CN109543635A - 活体检测方法、装置、系统、解锁方法、终端及存储介质 - Google Patents
活体检测方法、装置、系统、解锁方法、终端及存储介质 Download PDFInfo
- Publication number
- CN109543635A CN109543635A CN201811443127.5A CN201811443127A CN109543635A CN 109543635 A CN109543635 A CN 109543635A CN 201811443127 A CN201811443127 A CN 201811443127A CN 109543635 A CN109543635 A CN 109543635A
- Authority
- CN
- China
- Prior art keywords
- detected
- detection
- vivo detection
- facial image
- artificial eye
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000001574 biopsy Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 207
- 238000001727 in vivo Methods 0.000 claims abstract description 135
- 230000001815 facial effect Effects 0.000 claims abstract description 84
- 238000012360 testing method Methods 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 description 19
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000007639 printing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 206010003830 Automatism Diseases 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004816 latex Substances 0.000 description 1
- 229920000126 latex Polymers 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000000741 silica gel Substances 0.000 description 1
- 229910002027 silica gel Inorganic materials 0.000 description 1
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
- G06V40/10—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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明的实施例提供了一种活体检测方法、装置、系统、解锁方法、终端及存储介质。该活体检测方法包括：获取待检测对象的人脸图像；利用所述人脸图像针对所述待检测对象的眼部进行假眼检测和另外的活体检测；以及对于所述假眼检测结果和所述另外的活体检测结果均表示所述待检测对象是活体的情况，确定所述待检测对象是活体。上述技术方案在常规活体检测基础上增加假眼检测，克服了现有活体检测在部分场景下的限制，可以防范一些特定场景的攻击行为，提高了活体检测准确率，大大增强了活体检测的准确性。
Description
技术领域
本发明涉及图像处理技术领域，更具体地涉及一种活体检测方法、装置、系统、一种解锁方法、一种移动终端及存储介质。
背景技术
随着科技的发展以及自动化程度的提高，利用活体检测技术的生物识别系统越来越多地应用到各种场景，例如，银行系统、门禁系统和手机应用等。目前活体检测技术难以保证自动地、高效地辨别人脸真伪、抵抗欺骗攻击，由此，难以确保检测的准确率。
发明内容
考虑到上述问题而提出了本发明。本发明提供了一种活体检测方法、装置、系统、一种解锁方法、一种移动终端及存储介质。
根据本发明实施例的一方面，提供了一种活体检测的方法，包括：
获取待检测对象的人脸图像；
利用所述人脸图像针对所述待检测对象的眼部进行假眼检测和另外的活体检测；以及
对于假眼检测结果和另外的活体检测结果均表示所述待检测对象是活体的情况，确定所述待检测对象是活体。
示例性地，其中，所述利用所述人脸图像针对所述待检测对象的眼部进行假眼检测和另外的活体检测包括：
利用所述人脸图像进行所述另外的活体检测；
对于所述另外的活体检测结果表示所述待检测对象是活体的情况下，利用所述人脸图像进行假眼检测。
示例性地，其中，所述方法还包括：
提取所述人脸图像的人脸关键点信息；
其中，所述利用所述人脸图像针对所述待检测对象的眼部进行假眼检测包括：
基于所述人脸关键点信息利用所述人脸图像进行所述假眼检测。
示例性地，其中，所述基于所述人脸关键点信息利用所述人脸图像进行所述假眼检测包括：
根据所述人脸关键点信息在所述人脸图像中提取出眼部图像；以及
基于所述眼部图像进行假眼检测。
示例性地，其中，基于所述眼部图像进行假眼检测包括：
提取眼部图像的边缘特征和/或深度信息；
根据所述边缘特征和/或深度信息确定所述待检测对象的眼部是否为假眼。
根据本发明实施例的一方面，还提供了一种活体检测的装置，包括：
获取模块，用于获取待检测对象的人脸图像；
检测模块，用于利用所述人脸图像针对所述待检测对象的眼部进行假眼检测和另外的活体检测；
确定模块，用于对于假眼检测结果和另外的活体检测结果均表示所述待检测对象是活体的情况，确定所述待检测对象是活体。
根据本发明实施例的又一方面，还提供了一种活体检测的系统，包括处理器和存储器，其中，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器运行时用于执行上述的活体检测的方法。
根据上述活体检测的方法，本发明实施例提供了一种解锁方法，包括：
利用上述的活体检测的方法对待检测对象的人脸图像进行活体检测；
对于所述活体检测结果表示所述待检测对象是活体的情况，利用所述待检测对象的人脸图像进行人脸识别；以及
对于所述人脸识别结果表示所述待检测对象与预定对象匹配的情况，确定解锁；对于所述人脸识别结果表示所述待检测对象与预定对象不匹配的情况，确定不解锁。
根据上述解锁方法，本发明实施例还提供了一种移动终端，包括：摄像头、处理器和存储器；其中，
所述摄像头用于采集待检测对象的人脸图像；
所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器运行时用于执行上述的解锁方法。
本发明实施例又提供了一种存储介质，在所述存储介质上存储了程序指令，所述程序指令在运行时用于执行上述的活体检测方法或上述的解锁方法。
根据本发明实施例的上述技术方案，通过在现有活体检测基础上增加假眼检测，弥补了现有活体检测在使用眼睛仿真模具或假眼图片检出率低的情况，减少了现有活体检测在某些场景下难以检出具有假眼的活体的限制，让假活体、恶意活体难以通过检测。由此，大大增强了活体检测的准确性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1示出了用于实现根据本发明实施例的活体检测方法和装置的示例电子设备的示意性框图；
图2示出了根据本发明一个实施例的活体检测方法的示意性流程图；
图3a和图3b分别示出了来自假眼和真眼的人脸图像的眼部区域示意图；
图4示出了根据本发明另一个实施例的活体检测方法的示意性流程图；
图5示出了根据本发明一个实施例的提取眼部图像的示意图；
图6示出了根据本发明又一个实施例的用于活体检测的装置的示意性框图；
图7示出了根据本发明再一个实施例的用于活体检测的系统的示意性框图；
图8示出了根据本发明基于活体检测方法的一个实施例的解锁方法的示意性流程图；以及
图9示出了根据本发明基于活体检测方法的一个实施例的用于解锁的移动终端的示意性框图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
首先，参照图1来描述用于实现根据本发明实施例的活体检测方法和装置的示例电子设备100。
如图1所示，电子设备100包括一个或多个处理器102、一个或多个存储装置104。可选地，电子设备100还可以包括输入装置106、输出装置108和数据获取装置110，这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意，图1所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备也可以具有其他组件和结构。
所述处理器102可以是中央处理单元(CPU)、图形处理器(GPU)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，并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品，所述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。所述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。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器102可以运行所述程序指令，以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据，例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置，并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如用户)输出各种信息(例如图像和/或声音)，并且可以包括显示器、扬声器等中的一个或多个。
所述数据获取装置110可以采集图像等各种形式的数据，并且将所采集的数据存储在所述存储装置104中以供其它组件使用。数据获取装置110可以是摄像头等。应当理解，数据获取装置110仅是示例，电子设备100可以不包括数据获取装置110。在这种情况下，可以利用其他具有数据获取能力的装置获取数据，并将所获取的数据发送给电子设备100。
示例性地，用于实现根据本发明实施例的活体检测方法和装置的示例电子设备可以在诸如手机、平板电脑、定制终端、个人计算机或远程服务器等的设备上实现。
在活体检测的过程中，需要判断待检测对象是否是在用照片或仿真模具来冒充真人的人脸。在应用中，活体检测对于检测范围有一定限制。比如在用户处于无意识状态而闭眼时，使用用户的眼睛制作出来的模型(仿真模具或打印图片)将其置于用户眼部位置可能造成误检测。眼部信息作为细节信息，对整体影响较小，因此假眼睛很难被活体检测出来。这些场景或限制可能导致活体检测的检出率降低，使设备在一些有意图的恶意攻击下失去活体检测的防范能力。
图2示出了根据本发明一个实施例的活体检测方法200的示意性流程图。如图2所示，方法200包括如下步骤：
步骤S210，获取待检测对象的人脸图像。
人脸图像可以是任何合适的、需要进行活体检测的图像。人脸图像可以是摄像头等图像采集装置采集到的原始图像，也可以是对原始图像进行预处理之后获得的图像。该预处理操作可以包括为了更清楚的识别目标的所有操作。例如，预处理操作可以包括滤波等去噪操作。
待识别图像可以由电子设备100包括的数据获取装置110(例如摄像头)采集并传送到处理器102进行处理。待识别图像也可以由客户端设备(诸如包括摄像头的图像采集设备)采集最后发送到电子设备100以由电子设备100的处理器102进行处理。
此外，可以由电子设备100包括的数据获取装置110(例如摄像头)或由客户端设备(诸如包括摄像头的图像采集设备)采集原始图像并传送到处理器102进行预处理，以获取待识别图像，并且接下来仍由处理器102进行后续处理。
可选地，步骤S210包括以下子步骤。首先，对待检测对象的原始图像进行人脸检测，以获得人脸检测框。然后，根据人脸检测框提取上述人脸图像。
在一个示例中，待检测对象可以通过终端发起活体检测请求。该终端可以是手机、平板电脑、定制终端等终端设备，也可能是通过软件模拟出来的各种终端。可选地，活体检测软件开发包(Software Development Kit，简称SDK)安装在终端上，其中活体检测SDK为针对活体检测功能的软件开发工具包。可选地，活体检测APP安装在终端上。
上述终端用于获取待检测对象的人脸图像。例如，可以通过摄像头等装置获取待检测对象的人脸照片和/或视频中的人脸图像，以用于活体检测。
步骤S220，利用步骤S210获取的待检测对象的人脸图像针对所述待检测对象的眼部进行假眼检测和另外的活体检测。该另外的活体检测可以是非假眼检测的任何其他活体检测，例如各种常规的活体检测。
在获取到待检测对象的人脸图像后，可以首先基于人脸图像进行常规的活体检测，常规的活体检测就是通过检测系统确定当前的人脸图像是否为真实的人脸图像，防止出现采用恶意攻击的情况，比如：不怀好意的人或犯罪分子拿合法用户的证件等照片来攻击活体检测系统；有的人会打印出含有合法用户的眨眼、张嘴等动作的照片或者视频回放来攻击活体检测系统；有的攻击者会做面具比如用硅胶、乳胶、3D打印来做的立体面具来攻击活体检测系统。检测系统通过活体检测后发现该人脸图像不是来自真实的用户，那么就会做出不是活体的判断结果；如果是来自真实的用户，就会做出是活体的判断结果。可以理解，常规的活体检测可以是现有的任何活体检测技术或者未来开发的活体检测技术，例如，基于人脸图像的深度信息进行活体检测的技术、基于人脸图像中人脸的温度信息进行活体检测的技术等等。
然后可以基于人脸图像针对待检测对象的眼部进行假眼检测。假眼检测用于确定当前人脸图像的眼部是否来自真实人眼。这可以防止有人采用恶意攻击，比如在用户处于无意识状态而闭眼时，使用用户的眼睛制作出来的模型(仿真模具或打印图片)将其置于被检测用户眼部位置进行假冒识别，骗过系统，让检测系统以为是真实的活体。
假眼和真眼在人脸图像的眼部区域内会呈现不同的特征。图3a和图3b分别示出了来自假眼和真眼的人脸图像的眼部区域示意图。如图3a所示，来自假眼的人脸图像的眼部区域会有明显的边缘感，而来自真眼的人脸图像的眼部区域则像素灰度过度平滑。另外，在来自假眼的人脸深度图像的眼部区域中，深度信息会呈现成一个平面，所以深度均衡。而来自真眼的人脸图像的眼部区域深度不同，会产生层次感。
根据上述特征分析，可以首先提取人脸图像的边缘特征和/或深度信息；然后根据边缘特征和/或深度信息确定待检测对象的眼部是否为假眼。
本领域普通技术人员可以理解，这些不同的特征仅为示意，而非对本发明的限制。
可选地，基于人工智能技术利用各种分类器来实现假眼检测，例如，神经网络。该神经网络可以是利用大量的训练图像预先训练得到的。训练图像是经标注的人脸图像。每个训练图像标注了其来自假眼还是来自真实的人眼。
步骤S230，对于所述假眼检测结果和所述另外的活体检测结果均表示所述待检测对象是活体的情况，确定所述待检测对象是活体。
假眼检测和另外的活体检测中的任一项检测结果表示待检测对象不是活体，则确定活体检测结果为待检测对象不是活体。只有假眼检测结果和另外的活体检测结果均表示待检测对象是活体时，确定活体检测结果为待检测对象是活体。
眼部信息作为细节信息，对活体检测整体影响较小。这样容易造成假眼睛很难被常规的活体检测出来。在常规的活体检测的基础上增加假眼检测，假眼检测弥补了常规的活体检测在眼部细节检测和判断不足的问题。由此，解决了常规的活体检测的检测结果不准确的问题，同时可以防范一些特定场景的攻击行为，提高了活体检测的准确率。
图4示出了根据本发明另一个实施例的活体检测方法400的示意性流程图。如图4所示，方法400中的步骤S410与方法200中的步骤S210实现的功能、处理方法和过程都类似，在此不再赘述。方法400中的步骤S420、步骤4330、步骤S440和步骤S441是方法200中的步骤S220和步骤S230的更为具体的实施方式。
步骤S420，利用步骤S410获取的人脸图像进行常规的活体检测并确定所述待检测对象是否是活体。如果常规的活体检测结果确定待检测对象不是活体，则活体检测方法执行步骤S441。如果常规的活体检测结果确定待检测对象是活体，则继续执行步骤S430。
步骤S430，利用步骤S410获取的人脸图像进行假眼检测并确定所述待检测对象是否是活体。如果假眼检测结果确定待检测对象不是活体，则活体检测方法执行步骤S441。如果假眼检测结果确定待检测对象是活体，则继续执行步骤S440。
步骤S440是在步骤S420和步骤S430均确定待检测对象均是活体的情况下，确定所述待检测对象是活体，输出待检测对象是活体的检测结果，到此该活体检测流程结束。
步骤S441是在步骤S420或步骤S430确定待检测对象不是活体的情况下，确定所述待检测对象不是活体，输出待检测对象不是活体的检测结果，到此该活体检测流程结束。
利用上述执行流程，可以通过常规的活体检测和假眼检测对待检测对象是否为活体进行双重检测，大大提升了伪活体的检出率，增强了活体检测的准确性。
常规活体检测可以检测出现有活体攻击中的大部分情况，在上述活体检测方法400中，将常规活体检测放在假眼检测前面执行，可以减少不必要的假眼检测。即在常规的活体检测中识别出活体攻击的情况下，无需进行假眼检测即可结束检测流程，避免了对系统资源的占用，同时减少了活体检测的时间，提高了检测效率和用户体验。
可选地，在进行假眼检测和另外的活体检测时，也可以先进行假眼检测，然后再进行常规活体检测。即在假眼检测时，如果检测到当前人脸图像的眼部不是来自真实人眼则直接结束检测，无需再进行常规的活体检测。
可选地，假眼检测和另外的活体检测也可以同时执行，以提高系统检测效率。
示例性地，在假眼检测和另外的活体检测之前，该活体检测方法还包括提取人脸图像的人脸关键点信息。例如，通过任何现有的或未来开发的人脸检测技术和/或人脸属性检测技术得到人脸关键点信息。然后，基于所述人脸关键点信息利用人脸图像进行假眼检测。
人脸关键点信息包括了人脸图像的关键信息。基于人脸关键点信息进行假眼检测在保证检测结果的准确性的同时，有效减少了计算量。
可选地，除了假眼检测，另外的活体检测也可以基于人脸关键点信息利用人脸图像来执行。由此，可以进一步有效减少计算量。
示例性地，基于人脸关键点信息利用人脸图像进行假眼检测包括以下子步骤。首先根据人脸关键点信息在人脸图像中提取眼部图像。然后，基于该眼部图像进行假眼检测。
图5示出了根据本发明一个实施例的提取眼部图像的示意图。图5左边示出了根据本发明一个实施例的人脸图像，其中与背景明显呈现不同颜色的点表示针对该人脸图像提取的人脸关键点。图5的右边示出了从图5左边的人脸图像中根据人脸关键点信息提取的眼部图像。其中图5的右上角为左眼图像，右下角为右眼图像。后续的假眼检测操作基于该眼部图像执行。
基于根据人脸关键点信息从人脸图像中提取的眼部图像进行假眼检测，一方面，可以进一步减少算法的计算量，提高计算效率；另一方面，可以减少例如人脸图像中面部区域等背景部分对于假眼检测的干扰，提高假眼检测的准确度，进而提高活体检测的准确度。
示例性地，基于眼部图像信息进行检测时，首先提取眼部图像的边缘特征和/或深度信息，然后根据所提取的边缘特征和/或深度信息确定待检测对象的眼部是否为假眼。
如前所述，假眼和真眼的眼部图像会呈现不同的特征。可以利用这些特征针对眼部图像进行假眼检测。
示例性地，可以基于诸如神经网络的分类器来进行该假眼检测。可以理解，在利用大量训练图像对神经网络进行训练时，该训练图像是来自假眼或真眼的眼部图像。
基于眼部图像的边缘特征和/或深度信息来针对眼部图像进行假眼检测，显著提高了假眼检测的准确度，进而提高了活体检测的准确度。
根据本发明又一方面，还提供了一种用于活体检测的装置。图6示出了根据本发明一个实施例的用于活体检测的装置的示意性框图。
如图6所示，装置600包括获取模块610、检测模块620和确定模块630。所述各个模块可分别执行上文中所述的用于活体检测的方法的各个步骤/功能。以下仅对该装置600的各部件的主要功能进行描述，而省略以上已经描述过的细节内容。
获取模块610用于获取待检测对象的人脸图像。获取模块610可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
检测模块620用于利用获取模块610获取到的人脸图像针对待检测对象的眼部进行假眼检测和另外的活体检测。检测模块620可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
确定模块630用于对于假眼检测结果和另外的活体检测结果均表示所述待检测对象是活体的情况，确定所述待检测对象是活体。对于假眼检测结果或另外的活体检测结果，任一检测结果表示所述待检测对象不是活体的情况，确定所述待检测对象不是活体。确定模块630可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
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示例的单元及算法步骤，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。
图7示出了根据本发明再一个实施例的用于活体检测的系统700的示意性框图。如图7所示，系统700包括输入装置710、存储装置720、处理器730以及输出装置740。
所述输入装置710用于接收用户所输入的操作指令以及采集数据。输入装置710可以包括键盘、鼠标、麦克风、触摸屏和图像采集装置等中的一个或多个。
所述存储装置720存储用于实现根据本发明实施例的活体检测方法中的相应步骤的计算机程序指令。
所述处理器730用于运行所述存储装置720中存储的计算机程序指令，以执行根据本发明实施例的活体检测方法的相应步骤，并且用于实现根据本发明实施例的用于活体检测的装置中的获取模块610、检测模块620和确定模块630。
在一个实施例中，在所述计算机程序指令被所述处理器730运行时使所述系统700执行以下步骤：
获取待检测对象的人脸图像；
利用所述人脸图像针对所述待检测对象的眼部进行假眼检测和另外的活体检测；以及对于假眼检测结果和另外的活体检测结果均表示所述待检测对象是活体的情况，确定所述待检测对象是活体。
在一个实施例中，在所述计算机程序指令被所述处理器730运行时使所述系统700执行以下步骤：
对于所述人脸图像进行所述另外的活体检测确定所述待检测对象不是活体的情况，确定所述待检测对象不是活体；
确定所述待检测对象不是活体；
执行流程结束。
在一个实施例中，在所述计算机程序指令被所述处理器730运行时使所述系统700执行以下步骤：
对于所述人脸图像进行所述另外的活体检测确定所述待检测对象是活体的情况，确定所述待检测对象是活体；
对于所述人脸图像进行所述假眼检测确定所述待检测对象不是活体的情况，确定所述待检测对象不是活体；
确定所述待检测对象不是活体；
执行流程结束。
在一个实施例中，在所述计算机程序指令被所述处理器730运行时使所述系统700执行以下步骤：
对于所述人脸图像进行所述另外的活体检测确定所述待检测对象是活体的情况，确定所述待检测对象是活体；
对于所述人脸图像进行所述假眼检测确定所述待检测对象是活体的情况，确定所述待检测对象是活体；
确定所述待检测对象是活体；
执行流程结束。
对于所述待检测对象进行所述另外的活体检测结果和假眼检测结果均为活体的情况才确定所述待检测对象为活体，双重检测大大增强了活体检测的安全性。
图8示出了根据本发明基于活体检测方法的一个实施例的解锁方法800的示意性流程图。如图8所示，方法800中的步骤S810为上述的活体检测方法，与方法400中步骤S410、步骤S420、步骤S430、步骤S440和步骤441实现的功能、处理方法和过程都类似，在此不再赘述。
步骤S820，确定所述待检测对象是否是活体。如果所述待检测对象不是活体，则执行步骤S841。如果所述待检测对象是活体，则继续执行步骤S830。
步骤S830，在确认待检测对象是活体的情况下，利用所述待检测对象的人脸图像进行人脸识别并确定待检测对象与预定对象是否匹配，如果待检测对象的人脸与预定对象不匹配，则执行步骤S841。如果待检测对象的人脸与预定对象匹配，则继续执行步骤S840。
步骤S840是解锁，在待检测对象的人脸与预定对象匹配时，执行解锁操作。
步骤S841是不解锁，在待检测对象的人脸与预定对象不匹配时，执行不解锁。
利用上述执行流程，通过双重活体检测后再进行人脸识别，大大提升了伪活体的检出率，增强的活体检测的准确性，进而增强了人脸识别解锁操作的安全性，避免了在用户使用假眼睛制作出来的模型(仿真模具或打印图片)的情况下造成人脸识别错误进而误解锁的情况发生。
图9示出了根据上述解锁方法的一个实施例的用于解锁的移动终端900的示意性框图。如图9所示，系统900包括摄像头910、存储装置920、处理器930以及输出装置940。
所述摄像头910用于采集待检测对象的人脸图像。
所述存储装置920存储用于实现根据本发明实施例的解锁方法中的相应步骤的计算机程序指令。
所述处理器930用于运行所述存储装置920中存储的计算机程序指令，以执行根据本发明实施例的解锁方法的相应步骤。
利用上述移动终端执行解锁操作，通过双重活体检测后再进行人脸识别，大大提升了伪活体的检出率，增强的活体检测的准确性，进而增强了人脸识别解锁操作的安全性。
此外，根据本发明再一方面，还提供了一种存储介质，在所述存储介质上存储了程序指令，在所述程序指令被计算机或处理器运行时使得所述计算机或处理器执行本发明实施例的上述活体检测方法或上述解锁方法的相应步骤，并且用于实现根据本发明实施例的用于活体检测的装置中的相应模块或上述用于解锁的移动终端的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、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、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。
在一个实施例中，所述计算机程序指令被计算机或处理器运行时，使得所述计算机或处理器执行以下步骤：
获取待检测对象的人脸图像；
利用所述人脸图像针对所述待检测对象的眼部进行假眼检测和另外的活体检测；
以及对于假眼检测结果和另外的活体检测结果均表示所述待检测对象是活体的情况，确定所述待检测对象是活体。
在一个实施例中，所述计算机程序指令被计算机或处理器运行时，使得所述计算机或处理器执行以下步骤：
对于所述人脸图像进行所述另外的活体检测确定所述待检测对象不是活体的情况，确定所述待检测对象不是活体；
确定所述待检测对象不是活体；
执行流程结束。
在一个实施例中，所述计算机程序指令被计算机或处理器运行时，使得所述计算机或处理器执行以下步骤：
对于所述人脸图像进行所述另外的活体检测确定所述待检测对象是活体的情况，确定所述待检测对象是活体；
对于所述人脸图像进行所述假眼检测确定所述待检测对象不是活体的情况，确定所述待检测对象不是活体；
确定所述待检测对象不是活体；
执行流程结束。
在一个实施例中，所述计算机程序指令被计算机或处理器运行时，使得所述计算机或处理器执行以下步骤：
对于所述人脸图像进行所述另外的活体检测确定所述待检测对象是活体的情况，确定所述待检测对象是活体；
对于所述人脸图像进行所述假眼检测确定所述待检测对象是活体的情况，确定所述待检测对象是活体；
确定所述待检测对象是活体；
执行流程结束。
利用上述执行流程，对于所述待检测对象进行所述另外的活体检测结果和假眼检测结果均为活体的情况才确定所述待检测对象为活体，双重检测大大增强了活体检测的准确率。
在一个实施例中，所述计算机程序指令被计算机或处理器运行时，使得所述计算机或处理器执行以下步骤：
对待检测对象的人脸图像进行活体检测；
对于所述活体检测结果表示所述待检测对象不是活体的情况，确定不解锁；
确定不解锁；
执行流程结束。
在一个实施例中，所述计算机程序指令被计算机或处理器运行时，使得所述计算机或处理器执行以下步骤：
对于所述活体检测结果表示所述待检测对象是活体的情况，利用所述待检测对象的人脸图像进行人脸识别；
对于所述人脸识别结果表示所述待检测对象与预定对象匹配的情况，确定解锁；
确定解锁；
执行流程结束。
在一个实施例中，所述计算机程序指令被计算机或处理器运行时，使得所述计算机或处理器执行以下步骤：
对于所述活体检测结果表示所述待检测对象是活体的情况，利用所述待检测对象的人脸图像进行人脸识别；
对于所述人脸识别结果表示所述待检测对象与预定对象不匹配的情况，确定不解锁；
确定不解锁；
执行流程结束。
利用上述执行流程，通过双重活体检测后再进行人脸识别，大大提升了伪活体的检出率，增强的活体检测的准确性，进而增强了人脸识别解锁操作的安全性，避免了在用户使用假眼睛制作出来的模型(仿真模具或打印图片)的情况下造成人脸识别错误进而误解锁的情况发生。
根据本发明实施例的活体检测方法、装置、系统、解锁方法、移动终端及存储介质，通过在常规的活体检测基础上增加假眼检测，解决了常规的活体检测在某些场景下的限制，同时假眼检测弥补了常规的活体检测在眼部细节检测和判断不足的情况，可以防范一些特定场景的攻击行为，提高了活体检测准确率，大大降低了活体攻击的安全风险，提高了解锁移动终端的安全性。
尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
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示例的单元及算法步骤，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，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备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设备，或一些特征可以忽略，或不执行。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本发明的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的用于活体检测的装置中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种活体检测的方法，包括：
获取待检测对象的人脸图像；
利用所述人脸图像针对所述待检测对象的眼部进行假眼检测和另外的活体检测；以及
对于假眼检测结果和另外的活体检测结果均表示所述待检测对象是活体的情况，确定所述待检测对象是活体。
2.如权利要求1所述的活体检测的方法，其中，所述利用所述人脸图像针对所述待检测对象的眼部进行假眼检测和另外的活体检测包括：
利用所述人脸图像进行所述另外的活体检测；
对于所述另外的活体检测结果表示所述待检测对象是活体的情况下，利用所述人脸图像进行假眼检测。
3.如权利要求1或2所述的活体检测的方法，其中，所述方法还包括：
提取所述人脸图像的人脸关键点信息；
其中，所述利用所述人脸图像针对所述待检测对象的眼部进行假眼检测包括：
基于所述人脸关键点信息利用所述人脸图像进行所述假眼检测。
4.如权利要求3所述的活体检测的方法，其中，所述基于所述人脸关键点信息利用所述人脸图像进行所述假眼检测包括：
根据所述人脸关键点信息在所述人脸图像中提取出眼部图像；以及
基于所述眼部图像进行假眼检测。
5.如权利要求4所述的活体检测的方法，其中，基于所述眼部图像进行假眼检测包括：
提取眼部图像的边缘特征和/或深度信息；
根据所述边缘特征和/或深度信息确定所述待检测对象的眼部是否为假眼。
6.一种活体检测的装置，包括：
获取模块，用于获取待检测对象的人脸图像；
检测模块，用于利用所述人脸图像针对所述待检测对象的眼部进行假眼检测和另外的活体检测；
确定模块，用于对于假眼检测结果和另外的活体检测结果均表示所述待检测对象是活体的情况，确定所述待检测对象是活体。
7.一种活体检测的系统，包括处理器和存储器，其中，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器运行时用于执行如权利要求1至5任一项所述的活体检测的方法。
8.一种解锁方法，包括：
利用如权利要求1至5的任一项所述的活体检测的方法对待检测对象的人脸图像进行活体检测；
对于所述活体检测结果表示所述待检测对象是活体的情况，利用所述待检测对象的人脸图像进行人脸识别；以及
对于所述人脸识别结果表示所述待检测对象与预定对象匹配的情况，确定解锁；对于所述人脸识别结果表示所述待检测对象与预定对象不匹配的情况，确定不解锁。
9.一种移动终端，包括：摄像头、处理器和存储器；其中，
所述摄像头用于采集待检测对象的人脸图像；
所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器运行时用于执行如权利要求8所述的解锁方法。
10.一种存储介质，在所述存储介质上存储了程序指令，所述程序指令在运行时用于执行如权利要求1至5所述的活体检测方法或权利要求8所述的解锁方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811443127.5A CN109543635A (zh) | 2018-11-29 | 2018-11-29 | 活体检测方法、装置、系统、解锁方法、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811443127.5A CN109543635A (zh) | 2018-11-29 | 2018-11-29 | 活体检测方法、装置、系统、解锁方法、终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109543635A true CN109543635A (zh) | 2019-03-29 |
Family
ID=65852298
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811443127.5A Pending CN109543635A (zh) | 2018-11-29 | 2018-11-29 | 活体检测方法、装置、系统、解锁方法、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109543635A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110472582A (zh) * | 2019-08-16 | 2019-11-19 | 腾讯科技（深圳）有限公司 | 基于眼部识别的3d人脸识别方法、装置和终端 |
| CN110520865A (zh) * | 2019-06-27 | 2019-11-29 | 深圳市汇顶科技股份有限公司 | 人脸识别的方法、装置和电子设备 |
| CN111353404A (zh) * | 2020-02-24 | 2020-06-30 | 支付宝实验室(新加坡)有限公司 | 一种人脸识别方法、装置及设备 |
| EP4318386A4 (en) * | 2021-03-30 | 2024-04-03 | NEC Corporation | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD AND RECORDING MEDIUM |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106096519A (zh) * | 2016-06-01 | 2016-11-09 | 腾讯科技（深圳）有限公司 | 活体鉴别方法及装置 |
| CN106372601A (zh) * | 2016-08-31 | 2017-02-01 | 上海依图网络科技有限公司 | 一种基于红外可见双目图像的活体检测方法及装置 |
| CN106899567A (zh) * | 2016-08-24 | 2017-06-27 | 阿里巴巴集团控股有限公司 | 用户核身方法、装置及系统 |
| CN107832598A (zh) * | 2017-10-17 | 2018-03-23 | 广东欧珀移动通信有限公司 | 解锁控制方法及相关产品 |
| CN108573202A (zh) * | 2017-03-17 | 2018-09-25 | 北京旷视科技有限公司 | 身份认证方法、装置和系统以及终端、服务器和存储介质 |
-
2018
- 2018-11-29 CN CN201811443127.5A patent/CN109543635A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106096519A (zh) * | 2016-06-01 | 2016-11-09 | 腾讯科技（深圳）有限公司 | 活体鉴别方法及装置 |
| CN106899567A (zh) * | 2016-08-24 | 2017-06-27 | 阿里巴巴集团控股有限公司 | 用户核身方法、装置及系统 |
| CN106372601A (zh) * | 2016-08-31 | 2017-02-01 | 上海依图网络科技有限公司 | 一种基于红外可见双目图像的活体检测方法及装置 |
| CN108573202A (zh) * | 2017-03-17 | 2018-09-25 | 北京旷视科技有限公司 | 身份认证方法、装置和系统以及终端、服务器和存储介质 |
| CN107832598A (zh) * | 2017-10-17 | 2018-03-23 | 广东欧珀移动通信有限公司 | 解锁控制方法及相关产品 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110520865A (zh) * | 2019-06-27 | 2019-11-29 | 深圳市汇顶科技股份有限公司 | 人脸识别的方法、装置和电子设备 |
| CN110472582A (zh) * | 2019-08-16 | 2019-11-19 | 腾讯科技（深圳）有限公司 | 基于眼部识别的3d人脸识别方法、装置和终端 |
| CN110472582B (zh) * | 2019-08-16 | 2023-07-21 | 腾讯科技（深圳）有限公司 | 基于眼部识别的3d人脸识别方法、装置和终端 |
| CN111353404A (zh) * | 2020-02-24 | 2020-06-30 | 支付宝实验室(新加坡)有限公司 | 一种人脸识别方法、装置及设备 |
| CN111353404B (zh) * | 2020-02-24 | 2023-12-01 | 支付宝实验室(新加坡)有限公司 | 一种人脸识别方法、装置及设备 |
| EP4318386A4 (en) * | 2021-03-30 | 2024-04-03 | NEC Corporation | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD AND RECORDING MEDIUM |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10699103B2 (en) | Living body detecting method and apparatus, device and storage medium | |
| CN109543635A (zh) | 活体检测方法、装置、系统、解锁方法、终端及存储介质 | |
| CN108229120A (zh) | 人脸解锁及其信息注册方法和装置、设备、程序、介质 | |
| WO2018166524A1 (zh) | 人脸检测方法和系统、电子设备、程序和介质 | |
| CN106897658B (zh) | 人脸活体的鉴别方法和装置 | |
| CN112215180B (zh) | 一种活体检测方法及装置 | |
| CN110008903A (zh) | 人脸识别方法、装置、系统、存储介质和人脸支付方法 | |
| CN108140123A (zh) | 人脸活体检测方法、电子设备和计算机程序产品 | |
| CN108804884A (zh) | 身份认证的方法、装置及计算机存储介质 | |
| CN108875688A (zh) | 一种活体检测方法、装置、系统及存储介质 | |
| CN108875833A (zh) | 神经网络的训练方法、人脸识别方法及装置 | |
| CN109359502A (zh) | 防伪检测方法和装置、电子设备、存储介质 | |
| CN109919754A (zh) | 一种数据获取方法、装置、终端及存储介质 | |
| CN109409204A (zh) | 防伪检测方法和装置、电子设备、存储介质 | |
| CN108875509A (zh) | 活体检测方法、装置和系统及存储介质 | |
| CN108875338A (zh) | 解锁方法、装置和系统及存储介质 | |
| CN109316747A (zh) | 游戏辅助信息提示方法、装置及电子设备 | |
| CN107590473A (zh) | 一种人脸活体检测方法、介质和相关装置 | |
| CN108875476A (zh) | 自动近红外人脸注册与识别方法、装置和系统及存储介质 | |
| CN112651333B (zh) | 静默活体检测方法、装置、终端设备和存储介质 | |
| CN108875484A (zh) | 用于移动终端的人脸解锁方法、装置和系统及存储介质 | |
| JP6311237B2 (ja) | 照合装置及び照合方法、照合システム、並びにコンピュータ・プログラム | |
| CN108875500A (zh) | 行人再识别方法、装置、系统及存储介质 | |
| CN205318544U (zh) | 一种基于三维人脸识别的atm机防欺诈装置及系统 | |
| CN108921080A (zh) | 图像识别方法、装置及电子设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190329 |