CN109492455A - 活体对象检测及身份认证方法、介质、系统和相关装置 - Google Patents

活体对象检测及身份认证方法、介质、系统和相关装置 Download PDF

Info

Publication number
CN109492455A
CN109492455A CN201710817771.3A CN201710817771A CN109492455A CN 109492455 A CN109492455 A CN 109492455A CN 201710817771 A CN201710817771 A CN 201710817771A CN 109492455 A CN109492455 A CN 109492455A
Authority
CN
China
Prior art keywords
parameter
reference picture
focal length
focus
image
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
CN201710817771.3A
Other languages
English (en)
Other versions
CN109492455B (zh
Inventor
孙博
孙一博
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.)
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Communications 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 China Mobile Communications Group Co Ltd, China Mobile Communications Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201710817771.3A priority Critical patent/CN109492455B/zh
Publication of CN109492455A publication Critical patent/CN109492455A/zh
Application granted granted Critical
Publication of CN109492455B publication Critical patent/CN109492455B/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
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration

Landscapes

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

Abstract

本发明公开了一种活体对象检测及身份认证方法、介质、系统和相关装置，用以提供一种通用的活体对象检测方法，在不增加额外辅助设备的前提下进行活体检测，保证身份认证系统的可靠性。所述活体检测方法，包括：针对待检测对象，利用不同的图像采集参数分别进行图像采集得到参考图像集合，所述参考图像集合中包含有对应于每一图像采集参数的参考图像；根据对应于每一图像采集参数的参考图像，检测所述待检测对象是否为活体对象。

Description

活体对象检测及身份认证方法、介质、系统和相关装置
技术领域
本发明涉及人脸识别技术领域，尤其涉及一种活体对象检测方法、介质和相关装置。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
当前人脸识别技术发展迅速，应用人脸识别的身份验证方法与系统已在诸多领域得以广泛应用。其核心流程为：采集当前待认证用户的人脸图像，与系统预存的合法用户人脸图像相比对，根据相似程度进行身份判断。目前人脸识别及比对过程的准确率已达到极高水平，难以通过非合法用户本身的其他人脸图像进行混淆攻击。然而，由于人脸图像极易被获取的特点，当通过照片、视频等将将合法用户的人脸图像展示于身份认证系统的人脸采集设备前，无活体认证过程的身份认证系统无法将合法用户与假冒攻击进行区分，系统安全性大大降低。
目前，人脸识别技术通行的活体检测技术主要包括以下几种：
1、通过辅助设备，如深度相机、红外相机等，检测深度、温度等信息，可以简单而有效区别真实用户和照片、视频假冒攻击；
2、采用指令动作配合的方式，如人脸左转、右转、张嘴、眨眼等，指令配合错误则认为是伪造欺骗；
3、通过分析人脸频率、色彩等图像特征，以区别真实人脸和二次采集的虚假人脸。
上述三种人脸活体检测方法中，第一种方法需要额外设备辅助，导致身份认证系统复杂，增加了身份认证系统的硬件成本；第二种方法需要用户配合，用户体验较差，而且对于视频攻击不能完全避免，降低了身份认证系统的可靠性；第三种方法中，针对一般显示介质和显示设备的某一类或几类特性，而采用的特性并非攻击方法的本质特性，不具有一般性、普适性，容易通过特定的手段规避与欺骗，这也降低了身份认证系统的可靠性。
发明内容
本发明实施例提供一种活体对象检测方法，用以提供一种通用的活体对象检测方法，在不增加额外辅助设备的前提下进行活体检测，保证身份认证系统的可靠性。
本发明实施例提供一种活体对象检测方法，包括：
针对待检测对象，利用不同的图像采集参数分别进行图像采集得到参考图像集合，所述参考图像集合中包含有对应于每一图像采集参数的参考图像；
根据对应于每一图像采集参数的参考图像，检测所述待检测对象是否为活体对象。
可选地，所述图像采集参数包括焦距参数和/或镜头位置参数。
可选地，如果所述图像采集参数为焦距参数，则利用不同的图像采集参数分别进行图像采集得到参考图像集合，具体包括：
随机生成图像采集装置的焦距序列，利用所述焦距序列中包含的每一焦距分别进行图像采集得到相应焦距下的焦距参考图像组成焦距参考图像集合。
可选地，根据对应于每一图像采集参数的参考图像变化判断所述待检测对象是否为活体对象，具体包括：
对所述焦距参考图像集合中包含的焦距参考图像按照采集焦距大小进行排序；
针对每一焦距参考图像，确定每一像素点的失焦模糊参数；
根据每一焦距参考图像的像素点的失焦模糊参数判断所述待检测对象是否为活体对象。
可选地，根据每一焦距参考图像的像素点的失焦模糊参数判断所述待检测对象是否为活体对象，具体包括：
针对每一焦距参考图像，将该焦距参考图像分割为背景区域和前景区域；以及
按照预设规则将所述前景区域分割为多个前景子区域；
针对所述背景区域和每一前景子区域，根据该区域内包含的像素点的失焦模糊参数，确定该区域对应的失焦模糊参数均值；
如果根据所述失焦模糊参数均值判断出所述焦距参考图像满足图像聚焦性质一致性条件和图像聚焦顺序一致性条件，则确定所述待检测对象为活体对象；如果根据所述失焦模糊参数均值判断出所述焦距参考图像不满足图像聚焦性质一致性条件或图像聚焦顺序一致性条件，则确定所述待检测对象不是活体对象。
可选地，所述聚焦性质一致性条件包括以下至少一项：如果背景区域和前景子区域中的任一区域的失焦模糊参数均值大于等于该区域对应的聚焦阈值，则其它区域的失焦模糊参数均值小于相应区域对应的聚焦阈值；对于任两张焦距参考图像，如果第一张焦距参考图像包含的背景区域和前景子区域中的任一区域的失焦模糊参数均值大于等于第二张焦距参考图像中相同区域的失焦模糊参数均值，则第一张焦距参考图像中其它区域的失焦模糊参数小于第二张焦距参考图像中相应区域的失焦模糊参数均值；
所述聚焦顺序一致性条件包括：相邻两张焦距参考图像中的焦距变化顺序与预设的、该两张焦距参考图像中包含的前景子区域图像聚焦变化顺序一致。
可选地，针对背景区域和前景子区域中的任一区域，按照以下方法判断该区域是否图像聚焦：
针对背景区域和前景子区域中的任一区域，如果该区域的失焦模糊参数大于等于预设的该区域对应的聚焦阈值，则确定该区域图像聚焦。
可选地，根据每一焦距参考图像的像素点的失焦模糊参数判断所述待检测对象是否为活体对象，具体包括：
针对相邻的两张焦距参考图像，确定该两张焦距参考图像中对应像素点的失焦模糊参数差值得到失焦模糊参数差值矩阵；
针对所述失焦模糊参数差值矩阵进行按列求和得到失焦模糊参数分布特征向量；
判断所述失焦模糊参数分布特征向量是否满足预设的特征分布一致性条件；
如果所述失焦模糊参数分布特征向量满足预设的特征分布一致性条件，则确定所述待检测对象为活体对象；如果所述失焦模糊参数分布特征向量不满足预设的特征分布一致性条件，则确定所述待检测对象不是活体对象。
可选地，判断所述失焦模糊参数分布特征向量是否满足预设的特征分布一致性条件，具体包括：
对所述失焦模糊参数分布特征向量进行二次曲线拟合得到一组特征参数；
判断得到的一组特征参数是否满足以下公式：pa+qb+rc＜ε；
如果满足，则确定所述分布特征向量满足预设的特征分布一致性条件；
如果不满足，则确定所述分布特征向量不满足预设的特征分布一致性条件；
其中：
[a,b,c]为得到的一组特征参数；
[p,q,r]为预设的一组特征参考参数；
ε为第一预设阈值。
可选地，按照以下方法确定每一像素点的失焦模糊参数：
其中：
I表示焦距参考图像；
i和j分别表示像素点的横坐标和纵坐标；
N表示预设窗口大小；
T表示第二预设阈值。
可选地，如果所述图像采集参数为镜头位置参数，则利用不同的图像采集参数分别进行图像采集得到参考图像集合，具体包括：
随机生成图像采集装置的镜头位置变化序列，利用所述镜头位置变化序列中包含的每一镜头位置进行图像得到相应镜头位置下的镜头位置参考图像组成镜头位置参考图像集合。
可选地，根据对应于每一图像采集参数的参考图像判断所述待检测对象是否为活体对象，具体包括：
将所述镜头位置参考图像集合中包含的每一镜头位置参考图像分割为背景区域和前景区域；
针对任两张镜头位置参考图像，根据该两张镜头位置参考图像分割得到的背景区域和前景区域，利用预设算法确定所述背景区域和前景区域对应的运动参数；
根据所述背景区域和前景区域对应的运动参数，确定所述背景区域和前景区域的运动参数差异；
判断所述背景区域和前景区域的运动参数差异是否大于第三预设阈值；
如果判断结果为是，则确定所述待检测对象为活体对象；如果判断结果为否，则确定所述待检测对象不是活体对象。
可选地，所述运动参数包括运动方向和运动速度；以及
根据所述背景区域和前景区域对应的运动参数，确定所述背景区域和前景区域的运动参数差异，具体包括：
根据所述背景区域和前景区域对应的运动方向向量，按照以下公式确定所述背景区域和前景区域的运动方向差异：
Δθ＝cos-1(Vf·Vb/|Vf||Vb|)；以及
根据所述背景区域和前景区域对应的运动速度，按照以下公式确定所述背景区域和前景区域的运动速度差异：
Δv＝vf-vb；其中：
Δθ表示运动方向差异；
Vf表示前景区域运动方向向量；
Vb表示背景区域运动方向向量；
vf表示前景区域运动速度；
vb表示背景区域运动速度。
可选地，如果所述判断结果为是，则确定所述待检测对象为活体对象之前，还包括：
根据所述前景区域和背景区域对应的运动参数，确定镜头运动参数；
确定所述镜头运动参数与预设的运动参数差值得到镜头运动差异；并
确定所述镜头运动差异不大于第四预设阈值。
可选地，所述镜头运动参数包括空间坐标移动和镜头转动角度。
本发明实施例提供一种身份认证方法，包括：
利用预先设置的图像采集参数采集满足预设条件的人脸目标图像；
调整所述图像采集参数，利用调整后的至少一个不同的图像采集参数分别进行人脸图像采集得到人脸参考图像集合，所述人脸参考图像集合中包含有对应于每一调整后的图像采集参数的人脸参考图像；
利用上述任一活体对象检测方法判断所述人脸目标图像是否为活体图像；
如果判断出所述人脸目标图像为活体图像，则比较所述人脸目标图像与预先存储的人脸图像是否匹配；
根据比较结果输出身份认证结果。
可选地，所述预设条件包括以下至少一项：采集的人脸目标图像中人脸面积占比大于第一预设比例；所述人脸目标图像中人脸中心位置与人脸目标图像中心的偏移量不超过所述人脸目标图像尺寸的第二预设比例；所述人脸目标图像中人脸占据的图像尺寸不小于预设尺寸。
本发明实施例提供一种活体对象检测装置，包括：
图像采集单元，用于针对待检测对象，利用不同的图像采集参数分别进行图像采集得到参考图像集合，所述参考图像集合中包含有对应于每一图像采集参数的参考图像；
检测单元，用于根据对应于每一图像采集参数的参考图像，检测所述待检测对象是否为活体对象。
可选地，所述图像采集参数包括焦距参数和/或镜头位置参数。
可选地，所述图像采集单元，具体用于如果所述图像采集参数为焦距参数，则随机生成图像采集装置的焦距序列，利用所述焦距序列中包含的每一焦距分别进行图像采集得到相应焦距下的焦距参考图像组成焦距参考图像集合。
可选地，所述检测单元，具体包括：
排序子单元，用于对所述焦距参考图像集合中包含的焦距参考图像按照采集焦距大小进行排序；
第一确定子单元，用于针对每一焦距参考图像，确定每一像素点的失焦模糊参数；
第一判断子单元，用于根据每一焦距参考图像的像素点的失焦模糊参数判断所述待检测对象是否为活体对象。
可选地，所述第一判断子单元，包括：
分割模块，用于针对每一焦距参考图像，将该焦距参考图像分割为背景区域和前景区域；以及按照预设规则将所述前景区域分割为多个前景子区域；
第一确定模块，用于针对所述背景区域和每一前景子区域，根据该区域内包含的像素点的失焦模糊参数，确定该区域对应的失焦模糊参数均值；
第二确定模块，用于如果根据所述失焦模糊参数均值判断出所述焦距参考图像满足图像聚焦性质一致性条件和图像聚焦顺序一致性条件，则确定所述待检测对象为活体对象；如果根据所述失焦模糊参数均值判断出所述焦距参考图像不满足图像聚焦性质一致性条件或图像聚焦顺序一致性条件，则确定所述待检测对象不是活体对象。
可选地，所述聚焦性质一致性条件包括以下至少一项：如果背景区域和前景子区域中的任一区域的失焦模糊参数均值大于等于该区域对应的聚焦阈值，则其它区域的失焦模糊参数均值小于相应区域对应的聚焦阈值；对于任两张焦距参考图像，如果第一张焦距参考图像包含的背景区域和前景子区域中的任一区域的失焦模糊参数均值大于等于第二张焦距参考图像中相同区域的失焦模糊参数均值，则第一张焦距参考图像中其它区域的失焦模糊参数小于第二张焦距参考图像中相应区域的失焦模糊参数均值；
所述聚焦顺序一致性条件包括：相邻两张焦距参考图像中的焦距变化顺序与预设的、该两张焦距参考图像中包含的前景子区域图像聚焦变化顺序一致。
可选地，本发明实施例提供的活体对象检测装置，还包括：
聚焦判断单元，用于针对背景区域和前景子区域中的任一区域，如果该区域的失焦模糊参数大于等于预设的该区域对应的聚焦阈值，则确定该区域图像聚焦。
可选地，所述第一判断子单元，具体包括：
第三确定模块，用于针对相邻的两张焦距参考图像，确定该两张焦距参考图像中对应像素点的失焦模糊参数差值得到失焦模糊参数差值矩阵；
获得模块，用于针对所述失焦模糊参数差值矩阵进行按列求和得到失焦模糊参数分布特征向量；
判断模块，用于判断所述失焦模糊参数分布特征向量是否满足预设的特征分布一致性条件；
第四确定模块，用于如果所述失焦模糊参数分布特征向量满足预设的特征分布一致性条件，则确定所述待检测对象为活体对象；如果所述失焦模糊参数分布特征向量不满足预设的特征分布一致性条件，则确定所述待检测对象不是活体对象。
可选地，所述判断模块，具体用于对所述失焦模糊参数分布特征向量进行二次曲线拟合得到一组特征参数；判断得到的一组特征参数是否满足以下公式：pa+qb+rc＜ε；如果满足，则确定所述分布特征向量满足预设的特征分布一致性条件；如果不满足，则确定所述分布特征向量不满足预设的特征分布一致性条件；其中：[a,b,c]为得到的一组特征参数；[p,q,r]为预设的一组特征参考参数；ε为第一预设阈值。
可选地，本发明实施例提供的活体对象检测装置，还包括：
第一确定单元，用于按照以下方法确定每一像素点的失焦模糊参数：
其中：
I表示焦距参考图像；
i和j分别表示像素点的横坐标和纵坐标；
N表示预设窗口大小；
T表示第二预设阈值。
可选地，所述图像采集单元，用于如果所述图像采集参数为镜头位置参数，则随机生成图像采集装置的镜头位置变化序列，利用所述镜头位置变化序列中包含的每一镜头位置进行图像得到相应镜头位置下的镜头位置参考图像组成镜头位置参考图像集合。
可选地，所述检测单元，具体包括：
分割子单元，用于将所述镜头位置参考图像集合中包含的每一镜头位置参考图像分割为背景区域和前景区域；
第二确定子单元，用于针对任两张镜头位置参考图像，根据该两张镜头位置参考图像分割得到的背景区域和前景区域，利用预设算法确定所述背景区域和前景区域对应的运动参数；
第三确定子单元，用于根据所述背景区域和前景区域对应的运动参数，确定所述背景区域和前景区域的运动参数差异；
第二判断子单元，用于判断所述背景区域和前景区域的运动参数差异是否大于第三预设阈值；
第四确定子单元，用于如果所述第二判断子单元的判断结果为是，则确定所述待检测对象为活体对象；如果所述第二判断子单元的判断结果为否，则确定所述待检测对象不是活体对象。
可选地，所述运动参数包括运动方向和运动速度；以及
所述第三确定子单元，具体用于根据所述背景区域和前景区域对应的运动方向向量，按照以下公式确定所述背景区域和前景区域的运动方向差异：
Δθ＝cos-1(Vf·Vb/|Vf||Vb|)；以及
根据所述背景区域和前景区域对应的运动速度，按照以下公式确定所述背景区域和前景区域的运动速度差异：
Δv＝vf-vb；其中：
Δθ表示运动方向差异；
Vf表示前景区域运动方向向量；
Vb表示背景区域运动方向向量；
vf表示前景区域运动速度；
vb表示背景区域运动速度。
可选地，所述第四确定子单元，还用于如果所述第二判断子单元的判断结果为是，在确定所述待检测对象为活体对象之前，根据所述前景区域和背景区域对应的运动参数，确定镜头运动参数；确定所述镜头运动参数与预设的运动参数差值得到镜头运动差异；并确定所述镜头运动差异不大于第四预设阈值。
可选地，所述镜头运动参数包括空间坐标移动和镜头转动角度。
本发明实施例提供一种身份认证装置，包括：
图像采集单元，用于利用预先设置的图像采集参数采集满足预设条件的人脸目标图像；以及调整所述图像采集参数，利用调整后的至少一个不同的图像采集参数分别进行人脸图像采集得到人脸参考图像集合，所述人脸参考图像集合中包含有对应于每一调整后的图像采集参数的人脸参考图像；
判断单元，用于利用上述任一活体检测方法判断所述人脸目标图像是否为活体图像；
比较单元，用于如果所述判断单元判断出所述人脸目标图像为活体图像，则比较所述人脸目标图像与预先存储的人脸图像是否匹配；
结果输出单元，用于根据比较结果输出身份认证结果。
可选地，所述预设条件包括以下至少一项：采集的人脸目标图像中人脸面积占比大于第一预设比例；所述人脸目标图像中人脸中心位置与人脸目标图像中心的偏移量不超过所述人脸目标图像尺寸的第二预设比例；所述人脸目标图像中人脸占据的图像尺寸不小于预设尺寸。
本发明实施例提供一种计算装置，包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述程序被所述处理单元执行时，使得所述处理单元执行上述任一方法所述的步骤。
本发明实施例提供一种计算机可读介质，其存储有可由计算装置执行的计算机程序，当所述程序在计算装置上运行时，使得所述计算装置执行上述任一方法所述的步骤。
本发明实施例提供的活体对象检测方法、介质和相关设备中，利用图像采集单元利用不同的图像采集参数分别进行图像采集得到对应于不同图像采集参数的参考图像，通过对不同图像采集参数下的参考图像变化进行分析来判断检测对象是否为活体对象，由于不需要额外的设备支持，从而降低了活体检测的硬件成本；另一方面，本发明实施例提供的活体对象检测方法也无需用户配合，参数改变难以被外界感知与预测，从而提高了活体检测的安全性。
本发明实施例提供的身份认证方法、介质和相关装置中，由于采用了上述活体检测方法来判断待认证人脸是否为活体人脸，在确定待认证人脸为活体人脸的基础上进行身份识别，从而保证了身份认证结果的可靠性。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例中，活体对象检测方法实施流程示意图；
图2为本发明实施例中，第一种判断所述待检测对象是否为活体对象的流程示意图；
图3为本发明实施例中，第二种判断所述待检测对象是否为活体对象的流程示意图；
图4为本发明实施例中，第三种判断所述待检测对象是否为活体对象的流程示意图；
图5为本发明实施例中，第四种判断所述待检测对象是否为活体对象的流程示意图；
图6为本发明实施例中，身份认证方法的实施流程示意图；
图7为本发明实施例中，活体对象检测装置的结构示意图；
图8为本发明实施例中，身份认证装置的结构示意图；
图9为根据本发明实施方式的计算装置的结构示意图。
具体实施方式
为了降低活体对象检测硬件成本，保证身份认证系统的可靠性，本发明实施例提供了一种活体检测及身份认证方法、介质和相关装置。
以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明，并且在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
如图1所示，其为本发明实施例提供的活体对象检测方法实施流程示意图，可以包括以下步骤：
S11、针对待检测对象，利用不同的图像采集参数分别进行图像采集得到参考图像集合。
其中，所述参考图像集合中包含有对应于每一图像采集参数的参考图像。
具体实施时，本步骤中，针对待检测对象，调整图像采集装置的图像采集参数，图像采集参数可以但不限于为焦距参数和镜头位置参数。其中，改变图像采集单元的焦距参数可以采集聚焦于不同深度与待检测对象不同部位的多张参考图像；而镜头位置参数，可以获取前景(待检测对象所在区域)与背景(除待检测对象区域以外的其他区域)有相对运动的多张参考图像。
S12、根据对应于每一图像采集参数的参考图像，检测所述待检测对象是否为活体对象。
以下以图像采集参数分别焦距参数和镜头位置参数为例，对步骤S11的实施过程进行说明。
一、图像采集参数为焦距参数。
这种实施方式下，如果图像采集参数为焦距参数，则步骤S11中，图像采集装置可以随机生成图像采集装置的焦距序列，利用所述焦距序列中包含的每一焦距分别进行图像采集得到相应焦距下的焦距参考图像组成焦距参考图像集合。
其中，随机生成的焦距序列中包括聚焦于待检测对象不同部位，不同深度背景区域的焦距。以待检测对象为人脸为例，不同部位可以包括人脸的鼻子、眼睛、耳朵等五官部位。
这样，在步骤S12中，可以按照图2所示的流程判断所述待检测对象是否为活体对象：
S121、对所述焦距参考图像集合中包含的焦距参考图像按照采集焦距大小进行排序。
本步骤中，可以按照采集焦距由小到大的顺序有序排列。
S122、针对每一焦距参考图像，确定每一像素点的失焦模糊参数。
本发明实施例中，像素点的失焦模糊参数可以以改进拉普拉斯能量和(SumModified Laplacian，SML)表示：其中：
I表示焦距参考图像；
i和j分别表示像素点的横坐标和纵坐标；
N表示预设窗口大小；
T表示第二预设阈值。
S123、根据每一焦距参考图像的像素点的失焦模糊参数判断所述待检测对象是否为活体对象。
其中，具体实施中，步骤S121和步骤S122没有一定的先后执行顺序关系，步骤S122也可以先于步骤S121执行，步骤S121和步骤S122还可以同时执行，本发明实施例对此不进行限定。
其中，步骤S123中可以按照以下任一方式实施：
第一种实施方式、
如图3所示，可以按照以下流程判断所述待检测对象是否为活体对象：
S1231、针对每一焦距参考图像，将该焦距参考图像分割为背景区域和前景区域。
本步骤中，可以利用现有的算法从焦距参考图像中提取出背景区域，除了背景区域以外的区域即为前景区域，前景区域中包含有待检测对象图像。
S1232、按照预设规则将所述前景区域分割为多个前景子区域。
具体实施时，可以按照图像中不同深度区域将前景区域分割为多个前景子区域。以待检测对象为人脸为例，本步骤中，可以按照眼睛、鼻子和耳朵等不同深度区域进行进一步的分割。
S1233、针对所述背景区域和每一前景子区域，根据该区域内包含的像素点的失焦模糊参数，确定该区域对应的失焦模糊参数均值。
本步骤中，根据步骤S122中确定出的失焦模糊参数，分别针对步骤S1231和步骤S1232中分割得到的每一区域(包括背景区域和前景子区域)确定该区域的失焦模糊参数均值，均值越小，认为该区域失焦模糊程度越高。而且，针对每一区域，将该区域的失焦模糊参数均值与预设的聚焦阈值θ进行比较，当失焦模糊参数均值不小于聚焦阈值θ时，则认为该区域图像聚焦。即针对背景区域和前景子区域中的任一区域，如果该区域的失焦模糊参数大于等于预设的该区域对应的聚焦阈值，则确定该区域图像聚焦。
S1234、如果根据所述失焦模糊参数均值判断出所述焦距参考图像满足图像聚焦性质一致性条件和图像聚焦顺序一致性条件，则确定所述待检测对象为活体对象；如果根据所述失焦模糊参数均值判断出所述焦距参考图像不满足图像聚焦性质一致性条件或图像聚焦顺序一致性条件，则确定所述待检测对象不是活体对象。
其中，所述聚焦性质一致性条件包括以下至少一项：如果背景区域和前景子区域中的任一区域的失焦模糊参数均值大于等于该区域对应的聚焦阈值，则其它区域的失焦模糊参数均值小于相应区域对应的聚焦阈值；对于任两张焦距参考图像，如果第一张焦距参考图像包含的背景区域和前景子区域中的任一区域的失焦模糊参数均值大于等于第二张焦距参考图像中相同区域的失焦模糊参数均值，则第一张焦距参考图像中其它区域的失焦模糊参数小于第二张焦距参考图像中相应区域的失焦模糊参数均值；所述聚焦顺序一致性条件包括：相邻两张焦距参考图像中的焦距变化顺序与预设的、该两张焦距参考图像中包含的前景子区域图像聚焦变化顺序一致。
为了更好的理解本发明实施例，以下以待检测对象为人脸为例，对第一种实施方式进行说明。
将焦距参考图像集合中包含的焦距参考图像按照拍摄焦距由小到大的顺序排列，其中，焦距参考图像集合中第i张焦距参考图像中背景区域，以及人脸区域中的鼻子区域、耳朵区域和眼睛区域等区域的失焦模糊参数均值分别记为θbackground_i，θnose_i，θear_i和θeye_i；人脸区域中的鼻子区域、耳朵区域和眼睛区域等区域的聚焦阈值分别记为θbackground_threshold，θnose_threshold，θear_threshold和θeye_threshold。
针对任一区域(包括背景区域、鼻子区域、耳朵区域和眼睛区域等)，判断该区域是否满足区域聚焦性质一致性。其中，聚焦性质一致性条件包括以下至少一个条件：1、当人脸某一区域聚焦程度较高时，其余人脸区域聚焦程度较低；即对于第i张焦距参考图像，如果鼻子区域图像聚焦，即θnose_i≥θnose_threshold，则其他区域不应聚焦，即满足θeye_i≤θeye_threshold，θear_i≤θeye_threshold，θbackground_i≤θbackground_threshold；2、当人脸某一区域聚焦程度提高时，其余人脸区域聚焦程度降低，即对于任意两张焦距参考图像，假设为焦距参考图像i和焦距参考图像j，如果θn o_sie≥θn o_sje，则需满足θear_i≤θeye_j，θbackground_i≤θbackground_j。如果满足上述两个条件中的任一条件，则判定焦距参考图像集合中包含的焦距参考图像不满足图像聚焦性质一致性条件。
进一步地，本发明实施例中可以按照以下方法判断焦距参考图像集合中包含的焦距参考图像是否满足聚焦顺序一致性：焦距参考图像集合中包含的焦距参考图像按照拍摄焦距由小到大的顺序变化时，背景区域和人脸包含的各个区域的聚焦先后顺序应满足以下顺序：鼻子区域聚焦、眼睛区域聚焦、耳朵区域聚焦和背景区域聚焦。即对于任意两张焦距参考图像，假设为焦距参考图像i和焦距参考图像j，如果θeye_i≥θeye_threshod，θnose_j≥θnose_threshod，则需满足i＞j，即焦距参考图像j的拍摄时间应早于焦距参考图像i的拍摄时间。如果不满足，则确定焦距参考图像集合中包含的焦距参考图像不满足聚焦顺序一致性。
具体实施时，如果焦距参考图像集合中包含的焦距参考图像同时满足聚焦性质一致性和聚焦顺序一致性时，确定待检测人脸为活体人脸，如果焦距参考图像集合中包含的焦距参考图像不满足聚焦性质一致性和聚焦顺序一致性中任一个条件，则确定待检测人脸不是活体人脸。
第二种实施方式、
如图4所示，可以按照以下流程判断所述待检测对象是否为活体对象：
S41、针对相邻的两张焦距参考图像，确定该两张焦距参考图像中对应像素点的失焦模糊参数差值得到失焦模糊参数差值矩阵。
本步骤中，针对按照拍摄焦距由小到大有序排列的焦距参考图像，对于相邻的两张焦距参考图像，计算对应像素点的失焦模糊参数差值得到失焦模糊参数差值矩阵。
S42、针对所述失焦模糊参数差值矩阵进行按列求和得到失焦模糊参数分布特征向量。
本步骤中，将失焦模糊参数差值矩阵按列求和降维为行向量，将该行向量作为失焦模糊参数分布特征向量。
S43、判断所述失焦模糊参数分布特征向量是否满足预设的特征分布一致性条件，如果满足，执行步骤S44，如果不满足，则执行步骤S45。
具体实施中，可以将得到的行向量与真实条件下特征分布进行比较，根据与特征分布的一致性进行活体判断。本步骤中，可以按照以下流程实施：对所述失焦模糊参数分布特征向量进行二次曲线拟合得到一组特征参数；判断得到的一组特征参数是否满足以下公式：pa+qb+rc＜ε；如果满足，则确定所述分布特征向量满足预设的特征分布一致性条件；如果不满足，则确定所述分布特征向量不满足预设的特征分布一致性条件；其中：[a,b,c]为得到的一组特征参数；[p,q,r]为预设的一组特征参考参数；ε为第一预设阈值。
具体地，对于两张相邻的焦距参考图像，计算对应像素点的失焦模糊参数差值得到失焦模糊参数差值矩阵，将失焦模糊参数差值矩阵按列求和降维为行向量，假设为y＝[x1,x2,x3,…,xN]，其中，N为焦距参考图像宽度像素数。对该行向量进行二次曲线拟合，即计算一组参数[a,b,c]，使得y＝ax2+bx+c。将计算获得的参数[a,b,c]与预设值进行一致性验证，即判断是否满足条件：pa+qb+rc＜ε，其中，[p,q,r]为预设的一组特征参考参数；ε为第一预设阈值。具体实施时，[p,q,r]可以为真是条件下的经验性参数，ε可以为真实条件下经验性阈值。
S44、确定所述待检测对象为活体对象，流程结束。
S45、确定所述待检测对象不是活体对象。
二、图像采集参数为镜头位置参数。
这种实施方式中，步骤S11中，图像采集装置可以随机生成图像采集装置的镜头位置变化序列，利用所述镜头位置变化序列中包含的每一镜头位置进行图像得到相应镜头位置下的镜头位置参考图像组成镜头位置参考图像集合。
具体实施时，图像采集装置的镜头可以由6个参数决定，空间坐标[x,y,z]与俯仰转动角度[α,β,γ]，设生成镜头位置变化序列[Δx1,Δy1,Δz1,Δα1,Δβ1,Δγ1]，[Δx2,Δy2,Δz2,Δα2,Δβ2,Δγ2]，[Δx3,Δy3,Δz3,Δα3,Δβ3,Δγ3]，……，[Δxn,Δyn,Δzn,Δαn,Δβn,Δγn]，其中，Δx/Δy/Δz表示镜头横/纵/竖向移动的距离，Δα/Δβ/Δγ分别为镜头相对xyz轴转动的角度。
本发明实施例中，对于改变镜头位置采集的镜头位置参考图像，对其中任意两张图像，分别计算分割得到前景区域和背景区域的相对运动，分析其运动方向、运动速度及前景背景的相对运动，并估计镜头运动参数。将估计的运动参数与预设镜头运动参数、根据预设参数计算的前景背景运动参数进行一致性比较，进行活体判断。具体地，在步骤S12中，可以按照图5所示的流程判断待检测对象是否为活体对象，可以包括以下步骤：
S51、将所述镜头位置参考图像集合中包含的每一镜头位置参考图像分割为背景区域和前景区域。
S52、针对任两张镜头位置参考图像，根据该两张镜头位置参考图像分割得到的背景区域和前景区域，利用预设算法确定所述背景区域和前景区域对应的运动参数。
本步骤中，对于任意两张镜头位置参考图像，通过图像特征点匹配或者光流计算方法分别计算前景区域和背景区域的运动参数，并估计镜头运动参数，其具体计算为现有技术，本发明实施例中不再赘述。其中，前景区域和背景区域运动参数包括运动方法、运动速度等，镜头运动参数包括空间坐标移动和镜头转动角度等等。
S53、根据所述背景区域和前景区域对应的运动参数，确定所述背景区域和前景区域的运动参数差异。
在镜头位置变化条件下，假设前景区域和背景区域运动方向向量分别为Vf和Vb，运动速度分别为vf和vb，则可以按照以下公式计算前景区域和北京区域的运动方向差异：Δθ＝cos-1(Vf·Vb/|Vf||Vb|)；以及按照以下公式所述背景区域和前景区域的运动速度差异：Δv＝vf-vb。
S54、判断所述背景区域和前景区域的运动参数差异是否大于第三预设阈值，如果是，执行步骤S55，如果否，执行步骤S56。
具体实施时，如果前景区域和背景区域运动参数差异小于第三预设阈值，则判断不存在深度阈值，确定待检测对象不是活体对象。
S55、确定所述待检测对象为活体对象，流程结束。
S56、确定所述待检测对象不是活体对象。
较佳地，为了提高活体对象检测的准确性，本发明实施例中，如果步骤S54中的判断结果为是，在执行步骤S55之前，还可以包括以下步骤：
步骤一、根据所述前景区域和背景区域对应的运动参数，确定镜头运动参数；
步骤二、确定所述镜头运动参数与预设的运动参数差值得到镜头运动差异；并
步骤三、确定所述镜头运动差异不大于第四预设阈值。
即在判断出前景区域和背景区域满足相对运动一致性时，进一步判断是否满足镜头运动一致性。如果满足镜头运动一致性，则确定待检测对象为活体对象，如果不满足镜头运动一致性，即使步骤S54的判断结果为是，也将判定待检测对象不是活体对象。
具体地，本发明实施例中，可以按照以下方法来判断是否满足镜头运动一致性：将镜头运动参数与预设的运动参数求差值，计算空间坐标移动差异和镜头转动差异，如果运动参数差异(包括空间坐标移动差异和镜头转动差异)不大于各自对应的阈值，则确定满足镜头一致性条件，否则，确定不满足镜头一致性条件。
本发明实施例中，提供了一种主动改变图像采集参数获取多张参考图像，通过分析图像序列特征一致性对假冒攻击进行检测的方法，具体实施中，可以利用图像采集装置的焦距变化，判断深度信息存在进行活体检测的方法，通过采集焦距不同的图像序列，计算图像每像素失焦模糊程度，以及图像间相应像素模糊程度差值，进行一致性判断以准确区分三维真实对象与二维平面显示对象。具体实施时，还可以利用图像采集装置镜头位置变化，判断深度信息存在进行活体检测的方法，采集镜头位置不同的图像序列，计算图像前景区域和背景区域运动信息与镜头运动估计，进行一致性判断来区分三维真实对象与二维平面显示对象。
与现有技术相比，本发明实施例中，利用一般图像采集装置具有的变焦、镜头移动等功能实现，不需要额外的设备支持，与现有设备与系统兼容性良好；而且主动改变采集设备参数进行活体验证，不需要用户额外配合，用户体验好；参数改变难以被外界感知与预测，安全性高；针对二维显示的特征进行设计，对所有基于显示的攻击方法有良好的检测能力，具有更好普适性。
基于上述的活体对象检测方法，本发明实施例还提供了一种身份认证方法，如图6所示，其为本发明实施例提供的身份认证方法的实施流程示意图，可以包括以下步骤：
S61、利用预先设置的图像采集参数采集满足预设条件的人脸目标图像。
其中，所述预设条件包括以下至少一项：采集的人脸目标图像中人脸面积占比大于第一预设比例，例如，人脸在凸显中占比需要不小于50％；所述人脸目标图像中人脸中心位置与人脸目标图像中心的偏移量不超过所述人脸目标图像尺寸的第二预设比例，例如，要求人脸中心位置与图像中心位置偏离不超过图像尺寸的10％；所述人脸目标图像中人脸占据的图像尺寸不小于预设尺寸，例如要求人脸在图像中的尺寸在100*100像素及以上等等。
具体实施时，可以采用卷积神经网络检测采集的目标图像中人脸的位置、尺寸等。具体地，可以固定图像采集装置的焦距和镜头位置，采集待认证人脸图像，对采集的图像计算人脸在其中的位置坐标，计算人脸在图像中的面积占比与中心位置，当计算的人脸在图像中的面积占比与中心位置满足预设条件时，进入步骤S62。否则，要求用户调整面部位置重新进行图像采集直至采集到满足预设条件的人脸目标图像。
S62、调整所述图像采集参数，利用调整后的至少一个不同的图像采集参数分别进行人脸图像采集得到人脸参考图像集合，所述人脸参考图像集合中包含有对应于每一调整后的图像采集参数的人脸参考图像。
S63、判断所述人脸目标图像是否为活体图像，如果是，则执行步骤S64、否则，执行步骤S65。
具体实施时，步骤S63中可以利用上述的活体对象检测方法来判断人脸目标图像是否为活体图像。
S64、比较所述人脸目标图像与预先存储的人脸图像是否匹配，如果是，则执行步骤S66，如果否，执行步骤S65。
本步骤中，可以使用深度学习的方法识别人脸目标图像与预先存储的人脸图像是否匹配，包括人脸对齐，特征提取和相似度衡量等过程，其属于已有成熟技术，本发明实施例中不再赘述。
S65、输出身份认证失败的认证结果，流程结束。
S66、输出身份认证成功的认证结果。
基于同一发明构思，本发明实施例中还提供了一种活体对象检测装置和身份认证装置，由于上述装置解决问题的原理分别与活体对象检测方法和身份认证方法相似，因此上述装置的实施可以参见方法的实施，重复之处不再赘述。
如图7所示，其为本发明实施例提供的活体对象检测装置的结构示意图，包括：
图像采集单元71，用于针对待检测对象，利用不同的图像采集参数分别进行图像采集得到参考图像集合，所述参考图像集合中包含有对应于每一图像采集参数的参考图像；
检测单元72，用于根据对应于每一图像采集参数的参考图像，检测所述待检测对象是否为活体对象。
可选地，所述图像采集参数包括焦距参数和/或镜头位置参数。
可选地，所述图像采集单元71，具体用于如果所述图像采集参数为焦距参数，则随机生成图像采集装置的焦距序列，利用所述焦距序列中包含的每一焦距分别进行图像采集得到相应焦距下的焦距参考图像组成焦距参考图像集合。
可选地，所述检测单元72，具体包括：
排序子单元，用于对所述焦距参考图像集合中包含的焦距参考图像按照采集焦距大小进行排序；
第一确定子单元，用于针对每一焦距参考图像，确定每一像素点的失焦模糊参数；
第一判断子单元，用于根据每一焦距参考图像的像素点的失焦模糊参数判断所述待检测对象是否为活体对象。
其中，所述第一判断子单元，包括：
分割模块，用于针对每一焦距参考图像，将该焦距参考图像分割为背景区域和前景区域；以及按照预设规则将所述前景区域分割为多个前景子区域；
第一确定模块，用于针对所述背景区域和每一前景子区域，根据该区域内包含的像素点的失焦模糊参数，确定该区域对应的失焦模糊参数均值；
第二确定模块，用于如果根据所述失焦模糊参数均值判断出所述焦距参考图像满足图像聚焦性质一致性条件和图像聚焦顺序一致性条件，则确定所述待检测对象为活体对象；如果根据所述失焦模糊参数均值判断出所述焦距参考图像不满足图像聚焦性质一致性条件或图像聚焦顺序一致性条件，则确定所述待检测对象不是活体对象。
可选地，所述聚焦性质一致性条件包括以下至少一项：如果背景区域和前景子区域中的任一区域的失焦模糊参数均值大于等于该区域对应的聚焦阈值，则其它区域的失焦模糊参数均值小于相应区域对应的聚焦阈值；对于任两张焦距参考图像，如果第一张焦距参考图像包含的背景区域和前景子区域中的任一区域的失焦模糊参数均值大于等于第二张焦距参考图像中相同区域的失焦模糊参数均值，则第一张焦距参考图像中其它区域的失焦模糊参数小于第二张焦距参考图像中相应区域的失焦模糊参数均值；
所述聚焦顺序一致性条件包括：相邻两张焦距参考图像中的焦距变化顺序与预设的、该两张焦距参考图像中包含的前景子区域图像聚焦变化顺序一致。
可选地，本发明实施例提供的活体对象检测装置，还可以包括：
聚焦判断单元，用于针对背景区域和前景子区域中的任一区域，如果该区域的失焦模糊参数大于等于预设的该区域对应的聚焦阈值，则确定该区域图像聚焦。
可选地，所述第一判断子单元，具体包括：
第三确定模块，用于针对相邻的两张焦距参考图像，确定该两张焦距参考图像中对应像素点的失焦模糊参数差值得到失焦模糊参数差值矩阵；
获得模块，用于针对所述失焦模糊参数差值矩阵进行按列求和得到失焦模糊参数分布特征向量；
判断模块，用于判断所述失焦模糊参数分布特征向量是否满足预设的特征分布一致性条件；
第四确定模块，用于如果所述失焦模糊参数分布特征向量满足预设的特征分布一致性条件，则确定所述待检测对象为活体对象；如果所述失焦模糊参数分布特征向量不满足预设的特征分布一致性条件，则确定所述待检测对象不是活体对象。
其中，所述所述判断模块，具体用于对所述失焦模糊参数分布特征向量进行二次曲线拟合得到一组特征参数；判断得到的一组特征参数是否满足以下公式：pa+qb+rc＜ε；如果满足，则确定所述分布特征向量满足预设的特征分布一致性条件；如果不满足，则确定所述分布特征向量不满足预设的特征分布一致性条件；其中：[a,b,c]为得到的一组特征参数；[p,q,r]为预设的一组特征参考参数；ε为第一预设阈值。
可选地，本发明实施例提供的活体对象检测装置，还可以包括：
第一确定单元，用于按照以下方法确定每一像素点的失焦模糊参数：
其中：
I表示焦距参考图像；
i和j分别表示像素点的横坐标和纵坐标；
N表示预设窗口大小；
T表示第二预设阈值。
可选地，所述图像采集单元71，用于如果所述图像采集参数为镜头位置参数，则随机生成图像采集装置的镜头位置变化序列，利用所述镜头位置变化序列中包含的每一镜头位置进行图像得到相应镜头位置下的镜头位置参考图像组成镜头位置参考图像集合。
可选地，所述检测单元72，具体包括：
分割子单元，用于将所述镜头位置参考图像集合中包含的每一镜头位置参考图像分割为背景区域和前景区域；
第二确定子单元，用于针对任两张镜头位置参考图像，根据该两张镜头位置参考图像分割得到的背景区域和前景区域，利用预设算法确定所述背景区域和前景区域对应的运动参数；
第三确定子单元，用于根据所述背景区域和前景区域对应的运动参数，确定所述背景区域和前景区域的运动参数差异；
第二判断子单元，用于判断所述背景区域和前景区域的运动参数差异是否大于第三预设阈值；
第四确定子单元，用于如果所述第二判断子单元的判断结果为是，则确定所述待检测对象为活体对象；如果所述第二判断子单元的判断结果为否，则确定所述待检测对象不是活体对象。
可选地，所述运动参数包括运动方向和运动速度；以及
所述第三确定子单元，具体用于根据所述背景区域和前景区域对应的运动方向向量，按照以下公式确定所述背景区域和前景区域的运动方向差异：
Δθ＝cos-1(Vf·Vb/|Vf||Vb|)；以及
根据所述背景区域和前景区域对应的运动速度，按照以下公式确定所述背景区域和前景区域的运动速度差异：
Δv＝vf-vb；其中：
Δθ表示运动方向差异；
Vf表示前景区域运动方向向量；
Vb表示背景区域运动方向向量；
vf表示前景区域运动速度；
vb表示背景区域运动速度。
可选地，所述第四确定子单元，还用于如果所述第二判断子单元的判断结果为是，在确定所述待检测对象为活体对象之前，根据所述前景区域和背景区域对应的运动参数，确定镜头运动参数；确定所述镜头运动参数与预设的运动参数差值得到镜头运动差异；并确定所述镜头运动差异不大于第四预设阈值。
可选地，所述镜头运动参数包括空间坐标移动和镜头转动角度。
如图8所示，其为本发明实施例提供的身份认证装置的结构示意图，包括：
图像采集单元81，用于利用预先设置的图像采集参数采集满足预设条件的人脸目标图像；以及调整所述图像采集参数，利用调整后的至少一个不同的图像采集参数分别进行人脸图像采集得到人脸参考图像集合，所述人脸参考图像集合中包含有对应于每一调整后的图像采集参数的人脸参考图像；
判断单元82，用于判断所述人脸目标图像是否为活体图像；
比较单元83，用于如果所述判断单元判断出所述人脸目标图像为活体图像，则比较所述人脸目标图像与预先存储的人脸图像是否匹配；
结果输出单元84，用于根据比较结果输出身份认证结果。
可选地，所述预设条件包括以下至少一项：采集的人脸目标图像中人脸面积占比大于第一预设比例；所述人脸目标图像中人脸中心位置与人脸目标图像中心的偏移量不超过所述人脸目标图像尺寸的第二预设比例；所述人脸目标图像中人脸占据的图像尺寸不小于预设尺寸。
为了描述的方便，以上各部分按照功能划分为各模块(或单元)分别描述。当然，在实施本发明时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
在介绍了本发明示例性实施方式的方法和装置之后，接下来，介绍根据本发明的另一示例性实施方式的计算装置。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本发明的计算装置可以至少包括至少一个处理单元、以及至少一个存储单元。其中，所述存储单元存储有程序代码，当所述程序代码被所述处理单元执行时，使得所述处理单元执行本说明书上述描述的根据本发明各种示例性实施方式动态显示网页的方法中的步骤。例如，所述处理单元可以执行如图1中所示的步骤S11、针对待检测对象，利用不同的图像采集参数分别进行图像采集得到参考图像集合，所述参考图像集合中包含有对应于每一图像采集参数的参考图像，和步骤S12、根据对应于每一图像采集参数的参考图像，检测所述待检测对象是否为活体对象；或者执行如图6中所示的步骤S61、利用预先设置的图像采集参数采集满足预设条件的人脸目标图像，步骤S62、调整所述图像采集参数，利用调整后的至少一个不同的图像采集参数分别进行人脸图像采集得到人脸参考图像集合，所述人脸参考图像集合中包含有对应于每一调整后的图像采集参数的人脸参考图像，步骤S63、判断所述人脸目标图像是否为活体图像，如果是，则执行步骤S64、否则，执行步骤S65；步骤S64、比较所述人脸目标图像与预先存储的人脸图像是否匹配，如果是，则执行步骤S66，如果否，执行步骤S65；步骤S65、输出身份认证失败的认证结果，流程结束；步骤S66、输出身份认证成功的认证结果。
下面参照图9来描述根据本发明的这种实施方式的计算装置90。图9显示的计算装置90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9所示，计算装置90以通用计算设备的形式表现。计算装置90的组件可以包括但不限于：上述至少一个处理单元91、上述至少一个存储单元92、连接不同系统组件(包括存储单元92和处理单元91)的总线93。
总线93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、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。
存储单元92可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)921和/或高速缓存存储器922，还可以进一步包括只读存储器(ROM)923。
存储单元92还可以包括具有一组(至少一个)程序模块924的程序/实用工具925，这样的程序模块924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。
计算装置90也可以与一个或多个外部设备94(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与计算装置90交互的设备通信，和/或与使得该计算装置90能与一个或多个其它计算设备进行通信的任何设备(例如路由器、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95进行。并且，计算装置90还可以通过网络适配器96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。如图所示，网络适配器96通过总线93与用于计算装置90的其它模块通信。应当理解，尽管图中未示出，可以结合计算装置90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。
在一些可能的实施方式中，本发明提供的动态显示网页的方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在计算机设备上运行时，所述程序代码用于使所述计算机设备执行本说明书上述描述的根据本发明各种示例性实施方式的动态显示网页的方法中的步骤，例如，所述计算机设备可以执行如图1中所示的步骤S11、针对待检测对象，利用不同的图像采集参数分别进行图像采集得到参考图像集合，所述参考图像集合中包含有对应于每一图像采集参数的参考图像，和步骤S12、根据对应于每一图像采集参数的参考图像，检测所述待检测对象是否为活体对象；或者执行如图6中所示的步骤S61、利用预先设置的图像采集参数采集满足预设条件的人脸目标图像，步骤S62、调整所述图像采集参数，利用调整后的至少一个不同的图像采集参数分别进行人脸图像采集得到人脸参考图像集合，所述人脸参考图像集合中包含有对应于每一调整后的图像采集参数的人脸参考图像，步骤S63、判断所述人脸目标图像是否为活体图像，如果是，则执行步骤S64、否则，执行步骤S65；步骤S64、比较所述人脸目标图像与预先存储的人脸图像是否匹配，如果是，则执行步骤S66，如果否，执行步骤S65；步骤S65、输出身份认证失败的认证结果，流程结束；步骤S66、输出身份认证成功的认证结果。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。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。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。
本发明的实施方式的用于动态显示网页的的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在计算设备上运行。然而，本发明的程序产品不限于此，在本文件中，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。
可读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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。
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、有线、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的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (36)

1.一种活体对象检测方法，其特征在于，包括：
针对待检测对象，利用不同的图像采集参数分别进行图像采集得到参考图像集合，所述参考图像集合中包含有对应于每一图像采集参数的参考图像；
根据对应于每一图像采集参数的参考图像，检测所述待检测对象是否为活体对象。
2.如权利要求1所述的方法，其特征在于，所述图像采集参数包括焦距参数和/或镜头位置参数。
3.如权利要求2所述的方法，其特征在于，如果所述图像采集参数为焦距参数，则利用不同的图像采集参数分别进行图像采集得到参考图像集合，具体包括：
随机生成图像采集装置的焦距序列，利用所述焦距序列中包含的每一焦距分别进行图像采集得到相应焦距下的焦距参考图像组成焦距参考图像集合。
4.如权利要求3所述的方法，其特征在于，根据对应于每一图像采集参数的参考图像检测所述待检测对象是否为活体对象，具体包括：
对所述焦距参考图像集合中包含的焦距参考图像按照采集焦距大小进行排序；
针对每一焦距参考图像，确定每一像素点的失焦模糊参数；
根据每一焦距参考图像的像素点的失焦模糊参数判断所述待检测对象是否为活体对象。
5.如权利要求4所述的方法，其特征在于，根据每一焦距参考图像的像素点的失焦模糊参数判断所述待检测对象是否为活体对象，具体包括：
针对每一焦距参考图像，将该焦距参考图像分割为背景区域和前景区域；以及
按照预设规则将所述前景区域分割为多个前景子区域；
针对所述背景区域和每一前景子区域，根据该区域内包含的像素点的失焦模糊参数，确定该区域对应的失焦模糊参数均值；
如果根据所述失焦模糊参数均值判断出所述焦距参考图像满足图像聚焦性质一致性条件和图像聚焦顺序一致性条件，则确定所述待检测对象为活体对象；如果根据所述失焦模糊参数均值判断出所述焦距参考图像不满足图像聚焦性质一致性条件或图像聚焦顺序一致性条件，则确定所述待检测对象不是活体对象。
6.如权利要求5所述的方法，其特征在于，所述聚焦性质一致性条件包括以下至少一项：如果背景区域和前景子区域中的任一区域的失焦模糊参数均值大于等于该区域对应的聚焦阈值，则其它区域的失焦模糊参数均值小于相应区域对应的聚焦阈值；对于任两张焦距参考图像，如果第一张焦距参考图像包含的背景区域和前景子区域中的任一区域的失焦模糊参数均值大于等于第二张焦距参考图像中相同区域的失焦模糊参数均值，则第一张焦距参考图像中其它区域的失焦模糊参数小于第二张焦距参考图像中相应区域的失焦模糊参数均值；
所述聚焦顺序一致性条件包括：相邻两张焦距参考图像中的焦距变化顺序与预设的、该两张焦距参考图像中包含的前景子区域图像聚焦变化顺序一致。
7.如权利要求5或6所述的方法，其特征在于，针对背景区域和前景子区域中的任一区域，按照以下方法判断该区域是否图像聚焦：
针对背景区域和前景子区域中的任一区域，如果该区域的失焦模糊参数大于等于预设的该区域对应的聚焦阈值，则确定该区域图像聚焦。
8.如权利要求4所述的方法，其特征在于，根据每一焦距参考图像的像素点的失焦模糊参数判断所述待检测对象是否为活体对象，具体包括：
针对相邻的两张焦距参考图像，确定该两张焦距参考图像中对应像素点的失焦模糊参数差值得到失焦模糊参数差值矩阵；
针对所述失焦模糊参数差值矩阵进行按列求和得到失焦模糊参数分布特征向量；
判断所述失焦模糊参数分布特征向量是否满足预设的特征分布一致性条件；
如果所述失焦模糊参数分布特征向量满足预设的特征分布一致性条件，则确定所述待检测对象为活体对象；如果所述失焦模糊参数分布特征向量不满足预设的特征分布一致性条件，则确定所述待检测对象不是活体对象。
9.如权利要求8所述的方法，其特征在于，判断所述失焦模糊参数分布特征向量是否满足预设的特征分布一致性条件，具体包括：
对所述失焦模糊参数分布特征向量进行二次曲线拟合得到一组特征参数；
判断得到的一组特征参数是否满足以下公式：pa+qb+rc＜ε；
如果满足，则确定所述分布特征向量满足预设的特征分布一致性条件；
如果不满足，则确定所述分布特征向量不满足预设的特征分布一致性条件；
其中：
[a,b,c]为得到的一组特征参数；
[p,q,r]为预设的一组特征参考参数；
ε为第一预设阈值。
10.如权利要求4所述的方法，其特征在于，按照以下方法确定每一像素点的失焦模糊参数：
其中：
I表示焦距参考图像；
i和j分别表示像素点的横坐标和纵坐标；
N表示预设窗口大小；
T表示第二预设阈值。
11.如权利要求2所述的方法，其特征在于，如果所述图像采集参数为镜头位置参数，则利用不同的图像采集参数分别进行图像采集得到参考图像集合，具体包括：
随机生成图像采集装置的镜头位置变化序列，利用所述镜头位置变化序列中包含的每一镜头位置进行图像得到相应镜头位置下的镜头位置参考图像组成镜头位置参考图像集合。
12.如权利要求11所述的方法，其特征在于，根据对应于每一图像采集参数的参考图像检测所述待检测对象是否为活体对象，具体包括：
将所述镜头位置参考图像集合中包含的每一镜头位置参考图像分割为背景区域和前景区域；
针对任两张镜头位置参考图像，根据该两张镜头位置参考图像分割得到的背景区域和前景区域，利用预设算法确定所述背景区域和前景区域对应的运动参数；
根据所述背景区域和前景区域对应的运动参数，确定所述背景区域和前景区域的运动参数差异；
判断所述背景区域和前景区域的运动参数差异是否大于第三预设阈值；
如果判断结果为是，则确定所述待检测对象为活体对象；如果判断结果为否，则确定所述待检测对象不是活体对象。
13.如权利要求12所述的方法，其特征在于，所述运动参数包括运动方向和运动速度；以及
根据所述背景区域和前景区域对应的运动参数，确定所述背景区域和前景区域的运动参数差异，具体包括：
根据所述背景区域和前景区域对应的运动方向向量，按照以下公式确定所述背景区域和前景区域的运动方向差异：
Δθ＝cos-1(Vf·Vb/|Vf||Vb|)；以及
根据所述背景区域和前景区域对应的运动速度，按照以下公式确定所述背景区域和前景区域的运动速度差异：
Δv＝vf-vb；其中：
Δθ表示运动方向差异；
Vf表示前景区域运动方向向量；
Vb表示背景区域运动方向向量；
vf表示前景区域运动速度；
vb表示背景区域运动速度。
14.如权利要求12所述的方法，其特征在于，如果所述判断结果为是，则确定所述待检测对象为活体对象之前，还包括：
根据所述前景区域和背景区域对应的运动参数，确定镜头运动参数；
确定所述镜头运动参数与预设的运动参数差值得到镜头运动差异；并
确定所述镜头运动差异不不大于第四预设阈值。
15.如权利要求14所述的方法，其特征在于，所述镜头运动参数包括空间坐标移动和镜头转动角度。
16.一种身份认证方法，其特征在于，包括：
利用预先设置的图像采集参数采集满足预设条件的人脸目标图像；
调整所述图像采集参数，利用调整后的至少一个不同的图像采集参数分别进行人脸图像采集得到人脸参考图像集合，所述人脸参考图像集合中包含有对应于每一调整后的图像采集参数的人脸参考图像；
利用权利要求1～15任一权利要求所述的方法判断所述人脸目标图像是否为活体图像；
如果判断出所述人脸目标图像为活体图像，则比较所述人脸目标图像与预先存储的人脸图像是否匹配；
根据比较结果输出身份认证结果。
17.如权利要求16所述的方法，其特征在于，所述预设条件包括以下至少一项：采集的人脸目标图像中人脸面积占比大于第一预设比例；所述人脸目标图像中人脸中心位置与人脸目标图像中心的偏移量不超过所述人脸目标图像尺寸的第二预设比例；所述人脸目标图像中人脸占据的图像尺寸不小于预设尺寸。
18.一种活体对象检测装置，其特征在于，包括：
图像采集单元，用于针对待检测对象，利用不同的图像采集参数分别进行图像采集得到参考图像集合，所述参考图像集合中包含有对应于每一图像采集参数的参考图像；
检测单元，用于根据对应于每一图像采集参数的参考图像，检测所述待检测对象是否为活体对象。
19.如权利要求18所述的装置，其特征在于，所述图像采集参数包括焦距参数和/或镜头位置参数。
20.如权利要求19所述的装置，其特征在于，
所述图像采集单元，具体用于如果所述图像采集参数为焦距参数，则随机生成图像采集装置的焦距序列，利用所述焦距序列中包含的每一焦距分别进行图像采集得到相应焦距下的焦距参考图像组成焦距参考图像集合。
21.如权利要求20所述的装置，其特征在于，所述检测单元，具体包括：
排序子单元，用于对所述焦距参考图像集合中包含的焦距参考图像按照采集焦距大小进行排序；
第一确定子单元，用于针对每一焦距参考图像，确定每一像素点的失焦模糊参数；
第一判断子单元，用于根据每一焦距参考图像的像素点的失焦模糊参数判断所述待检测对象是否为活体对象。
22.如权利要求21所述的装置，其特征在于，所述第一判断子单元，包括：
分割模块，用于针对每一焦距参考图像，将该焦距参考图像分割为背景区域和前景区域；以及按照预设规则将所述前景区域分割为多个前景子区域；
第一确定模块，用于针对所述背景区域和每一前景子区域，根据该区域内包含的像素点的失焦模糊参数，确定该区域对应的失焦模糊参数均值；
第二确定模块，用于如果根据所述失焦模糊参数均值判断出所述焦距参考图像满足图像聚焦性质一致性条件和图像聚焦顺序一致性条件，则确定所述待检测对象为活体对象；如果根据所述失焦模糊参数均值判断出所述焦距参考图像不满足图像聚焦性质一致性条件或图像聚焦顺序一致性条件，则确定所述待检测对象不是活体对象。
23.如权利要求22所述的装置，其特征在于，所述聚焦性质一致性条件包括以下至少一项：如果背景区域和前景子区域中的任一区域的失焦模糊参数均值大于等于该区域对应的聚焦阈值，则其它区域的失焦模糊参数均值小于相应区域对应的聚焦阈值；对于任两张焦距参考图像，如果第一张焦距参考图像包含的背景区域和前景子区域中的任一区域的失焦模糊参数均值大于等于第二张焦距参考图像中相同区域的失焦模糊参数均值，则第一张焦距参考图像中其它区域的失焦模糊参数小于第二张焦距参考图像中相应区域的失焦模糊参数均值；
所述聚焦顺序一致性条件包括：相邻两张焦距参考图像中的焦距变化顺序与预设的、该两张焦距参考图像中包含的前景子区域图像聚焦变化顺序一致。
24.如权利要求22或23所述的装置，其特征在于，还包括：
聚焦判断单元，用于针对背景区域和前景子区域中的任一区域，如果该区域的失焦模糊参数大于等于预设的该区域对应的聚焦阈值，则确定该区域图像聚焦。
25.如权利要求21所述的装置，其特征在于，所述第一判断子单元，具体包括：
第三确定模块，用于针对相邻的两张焦距参考图像，确定该两张焦距参考图像中对应像素点的失焦模糊参数差值得到失焦模糊参数差值矩阵；
获得模块，用于针对所述失焦模糊参数差值矩阵进行按列求和得到失焦模糊参数分布特征向量；
判断模块，用于判断所述失焦模糊参数分布特征向量是否满足预设的特征分布一致性条件；
第四确定模块，用于如果所述失焦模糊参数分布特征向量满足预设的特征分布一致性条件，则确定所述待检测对象为活体对象；如果所述失焦模糊参数分布特征向量不满足预设的特征分布一致性条件，则确定所述待检测对象不是活体对象。
26.如权利要求25所述的装置，其特征在于，
所述判断模块，具体用于对所述失焦模糊参数分布特征向量进行二次曲线拟合得到一组特征参数；判断得到的一组特征参数是否满足以下公式：pa+qb+rc＜ε；如果满足，则确定所述分布特征向量满足预设的特征分布一致性条件；如果不满足，则确定所述分布特征向量不满足预设的特征分布一致性条件；其中：[a,b,c]为得到的一组特征参数；[p,q,r]为预设的一组特征参考参数；ε为第一预设阈值。
27.如权利要求21所述的装置，其特征在于，还包括：
第一确定单元，用于按照以下方法确定每一像素点的失焦模糊参数：
其中：
I表示焦距参考图像；
i和j分别表示像素点的横坐标和纵坐标；
N表示预设窗口大小；
T表示第二预设阈值。
28.如权利要求19所述的装置，其特征在于，
所述图像采集单元，用于如果所述图像采集参数为镜头位置参数，则随机生成图像采集装置的镜头位置变化序列，利用所述镜头位置变化序列中包含的每一镜头位置进行图像得到相应镜头位置下的镜头位置参考图像组成镜头位置参考图像集合。
29.如权利要求28所述的装置，其特征在于，所述检测单元，具体包括：
分割子单元，用于将所述镜头位置参考图像集合中包含的每一镜头位置参考图像分割为背景区域和前景区域；
第二确定子单元，用于针对任两张镜头位置参考图像，根据该两张镜头位置参考图像分割得到的背景区域和前景区域，利用预设算法确定所述背景区域和前景区域对应的运动参数；
第三确定子单元，用于根据所述背景区域和前景区域对应的运动参数，确定所述背景区域和前景区域的运动参数差异；
第二判断子单元，用于判断所述背景区域和前景区域的运动参数差异是否大于第三预设阈值；
第四确定子单元，用于如果所述第二判断子单元的判断结果为是，则确定所述待检测对象为活体对象；如果所述第二判断子单元的判断结果为否，则确定所述待检测对象不是活体对象。
30.如权利要求29所述的装置，其特征在于，所述运动参数包括运动方向和运动速度；以及
所述第三确定子单元，具体用于根据所述背景区域和前景区域对应的运动方向向量，按照以下公式确定所述背景区域和前景区域的运动方向差异：
Δθ＝cos-1(Vf·Vb/|Vf||Vb|)；以及
根据所述背景区域和前景区域对应的运动速度，按照以下公式确定所述背景区域和前景区域的运动速度差异：
Δv＝vf-vb；其中：
Δθ表示运动方向差异；
Vf表示前景区域运动方向向量；
Vb表示背景区域运动方向向量；
vf表示前景区域运动速度；
vb表示背景区域运动速度。
31.如权利要求29所述的装置，
所述第四确定子单元，还用于如果所述第二判断子单元的判断结果为是，在确定所述待检测对象为活体对象之前，根据所述前景区域和背景区域对应的运动参数，确定镜头运动参数；确定所述镜头运动参数与预设的运动参数差值得到镜头运动差异；并确定所述镜头运动差异不大于第四预设阈值。
32.如权利要求31所述的装置，其特征在于，所述镜头运动参数包括空间坐标移动和镜头转动角度。
33.一种身份认证装置，其特征在于，包括：
图像采集单元，用于利用预先设置的图像采集参数采集满足预设条件的人脸目标图像；以及调整所述图像采集参数，利用调整后的至少一个不同的图像采集参数分别进行人脸图像采集得到人脸参考图像集合，所述人脸参考图像集合中包含有对应于每一调整后的图像采集参数的人脸参考图像；
判断单元，用于利用权利要求1～15任一权利要求所述的方法判断所述人脸目标图像是否为活体图像；
比较单元，用于如果所述判断单元判断出所述人脸目标图像为活体图像，则比较所述人脸目标图像与预先存储的人脸图像是否匹配；
结果输出单元，用于根据比较结果输出身份认证结果。
34.如权利要求33所述的装置，其特征在于，所述预设条件包括以下至少一项：采集的人脸目标图像中人脸面积占比大于第一预设比例；所述人脸目标图像中人脸中心位置与人脸目标图像中心的偏移量不超过所述人脸目标图像尺寸的第二预设比例；所述人脸目标图像中人脸占据的图像尺寸不小于预设尺寸。
35.一种计算装置，其特征在于，包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述程序被所述处理单元执行时，使得所述处理单元执行权利要求1～17任一权利要求所述方法的步骤。
36.一种计算机可读介质，其存储有可由计算装置执行的计算机程序，当所述程序在计算装置上运行时，使得所述计算装置执行权利要求1～17任一所述方法的步骤。
CN201710817771.3A 2017-09-12 2017-09-12 活体对象检测及身份认证方法、介质、系统和相关装置 Active CN109492455B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710817771.3A CN109492455B (zh) 2017-09-12 2017-09-12 活体对象检测及身份认证方法、介质、系统和相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710817771.3A CN109492455B (zh) 2017-09-12 2017-09-12 活体对象检测及身份认证方法、介质、系统和相关装置

Publications (2)

Publication Number Publication Date
CN109492455A true CN109492455A (zh) 2019-03-19
CN109492455B CN109492455B (zh) 2020-11-13

Family

ID=65687793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710817771.3A Active CN109492455B (zh) 2017-09-12 2017-09-12 活体对象检测及身份认证方法、介质、系统和相关装置

Country Status (1)

Country Link
CN (1) CN109492455B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111460419A (zh) * 2020-03-31 2020-07-28 周亚琴 物联网人工智能人脸验证方法及物联网云服务器
CN112001785A (zh) * 2020-07-21 2020-11-27 小花网络科技(深圳)有限公司 一种基于图像识别的网贷欺诈识别方法及系统
CN114170690A (zh) * 2022-02-14 2022-03-11 中国科学院自动化研究所 活体识别和构建活体识别模型的方法、装置
CN114730507A (zh) * 2019-10-15 2022-07-08 亚萨合莱有限公司 用于使用焦点堆栈进行基于图像的欺骗检测的系统和方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101999900A (zh) * 2009-08-28 2011-04-06 南京壹进制信息技术有限公司 一种应用于人脸识别的活体检测方法及系统
CN201845368U (zh) * 2010-09-21 2011-05-25 北京海鑫智圣技术有限公司 具有活体检测功能的人脸指纹门禁
CN105205458A (zh) * 2015-09-16 2015-12-30 北京邮电大学 人脸活体检测方法、装置及系统
CN105225303A (zh) * 2014-07-04 2016-01-06 广州市协衡网络科技有限公司 基于人脸识别系统开发的一种网络控制门禁的管理系统
CN106022264A (zh) * 2016-05-19 2016-10-12 中国科学院自动化研究所 基于多任务自编码器的交互式人脸活体检测方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101999900A (zh) * 2009-08-28 2011-04-06 南京壹进制信息技术有限公司 一种应用于人脸识别的活体检测方法及系统
CN201845368U (zh) * 2010-09-21 2011-05-25 北京海鑫智圣技术有限公司 具有活体检测功能的人脸指纹门禁
CN105225303A (zh) * 2014-07-04 2016-01-06 广州市协衡网络科技有限公司 基于人脸识别系统开发的一种网络控制门禁的管理系统
CN105205458A (zh) * 2015-09-16 2015-12-30 北京邮电大学 人脸活体检测方法、装置及系统
CN106022264A (zh) * 2016-05-19 2016-10-12 中国科学院自动化研究所 基于多任务自编码器的交互式人脸活体检测方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
S. KIM, S. YU, K. KIM, Y. BAN AND S. LEE: "Face liveness detection using variable focusing", 《 2013 INTERNATIONAL CONFERENCE ON BIOMETRICS (ICB)》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114730507A (zh) * 2019-10-15 2022-07-08 亚萨合莱有限公司 用于使用焦点堆栈进行基于图像的欺骗检测的系统和方法
CN111460419A (zh) * 2020-03-31 2020-07-28 周亚琴 物联网人工智能人脸验证方法及物联网云服务器
CN111460419B (zh) * 2020-03-31 2020-11-27 深圳市微网力合信息技术有限公司 物联网人工智能人脸验证方法及物联网云服务器
CN112001785A (zh) * 2020-07-21 2020-11-27 小花网络科技(深圳)有限公司 一种基于图像识别的网贷欺诈识别方法及系统
CN114170690A (zh) * 2022-02-14 2022-03-11 中国科学院自动化研究所 活体识别和构建活体识别模型的方法、装置

Also Published As

Publication number Publication date
CN109492455B (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
KR102036978B1 (ko) 라이브니스 검출 방법 및 디바이스, 및 아이덴티티 인증 방법 및 디바이스
CN105574518B (zh) 人脸活体检测的方法和装置
CN105740779B (zh) 人脸活体检测的方法和装置
KR101216123B1 (ko) 시청자 얼굴 추적정보 생성방법 및 생성장치, 그 기록매체 및 3차원 디스플레이 장치
CN109492455A (zh) 活体对象检测及身份认证方法、介质、系统和相关装置
CN111274928B (zh) 一种活体检测方法、装置、电子设备和存储介质
Li et al. Seeing your face is not enough: An inertial sensor-based liveness detection for face authentication
US8977010B2 (en) Method for discriminating between a real face and a two-dimensional image of the face in a biometric detection process
KR102554391B1 (ko) 홍채 인식 기반 사용자 인증 장치 및 방법
US20110025834A1 (en) Method and apparatus of identifying human body posture
CN110147721A (zh) 一种三维人脸识别方法、模型训练方法和装置
Medioni et al. Identifying noncooperative subjects at a distance using face images and inferred three-dimensional face models
CN109325456A (zh) 目标识别方法、装置、目标识别设备及存储介质
US10909363B2 (en) Image acquisition system for off-axis eye images
CN106033601A (zh) 检测异常情形的方法和装置
CN112446322B (zh) 眼球特征检测方法、装置、设备及计算机可读存储介质
CN109752855A (zh) 一种光斑发射装置和检测几何光斑的方法
CN110532965A (zh) 年龄识别方法、存储介质及电子设备
CN108509857A (zh) 人脸活体检测方法、电子设备和计算机程序产品
CN112633217A (zh) 基于三维眼球模型计算视线方向的人脸识别活体检测方法
RU2370817C2 (ru) Система и способ отслеживания объекта
CN116664620A (zh) 一种基于追踪系统的画面动态捕捉方法及相关装置
JP5555193B2 (ja) データ処理装置、データ処理システム、及びプログラム
CN108197549A (zh) 基于3d成像的人脸识别方法及终端
Bastias et al. A method for 3D iris reconstruction from multiple 2D near-infrared images

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
CP01 Change in the name or title of a patent holder

Address after: 19th floor, No.29, Financial Street, Xicheng District, Beijing 100032

Patentee after: CHINA MOBILE COMMUNICATION LTD., Research Institute

Patentee after: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd.

Address before: 19th floor, No.29, Financial Street, Xicheng District, Beijing 100032

Patentee before: CHINA MOBILE COMMUNICATION LTD., Research Institute

Patentee before: CHINA MOBILE COMMUNICATIONS Corp.

CP01 Change in the name or title of a patent holder