CN110276313A - 身份认证方法、身份认证装置、介质和计算设备 - Google Patents

身份认证方法、身份认证装置、介质和计算设备 Download PDF

Info

Publication number
CN110276313A
CN110276313A CN201910558335.8A CN201910558335A CN110276313A CN 110276313 A CN110276313 A CN 110276313A CN 201910558335 A CN201910558335 A CN 201910558335A CN 110276313 A CN110276313 A CN 110276313A
Authority
CN
China
Prior art keywords
video frame
video
sequence
frames
face
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
CN201910558335.8A
Other languages
English (en)
Other versions
CN110276313B (zh
Inventor
徐国智
董彬
李雨珂
杨卫强
朱浩齐
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.)
Hangzhou Netease Zhiqi Technology Co Ltd
Original Assignee
Netease Hangzhou Network 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 Netease Hangzhou Network Co Ltd filed Critical Netease Hangzhou Network Co Ltd
Priority to CN201910558335.8A priority Critical patent/CN110276313B/zh
Publication of CN110276313A publication Critical patent/CN110276313A/zh
Application granted granted Critical
Publication of CN110276313B publication Critical patent/CN110276313B/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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本发明的实施方式提供了一种身份认证方法，包括：基于身份认证请求，输出动作指令，所述动作指令指示一个或多个指定动作；在第一预定时间段内获取视频帧序列；检测所述视频帧序列是否表征所述一个或多个指定动作；以及，如果是，则基于所述视频帧序列进行人脸识别，并在人脸识别成功时确定身份认证成功。本发明的实施方式还提供了一种身份认证装置、介质和计算设备。

Description

身份认证方法、身份认证装置、介质和计算设备
技术领域
本发明的实施方式涉及计算机技术领域，更具体地，本发明的实施方式涉及身份认证方法、身份认证装置、介质和计算设备。
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。
人脸识别作为一项较为成熟的生物识别技术，目前已广泛应用于金融、公安、社会服务、电子商务等领域。然而现有技术中，由于人脸很容易用视频或照片等进行复制或伪装，在利用人脸识别进行身份认证的过程中，一些不法分子会尝试利用正常用户的视频或照片进行身份认证，进而实现非法登录等恶意行为。可见，现有的仅通过人脸识别进行身份认证的方式安全性较低。
发明内容
在本上下文中，本发明的实施方式期望提供一种安全性更高的身份认证方法和装置。
在本发明实施方式的第一方面中，提供了一种身份认证方法，包括：基于身份认证请求，输出动作指令，所述动作指令指示一个或多个指定动作；在第一预定时间段内获取视频帧序列；检测所述视频帧序列是否表征所述一个或多个指定动作；以及，如果是，则基于所述视频帧序列进行人脸识别，并在人脸识别成功时确定身份认证成功。其中，当一个指定动作为一个面部器官的开合动作时，检测所述视频帧序列是否表征所述一个指定动作包括：在所述视频帧序列中确定一个基准视频帧；对于所述视频帧序列中除所述基准视频帧之外的任一视频帧，将所述任一视频帧与所述基准视频帧相比，获得针对所述任一视频帧与所述一个面部器官相关的至少两个变化评价指标，并基于所述至少两个变化评价指标确定所述任一视频帧是否符合预定条件；以及当所述视频帧序列中的一个或多个视频帧符合预定条件时，确定所述视频帧序列表征所述一个指定动作。
在本发明的一个实施例中，上述获得针对所述任一视频帧与所述一个面部器官相关的至少两个变化评价指标包括：分别计算所述任一视频帧中的所述一个面部器官的第一平均长宽比以及所述基准视频帧中的所述一个面部器官的第二平均长宽比，并计算所述第一平均长宽比相对于所述第二平均长宽比的第一变化率；以及，计算所述任一视频帧中的所述一个面部器官的分布范围与所述基准视频帧中的所述一个面部器官的分布范围之间的第二变化率。其中，所述第一变化率和所述第二变化率作为所述两个变化评价指标。
在本发明的另一实施例中，上述计算所述任一视频帧中的所述一个面部器官的第一平均长宽比包括：在所述任一视频帧中提取所述一个面部器官的关键点坐标；基于所述关键点坐标确定所述一个面部器官在所述任一视频帧中的横向最大尺寸和纵向平均尺寸；以及，计算所述纵向平均尺寸与所述横向最大尺寸的比值，所述比值作为所述第一平均长宽比。
在本发明的又一实施例中，上述计算所述任一视频帧中的所述一个面部器官的分布范围与所述基准视频帧中的所述一个面部器官的分布范围之间的第二变化率包括：在所述任一视频帧中确定一预定坐标范围的图像为第一区域，并在所述基准视频帧中确定与所述预定坐标范围对应的图像为第二区域，所述第一区域和所述第二区域包括所述一个面部器官的图像；以及，计算所述第一区域内的各像素点与所述第二区域内的各像素点之间关于像素值的均方差值，其中所述均方差值作为所述第二变化率。
在本发明的再一实施例中，上述基于所述至少两个变化评价指标确定所述任一视频帧是否符合预定条件包括：基于所述至少两个变化评价指标获得综合变化评价指标；以及，当所述综合变化评价指标大于预定阈值时，确定所述任一视频帧符合预定条件。
在本发明的再一实施例中，上述基于所述至少两个变化评价指标获得综合变化评价指标包括：为所述第一变化率设置第一权重；为所述第二变化率设置第二权重；以及，基于所述第一权重和所述第二权重，对所述第一变化率和第二变化率进行加权求和，得到所述综合变化评价指标。
在本发明的再一实施例中，上述方法还包括：在所述检测所述视频帧序列是否表征所述一个或多个指定动作之前，对所述视频帧序列中的视频帧进行图像增强处理。
在本发明的再一实施例中，上述动作指令包括准备状态指令，上述在所述视频帧序列中确定一个基准视频帧包括：确定在输出所述状态准备指令后的第二预定时间段内获取的视频帧中的一个视频帧为基准视频帧。
在本发明的再一实施例中，上述一个指定动作为眨眼动作或张嘴动作。
在本发明实施方式的第二方面中，提供了一种身份认证装置，包括：指令输出模块、视频获取模块、检测模块、以及识别模块。指令输出模块用于基于身份认证请求，输出动作指令，所述动作指令指示一个或多个指定动作。视频获取模块用于在预定时间段内获取视频帧序列。检测模块用于检测所述视频帧序列是否表征所述一个或多个指定动作。以及，识别模块用于在所述视频帧序列表征所述一个或多个指定动作时，则基于所述视频帧序列进行人脸识别，并在人脸识别成功时确定身份认证成功。
其中，上述一个指定动作为一个面部器官的开合动作。检测模块包括：第一确定子模块、评价子模块以及第二确定子模块。第一确定子模块用于在所述视频帧序列中确定一个基准视频帧。评价子模块用于对于所述视频帧序列中除所述基准视频帧之外的任一视频帧，将所述任一视频帧与所述基准视频帧相比，获得针对所述任一视频帧与所述一个面部器官相关的至少两个变化评价指标，并基于所述至少两个变化评价指标确定所述任一视频帧是否符合预定条件。以及第二确定子模块用于当所述视频帧序列中的一个或多个视频帧符合预定条件时，确定所述视频帧序列表征所述一个指定动作。
在本发明的一个实施例中，评价子模块包括：第一计算单元和第二计算单元。第一计算单元用于分别计算所述任一视频帧中的所述一个面部器官的第一平均长宽比以及所述基准视频帧中的所述一个面部器官的第二平均长宽比，并计算所述第一平均长宽比相对于所述第二平均长宽比的第一变化率。以及，第二计算单元用于计算所述任一视频帧中的所述一个面部器官的分布范围与所述基准视频帧中的所述一个面部器官的分布范围之间的第二变化率。其中，所述第一变化率和所述第二变化率作为所述两个变化评价指标。
在本发明的另一实施例中，第一计算单元具体用于在所述任一视频帧中提取所述一个面部器官的关键点坐标；基于所述关键点坐标确定所述一个面部器官在所述任一视频帧中的横向最大尺寸和纵向平均尺寸；以及，计算所述纵向平均尺寸与所述横向最大尺寸的比值，所述比值作为所述第一平均长宽比。
在本发明的又一实施例中，第二计算单元具体用于在所述任一视频帧中确定一预定坐标范围的图像为第一区域，并在所述基准视频帧中确定与所述预定坐标范围对应的图像为第二区域，所述第一区域和所述第二区域包括所述一个面部器官的图像；以及，计算所述第一区域内的各像素点与所述第二区域内的各像素点之间关于像素值的均方差值，其中所述均方差值作为所述第二变化率。
在本发明的再一实施例中，评价子模块还包括：综合评价单元和判断单元。综合评价单元用于基于所述至少两个变化评价指标获得综合变化评价指标。以及，判断单元用于当所述综合变化评价指标大于预定阈值时，确定所述任一视频帧符合预定条件。
在本发明的再一实施例中，综合评价单元具体用于为所述第一变化率设置第一权重；为所述第二变化率设置第二权重；以及，基于所述第一权重和所述第二权重，对所述第一变化率和第二变化率进行加权求和，得到所述综合变化评价指标。
在本发明的再一实施例中，上述装置还包括增强处理模块，用于在所述检测所述视频帧序列是否表征所述一个或多个指定动作之前，对所述视频帧序列中的视频帧进行图像增强处理。
在本发明的再一实施例中，上述动作指令包括准备状态指令，第一确定子模块具体用于确定在输出所述状态准备指令后的第二预定时间段内获取的视频帧中的一个视频帧为基准视频帧。
在本发明的再一实施例中，上述一个指定动作为眨眼动作或张嘴动作。
在本发明实施方式的第三方面中，提供了一种介质，存储有计算机可执行指令，指令在被处理器执行时用于实现：上述实施例中任一项所述的身份认证方法。
在本发明实施方式的第四方面中，提供了一种计算设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的可执行指令，处理器执行指令时实现：上述实施例中任一项所述的身份认证方法。
根据本发明实施方式的身份认证方法和装置，在接收到身份认证请求时，不直接进行人脸识别，而是先通过动作指令指示用户执行一个或多个指定动作，在输出动作指令后的第一预定时间段内获取视频帧序列，通过检测该视频帧序列中是否表征一个或多个指定动作来判定当前请求身份认证的用户是否是真实的用户，如果是则再基于该视频帧序列进行人脸识别认证，一方面实现了用户的活体验证，并通过视频帧序列始终对同一用户的图像进行跟踪，能够防止不法分子试图利用用户的照片进行人脸识别等恶意认证行为，提高身份认证过程的安全性。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
图1示意性地示出了根据本发明实施方式的身份认证方法及其装置的应用场景；
图2A示意性地示出了根据本发明一个实施例的身份认证方法的流程图；
图2B示意性地示出了根据本发明一个实施例的检测视频帧序列的过程的流程图；
图3A示意性地示出了根据本发明一个实施例的人脸区域的关键点分布示意图；
图3B示意性地示出了根据本发明一个实施例的眼部的关键点分布示意图；
图4示意性地示出了根据本发明一个实施例的身份认证装置的框图；
图5示意性地示出了根据本发明另一个实施例的身份认证装置的框图；
图6示意性地示出了根据本发明实施方式的计算机可读存储介质产品的示意图；以及
图7示意性地示出了根据本发明实施方式的计算设备的框图。
在附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
根据本发明的实施方式，提出了一种身份认证方法、装置、介质和计算设备。
在本文中，需要理解的是，所涉及的术语包括：人脸活体识别、人脸关键点定位、图像增强处理等。其中，人脸活体识别是能够应用于一些身份认证场景以确定被识别对象的真实生理特征的方法。人脸关键点定位是指基于给定人脸图像，定位出该人脸图像的关键区域(包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等)的位置。图像增强处理用于改善图像质量，增强有用信息，抑制无用信息。此外，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。
下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。
发明概述
现有技术中，由于人脸很容易用视频或照片等进行复制或伪装，在利用人脸识别进行身份认证的过程中，一些不法分子会尝试利用正常用户的视频或照片进行身份认证，进而实现非法登录等恶意行为。
为此，本发明实施例提供了一种安全性更高的身份认证方法和装置，该方法包括：基于身份认证请求，输出动作指令，所述动作指令指示一个或多个指定动作；在第一预定时间段内获取视频帧序列；检测所述视频帧序列是否表征所述一个或多个指定动作；以及，如果是，则基于所述视频帧序列进行人脸识别，并在人脸识别成功时确定身份认证成功。
在介绍了本发明的基本原理之后，下面具体介绍本发明的各种非限制性实施方式。
应用场景总览
首先参考图1详细阐述本发明实施例的身份认证方法及其装置的应用场景。
图1示意性地示出了根据本发明实施方式的身份认证方法及其装置的应用场景，在图1所示的应用场景中，可以包括终端设备101、102、103，网络104和服务器105。
网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如工具类应用、社交类应用、购物类应用、网页浏览器应用、搜索类应用等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是，本公开实施例所提供的身份认证方法一般可以由服务器105执行。相应地，本公开实施例所提供的身份认证装置一般可以设置于服务器105中。本公开实施例所提供的身份认证方法一般可以由终端设备101、102、103执行。相应地，本公开实施例所提供的身份认证装置一般可以设置于终端设备101、102、103中。本公开实施例所提供的身份认证方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的身份认证装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实际需要，可以具有任意数目的终端设备、网络和服务器。
示例性方法
下面结合图1的应用场景，参考图2A～图3B来描述根据本发明示例性实施方式的身份认证方法。需要注意的是，上述应用场景仅是为了便于理解本发明的精神和原理而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。
图2A示意性地示出了根据本发明一个实施例的身份认证方法的流程图。
如图2A所示，该方法包括如下操作S210～S240：
操作S210，基于身份认证请求，输出动作指令，所述动作指令指示一个或多个指定动作。
操作S220，在第一预定时间段内获取视频帧序列。
操作S230，检测所述视频帧序列是否表征所述一个或多个指定动作。
操作S240，如果是，则基于所述视频帧序列进行人脸识别，并在人脸识别成功时确定身份认证成功。
可见，图2A所示的方法在接收到身份认证请求时，不直接进行人脸识别，而是先通过动作指令指示用户执行一个或多个指定动作，在输出动作指令后的第一预定时间段内获取视频帧序列，通过检测该视频帧序列中是否表征一个或多个指定动作来判定当前请求身份认证的用户是否是真实的用户，如果是则再基于该视频帧序列进行人脸识别认证，一方面实现了用户的人脸活体识别，并通过视频帧序列始终对同一用户的图像进行跟踪，能够防止不法分子试图利用用户的照片进行人脸识别等恶意认证行为，提高身份认证过程的安全性。
下面参考图2B对上述检测视频帧序列的过程进行说明。
图2B示意性地示出了根据本发明一个实施例的检测视频帧序列的过程的流程图。
如图2B所示，当一个指定动作为一个面部器官的开合动作时，操作S230检测视频帧序列是否表征所述一个指定动作包括如下操作S231～S233：
操作S231，在视频帧序列中确定一个基准视频帧。
其中，基准视频帧可以根据需要在该视频帧序列中进行选择，作为后续与该视频帧序列中的其他视频帧进行比较的参考基准。
操作S232，对于所述视频帧序列中除基准视频帧之外的任一视频帧，将所述任一视频帧与所述基准视频帧相比，获得针对所述任一视频帧与所述一个面部器官相关的至少两个变化评价指标，并基于所述至少两个变化评价指标确定所述任一视频帧是否符合预定条件。
其中，上述检测视频帧是否符合预定条件的过程可以在每获取到视频帧序列中的一个视频帧之后执行，也可以在视频帧序列获取完成之后执行，在此不做限制。
操作S233，当所述视频帧序列中的一个或多个视频帧符合预定条件时，确定所述视频帧序列表征所述一个指定动作。
可见，在检测视频帧序列是否表征一个面部器官的开合动作时，图2B所示的方法将视频帧序列中的每一视频帧与基准视频帧进行比较，获得该视频帧的关于该面部器官的至少两个变化评价指标，基于该至少两个变化评价指标可以确定该视频帧是否符合预定条件，也就是确认该视频帧中的该面部器官与基准视频帧中的该面部器官之间的变化是否超过预定的程度。当视频帧序列中的一个或多个视频帧符合预定条件时，确定当前请求身份认证的用户执行了该面部器官的开合动作。可以看出，这里通过第一变化率以及第二变化率至少两个维度来判定每一视频帧中的该面部器官的变化，且该变化是相对于同一视频帧序列中的基准视频帧的相对变化，由于同一视频帧序列是在相同环境下、针对相同用户拍摄得到的，排除了环境因素以及用户个人因素的干扰，因此该相对变化更改能够针对性地反映出由于用户执行指定动作而导致的变化，进而使得检测结果更加准确。
在本公开的一个实施例中，上述获得针对所述任一视频帧与所述一个面部器官相关的至少两个变化评价指标可以包括：分别计算所述任一视频帧中的所述一个面部器官的第一平均长宽比以及所述基准视频帧中的所述一个面部器官的第二平均长宽比，并计算所述第一平均长宽比相对于所述第二平均长宽比的第一变化率。以及，计算所述任一视频帧中的所述一个面部器官的分布范围与所述基准视频帧中的所述一个面部器官的分布范围之间的第二变化率。其中，所述第一变化率和所述第二变化率作为所述两个变化评价指标。
其中具体地，上述计算所述任一视频帧中的所述一个面部器官的第一平均长宽比可以包括：在所述任一视频帧中提取所述一个面部器官的关键点坐标；基于所述关键点坐标确定所述一个面部器官在所述任一视频帧中的横向最大尺寸和纵向平均尺寸；以及，计算所述纵向平均尺寸与所述横向最大尺寸的比值，所述比值作为所述第一平均长宽比。
同理，上述计算所述基准视频帧中的所述一个面部器官的第二平均长宽比可以包括：在所述基准视频帧中提取所述一个面部器官的关键点坐标；基于所述关键点坐标确定所述一个面部器官在所述基准视频帧中的横向最大尺寸和纵向平均尺寸；以及，计算所述纵向平均尺寸与所述横向最大尺寸的比值，所述比值作为所述第二平均长宽比。接着，可以计算第一平均长宽比相对于第二平均长宽比的第一变化率。
在本公开的一个实施例中，上述计算所述任一视频帧中的所述一个面部器官的分布范围与所述基准视频帧中的所述一个面部器官的分布范围之间的第二变化率可以包括：在所述任一视频帧中确定一预定坐标范围的图像为第一区域，并在所述基准视频帧中确定与所述预定坐标范围对应的图像为第二区域，第一区域和第二区域均包括所述一个面部器官的图像；以及计算第一区域内的各像素点与第二区域内的各像素点之间关于像素值的均方差值，将该均方差值作为所述第二变化率。
在另一实施例中，也可以在基准视频帧中确定预定坐标范围，将基准视频帧中该预定坐标范围内的图像作为第一区域，将所述任一视频帧中与该预定坐标范围内的图像作为第二区域。通过计算第一区域内的各像素点与第二区域内的各像素点之间关于像素值的均方差值来获得第二变化率。
在本公开的一个实施例中，上述基于所述至少两个变化评价指标确定所述任一视频帧是否符合预定条件可以包括：基于所述至少两个变化评价指标获得综合变化评价指标；以及，当该综合变化评价指标大于预定阈值时，确定所述任一视频帧符合预定条件。
其中具体地，上述基于所述至少两个变化评价指标获得综合变化评价指标可以包括：为第一变化率设置第一权重；为第二变化率设置第二权重；以及，基于第一权重和第二权重，对第一变化率和第二变化率进行加权求和，得到综合变化评价指标。
在本公开的实施例中，指定动作可以包括例如眨眼动作、摇头动作、点头动作、张嘴动作等，在此不做限制。当一个指定动作为一个面部器官的开合动作时，该指定动作可以为例如眨眼动作或张嘴动作等。动作指令可以指示一个或多个指定动作，并且在动作指令指示多个指定动作时，还指示多个指定动作的执行顺序。上述检测视频帧序列表征动作指令所指示的一个或多个动作具体可以是指：该视频帧序列包括包含该一个或多个指定动作的视频帧，且包含多个指定动作的视频帧之间的顺序关系与动作指令所指示的多个指定动作的执行顺序一致。
在本公开的实施例中，客户端响应于用户的登录操作，向服务器发送身份认证请求，该身份认证请求中可以包括如时间、用户标识信息(例如用户ID)、认证令牌(Token)等参数。服务器接收到该身份认证请求后，对该身份认证请求进行解析，保存该身份认证请求的相关信息，并随机生成动作指令并发送至客户端，该动作指令可以是由指示一个或多个指定动作的一个或多个信息按照一定顺序组成的集合。客户端在接收到该动作指令后，可以向用户输出动作指令，该动作指令可以通过如语音、文字、图像等方式输出，该动作指令指示一个或多个指定动作。例如，客户端通过语音形式输出动作指令：“请先执行眨眼动作，再执行点头动作”，以使用户依据该动作指令先执行眨眼动作再执行点头动作。同时，客户端获取其所在设备的相机权限，打开摄像头获取视频帧序列。
进一步，作为一个可选的实施例，上述动作指令可以包括准备状态指令，可以将在输出所述状态准备指令后的第二预定时间段内获取的视频帧中的一个视频帧确定为基准视频帧。例如，客户端先输出动作指令中的准备状态指令：如“请准备”、“请保持正视屏幕”等，在输出该准备状态指令的第二预定时间段内获取到基准视频帧，该基准视频帧可以作为视频帧序列的初始视频帧。接着，客户端再输出动作指令中的后续指令：如“请执行眨眼动作”，以使用户依据该动作指令执行眨眼动作，进而获取到第一预定时间段内的后续视频帧序列。
下面以动作指令指示用户执行眨眼动作的情景作为示例，对根据本公开实施例的身份认证方法进行举例说明：
获取动作指令输出后的第一预定时间段内的视频帧序列，确定初始视频帧为基准视频帧，本例中该基准视频帧实质上为当前进行身份认证的用户在正常睁眼状态下的人脸图像。在获取视频帧序列的过程中，每获取到一个视频帧，便可执行以下操作。
获取到一个视频帧A后，可以对该视频帧A进行图像增强处理，以减少由于图像质量与光照变化等原因造成的抖动，本例中可以采用如AHE(Adaptive HistogramEqualization，自适应直方图均衡)、CLAHE(Contrast-Limited Adaptive HistogramEqualization，限制对比度自适应直方图均衡)等算法对视频帧A进行图像增强处理。然后在视频帧A中进行人脸检测，该人脸检测过程可以在客户端实施，针对客户端有限的计算资源，同时兼顾算法的实时性，需要利用轻量化框架，例如利用移动端高性能神经网络前向计算框架(NCNN)、移动端机器学习框架(CoreML)等移动端框架进行移动端算法的部署。为了兼顾客户端所在的机型覆盖，本实施例采用哈尔(Haar)特征的级联(Cascades)分类器进行人脸检测。其中，Haar特征分为三类：边缘特征、线性特征、以及方块特征。各特征可表示为特征模板，特征模板内有白色和黑色两种矩形，定义该特征模板的特征值可等于白方块的像素值总和与黑方块的像素值总和之间的差值。在进行人脸检测时，将特征模板通过滑动窗的方式在视频帧A上进行滑动，提取与各区域对应的Haar特征。在判断视频帧A中的一个区域是否为人脸时，利用已训练好的分类器对与该区域对应的Haar特征进行判别，从而可以确定视频帧A中人脸的区域位置，可以称之为视频帧A中的人脸区域。接着，对上述人脸区域进行关键点定位，关键点定位方法包括但不限于ASM(Active Shape Model，主动形状模型)算法，TCDCN(Tasks-Constrained Deep Convolutional Network，多约束深度卷积网络)等，所定位的关键点坐标序号请参考图3A。
图3A示意性地示出了根据本发明一个实施例的人脸区域的关键点分布示意图。如图3A所示，通过人脸区域的关键点定位，获得了表征当前进行身份认证的用户的眉毛、眼睛、鼻子、嘴巴、脸部轮廓等面部器官的关键点分布。
本例中，为检测当前进行身份认证的用户是否按照动作指令的指示执行眨眼动作，基于图3A所示的关键点分布，分别提取与左右眼部对应的关键点坐标：左眼和右眼分别对应于6个关键点，与左眼对应的关键点提取范围为第37至第42点，与右眼对应的关键点提取范围为第43至第48点。
图3B示意性地示出了根据本发明一个实施例的眼部的关键点分布示意图。如图3B所示，左图为一个实施例中所提取的眼部关键点的示意图，右图为另一实施例中所提取的眼部关键点的示意图。将与该眼部对应的6个关键点的坐标标示为P1～P6，其中，P1和P4之间的距离表征该眼部的横向距离，P2和P6之间的距离表征该眼部的一个纵向距离，P3和P5之间的距离表征该眼部的另一个纵向距离。
根据眼部关键点分布确定预定坐标范围，具体地，分别截取左右眼周围矩形区域，例如长为p1与p4点之间的距离的1.5倍，宽为p2与p6之间的距离以及p3与p5之间的距离的总和的平均值的1.2倍。
分别计算左右眼的EAR(Eye Aspect Ratio，眼部相对长宽比)，以图3B所示的一个眼睛为例，利用如下公式(1)计算EAR：
然后对于得到的左右眼的两个EAR计算平均值，得到平均EAR，作为视频帧A中眼部的第一平均长宽比。再计算基准视频帧中眼部的第二平均长宽比EAR0，由于计算原理相同，在此不再赘述。
基于上述第一平均长宽比和第二平均长宽比，利用公式(2)计算视频帧A相对于基准视频帧的第一变化率△T：
接着，计算视频帧A相对于基准视频帧的眼部相对区域变化率。具体地，上文中已确定一个预定坐标范围，确定视频帧A中与预定坐标范围对应的第一矩形区域，确定基准视频帧中与预定坐标范围对应的第二矩形区域，第一矩形区域和第二矩形区域均包含当前进行身份认证的用户的同一眼部图像。本例计算第一矩形区域与第二矩形区域之间的均方差MSE，作为视频帧A相对于基准视频帧的第二变化率。如公式(3)所示：
其中，x(i，j)表示视频帧A的第一矩形区域中位置坐标为(i，j)的像素点的像素值，y(i，j)表示基准视频帧的第二矩形区域中位置坐标为(i，j)的像素点的像素值，m为j的最大取值，n为i的最大取值。
在得到视频帧A相对于基准视频帧的第一变化率和第二变化率之后，基于该第一变化率和第二变化率可获得视频帧A相对于基准视频帧的综合变化评价指标。具体地，本例利用公式(4)计算视频帧A相对于基准视频帧的眨眼综合判定指标Score，作为关于眼部的综合变化指标。
Score＝ΔT+λ×MSE (4)
本例中，与第一变化率对应的第一权重为1，与第二变化率对应的第二权重为λ，在其他例子中，可以根据需要对第一权重和第二权重进行设置，在此不做限制。
在得到视频帧A相对于基准视频帧的关于眼部的综合变化指标Score后，将该Score与预定阈值进行比较，当Score大于预定阈值时，确定视频帧A相对于基准视频帧的关于眼部的变化程度达到一定程度，可以确定视频帧A符合预定条件。反之，当Score不大于预定阈值时，确定视频帧A相对于基准视频帧的关于眼部的变化程度比较小，可以确定视频帧A不符合预定条件。
对于视频帧序列中的其他任一视频帧，均可按照如上述视频帧A的处理过程进行处理，在此不再赘述。当视频帧序列中存在一个或多个视频帧符合预定条件时，确定该视频帧序列表征当前进行身份认证的用户执行了眨眼动作。
为克服现有技术中人脸识别系统的不足之处，本方案采用人脸交互式视频活体检测方法，人脸活体检测技术是当用户的人脸被检测到之后，用户将被要求进行眨眼、张嘴、摇头等动作，以过滤采用照片进行作假的用户。在整个检测过程中，当前进行身份认证的用户的人脸将会被跟踪，以防止在认证的中途该用户被更换，并且在整个认证过程中会抽取多张人脸照片与后台人脸识别比对服务器预存的用户人脸照片进行人脸比对，以防止其他人进行假冒。指定动作包括左右摇头，上下点头，张嘴眨眼等。对于指定动作的检测，在技术上有较大挑战。以眨眼动作为例，眨眼动作极其迅速，要实时进行捕捉较难。同时，针对不同光照条件下，眼部的纹理特征会发生变化，不同人的眼部大小各有不同，因此对于特征的提取需要泛化性与鲁棒性。本方案提出了一种基于第一变化率和第二变化率的检测视频帧序列是否表征指定动作的方案，具有较高检测的成功率，减少了大量误判。其中，本方案采用人脸关键点定位技术，针对执行指定动作的脸部器官的区域进行实时检测，与基准视频帧的同一脸部器官进行比较，克服了外在环境因素以及用户个人属性的不同而造成的干扰。
示例性装置
在介绍了本发明示例性实施方式的方法之后，接下来，参考图4～图5对本发明示例性实施方式的身份认证装置进行详细阐述。
图4示意性地示出了根据本发明一个实施例的身份认证装置的框图。
如图4所示，该身份认证装置400包括：指令输出模块410、视频获取模块420、检测模块430、以及识别模块440。
指令输出模块410用于基于身份认证请求，输出动作指令，所述动作指令指示一个或多个指定动作。
视频获取模块420用于在预定时间段内获取视频帧序列。
检测模块430用于检测所述视频帧序列是否表征所述一个或多个指定动作。
识别模块440用于在所述视频帧序列表征所述一个或多个指定动作时，则基于所述视频帧序列进行人脸识别，并在人脸识别成功时确定身份认证成功。
其中，上述一个指定动作为一个面部器官的开合动作。检测模块430可以包括：第一确定子模块431、评价子模块432以及第二确定子模块433。
第一确定子模块431用于在所述视频帧序列中确定一个基准视频帧。评价子模块432用于对于所述视频帧序列中除所述基准视频帧之外的任一视频帧，将所述任一视频帧与所述基准视频帧相比，获得针对所述任一视频帧与所述一个面部器官相关的至少两个变化评价指标，并基于所述至少两个变化评价指标确定所述任一视频帧是否符合预定条件。以及第二确定子模块433用于当所述视频帧序列中的一个或多个视频帧符合预定条件时，确定所述视频帧序列表征所述一个指定动作。
图5示意性地示出了根据本发明另一个实施例的身份认证装置的框图。
如图5所示，该身份认证装置500包括：指令输出模块510、视频获取模块520、检测模块530、以及识别模块540。检测模块530可以包括：第一确定子模块531、评价子模块532以及第二确定子模块533。
其中，指令输出模块510、视频获取模块520、检测模块530、以及识别模块540分别具有与指令输出模块410、视频获取模块420、检测模块430、以及识别模块440对应相同的功能，重复的部分不再赘述。并且，第一确定子模块531、评价子模块532以及第二确定子模块533分别具有与第一确定子模块431、评价子模块432以及第二确定子模块433对应相同的功能，重复的部分不再赘述。
在本发明的一个实施例中，评价子模块532包括：第一计算单元和第二计算单元。第一计算单元用于分别计算所述任一视频帧中的所述一个面部器官的第一平均长宽比以及所述基准视频帧中的所述一个面部器官的第二平均长宽比，并计算所述第一平均长宽比相对于所述第二平均长宽比的第一变化率。以及，第二计算单元用于计算所述任一视频帧中的所述一个面部器官的分布范围与所述基准视频帧中的所述一个面部器官的分布范围之间的第二变化率。其中，所述第一变化率和所述第二变化率作为所述两个变化评价指标。
在本发明的另一实施例中，第一计算单元具体用于在所述任一视频帧中提取所述一个面部器官的关键点坐标；基于所述关键点坐标确定所述一个面部器官在所述任一视频帧中的横向最大尺寸和纵向平均尺寸；以及，计算所述纵向平均尺寸与所述横向最大尺寸的比值，所述比值作为所述第一平均长宽比。
在本发明的又一实施例中，第二计算单元具体用于在所述任一视频帧中确定一预定坐标范围的图像为第一区域，并在所述基准视频帧中确定与所述预定坐标范围对应的图像为第二区域，所述第一区域和所述第二区域包括所述一个面部器官的图像；以及，计算所述第一区域内的各像素点与所述第二区域内的各像素点之间关于像素值的均方差值，其中所述均方差值作为所述第二变化率。
在本发明的再一实施例中，评价子模块532还包括：综合评价单元和判断单元。综合评价单元用于基于所述至少两个变化评价指标获得综合变化评价指标。以及，判断单元用于当所述综合变化评价指标大于预定阈值时，确定所述任一视频帧符合预定条件。
在本发明的再一实施例中，综合评价单元具体用于为所述第一变化率设置第一权重；为所述第二变化率设置第二权重；以及，基于所述第一权重和所述第二权重，对所述第一变化率和第二变化率进行加权求和，得到所述综合变化评价指标。
在本发明的再一实施例中，该身份认证装置500还包括增强处理模块550，用于在所述检测所述视频帧序列是否表征所述一个或多个指定动作之前，对所述视频帧序列中的视频帧进行图像增强处理。
在本发明的再一实施例中，上述动作指令包括准备状态指令，第一确定子模块531具体用于确定在输出所述状态准备指令后的第二预定时间段内获取的视频帧中的一个视频帧为基准视频帧。
在本发明的再一实施例中，上述一个指定动作为眨眼动作或张嘴动作。
需要说明的是，装置部分实施例中各模块/单元/子单元等的实施方式、解决的技术问题、实现的功能、以及达到的技术效果分别与方法部分实施例中各对应的步骤的实施方式、解决的技术问题、实现的功能、以及达到的技术效果相同或类似，在此不再赘述。
示例性介质
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，对本发明示例性实施方式的、用于实现身份认证方法的介质进行介绍。
本发明实施例提供了一种介质，存储有计算机可执行指令，上述指令在被处理器执行时用于实现上述方法实施例中任一项所述的身份认证方法。
在一些可能的实施方式中，本发明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设备上运行时，所述程序代码用于使所述计算设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的身份认证方法中的操作步骤。
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。
图6示意性地示出了根据本发明实施方式的计算机可读存储介质产品的示意图，如图6所示，描述了根据本发明的实施方式的用于实现身份认证方法的程序产品60，其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，例如个人电脑上运行。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)一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)。
示例性计算设备
在介绍了本发明示例性实施方式的方法、介质和装置之后，接下来，介绍根据本发明的另一示例性实施方式的用于实现身份认证方法的计算设备。
本发明实施例还提供了一种计算设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的可执行指令，所述处理器执行所述指令时实现上述方法实施例中任一项所述的身份认证方法。
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，根据本发明的用于实现身份认证方法的计算设备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“示例性方法”部分中描述的根据本发明各种示例性实施方式的身份认证方法中的操作步骤。
下面参照图7来描述根据本发明的这种实施方式的用于实现身份认证方法的计算设备70。如图7所示的计算设备70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7所示，计算设备70以通用计算设备的形式表现。计算设备70的组件可以包括但不限于：上述至少一个处理单元701、上述至少一个存储单元702、连接不同系统组件(包括存储单元702和处理单元701)的总线703。
总线703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、图形加速端口、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702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)7021和/或高速缓存存储器7022，还可以进一步包括只读存储器(ROM)7023。
存储单元702还可以包括具有一组(至少一个)程序模块7024的程序/实用工具7025，这样的程序模块7024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。
计算设备70也可以与一个或多个外部设备704(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与计算设备70交互的设备通信，和/或与使得计算设备70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705进行。并且，计算设备70还可以通过网络适配器706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706通过总线703与计算设备70的其它模块通信。应当明白，尽管图中未示出，可以结合计算设备70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。
应当注意，尽管在上文详细描述中提及了身份认证装置的若干单元/模块或子单元/模块，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/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
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。
虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

Claims (12)

1.一种身份认证方法，包括：
基于身份认证请求，输出动作指令，所述动作指令指示一个或多个指定动作；
在第一预定时间段内获取视频帧序列；
检测所述视频帧序列是否表征所述一个或多个指定动作；以及
如果是，则基于所述视频帧序列进行人脸识别，并在人脸识别成功时确定身份认证成功；
其中，当一个指定动作为一个面部器官的开合动作时，检测所述视频帧序列是否表征所述一个指定动作包括：
在所述视频帧序列中确定一个基准视频帧；
对于所述视频帧序列中除所述基准视频帧之外的任一视频帧，将所述任一视频帧与所述基准视频帧相比，获得针对所述任一视频帧与所述一个面部器官相关的至少两个变化评价指标，并基于所述至少两个变化评价指标确定所述任一视频帧是否符合预定条件；以及
当所述视频帧序列中的一个或多个视频帧符合预定条件时，确定所述视频帧序列表征所述一个指定动作。
2.根据权利要求1所述的方法，其中，所述获得针对所述任一视频帧与所述一个面部器官相关的至少两个变化评价指标包括：
分别计算所述任一视频帧中的所述一个面部器官的第一平均长宽比以及所述基准视频帧中的所述一个面部器官的第二平均长宽比，并计算所述第一平均长宽比相对于所述第二平均长宽比的第一变化率；以及
计算所述任一视频帧中的所述一个面部器官的分布范围与所述基准视频帧中的所述一个面部器官的分布范围之间的第二变化率；
其中，所述第一变化率和所述第二变化率作为所述两个变化评价指标。
3.根据权利要求2所述的方法，其中，所述计算所述任一视频帧中的所述一个面部器官的第一平均长宽比包括：
在所述任一视频帧中提取所述一个面部器官的关键点坐标；
基于所述关键点坐标确定所述一个面部器官在所述任一视频帧中的横向最大尺寸和纵向平均尺寸；以及
计算所述纵向平均尺寸与所述横向最大尺寸的比值，所述比值作为所述第一平均长宽比。
4.根据权利要求2所述的方法，其中，所述计算所述任一视频帧中的所述一个面部器官的分布范围与所述基准视频帧中的所述一个面部器官的分布范围之间的第二变化率包括：
在所述任一视频帧中确定一预定坐标范围的图像为第一区域，并在所述基准视频帧中确定与所述预定坐标范围对应的图像为第二区域，所述第一区域和所述第二区域包括所述一个面部器官的图像；以及
计算所述第一区域内的各像素点与所述第二区域内的各像素点之间关于像素值的均方差值，其中所述均方差值作为所述第二变化率。
5.根据权利要求1或2所述的方法，其中，所述基于所述至少两个变化评价指标确定所述任一视频帧是否符合预定条件包括：
基于所述至少两个变化评价指标获得综合变化评价指标；以及
当所述综合变化评价指标大于预定阈值时，确定所述任一视频帧符合预定条件。
6.根据权利要求5所述的方法，其中，所述基于所述至少两个变化评价指标获得综合变化评价指标包括：
为所述第一变化率设置第一权重；
为所述第二变化率设置第二权重；以及
基于所述第一权重和所述第二权重，对所述第一变化率和第二变化率进行加权求和，得到所述综合变化评价指标。
7.根据权利要求1所述的方法，还包括：
在所述检测所述视频帧序列是否表征所述一个或多个指定动作之前，对所述视频帧序列中的视频帧进行图像增强处理。
8.根据权利要求1所述的方法，其中，所述动作指令包括准备状态指令，所述在所述视频帧序列中确定一个基准视频帧包括：确定在输出所述状态准备指令后的第二预定时间段内获取的视频帧中的一个视频帧为基准视频帧。
9.根据权利要求1所述的方法，其中，所述一个指定动作为眨眼动作或张嘴动作。
10.一种身份认证装置，包括：
指令输出模块，用于基于身份认证请求，输出动作指令，所述动作指令指示一个或多个指定动作；
视频获取模块，用于在预定时间段内获取视频帧序列；
检测模块，用于检测所述视频帧序列是否表征所述一个或多个指定动作：以及
识别模块，用于在所述视频帧序列表征所述一个或多个指定动作时，则基于所述视频帧序列进行人脸识别，并在人脸识别成功时确定身份认证成功；
其中，当一个指定动作为一个面部器官的开合动作时，所述检测模块包括：
第一确定子模块，用于在所述视频帧序列中确定一个基准视频帧；
评价子模块，用于对于所述视频帧序列中除所述基准视频帧之外的任一视频帧，将所述任一视频帧与所述基准视频帧相比，获得针对所述任一视频帧与所述一个面部器官相关的至少两个变化评价指标，并基于所述至少两个变化评价指标确定所述任一视频帧是否符合预定条件；以及
第二确定子模块，用于当所述视频帧序列中的一个或多个视频帧符合预定条件时，确定所述视频帧序列表征所述一个指定动作。
11.一种介质，存储有计算机可执行指令，所述指令在被处理器执行时用于实现：
如权利要求1至9中任一项所述的身份认证方法。
12.一种计算设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的可执行指令，所述处理器执行所述指令时实现：
如权利要求1至9中任一项所述的身份认证方法。
CN201910558335.8A 2019-06-25 2019-06-25 身份认证方法、身份认证装置、介质和计算设备 Active CN110276313B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910558335.8A CN110276313B (zh) 2019-06-25 2019-06-25 身份认证方法、身份认证装置、介质和计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910558335.8A CN110276313B (zh) 2019-06-25 2019-06-25 身份认证方法、身份认证装置、介质和计算设备

Publications (2)

Publication Number Publication Date
CN110276313A true CN110276313A (zh) 2019-09-24
CN110276313B CN110276313B (zh) 2022-04-22

Family

ID=67963205

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910558335.8A Active CN110276313B (zh) 2019-06-25 2019-06-25 身份认证方法、身份认证装置、介质和计算设备

Country Status (1)

Country Link
CN (1) CN110276313B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111291668A (zh) * 2020-01-22 2020-06-16 北京三快在线科技有限公司 活体检测方法、装置、电子设备及可读存储介质
CN111523405A (zh) * 2020-04-08 2020-08-11 绍兴埃瓦科技有限公司 人脸识别方法、系统及电子设备
CN112597932A (zh) * 2020-12-28 2021-04-02 上海汽车集团股份有限公司 一种活体检测方法、装置及计算机可读存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622588A (zh) * 2012-03-08 2012-08-01 无锡数字奥森科技有限公司 双验证人脸防伪方法及装置
CN105518713A (zh) * 2015-02-15 2016-04-20 北京旷视科技有限公司 活体人脸验证方法及系统、计算机程序产品
CN107316029A (zh) * 2017-07-03 2017-11-03 腾讯科技（深圳）有限公司 一种活体验证方法及设备
CN107330313A (zh) * 2017-06-30 2017-11-07 努比亚技术有限公司 应用程序控制方法、移动终端及可读存储介质
CN107609494A (zh) * 2017-08-31 2018-01-19 北京飞搜科技有限公司 一种基于静默式的人脸活体检测方法及系统
CN107748876A (zh) * 2017-11-06 2018-03-02 杭州有盾网络科技有限公司 基于移动端的人脸活体识别方法、装置及移动终端
CN108154111A (zh) * 2017-12-22 2018-06-12 泰康保险集团股份有限公司 活体检测方法、系统、电子设备及计算机可读介质
CN108229376A (zh) * 2017-12-29 2018-06-29 百度在线网络技术（北京）有限公司 用于检测眨眼的方法及装置
CN108875461A (zh) * 2017-05-16 2018-11-23 深圳市祈飞科技有限公司 一种人脸活体检测方法以及装置
CN109040033A (zh) * 2018-07-19 2018-12-18 国政通科技有限公司 基于拍摄的身份认证方法、电子设备及存储介质
CN109271950A (zh) * 2018-09-28 2019-01-25 广州云从人工智能技术有限公司 一种基于手机前视摄像头的人脸活体检测方法
CN109871834A (zh) * 2019-03-20 2019-06-11 北京字节跳动网络技术有限公司 信息处理方法和装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622588A (zh) * 2012-03-08 2012-08-01 无锡数字奥森科技有限公司 双验证人脸防伪方法及装置
CN105518713A (zh) * 2015-02-15 2016-04-20 北京旷视科技有限公司 活体人脸验证方法及系统、计算机程序产品
CN108875461A (zh) * 2017-05-16 2018-11-23 深圳市祈飞科技有限公司 一种人脸活体检测方法以及装置
CN107330313A (zh) * 2017-06-30 2017-11-07 努比亚技术有限公司 应用程序控制方法、移动终端及可读存储介质
CN107316029A (zh) * 2017-07-03 2017-11-03 腾讯科技（深圳）有限公司 一种活体验证方法及设备
CN107609494A (zh) * 2017-08-31 2018-01-19 北京飞搜科技有限公司 一种基于静默式的人脸活体检测方法及系统
CN107748876A (zh) * 2017-11-06 2018-03-02 杭州有盾网络科技有限公司 基于移动端的人脸活体识别方法、装置及移动终端
CN108154111A (zh) * 2017-12-22 2018-06-12 泰康保险集团股份有限公司 活体检测方法、系统、电子设备及计算机可读介质
CN108229376A (zh) * 2017-12-29 2018-06-29 百度在线网络技术（北京）有限公司 用于检测眨眼的方法及装置
CN109040033A (zh) * 2018-07-19 2018-12-18 国政通科技有限公司 基于拍摄的身份认证方法、电子设备及存储介质
CN109271950A (zh) * 2018-09-28 2019-01-25 广州云从人工智能技术有限公司 一种基于手机前视摄像头的人脸活体检测方法
CN109871834A (zh) * 2019-03-20 2019-06-11 北京字节跳动网络技术有限公司 信息处理方法和装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111291668A (zh) * 2020-01-22 2020-06-16 北京三快在线科技有限公司 活体检测方法、装置、电子设备及可读存储介质
CN111523405A (zh) * 2020-04-08 2020-08-11 绍兴埃瓦科技有限公司 人脸识别方法、系统及电子设备
CN112597932A (zh) * 2020-12-28 2021-04-02 上海汽车集团股份有限公司 一种活体检测方法、装置及计算机可读存储介质
CN112597932B (zh) * 2020-12-28 2024-07-19 上海汽车集团股份有限公司 一种活体检测方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
CN110276313B (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
US11580203B2 (en) Method and apparatus for authenticating a user of a computing device
CN108804884B (zh) 身份认证的方法、装置及计算机存储介质
Dahia et al. Continuous authentication using biometrics: An advanced review
CN109359548A (zh) 多人脸识别监控方法及装置、电子设备及存储介质
CN108470169A (zh) 人脸识别系统及方法
Fong et al. A biometric authentication model using hand gesture images
CN110276313A (zh) 身份认证方法、身份认证装置、介质和计算设备
CN108229376A (zh) 用于检测眨眼的方法及装置
KR20170000128A (ko) 다중 생체 인증을 통한 모바일 전자 문서 시스템
Smith-Creasey et al. Continuous face authentication scheme for mobile devices with tracking and liveness detection
CN108460266A (zh) 用于认证身份的方法和装置
CN108154111A (zh) 活体检测方法、系统、电子设备及计算机可读介质
Abate et al. On the impact of multimodal and multisensor biometrics in smart factories
Blanco-Gonzalo et al. Time evolution of face recognition in accessible scenarios
Sedik et al. An efficient cybersecurity framework for facial video forensics detection based on multimodal deep learning
Pan et al. Magthief: Stealing private app usage data on mobile devices via built-in magnetometer
Boakes et al. Exploring mobile biometric performance through identification of core factors and relationships
Shen et al. Iritrack: Face presentation attack detection using iris tracking
Biswas et al. Smart city development: Theft handling of public vehicles using image analysis and cloud network
Mizinov et al. Parametric study of hand dorsal vein biometric recognition vulnerability to spoofing attacks
Chang et al. WiCapose: Multi-modal fusion based transparent authentication in mobile environments
Xin et al. A survey of liveness detection methods for face biometric systems
Yong et al. Facial expression monitoring system using pca-bayes classifier
Abbaas et al. Evaluation of biometric user authentication using an ensemble classifier with face and voice recognition
Bharadwaj et al. Reliable human authentication using AI-based multibiometric image sensor fusion: Assessment of performance in information security

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
TA01 Transfer of patent application right

Effective date of registration: 20210928

Address after: 310052 Room 408, building 3, No. 399, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Hangzhou Netease Zhiqi Technology Co.,Ltd.

Address before: 310052 Building No. 599, Changhe Street Network Business Road, Binjiang District, Hangzhou City, Zhejiang Province, 4, 7 stories

Applicant before: NETEASE (HANGZHOU) NETWORK Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant