CN109886080A - 人脸活体检测方法、装置、电子设备及可读存储介质 - Google Patents

Abstract

本发明提供了一种人脸活体检测方法、装置、电子设备及可读存储介质，该方法包括：在接收到待检测对象发送的检测请求的情况下生成第一动作序列；获取第一动作序列对应的判定规则；采集待检测对象响应引导信息的待检测图像，引导信息用于指示待检测对象完成第一动作序列；从待检测图像中提取连续图像帧，所述连续图像帧中包括所述待检测对象完成的第二动作序列；对所提取的连续图像帧中的第二动作序列进行分析，在第二动作序列符合第一动作序列对应的判定规则的情况下，确定待检测对象通过活体检测。本发明实施例可以提高人脸活体检测的准确率，进而有效防止恶意者对人脸识别系统的攻击。

Description

人脸活体检测方法、装置、电子设备及可读存储介质

技术领域

本发明涉及生物特征识别技术领域，尤其涉及一种人脸活体检测方法、装置、电子设备及可读存储介质。

背景技术

在当今信息化时代，生物特征识别已成为保障个人身份、信息财产安全的一项关键技术，常见的就有指纹识别、人脸识别、视网膜识别以及声音识别等。其中，应用最为广泛的当属人脸识别技术，例如：从人脸签到、重要场所的安全检测、智能设备的登录到刷脸支付等场景，都能看到人脸识别的身影，除了给我们日常生活带来的极大便利，还可以看到人脸识别技术的日趋成熟。人脸识别的过程中，首先需要借助活体检测技术验证当前的人脸是否为具有生物特征的活体人脸，然而，随着图像处理技术的提高，市面上的人脸识别系统很容易遭受恶意者使用照片、视频或者人脸面具的攻击。可见，目前的人脸识别技术，通过人脸活体检测有效防止恶意者对人脸识别系统的攻击仍是一个亟待解决的技术难题。

发明内容

针对上述技术问题，本发明提供了一种能够有效防止恶意者对人脸识别系统的攻击的人脸活体检测方法、装置、电子设备及可读存储介质。

为实现上述目的，本发明实施例第一方面提供了一种人脸活体检测方法，包括：

在接收到待检测对象发送的检测请求的情况下生成第一动作序列；

获取所述第一动作序列对应的判定规则；

采集所述待检测对象响应引导信息的待检测图像，所述引导信息用于指示所述待检测对象完成所述第一动作序列；

从所述待检测图像中提取连续图像帧，所述连续图像帧中包括所述待检测对象完成的第二动作序列；

对所提取的连续图像帧中的所述第二动作序列进行分析，在所述第二动作序列符合所述第一动作序列对应的判定规则的情况下，确定所述待检测对象通过活体检测。

可选的，所述对所述每一图像帧中检测到的人脸进行同一性检测，包括：

采用人脸关键点定位算法定位出所述每一图像帧中检测到的人脸的各关键点；

计算出所述每一图像帧中检测到的人脸在完成所述第二动作序列的过程中，各关键点之间的距离和位置关系；

若所述每一图像帧中检测到的人脸的各关键点之间的距离和位置关系均保持稳定，则认为所述每一图像帧中检测到的人脸为同一被检测人脸，否则不认为所述每一图像帧中检测到的人脸为同一被检测人脸，并确定所述待检测对象活体检测失败。

可选的，所述第一动作序列对应的判定规则包括根据所述第一动作序列所生成的人脸各关键点的第一移动轨迹；所述对所提取的连续图像帧中的所述第二动作序列进行分析，包括：

根据定位出的所述每一图像帧中检测到的人脸的各关键点，采用人脸关键点跟踪算法获取所述待检测对象在完成所述第二动作序列的过程中各关键点的第二移动轨迹，对所述第二移动轨迹是否符合所述第一移动轨迹进行分析；

若所述第二移动轨迹符合所述第一移动轨迹，则确定所述待检测对象通过活体检测，否则确定所述待检测对象活体检测失败。

可选的，在确定所述待检测对象通过活体检测之后，所述方法还包括：

从所述目标图像帧中提取所述待检测对象的第一人脸特征值；

将所述第一人脸特征值与预设特征值数据库中存储的多个第二人脸特征值进行匹配，计算所述第一人脸特征值与所述多个第二人脸特征值之间的差异程度值；

若所述多个第二人脸特征值中，存在与所述第一人脸特征值之间的差异程度值在预设阈值范围内的目标第二人脸特征值，则确定所述待检测对象身份验证成功，并从所述预设特征值数据库中获取与所述目标第二人脸特征值具有一一对应关系的身份信息，通过所述身份信息对所述待检测对象进行权限判定；

若所述多个第二人脸特征值中，不存在与所述第一人脸特征值之间的差异程度值在预设阈值范围内的所述目标第二人脸特征值，则确定所述待检测对象身份验证失败。

本发明实施例第二方面提供了一种人脸活体检测装置，包括：

动作生成模块，用于在接收到待检测对象发送的检测请求的情况下生成第一动作序列；

规则获取模块，用于获取所述第一动作序列对应的判定规则；

图像采集模块，用于采集所述待检测对象响应引导信息的待检测图像，所述引导信息用于指示所述待检测对象完成所述第一动作序列；

图像提取模块，用于从所述待检测图像中提取连续图像帧，所述连续图像帧中包括所述待检测对象完成的第二动作序列；

动作分析模块，用于对所提取的连续图像帧中的所述第二动作序列进行分析，在所述第二动作序列符合所述第一动作序列对应的判定规则的情况下，确定所述待检测对象通过活体检测。

本发明实施例第三方面提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，该处理器执行计算机程序时实现上述的人脸活体检测方法中的步骤。

本发明实施例第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述的人脸活体检测方法中的步骤。

本发明的上述方案至少包括以下有益效果：

通过在接收到待检测对象发送的检测请求的情况下生成第一动作序列；获取第一动作序列对应的判定规则；采集待检测对象响应引导信息的待检测图像，引导信息用于指示待检测对象完成第一动作序列；从待检测图像中提取连续图像帧，所述连续图像帧中包括所述待检测对象完成的第二动作序列；对所提取的连续图像帧中的第二动作序列进行分析，在第二动作序列符合第一动作序列对应的判定规则的情况下，确定待检测对象通过活体检测。由于是根据生成的第一动作序列对应的判定规则，对待检测对象是否有符合判定规则的响应进行分析，从而可以提高人脸活体检测的准确率，进而有效防止恶意者对人脸识别系统的攻击。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种网络系统架构的示意图；

图2为本发明实施例提供的一种人脸活体检测方法的流程示意图；

图3为本发明实施例提供的一种动作规则数据库的表现形式的示意图；

图4为本发明实施例提供的一种对每一图像帧中检测到的人脸进行同一性检测的流程示意图；

图5为本发明实施例提供的一种特征值数据库的表现形式的示意图；

图6为本发明实施例提供的一种连续图像帧的示意图；

图7为本发明实施例提供的一种人脸活体检测装置的结构示意图；

图8为本发明实施例提供的另一种人脸活体检测装置的结构示意图；

图9为本发明实施例提供的另一种人脸活体检测装置的结构示意图；

图10为本发明实施例提供的另一种人脸活体检测装置的结构示意图；

图11为本发明实施例提供的另一种人脸活体检测装置的结构示意图；

图12为本发明实施例提供的另一种人脸活体检测装置的结构示意图；

图13为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本发明说明书、权利要求书和附图中出现的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同的对象，而并非用于描述特定的顺序。

首先结合相关附图来举例介绍下本申请实施例的方案可能应用到的网络系统架构。

请参见图1，图1所示的网络系统架构涉及到图像采集终端、数据库以及服务器。该图像采集终端可以是手机、平板电脑、可穿戴设备、相机、摄像机、摄像头等可以采集图像的任何终端，用于采集正在进行人脸识别的待检测对象响应服务器的待检测图像；数据库包括但不限于动作规则数据库、特征值数据库，动作规则数据库用于存储各种人脸动作的判定规则，特征值数据库存储有授权用户的人脸特征值、身份信息及权限等级等。需要说明的是本发明实施例中的数据库可以是本地的数据库，也可以是云端的数据库。服务器是整个网络系统架构的控制中心，与系统其它组成部分通过网络或通信链路进行交互，使本方案中的人脸活体检测方法得以有应用环境的支撑。

请参见图2，图2为本发明实施例提供的一种人脸活体检测方法的流程示意图，如图2所示，包括以下步骤：

S11，在接收到待检测对象发送的检测请求的情况下生成第一动作序列。

其中，在本发明的具体实施例中，待检测对象可以是能够发送检测请求的任何一对象，检测请求是该待检测对象想要进行人脸识别的请求，可以是以触摸触发的方式发送，或者是以语音触发的方式发送，还可以是以红外感应触发或者刷卡触发的方式发送，具体以哪种方式发送在本发明具体实施例并不作任何限定。另外，动作序列是装有多个动作的对象，服务器在接收到上述检测请求的情况下，指定一个或者多个人脸动作生成上述的第一动作序列，该第一动作序列中的人脸动作并不是固定的，它可以根据后台设置情况而有所不同，可以是单个随机动作，例如：左转头；也可以是固定组合动作，例如：左转头、右转头、抬头；当然，在一些实施方式中，还可以是其他的类型，例如：随机组合动作。

S12，获取所述第一动作序列对应的判定规则。

其中，上述判定规则可以是根据第一动作序列所生成的人脸关键点的移动轨迹，或者可以是根据第一动作序列所生成的人脸关键点的移动轨迹所拟合的曲线函数系数范围，或者可以是根据第一动作序列所生成的人脸关键点位置的变化规律等等。在本发明的具体实施例中，由于每次新增的人脸动作，服务器在后台都会生成与该人脸动作对应的判定规则，同时，后台预先设置有动作规则数据库，每次新增的人脸动作及其判定规则都将写入到该动作规则数据库中进行保存，上述获取所述第一动作序列对应的判定规则，可以是从预先设置的动作规则数据库中获取所述第一动作序列对应的判定规则。如图3所示，动作规则数据库的表现形式可以是一张或多张关联的数据表，将人脸动作、关键点及其所有判定规则和计算方法一一对应，需要说明的是，图3所示的数据表仅仅是一种示例，并不造成对本发明实施例的限定。

S13，采集所述待检测对象响应引导信息的待检测图像，所述引导信息用于指示所述待检测对象完成所述第一动作序列。

其中，在本发明的具体实施例中，可以通过图1所示的网络系统架构中的图像采集终端进行待检测图像的采集，或者可以通过独立于该网络系统架构但是可以与该网络系统架构中的服务器进行交互的其他图像采集终端进行待检测图像的采集。

另外，上述引导信息为服务器在将第一动作序列的判定规则发送到前端并启动图像采集终端的情况下，生成的一种指示信息，用于指示被检测对象完成第一动作序列，该引导信息可以以视觉或语音等方式进行指示。例如，若第一动作序列中的人脸动作为左转头，该引导信息可以是先指示待检测用户：“请将脸正对图像采集终端。”，然后指示待检测用户：“请左转头60度。”等等。图像采集终端采集的待检测图像，用于对待检测对象是否在引导信息的指示下作出符合第一动作序列判定规则的响应进行分析。

S14，从所述待检测图像中提取连续图像帧，所述连续图像帧中包括所述待检测对象完成的第二动作序列。

S15，对所提取的连续图像帧中的所述第二动作序列进行分析，在所述第二动作序列满足所述第一动作序列对应的判定规则的情况下，确定所述待检测对象通过活体检测。

其中，在本发明的具体实施例中，第二动作序列为待检测对象在上述引导信息的指示下实际完成的动作序列。上述提取连续图像帧，可以是根据时间线索提取连续图像帧，也可以是根据第一动作序列提取连续图像帧，连续图像帧更有利于后续的分析操作。

另外，上述对提取的连续图像帧中的第二动作序列进行分析，可以是对待检测对象在完成第二动作序列的过程中人脸各关键点的实际移动轨迹，是否符合第一动作序列中人脸关键点的移动轨迹进行分析；或者可以是对待检测对象在完成第二动作序列的过程中人脸各关键点的移动轨迹所拟合的曲线函数系数，是否符合第一动作序列中人脸关键点的移动轨迹所拟合的曲线函数系数范围内进行分析，或者可以是对待检测对象在完成第二动作序列的过程中人脸各关键点位置的变化规律，是否符合第一动作序列中人脸关键点的位置变化规律进行分析等等。在上述任一分析结果为符合的情况下，确定待检测对象活体检测成功，只有活体检测成功才会对待检测对象进行身份验证和权限判别。

上述方法中，由于是在待检测对象响应引导信息完成的第二动作序列，符合预先生成的第一动作序列的判定规则的情况下，才确定待检测对象通过活体检测，可以提升人脸活体检测的准确度。另外，人脸动作和与其对应的判定规则的更新对前端功能并无影响，也不需要预先存储被检测对象的人脸动作图像，更具灵活性。

本发明实施例中，在接收到待检测对象发送的检测请求的情况下生成第一动作序列；获取第一动作序列对应的判定规则；采集待检测对象响应引导信息的待检测图像，引导信息用于指示待检测对象完成第一动作序列；从待检测图像中提取连续图像帧，所述连续图像帧中包括所述待检测对象完成的第二动作序列；对所提取的连续图像帧中的第二动作序列进行分析，在第二动作序列符合第一动作序列对应的判定规则的情况下，确定待检测对象通过活体检测。由于是根据生成的第一动作序列对应的判定规则，对待检测对象是否有符合判定规则的响应进行分析，从而可以提高人脸活体检测的准确率，进而有效防止恶意者对人脸识别系统的攻击。

可选的，在上述对所提取的连续图像帧中的所述第二动作序列进行分析之前，该方法还包括：

对所述连续图像帧中的每一图像帧进行人脸检测，若在预设时间内未检测到人脸，则确定所述待检测对象活体检测失败。

若在预设时间内检测到人脸，则对所述每一图像帧中检测到的人脸进行同一性检测，并从所述连续图像帧中选取用于对所述待检测对象进行身份验证的目标图像帧。

其中，在本发明的具体实施例中，首先需要对提取的连续图像帧进行人脸检测。例如，可以通过基于人脸整体轮廓或器官分布的的检测方法来实现，或者是通过训练不同的弱分类器，然后将多个弱分类器组合成强分类器的检测方法来实现，或者是通过基于深度学习的神经网络检测方法来实现等等，由于人脸检测的方法众多，具体采用哪种方法，此处不作任何限定。若预设时间内在连续图像帧中检测不到人脸，则直接确定待检测对象活体检测失败，或者确定待检测对象为非活体。该预设时间可根据实际情况设定，例如：10秒、15秒。若预设时间内检测到人脸，则对连续图像帧中的人脸是否为同一人脸进行判断，另外，从连续图像帧中选取人脸正面清晰的图像帧作为目标图像帧，用于在活体检测通过之后，对待检测对象进行身份验证。

该实施方式中，由于首先通过在连续图像帧中是否检测到人脸判断待检测对象是否为人，若没有检测到人脸，则不进行后续的人脸同一性检测和身份验证等操作，一定程度上降低了人脸识别系统的硬件损耗。

可选的，如图4所示，上述对所述每一图像帧中检测到的人脸进行同一性检测，包括：

S21，采用人脸关键点定位算法定位出所述每一图像帧中检测到的人脸的各关键点。

其中，在本发明的具体实施例中，人脸关键点是人脸部特征较为突出的一些点，例如：眼睛、眉心、眼睛瞳孔、鼻尖、耳廓等，由于人脸各关键点的定位特征具有较强的稳定性，因此通过定位出人脸的各关键点可以标定出个体。人脸关键点定位(Facial landmarklocalization)根据输入的人脸图像，可自动定位出人脸的各关键点，例如：可通过基于级联形状回归的算法在连续图像帧的每一图像帧中定位出人脸的各关键点，或者可通过基于深度学习的算法从连续图像帧的每一图像帧中定位出人脸的各关键点，此处不作限定。

S22，计算出所述每一图像帧中检测到的人脸在完成所述第二动作序列的过程中，各关键点之间的距离和位置关系。

S23，若所述每一图像帧中检测到的人脸的各关键点之间的距离和位置关系均保持稳定，则认为所述每一图像帧中检测到的人脸为同一被检测人脸，否则不认为所述每一图像帧中检测到的人脸为同一被检测人脸，并确定所述待检测对象活体检测失败。

其中，在本发明的具体实施例中，在上述连续图像帧的每一图像帧中定位出人脸的各关键点后，需要计算每一图像帧中检测到的人脸在完成第二动作序列的过程中，各关键点之间的定位特征，例如距离和位置关系：眼睛到鼻尖的距离、眼睛到颧骨的距离、左眼在鼻尖西偏北60度的位置上、左眼在左嘴角西偏北70度的位置上等等。由于同一被检测人脸在完成一系列人脸动作的过程中，人脸各关键点之间的距离和位置关系能够保持相对稳定，因此可以根据这些定位特征判断上述连续图像帧的每一图像帧中检测到的人脸是否为同一被检测人脸，若不是，即可确定被检测者活体检测不通过。

该实施方式中，根据连续图像帧的每一图像帧中检测到的人脸各关键点的距离和位置关系判断检测到的人脸是否为同一待检测人脸，能够快速确认待检测对象是否为同一人，降低了用已授权对象的照片确定身份，再由他人执行人脸动作的可能性。

可选的，上述第一动作序列对应的判定规则包括根据所述第一动作序列所生成的人脸各关键点的第一移动轨迹；上述对所提取的连续图像帧中的所述第二动作序列进行分析，包括：

根据定位出的所述每一图像帧中检测到的人脸的各关键点，采用人脸关键点跟踪算法获取所述待检测对象在完成所述第二动作序列的过程中各关键点的第二移动轨迹，对所述第二移动轨迹是否符合所述第一移动轨迹进行分析。

若所述第二移动轨迹符合所述第一移动轨迹，则确定所述待检测对象通过活体检测，否则确定所述待检测对象活体检测失败。

其中，在本发明的具体实施例中，基于根据第一动作序列所生成的人脸各关键点的第一移动轨迹对上述待检测对象是否做出对应的人脸动作进行分析。通过人脸关键点跟踪算法获取待检测对象响应引导信息实际完成的第二动作序列中，人脸各关键点形成的第二移动轨迹，例如：可通过卡尔曼滤波算法进行人脸各关键点的位置跟踪和测量评估，以获得上述的第二移动轨迹。若该第二移动轨迹中人脸各关键点与上述的第一移动轨迹中对应的人脸各关键点的距离在预设范围内，则认为待检测对象做出了对应的人脸动作，可以确定待检测对象为活体。若连续多帧图像中的人脸各关键点所形成的第二移动轨迹均不符合上述的第一移动轨迹，就直接认定待检测对象为非活体，结束接下来的人脸识别流程。

该实施方式中，根据第一动作序列对应的第一移动轨迹对待检测对象是否做出对应的人脸动作进行分析，由于是获取两条移动轨迹中对应的人脸各关键点之间的距离，并判断其是否在预设范围内，能够提升人脸活体检测的准确度。

可选的，在确定所述待检测对象通过活体检测之后，所述方法还包括：

从所述目标图像帧中提取所述待检测对象的第一人脸特征值。

将所述第一人脸特征值与预设特征值数据库中存储的多个第二人脸特征值进行匹配，计算所述第一人脸特征值与所述多个第二人脸特征值之间的差异程度值。

若所述多个第二人脸特征值中，存在与所述第一人脸特征值之间的差异程度值在预设阈值范围内的目标第二人脸特征值，则确定所述待检测对象身份验证成功，并从所述预设特征值数据库中获取与所述目标第二人脸特征值具有一一对应关系的身份信息，通过所述身份信息对所述待检测对象进行权限判定。

若所述多个第二人脸特征值中，不存在与所述第一人脸特征值之间的差异程度值在预设阈值范围内的所述目标第二人脸特征值，则确定所述待检测对象身份验证失败。

其中，在本发明的具体实施例中，第二人脸特征值为特征值数据库中存储的已授权对象的人脸特征值，在待检测对象活体检测通过的基础上，对待检测对象进行身份验证和权限判定操作。身份验证时主要将目标图像帧中提取出的第一人脸特征值和后台特征值数据库存储的多个第二人脸特征值进行1:1或1：N的模糊匹配，即计算第一人脸特征值与第二人脸特征值之间的差异程度值。如图5所示，特征值数据库的表现形式同样可以是一张或多张关联的数据表，存储有已授权对象的人脸特征值、身份信息(姓名、性别、身份证号)、照片存放的位置和所拥有的权限等级等。

另外，若特征值数据库中存在与待检测对象的第一人脸特征值相匹配的目标第二人脸特征值，即第一人脸特征值与目标第二人脸特征值的差异程度值在预设阈值范围内，则表明待检测对象身份验证成功，此时获取与目标第二人脸特征值一一对应的身份信息，通过该身份信息判定待检测用户所具有的权限。否则直接确定待检测对象身份验证失败，待检测对象同样不能通过人脸识别系统的检测。例如：该目标第二人脸特征值为“890005”，则获取与其对应的身份信息(张xx，男，32019845等)，由该身份信息便能判定待检测对象的权限等级为“A”，其中，“A”可表示某些具体的权限，例如进入某一系统的权限或者操作某一设备的权限等。需要说明的是，图5所示的数据表和权限等级“A”、“B”仅仅是一种示例，对本发明实施例并不造成限定。

该实施方式中，在通过活体检测之后，对待检测对象进行身份验证和鉴权操作，获取待检测对象的权限等级，进一步提高了人脸识别系统的严密性。

可选的，所述第一动作序列中包括指定的人脸动作；上述获取所述第一动作序列对应的判定规则，包括：获取所述第一动作序列中指定的人脸动作对应的判定规则。

上述从所述待检测图像中提取连续图像帧，包括：根据所述第一动作序列中指定的人脸动作的时间线索从所述待检测图像中提取连续图像帧。

其中，在本发明的具体实施方式中，第一动作序列主要根据后台设置的动作序列模式生成，例如，在接收到待检测对象发送的检测请求时，后台设置的动作序列模式是随机组合动作，那么，随机指定几个人脸动作生成第一动作序列，并从动作规则数据库中获取指定的几个人脸动作对应的判定规则得到第一动作序列的判定规则。

时间线索指按照时间的推移，引导信息所指示的第一动作序列中指定的人脸动作的开始时间和结束时间，连续图像帧可以是一个指定人脸动作的连续图像帧，也可以是几个指定人脸动作的连续图像帧。例如，如图6所示，若第一动作序列中指定的人脸动作为左转头、抬头、张嘴，图像帧1-8可以是根据指示左转头开始的时间到张嘴结束的时间，从待检测图像帧中提取的连续图像帧；或者图像帧1-8可以只是根据指示左转头的开始时间到左转头的结束时间从待检测图像中提取的连续图像帧；或者可以是图像帧1-3是根据指示左转头的开始时间到左转头的结束时间从待检测图像中提取的连续图像帧，而图像帧4-8是根据指示抬头的开始时间到张嘴的结束时间从待检测图像中提取的连续图像帧。示例性的，图像帧1-8只是为了举例说明，对本发明实施例并不造成限定。

该实施方式中，根据第一动作序列中指定的人脸动作的时间线索从待检测图像中提取连续图像帧，提高了对待检测对象实际完成的动作序列的合法性判定标准，进一步提升了人脸识别系统抵御恶意攻击的能力。

请参见图7，图7为本发明实施例提供的一种人脸活体检测装置的结构示意图，如图7所示，包括：

动作生成模块701，用于在接收到待检测对象发送的检测请求的情况下生成第一动作序列；

规则获取模块702，用于获取所述第一动作序列对应的判定规则；

图像采集模块703，用于采集所述待检测对象响应引导信息的待检测图像，所述引导信息用于指示所述待检测对象完成所述第一动作序列；

图像提取模块704，用于从所述待检测图像中提取连续图像帧，所述连续图像帧中包括所述待检测对象完成的第二动作序列；

动作分析模块705，用于对所提取的连续图像帧中的所述第二动作序列进行分析，在所述第二动作序列符合所述第一动作序列对应的判定规则的情况下，确定所述待检测对象通过活体检测。

可选的，如图8所示，该装置还包括：

人脸检测模块706，用于对所述连续图像帧中的每一图像帧进行人脸检测，若在预设时间内未检测到人脸，则确定所述待检测对象活体检测失败；

人脸判定模块707，若在预设时间内检测到人脸，则对所述每一图像帧中检测到的人脸进行同一性检测，并从所述连续图像帧中选取用于对所述待检测对象进行身份验证的目标图像帧。

可选的，如图9所示，人脸判定模块707，包括：

定位单元7071，用于采用人脸关键点定位算法定位出所述每一图像帧中检测到的人脸的各关键点；

计算单元7072，用于计算出所述每一图像帧中检测到的人脸在完成所述第二动作序列的过程中，各关键点之间的距离和位置关系；

判定单元7073，用于若所述每一图像帧中检测到的人脸的各关键点之间的距离和位置关系均保持稳定，则认为所述每一图像帧中检测到的人脸为同一被检测人脸，否则不认为所述每一图像帧中检测到的人脸为同一被检测人脸，并确定所述待检测对象活体检测失败。

可选的，如图10所示，所述第一动作序列对应的判定规则包括根据所述第一动作序列所生成的人脸各关键点的第一移动轨迹；动作分析模块705，包括：

分析单元7051，用于根据定位出的所述每一图像帧中检测到的人脸的各关键点，采用人脸关键点跟踪算法获取所述待检测对象在完成所述第二动作序列的过程中各关键点的第二移动轨迹，对所述第二移动轨迹是否符合所述第一移动轨迹进行分析；

确定单元7052，用于若所述第二移动轨迹符合所述第一移动轨迹，则确定所述待检测对象通过活体检测，否则确定所述待检测对象活体检测失败。

可选的，如图11所示，该装置还包括：

特征提取模块708，用于从所述目标图像帧中提取所述待检测对象的第一人脸特征值；

特征匹配模块709，用于将所述第一人脸特征值与预设特征值数据库中存储的多个第二人脸特征值进行匹配，计算所述第一人脸特征值与所述多个第二人脸特征值之间的差异程度值；

第一身份验证模块710，用于若所述多个第二人脸特征值中，存在与所述第一人脸特征值之间的差异程度值在预设阈值范围内的目标第二人脸特征值，则确定所述待检测对象身份验证成功，并从所述预设特征值数据库中获取与所述目标第二人脸特征值具有一一对应关系的身份信息，通过所述身份信息对所述待检测对象进行权限判定；

第二身份验证模块711，用于若所述多个第二人脸特征值中，不存在与所述第一人脸特征值之间的差异程度值在预设阈值范围内的所述目标第二人脸特征值，则确定所述待检测对象身份验证失败。

可选的，如图12所示，所述第一动作序列中包括指定的人脸动作；规则获取模块702，包括：规则获取单元7021，用于获取所述第一动作序列中指定的人脸动作对应的判定规则。图像提取模块704，包括：图像提取单元7041，用于根据所述第一动作序列中指定的人脸动作的时间线索从所述待检测图像中提取连续图像帧。

本发明实施例提供的人脸活体检测装置能够实现上述人脸活体检测方法实施例中的各个实施方式，以及相应有益效果，为避免重复，这里不再赘述。

请参见图13，图13为本发明实施例提供的的一种电子设备的结构示意图，如图13所示，包括：存储器1301、处理器1302及存储在所述存储器1301上并可在所述处理器1302上运行的计算机程序1303，其中：

处理器1302用于调用存储器1301存储的计算机程序1303，执行如下步骤：

在接收到待检测对象发送的检测请求的情况下生成第一动作序列；

获取所述第一动作序列对应的判定规则；

采集所述待检测对象响应引导信息的待检测图像，所述引导信息用于指示所述待检测对象完成所述第一动作序列；

从所述待检测图像中提取连续图像帧，所述连续图像帧中包括所述待检测对象完成的第二动作序列；

对所提取的连续图像帧中的所述第二动作序列进行分析，在所述第二动作序列符合所述第一动作序列对应的判定规则的情况下，确定所述待检测对象通过活体检测。

可选的，处理器1302还用于：

对所述连续图像帧中的每一图像帧进行人脸检测，若在预设时间内未检测到人脸，则确定所述待检测对象活体检测失败；

若在预设时间内检测到人脸，则对所述每一图像帧中检测到的人脸进行同一性检测，并从所述连续图像帧中选取用于对所述待检测对象进行身份验证的目标图像帧。

可选的，处理器1302执行所述对所述每一图像帧中检测到的人脸进行同一性检测，包括：

采用人脸关键点定位算法定位出所述每一图像帧中检测到的人脸的各关键点；

计算出所述每一图像帧中检测到的人脸在完成所述第二动作序列的过程中，各关键点之间的距离和位置关系；

若所述每一图像帧中检测到的人脸的各关键点之间的距离和位置关系均保持稳定，则认为所述每一图像帧中检测到的人脸为同一被检测人脸，否则不认为所述每一图像帧中检测到的人脸为同一被检测人脸，并确定所述待检测对象活体检测失败。

可选的，所述第一动作序列对应的判定规则包括根据所述第一动作序列所生成的人脸各关键点的第一移动轨迹；处理器1302执行所述对所提取的连续图像帧中的所述第二动作序列进行分析，包括：

根据定位出的所述每一图像帧中检测到的人脸的各关键点，采用人脸关键点跟踪算法获取所述待检测对象在完成所述第二动作序列的过程中各关键点的第二移动轨迹，对所述第二移动轨迹是否符合所述第一移动轨迹进行分析；

若所述第二移动轨迹符合所述第一移动轨迹，则确定所述待检测对象通过活体检测，否则确定所述待检测对象活体检测失败。

可选的，处理器1302还用于：

从所述目标图像帧中提取所述待检测对象的第一人脸特征值；

将所述第一人脸特征值与预设特征值数据库中存储的多个第二人脸特征值进行匹配，计算所述第一人脸特征值与所述多个第二人脸特征值之间的差异程度值；

若所述多个第二人脸特征值中，存在与所述第一人脸特征值之间的差异程度值在预设阈值范围内的目标第二人脸特征值，则确定所述待检测对象身份验证成功，并从所述预设特征值数据库中获取与所述目标第二人脸特征值具有一一对应关系的身份信息，通过所述身份信息对所述待检测对象进行权限判定；

若所述多个第二人脸特征值中，不存在与所述第一人脸特征值之间的差异程度值在预设阈值范围内的所述目标第二人脸特征值，则确定所述待检测对象身份验证失败。

可选的，所述第一动作序列中包括指定的人脸动作；处理器1302执行所述获取所述第一动作序列对应的判定规则，包括：获取所述第一动作序列中指定的人脸动作对应的判定规则。处理器1302执行所述从所述待检测图像中提取连续图像帧，包括：根据所述第一动作序列中指定的人脸动作的时间线索从所述待检测图像中提取连续图像帧。

示例性的，上述电子设备可以是手机、计算机、笔记本电脑、平板电脑、掌上电脑及可穿戴设备等。电子设备可包括但不仅限于处理器1302、存储器1301。本领域技术人员可以理解，所述示意图仅仅是电子设备的示例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。

需要说明的是，由于电子设备的处理器1302执行计算机程序1303时实现上述的人脸活体检测方法中的步骤，因此上述人脸活体检测方法的实施方式均适用于该电子设备，且均能达到相同或相似的有益效果。

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述的人脸活体检测方法中的步骤。

示例性的，计算机可读存储介质的计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。

需要说明的是，由于计算机可读存储介质的计算机程序被处理器执行时实现上述的人脸活体检测方法中的步骤，因此上述人脸活体检测方法的所有实施方式均适用于该计算机可读存储介质，且均能达到相同或相似的有益效果。

以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种人脸活体检测方法，其特征在于，所述方法包括：

在接收到待检测对象发送的检测请求的情况下生成第一动作序列；

获取所述第一动作序列对应的判定规则；

采集所述待检测对象响应引导信息的待检测图像，所述引导信息用于指示所述待检测对象完成所述第一动作序列；

从所述待检测图像中提取连续图像帧，所述连续图像帧中包括所述待检测对象完成的第二动作序列；

对所提取的连续图像帧中的所述第二动作序列进行分析，在所述第二动作序列符合所述第一动作序列对应的判定规则的情况下，确定所述待检测对象通过活体检测。

2.根据权利要求1所述的方法，其特征在于，在所述对所提取的连续图像帧中的所述第二动作序列进行分析之前，所述方法还包括：

对所述连续图像帧中的每一图像帧进行人脸检测，若在预设时间内未检测到人脸，则确定所述待检测对象活体检测失败；

若在预设时间内检测到人脸，则对所述每一图像帧中检测到的人脸进行同一性检测，并从所述连续图像帧中选取用于对所述待检测对象进行身份验证的目标图像帧。

3.根据权利要求2所述的方法，其特征在于，所述对所述每一图像帧中检测到的人脸进行同一性检测，包括：

采用人脸关键点定位算法定位出所述每一图像帧中检测到的人脸的各关键点；

计算出所述每一图像帧中检测到的人脸在完成所述第二动作序列的过程中，各关键点之间的距离和位置关系；

若所述每一图像帧中检测到的人脸的各关键点之间的距离和位置关系均保持稳定，则认为所述每一图像帧中检测到的人脸为同一被检测人脸，否则不认为所述每一图像帧中检测到的人脸为同一被检测人脸，并确定所述待检测对象活体检测失败。

4.根据权利要求3所述的方法，其特征在于，所述第一动作序列对应的判定规则包括根据所述第一动作序列所生成的人脸各关键点的第一移动轨迹；

所述对所提取的连续图像帧中的所述第二动作序列进行分析，包括：

根据定位出的所述每一图像帧中检测到的人脸的各关键点，采用人脸关键点跟踪算法获取所述待检测对象在完成所述第二动作序列的过程中各关键点的第二移动轨迹，对所述第二移动轨迹是否符合所述第一移动轨迹进行分析；

若所述第二移动轨迹符合所述第一移动轨迹，则确定所述待检测对象通过活体检测，否则确定所述待检测对象活体检测失败。

5.根据权利要求2所述的方法，其特征在于，在确定所述待检测对象通过活体检测之后，所述方法还包括：

从所述目标图像帧中提取所述待检测对象的第一人脸特征值；

将所述第一人脸特征值与预设特征值数据库中存储的多个第二人脸特征值进行匹配，计算所述第一人脸特征值与所述多个第二人脸特征值之间的差异程度值；

若所述多个第二人脸特征值中，存在与所述第一人脸特征值之间的差异程度值在预设阈值范围内的目标第二人脸特征值，则确定所述待检测对象身份验证成功，并从所述预设特征值数据库中获取与所述目标第二人脸特征值具有一一对应关系的身份信息，通过所述身份信息对所述待检测对象进行权限判定；

若所述多个第二人脸特征值中，不存在与所述第一人脸特征值之间的差异程度值在预设阈值范围内的所述目标第二人脸特征值，则确定所述待检测对象身份验证失败。

6.根据权利要求1所述的方法，其特征在于，所述第一动作序列中包括指定的人脸动作；

所述获取所述第一动作序列对应的判定规则，包括：

获取所述第一动作序列中指定的人脸动作对应的判定规则；

所述从所述待检测图像中提取连续图像帧，包括：

根据所述第一动作序列中指定的人脸动作的时间线索从所述待检测图像中提取连续图像帧。

7.一种人脸活体检测装置，其特征在于，包括：

动作生成模块，用于在接收到待检测对象发送的检测请求的情况下生成第一动作序列；

规则获取模块，用于获取所述第一动作序列对应的判定规则；

图像采集模块，用于采集所述待检测对象响应引导信息的待检测图像，所述引导信息用于指示所述待检测对象完成所述第一动作序列；

图像提取模块，用于从所述待检测图像中提取连续图像帧，所述连续图像帧中包括所述待检测对象完成的第二动作序列；

动作分析模块，用于对所提取的连续图像帧中的所述第二动作序列进行分析，在所述第二动作序列符合所述第一动作序列对应的判定规则的情况下，确定所述待检测对象通过活体检测。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

人脸检测模块，用于对所述连续图像帧中的每一图像帧进行人脸检测，若在预设时间内未检测到人脸，则确定所述待检测对象活体检测失败；

人脸判定模块，若在预设时间内检测到人脸，则对所述每一图像帧中检测到的人脸进行同一性检测，并从所述连续图像帧中选取用于对所述待检测对象进行身份验证的目标图像帧。

9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的人脸活体检测方法中的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的人脸活体检测方法中的步骤。