污染时，会影响图像采集装置获取到的待检测对象的脸部图像的成像质量，从而进一步影响活体检测的结果，造成活体检测结果的误检率变高。

本公开多个实施例提供一种活体检测方法、用于图像采集装置的污渍检测方法、电子设备及非瞬时性计算机可读记录介质，通过对图像采集装置获取的脸部图像进行污渍检测，并根据污渍检测结果确定活体检测结果，通过这种方式，降低了活体检测结果的误检率。

图1是示出根据本公开实施例的一种电子设备100的结构框图，根据本公开的活体检测方法及用于图像采集装置的污渍检测方法均可以运行于该电子设备100中。如图1所示，电子设备100包括存储器110、一个或多个(图中仅示出一个)处理器120及图像采集装置130。这些组件通过一条或多条通讯总线/信号线相互通讯。

存储器110可用于存储软件程序以及模块，如本公开实施例中的活体检测方法、用于图像采集装置的污渍检测方法以及装置对应的程序指令/模块，处理器120通过运行存储在存储器110内的软件程序以及模块，从而执行各种功能应用以及数据处理，如本公开实施例提供的活体检测方法及用于图像采集装置的污渍检测方法。该存储器110还可以进一步用于存储软件程序以及模块运行所需的数据或运行产生的数据等。

存储器110可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、半导体存储装置(例如闪存)或者其他非易失性固态存储器。

处理器102可以采用数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、微处理器中的至少一种硬件形式来实现，该处理器102可以是中央处理单元(CPU)、图像处理器(GPU)、专用的集成电路(ASIC)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元中的一种或几种的组合，并且可以控制该电子设备100中的其它组件以执行期望的功能。

图像采集装置130用于获取待检测对象的脸部图像，该图像采集装置130可以包括摄像头，例如高清摄像头，红外线摄像头等，例如图像采集装置包括图像传感器以及光学模组，该图像传感器可以是CMOS或CCD型图像传感器，该光学模组可以包括一个或多个透镜(凸透镜或凹透镜)等。应当理解，图像采集装置130仅是示例，电子设备100可以不包括图像采集装置130。在这种情况下，可以利用其他具有图像采集能力的器件采集图像，并将采集的图像发送给电子设备100。

例如，电子设备100可以为手机、平板电脑、笔记本电脑、电子书、游戏机、电视机、数码相框、导航仪等任何设备，也可以为任意的电子设备及硬件的组合，本公开的实施例对此不作限制。

可以理解，图1所示的结构仅为示意，电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。例如，根据需要，电子设备还可以包括输入/输出(I/O)装置、外设接口、通信装置等。例如，该输入/输出装置例如为显示器、触摸板、触摸屏、键盘、鼠标等。该外设接口可以为各种类型的接口，例如为USB接口、闪电(lighting)接口等。该通信装置可以通过无线通信来与网络和其他设备进行通信，该网络例如为因特网、内部网和/或诸如蜂窝电话网络之类的无线网络、无线局域网(LAN)和/或城域网(MAN)。无线通信可以使用多种通信标准、协议和技术中的任何一种，包括但不局限于全球移动通信系统(GSM)、增强型数据GSM环境(EDGE)、宽带码分多址(W-CDMA)、码分多址(CDMA)、时分多址(TDMA)、蓝牙、Wi-Fi(例如基于IEEE 802.11a、IEEE 802.11b、IEEE 802.11g和/或IEEE802.11n标准)、基于因特网协议的语音传输(VoIP)、Wi-MAX，用于电子邮件、即时消息传递和/或短消息服务(SMS)的协议，或任何其他合适的通信协议。

图1中所示的各组件可以采用硬件、软件或其组合实现，可以包括一个或多个信号处理和/或专用集成电路。

图2是示出根据本公开至少一个实施例的活体检测方法的流程图，该方法可以应用于图1所示的电子设备100中，参见图2，活体检测方法可以包括下述步骤：

步骤S211，获取待检测对象的脸部图像。

待检测对象的脸部图像可以由电子设备中的图像采集装置获取，例如由图1所示的电子设备100中的图像采集装置130获取。例如，脸部图像可以是静态图像，也可以是视频中的视频帧。脸部图像可以是图像采集装置采集到的初始图像，也可以是对初始图像进行预处理(诸如数字化、归一化、平滑等)之后获得的图像。例如，图像采集装置获取的初始图像中还可能包括除了脸部图像外的其它图像，例如，风景图像、食物图像等，因此，作为一种实施方式，在步骤S211之前，可以对包括该脸部图像的初始图像进行人脸检测或人脸属性检测，以获得该脸部图像。对初始图像进行人脸检测或人脸属性检测的方法可以参考常规设计，例如可以采用基于模板的方法、基于模型的方法或神经网络方法等实现，此处不作赘述。

步骤S212，对脸部图像进行活体检测，当检测该脸部图像为非活体时，对该脸部图像进行污渍检测。

活体检测是在一些身份验证场景确定对象真实生理特征的方法，在人脸识别应用中，活体检测能通过眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体本人操作。对脸部图像进行活体检测的方法可以参考常规设计，例如，动作指令活体检测，近红外人脸活体检测，3D人脸活体检测等，可以采用任意一种适用的方法在此处对脸部图像进行活体检测，此处不作详述。

当检测到脸部图像为活体时，可以进一步进行人脸识别，当脸部识别成功时，即待检测对象的脸部图像与电子设备中已存储的脸部图像匹配成功时，确定待检测对象通过身份验证；当脸部识别失败时，即待检测对象的脸部图像与电子设备中已存储的脸部图像匹配失败时，确定待检测对象未通过身份验证。

当检测到脸部图像为非活体时，对该脸部图像进行污渍检测。对该脸部图像进行污渍检测的方式可以有多种，下面举两个示例进行说明。

图3是示出根据本公开至少一个实施例的活体检测方法的一部分流程图，参见图3，作为一种实施方式，对该脸部图像进行污渍检测，可以包括：

步骤S311，采用通过包括训练污渍图像与训练非污渍图像的图集训练后的神经网络，对该脸部图像进行判断。

例如，训练污渍图像是指用于训练神经网络的已经标记为具有污渍的图像，该污渍图像又可以进一步包括液态污渍图像及固态污渍图像。训练非污渍图像是指用于训练神经网络的已经标记为不具有污渍的图像。将包括训练污渍图像与训练非污渍图像的图集进行训练，例如，采用某种聚类算法进行聚类训练(例如，K-Means算法，均值漂移聚类算法等，基于密度的聚类算法等)，形成包括污渍图像类别及非污渍图像类别的神经网络。采用该神经网络，对该脸部图像进行判断。例如，将该脸部图像输入该神经网络，采用某分类算法(例如，贝叶斯分类算法，SVM，KNN算法等)，将该脸部图像分类为污渍图像类别及非污渍图像类别中的一种。

步骤S312，根据判断结果，获得该脸部图像的污渍检测结果。

若该脸部图像分类的判断结果污渍图像类别，则该脸部图像的污渍检测结果为污渍图像；若该脸部图像分类的判断结果非污渍图像类别，则该脸部图像的污渍检测结果为非污渍图像。

这种污渍检测的方式可以通过利用神经网络，使得污渍检测的结果更加精准，并且，由于污渍检测的结果会影响活体检测的结果，例如，可能由于图像采集装置具有污渍而将活体识别为非活体，从而造成活体检测的误判，因此，当污渍检测的结果变得更加精准时，可以进一步降低了活体检测的误检率。

另一方面，通过分析发现图像采集装置由于污渍的遮挡会导致测试深度的传感器产生偏差，使得原本正常的图像的深度信息产生异常的变化，图像采集装置在具有污渍状态下拍摄的深度图像和在非污渍状态下拍摄的图像会呈现不同特征。图像采集装置在非污渍状态下拍摄的深度图像前景和背景深度信息变化明显。图像采集装置在具有污渍的状态下拍摄的图像会呈现前景和背景融合，深度信息分离不明显，且针对不同种类的污渍会有不同的表现。

参见图4至图6C，图4是示出根据本公开至少一个实施例的非污渍的脸部图像的深度图的示意图；图5A-5B是示出根据本公开至少一个实施例的液态污渍图像的深度图的示意图；图6A-6C是示出根据本公开至少一个实施例的固态污渍图像的深度图的示意图。

如图4所示，非污渍的脸部图像的深度图像前景和背景深度信息变化明显。如图5A所示，在一个示例中，有液体油污(例如化妆品、人分泌物等)的液体污渍图像会呈现前景图像和背景图像融合、深度过曝等特点；如图5B所示，在另一个示例中，某些液体污渍图像还会呈现形状深度图。如图6A所示，在一个示例中，固态污渍图像的深度图会呈现颗粒明显特征；如图6B所示，在另一个示例中，固态污渍图像的深度图会呈现缺角的特征；如图6C所示，在再一个示例中，固态污渍图像的深度图会呈现过曝的特征。

因此，作为另一种实施方式，可以根据脸部图像的前景深度和背景深度之间的对应关系，对该脸部图像进行污渍检测。

图7是示出根据本公开至少一个实施例的活体检测方法的另一部分流程图。例如，参见图7，根据脸部图像的前景深度和背景深度的差值，对该脸部图像进行污渍检测，可以包括：

步骤S711，判断该脸部图像的前景图像和背景图像深度的差值是否大于或等于预设阈值。

例如，预设阈值可以根据经验或者根据用户需要进行设置。

若该脸部图像的前景图像和背景图像深度的差值大于或等于预设阈值，则执行步骤S712；若该脸部图像的前景图像和背景图像深度的差值小于预设阈值，则执行步骤S713。

步骤S712，该脸部图像的污渍检测结果为非污渍图像。

步骤S713，该脸部图像的污渍检测结果为污渍图像。

进一步的，若该脸部图像的前景图像和背景图像融合或脸部图像出现形状深度图，则该脸部图像的污渍检测结果为液态污渍图像；若该脸部图像的深度图具有颗粒状、呈现缺角特征或呈现过曝特征，则该脸部图像的污渍检测结果为固态污渍图像。

这种污渍检测的方式，利用了脸部图像的深度图像的前景和背景深度信息，使得污渍检测的结果更加精准，并且，由于污渍检测的结果会影响活体检测的结果，例如，可能由于图像采集装置具有污渍而将活体识别为非活体，从而造成活体检测的误判，因此，当污渍检测的结果变得更加精准时，可以进一步降低了活体检测的误检率。

继续参见图2，该活体检测方法还可以包括：

步骤S213，根据污渍检测结果，确定活体检测结果。

进一步的，可以根据该活体检测结果以及所述待检测对象的人脸识别结果，确定该待检测对象是否通过身份验证。

若该污渍检测结果为污渍图像，则表示活体检测结果可能由于图像采集装置具有污渍而不准确，可以确定活体检测结果为无效结果，输出活体检测失败和/或提示所述图像采集装置可能有污渍的提示信息。进一步的，若该活体检测方法应用于身份验证系统中，还可以进一步输出提示身份验证失败的提示信息。

若该脸部图像的污渍检测结果为非污渍图像，则说明该活体检测结果没有受到污渍的干扰并且若该活体检测结果为非活体，则确定活体检测结果为非活体。进一步的，若该活体检测方法应用于身份验证系统中，还可以进一步输出提示身份验证失败的提示信息。

进一步的，可以将身份验证结果应用于电子设备的解锁系统或例如支付、门禁等应用。例如，若该身份验证通过，则电子设备可以解锁；若身份验证失败，则电子设备提示解锁失败。通过这种方式，进一步提高了电子设备人脸解锁的成功率，避免了污渍对电子设备人脸解锁的干扰。又例如，若该身份验证通过，则电子设备可以进行支付操作；若身份验证失败，则电子设备提示验证失败，支付操作中止。通过这种方式，进一步提高了电子设备的安全性，避免了污渍对电子设备导致的安全性下降。

图8是示出根据本公开至少一个实施例的活体检测方法的再一部分流程图。作为一种实施方式，参见图8，在提示该图像采集装置可能有污渍之后，该活体检测方法还可以包括：

步骤S811，获取该待检测对象的新的脸部图像，并进行再次活体检测。

步骤S812，当检测该新的脸部图像为活体且该新的脸部图像的脸部识别结果为匹配成功时，提示身份验证成功。

步骤S811至步骤S812的实施方式可以参考上述类似的步骤的描述，此处不再赘述。

通过在检测并提示该图像采集装置可能有污渍之后，重新对新的脸部图像进行再次活体检测，能够使得下一次活体检测的结果更加精准，从而进一步降低了活体检测的误检率及提高了电子设备人脸解锁的成功率。

本公开至少一个实施例的活体检测方法，通过获取待检测对象的脸部图像，对该脸部图像进行活体检测，当检测该脸部图像为非活体时，对该脸部图像进行污渍检测，并根据污渍检测结果确定活体检测结果，降低了活体检测结果的误检率，将该活体检测方法应用于电子设备人脸解锁时，可以提高人脸解锁的成功率。

图9是示出根据本公开至少一个实施例的活体检测方法的流程图，该方法可以应用于图1所示的电子设备100中，参见图9，该活体检测方法可以包括下述步骤：

步骤S911，对包括脸部图像的初始图像进行人脸检测或人脸属性检测，获得该脸部图像。

步骤S912，对该脸部图像进行活体检测。

步骤S913，判断活体检测结果是否为活体。

当检测该脸部图像为非活体时，执行步骤S914至S916；否则，执行步骤S918至S919。

步骤S914，对该脸部图像进行污渍检测。

步骤S915，判断污渍检测结果是否为污渍图像。

若污渍检测结果是污渍图像，则执行步骤S916，否则，执行步骤S917。

步骤S916，确定活体检测结果为无效结果，输出活体检测失败和/或提示所述图像采集装置可能有污渍的提示信息。

进一步的，若该活体检测方法应用于身份验证系统中，还可以进一步输出提示身份验证失败的提示信息。

在步骤S916后，重新从步骤S911开始执行。

步骤S917，确定活体检测结果为非活体。

进一步的，若该活体检测方法应用于身份验证系统中，还可以进一步输出提示身份验证失败的提示信息。

步骤S918，对脸部图像进行脸部识别。

步骤S919，确定待检测对象是否通过身份验证。

步骤S911至步骤S919的实施方式可以参考上述实施例中活体检测方法中相应步骤的实施方式，此处不再赘述。

本公开至少一个实施例的活体检测方法，通过获取待检测对象的脸部图像，对该脸部图像进行活体检测，当检测该脸部图像为非活体时，对该脸部图像进行污渍检测，并根据污渍检测结果确定活体检测结果，降低了活体检测结果的误检率。

图10是示出根据本公开至少一个实施例的用于图像采集装置的污渍检测方法的流程图，该方法可以应用于图1所示的电子设备100的图像采集装置130中，参见图10，该用于图像采集装置的污渍检测方法可以包括下述步骤：

步骤S1011，确定图像采集装置拍摄的图像的前景图像和背景图像深度的对应关系。

例如，该图像采集装置拍摄的图像可以是脸部图像或指纹图像。

例如，可以分别获取该图像的前景图像的深度值以及该图像的背景图像的深度值，并进一步求解该图像的前景图像和背景图像深度的差值作为其对应关系。

步骤S1012，根据该图像的前景图像和背景图像深度之间的对应关系，确定该图像采集装置是否具有污渍。

图11是示出根据本公开至少一个实施例的污渍检测方法的一部分流程图。参见图11，作为一种实施方式，图10所示的步骤S1012可以包括下述步骤：

步骤S1111，判断该图像的前景图像和背景图像深度的差值是否大于或等于预设阈值。

若该图像的前景图像和背景图像深度的差值大于或等于预设阈值，则执行步骤S1112，若该图像的前景图像和背景图像深度的差值小于预设阈值，则执行步骤S1113。

步骤S1112，该图像的污渍检测结果为非污渍图像。

步骤S1113，该图像的污渍检测结果为污渍图像。

步骤S1111至S1113的实施方式可以参考上述实施例中相应步骤的实施方式，此处不再赘述。

本公开至少一个实施例的用于图像采集装置的污渍检测方法，通过确定图像采集装置拍摄的图像的前景图像和背景图像深度的对应关系，并根据该图像的前景图像和背景图像深度之间的对应关系，确定图像采集装置是否具有污渍，提高了油污检测的准确率，将该方法例如应用于活体检测时，进一步降低了活体检测结果的误检率。

图12是示出根据本公开至少一个实施例的活体检测装置1200的功能模块示意图，该活体检测装置1200可以应用于图1所示的电子设备100中，参见图12，活体检测装置1200包括获取模块1210、处理模块1220及第一确定模块1230。

获取模块1210用于获取待检测对象的脸部图像。作为一种实施方式，获取模块1210例如用于对包括脸部图像的初始图像进行人脸检测或人脸属性检测，获得该脸部图像。

处理模块1220用于对该脸部图像进行活体检测，当检测该脸部图像为非活体时，对该脸部图像进行污渍检测。

作为一种实施方式，处理模块1220例如用于采用通过包括训练污渍图像与训练非污渍图像的图集训练后的神经网络，对该脸部图像进行判断；根据判断结果，获得该脸部图像的污渍检测结果。

作为另一种实施方式，处理模块1220例如用于根据该脸部图像的前景深度和背景深度之间的对应关系，对该脸部图像进行污渍检测。

例如，处理模块1220用于判断该脸部图像的前景图像和背景图像深度的差值是否大于或等于预设阈值；若该脸部图像的前景图像和背景图像深度的差值大于或等于预设阈值，则该脸部图像的污渍检测结果为非污渍图像；若该脸部图像的前景图像和背景图像深度的差值小于预设阈值，则该脸部图像的污渍检测结果为污渍图像。

进一步的，若该脸部图像的前景图像和背景图像融合或脸部图像出现形状深度图，则该脸部图像的污渍检测结果为液态污渍图像。若该脸部图像的深度图具有颗粒状、呈现缺角特征或呈现过曝特征，则该脸部图像的污渍检测结果为固态污渍图像。

第一确定模块1230用于根据污渍检测结果，确定活体检测结果。

作为一种实施方式，该第一确定模块1230还用于根据该活体检测结果以及所述待检测对象的人脸识别结果，确定该待检测对象是否通过身份验证。

作为一种实施方式，该脸部图像由电子设备的图像采集装置获取，该活体检测装置1200还包括提示模块(图中未示出)，用于若该污渍检测结果为污渍图像，确定活体检测结果为无效结果，输出活体检测失败和/或提示所述图像采集装置可能有污渍的提示信息。

进一步的，作为一种实施方式，在提示该图像采集装置可能有污渍之后，该获取模块1210和该处理模块1220还用于获取该待检测对象的新的脸部图像，并进行再次活体检测；当检测该新的脸部图像为活体且该新的脸部图像的脸部识别结果为匹配成功时，提示身份验证成功。

作为一种实施方式，该提示模块(图中未示出)还用于若该脸部图像的污渍检测结果为非污渍图像，确定活体检测结果为非活体。

本公开实施例的活体检测装置，通过获取待检测对象的脸部图像，对该脸部图像进行活体检测，当检测该脸部图像为非活体时，对该脸部图像进行污渍检测，并根据污渍检测结果确定活体检测结果，降低了活体检测结果的误检率。

图13是示出根据本公开至少一个实施例的用于图像采集装置的污渍检测装置1300的功能模块示意图，该用于图像采集装置的污渍检测装置1300可以应用于图1所示的电子设备100中，参见图13，用于图像采集装置的污渍检测装置1300可以包括第二确定模块1310及第三确定模块1320。

第二确定模块1310用于确定该图像采集装置拍摄的图像的前景图像和背景图像深度的对应关系。

第三确定模块1320用于根据该图像的前景图像和背景图像深度之间的对应关系，确定该图像采集装置是否具有污渍。

作为一种实施方式，第三确定模块1320例如用于判断该图像的前景图像和背景图像深度的差值是否大于或等于预设阈值；若该图像的前景图像和背景图像深度的差值大于或等于预设阈值，则该图像的污渍检测结果为非污渍图像；若该图像的前景图像和背景图像深度的差值小于预设阈值，则该图像的污渍检测结果为污渍图像。

例如，若该图像的前景图像和背景图像融合或该图像出现形状深度图，则该图像的污渍检测结果为液态污渍图像；若该图像的深度图具有颗粒状、呈现缺角特征或呈现过曝特征，则该图像的污渍检测结果为固态污渍图像。

本公开实施例的用于图像采集装置的污渍检测装置，通过确定图像采集装置拍摄的图像的前景图像和背景图像深度的对应关系，并根据该图像的前景图像和背景图像深度之间的对应关系，确定图像采集装置是否具有污渍，提高了油污检测的准确率，将该装置例如应用于活体检测时，进一步降低了活体检测结果的误检率。

需要说明的是，本公开的一些实施例中，上述活体检测装置1200中的获取模块1210、处理模块1220和第一确定模块1230以及上述污渍检测装置1300中的第二确定模块1310和第三确定模块1320均可以为硬件、软件、固件以及它们的任意可行的组合。例如，各个模块可以为专用或通用的电路、芯片或装置等，也可以为处理器和存储器的结合。关于各个模块的具体实现形式，本公开的实施例对此不作限制。

本公开的至少一个实施例提供了一种电子设备，该电子设备包括存储器、处理器及图像采集装置，该处理器分别与该存储器和图像采集装置耦合，该存储器中存储指令，当该指令由该处理器执行时以使该电子设备执行如上述任一项所述的方法。

例如，该电子设备可以为图1所示的电子设备100，该电子设备可以执行上述活体检测方法和/或上述污渍检测方法。关于该电子设备的详细描述可以参考前述内容，此处不再赘述。

本公开多个实施例的电子设备，通过对图像采集装置获取的脸部图像进行污渍检测，并根据污渍检测结果确定活体检测结果，通过这种方式，降低了活体检测结果的误检率。

本公开的至少一个实施例还提供一种非瞬时性计算机可读记录介质，其上已存储用于被计算机运行时执行上述的方法的程序。例如，该非瞬时性计算机可读记录介质被计算机运行时可以执行上述活体检测方法和/或上述污渍检测方法的一个或多个步骤。该非瞬时性计算机可读记录介质可以包括一个或多个计算机程序产品的任意组合，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)

等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、闪存等。在该非瞬时性计算机可读记录介质上可以存储一个或多个计算机程序模块，当该一个或多个计算机程序模块被计算机运行时可以实现上述方法。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同或相似的部分互相参见即可。

本公开至少一个实施例所提供的活体检测装置及用于图像采集装置的污渍检测装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本公开的多个实施例的装置、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方式中，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，两个连续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，这可以根据所涉及的功能而定。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动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。

另外，在本公开各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块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，本公开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)执行本公开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-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。需要说明的是，在本文中，诸如第一和第三等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本公开的示例性实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (7)

1.一种活体检测方法，包括：

获取待检测对象的脸部图像；

对所述脸部图像进行活体检测，当检测所述脸部图像为非活体时，根据所述脸部图像的前景深度和背景深度之间的对应关系，对所述脸部图像进行污渍检测；

根据污渍检测结果，确定活体检测结果，

其中，若所述污渍检测结果为污渍图像，所述脸部图像由电子设备的图像采集装置获取，则所述方法还包括：

确定活体检测结果为无效结果；以及

输出活体检测失败和/或提示所述图像采集装置可能有污渍的提示信息，

其中，若所述污渍检测结果为污渍图像，则所述污渍检测结果为液态污渍图像或固态污渍图像。

2.根据权利要求1所述的方法，还包括：

根据所述活体检测结果以及所述待检测对象的人脸识别结果，确定所述待检测对象是否通过身份验证。

3.根据权利要求1所述的方法，还包括：

若所述脸部图像的污渍检测结果为非污渍图像，确定活体检测结果为非活体。

4.根据权利要求1-3任一项所述的方法，其中，所述根据所述脸部图像的前景深度和背景深度之间的对应关系，对所述脸部图像进行污渍检测，包括：

判断所述脸部图像的前景图像和背景图像深度的差值是否大于或等于预设阈值；

若所述脸部图像的前景图像和背景图像深度的差值大于或等于预设阈值，则所述脸部图像的污渍检测结果为非污渍图像；

若所述脸部图像的前景图像和背景图像深度的差值小于预设阈值，则所述脸部图像的污渍检测结果为污渍图像。

5.根据权利要求4所述的方法，其中，若所述脸部图像的前景图像和背景图像深度的差值小于预设阈值，所述方法还包括：

若所述脸部图像的前景图像和背景图像融合或脸部图像出现形状深度图，则所述脸部图像的污渍检测结果为液态污渍图像；

若所述脸部图像的深度图具有颗粒状、呈现缺角特征或呈现过曝特征，则所述脸部图像的污渍检测结果为固态污渍图像。

6.一种电子设备，包括：存储器、处理器及图像采集装置，其中，所述处理器分别与所述存储器和所述图像采集装置耦合，

所述存储器中存储指令，当所述指令由所述处理器执行时以使所述电子设备执行如权利要求1-5中任一项所述的方法。

7.一种非瞬时性计算机可读记录介质，其上已存储用于被计算机运行时执行如权利要求1-5中任一项所述的方法的程序。

Images