CN110287672A - 验证方法及装置、电子设备和存储介质 - Google Patents

验证方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN110287672A
CN110287672A CN201910569133.3A CN201910569133A CN110287672A CN 110287672 A CN110287672 A CN 110287672A CN 201910569133 A CN201910569133 A CN 201910569133A CN 110287672 A CN110287672 A CN 110287672A
Authority
CN
China
Prior art keywords
image
target object
infrared
result
obtains
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
Application number
CN201910569133.3A
Other languages
English (en)
Inventor
梁鼎
吴立威
陈楠
刘春秋
李启铭
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.)
Shenzhen Sensetime Technology Co Ltd
Original Assignee
Shenzhen Sensetime Technology 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 Shenzhen Sensetime Technology Co Ltd filed Critical Shenzhen Sensetime Technology Co Ltd
Priority to CN201910569133.3A priority Critical patent/CN110287672A/zh
Publication of CN110287672A publication Critical patent/CN110287672A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • 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
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H04M1/72463—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions to restrict the functionality of the device

Abstract

本公开涉及一种验证方法及装置、电子设备和存储介质，所述方法包括：采集目标对象的红外图像；对深度图像进行活体检测处理，获得活体检测结果；在活体检测结果为活体的情况下，对红外图像进行特征提取，获得的红外特征；根据红外特征对目标对象进行验证处理，获得验证结果。根据本公开的实施例的验证方法，可对目标对象的深度图像进行活体检测，在目标对象为活体的情况下对目标对象的红外图像进行验证，可降低被非法用户利用照片、视频等非法解锁的概率，且基于红外图像的采集过程不受强光、弱光、逆光等环境光影响的特点，从红外图像中提取到的红外特征也更为准确，得到的验证结果也更为准确。

Description

验证方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机视觉技术领域，尤其涉及一种验证方法及装置、电子设备和存储介质。
背景技术
在智能手机及相关技术快速更新的今天，通过生物特征识别来进行安全防护已经成为手机产品发展的趋势。如今人脸识别技术为手机产品提供兼具安全性和准确性的人脸解锁功能。
目前被广泛采用的手机人脸解锁方案是利用RGB摄像头的解锁方案，该方案成本中，RGB摄像头采集的人脸图像会被不同光照所影响，一定程度上限制了手机人脸解锁的使用场景，且可能会被非法用户利用照片、视频等非法解锁。
发明内容
本公开提出了一种验证方法及装置、电子设备和存储介质。
根据本公开的一方面，提供了一种验证方法，包括：
通过第一图像采集装置采集目标对象的红外图像；
对与所述红外图像匹配的深度图像进行活体检测处理，获得活体检测结果，其中，所述深度图像是通过第二图像采集装置采集的；
在所述活体检测结果为活体的情况下，对所述红外图像中的目标对象进行特征提取处理，获得目标对象的红外特征；
根据所述目标对象的红外特征对目标对象进行验证处理，获得验证结果。
根据本公开的实施例的验证方法，可对目标对象的深度图像进行活体检测，在目标对象为活体的情况下对目标对象的红外图像进行验证，可降低被非法用户利用照片、视频等非法解锁的概率，且基于红外图像的采集过程不受强光、弱光、逆光等环境光影响的特点，从红外图像中提取到的红外特征也更为准确，得到的验证结果也更为准确。
在一种可能的实现方式中，所述方法还包括：
对所述红外图像进行预处理，获得预处理结果。
在一种可能的实现方式中，所述预处理结果包括图像质量判别结果，
其中，对目标对象的红外图像进行预处理，获得预处理结果，包括：
对所述红外图像进行检测处理，获得目标对象的人脸区域；
对所述人脸所在区域进行图像质量判断，获得图像质量判别结果。
在一种可能的实现方式中，所述预处理结果包括目标对象的睁闭眼状态。
通过这种方式，可对红外图像进行预处理，确定红外图像的图像质量较好，可用于后续处理。且可对目标对象的睁闭眼状态进行检测，避免在目标对象在无意识的状态下电子设备被他人盗用。
在一种可能的实现方式中，对与所述红外图像匹配的深度图像进行活体检测处理，获得活体检测结果，包括：
根据所述深度图像中各像素点的深度值，对所述深度图像进行有效性判别，获得有效性判别结果；
在所述有效性判别结果为有效的情况下，根据所述深度图像中各像素点的深度值，对所述深度图像进行活体检测处理，获得活体检测结果。
在一种可能的实现方式中，根据所述深度图像中各像素点的深度值，对所述深度图像进行有效性判别，获得有效性判别结果，包括：
确定所述深度图像中深度值为失效值的像素点的数量与所述深度图像中的像素点的数量之间的比例值；
在所述比例值小于或等于比例阈值的情况下，确定所述有效性判别结果为有效。
通过这种方式，可在用户无感知的状态下进行活体检测，有效防止有效分辨高清照片、经过处理的图像、三维模型、立体假人、面具换脸等多场景多形式的仿冒欺诈。可以用于要确定红外图像中是通过采集真实活体得到，而非通过例如照片、面具、屏幕翻拍等途径采集得到，进而防止图片或视频等非真人人脸的认证攻击。
在一种可能的实现方式中，根据所述目标对象的红外特征对目标对象进行验证处理，获得验证结果，包括：
确定所述红外特征与参考特征之间的相似度；
在所述相似度大于或等于相似度阈值的情况下，确定验证结果为目标对象的身份与所述参考特征对应的预设身份匹配。
在一种可能的实现方式中，所述方法还包括：
获取参考图像和所述参考图像中目标对象的身份标识；
对所述参考图像中目标对象的人脸进行特征提取，得到参考特征；
建立所述参考特征和所述身份标识之间的映射关系，所述目标对象的身份标识表示所述目标对象的预设身份。
通过这种方式，可对目标对象的身份进行验证，提高了终端设备的使用安全性。
在一种可能的实现方式中，所述方法还包括：
通过曝光装置对目标对象进行曝光处理，以使所述第一图像采集装置采集到曝光后的红外图像。
在一种可能的实现方式中，通过曝光装置对目标对象进行曝光处理，使得所述第一图像采集装置采集到曝光后的红外图像，包括：
获取环境光信息；
根据所述环境光信息，确定曝光参数；
通过所述曝光装置根据所述曝光参数对目标对象进行曝光处理。
通过这种方式，可对目标对象进行曝光处理，可提升红外图像的拍摄效果和清晰程度，防止过曝光或曝光不足，使得红外图像满足处理需求。
在一种可能的实现方式中，所述方法还包括：在所述验证结果为目标对象的身份与所述参考特征对应的预设身份匹配时，执行以下一项或多项：
解锁设置有所述第一图像采集装置和第二图像采集装置的电子设备；
启动所述电子设备的预设功能；以及
启动所述电子设备上运行的软件的功能。
根据本公开的另一方面，提供了一种验证装置，包括：
采集模块，用于通过第一图像采集装置采集目标对象的红外图像；
检测模块，用于对与所述红外图像匹配的深度图像进行活体检测处理，获得活体检测结果，其中，所述深度图像是通过第二图像采集装置采集的；
第一提取模块，用于在所述活体检测结果为活体的情况下，对所述红外图像中的目标对象进行特征提取处理，获得目标对象的红外特征；
验证模块，用于根据所述目标对象的红外特征对目标对象进行验证处理，获得验证结果。
在一种可能的实现方式中，所述装置还包括：
预处理模块，用于对所述红外图像进行预处理，获得预处理结果。
在一种可能的实现方式中，所述预处理结果包括图像质量判别结果，
所述预处理模块被进一步配置为：
对所述红外图像进行检测处理，获得目标对象的人脸区域；
对所述人脸所在区域进行图像质量判断，获得图像质量判别结果。
在一种可能的实现方式中，所述预处理结果包括目标对象的睁闭眼状态。
在一种可能的实现方式中，所述检测模块被进一步配置为：
根据所述深度图像中各像素点的深度值，对所述深度图像进行有效性判别，获得有效性判别结果；
在所述有效性判别结果为有效的情况下，根据所述深度图像中各像素点的深度值，对所述深度图像进行活体检测处理，获得活体检测结果。
在一种可能的实现方式中，所述检测模块被进一步配置为：
确定所述深度图像中深度值为失效值的像素点的数量与所述深度图像中的像素点的数量之间的比例值；
在所述比例值小于或等于比例阈值的情况下，确定所述有效性判别结果为有效。
在一种可能的实现方式中，所述验证模块被进一步配置为：
确定所述红外特征与参考特征之间的相似度；
在所述相似度大于或等于相似度阈值的情况下，确定验证结果为目标对象的身份与所述参考特征对应的预设身份匹配。
在一种可能的实现方式中，所述装置还包括：
获取模块，用于获取参考图像和所述参考图像中目标对象的身份标识；
第二提取模块，用于对所述参考图像中目标对象的人脸进行特征提取，得到参考特征；
映射模块，用于建立所述参考特征和所述身份标识之间的映射关系，所述目标对象的身份标识表示所述目标对象的预设身份。
在一种可能的实现方式中，所述装置还包括：
曝光模块，用于通过曝光装置对目标对象进行曝光处理，以使所述第一图像采集装置采集到曝光后的红外图像。
在一种可能的实现方式中，所述曝光模块被进一步配置为：
获取环境光信息；
根据所述环境光信息，确定曝光参数；
通过所述曝光装置根据所述曝光参数对目标对象进行曝光处理。
在一种可能的实现方式中，所述装置还包括：
执行模块，用于在所述验证结果为目标对象的身份与所述参考特征对应的预设身份匹配时，执行以下一项或多项：
解锁设置有所述第一图像采集装置和第二图像采集装置的电子设备；
启动所述电子设备的预设功能；以及
启动所述电子设备上运行的软件的功能。
根据本公开的一方面，提供了一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的验证方法的流程图；
图2示出根据本公开实施例的验证方法的流程图；
图3示出根据本公开实施例的验证方法的流程图；
图4示出根据本公开实施例的验证方法的流程图；
图5示出根据本公开实施例的验证方法的流程图；
图6示出根据本公开实施例的验证方法的应用示意图；
图7示出根据本公开实施例的验证装置的框图；
图8示出根据本公开实施例的验证装置的框图；
图9示出根据本公开实施例的电子装置的框图
图10示出根据本公开实施例的电子装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开实施例的验证方法的流程图，如图1所示，所述方法包括：
在步骤S11中，通过第一图像采集装置采集目标对象的红外图像；
在步骤S12中，对与所述红外图像匹配的深度图像进行活体检测处理，获得活体检测结果，其中，所述深度图像是通过第二图像采集装置采集的；
在步骤S13中，在所述活体检测结果为活体的情况下，对所述红外图像中的目标对象进行特征提取处理，获得目标对象的红外特征；
在步骤S14中，根据所述目标对象的红外特征对目标对象进行验证处理，获得验证结果。
根据本公开的实施例的验证方法，可对目标对象的深度图像进行活体检测，在目标对象为活体的情况下对目标对象的红外图像进行验证，可降低被非法用户利用照片、视频等非法解锁的概率，且基于红外图像的采集过程不受强光、弱光、逆光等环境光影响的特点，从红外图像中提取到的红外特征也更为准确，得到的验证结果也更为准确。
在一种可能的实现方式中，所述验证方法可以由终端设备或其它处理设备执行，其中，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。其它处理设备可为服务器或云端服务器等。在一些可能的实现方式中，该验证方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
在示例中，在需要解锁电子设备，或者解锁一些APP功能(支付、登录)等需要验证目标对象身份的使用场景下，需要确定目标对象的身份是否与预设身份匹配。并且，为了避免非法人员通过照片、视频、三维模型、立体假人、面具等手段进行非法验证，还可进行活体检测。进一步地，为避免目标对象闭眼导致针对目标对象的识别结果不准确，或避免在目标对象在无意识的状态下(例如，睡着、昏迷等)电子设备被他人盗用，还可判断目标对象的睁闭眼状态。进一步地，为最大限度地保证电子设备的使用安全，可以在目标对象至少一只眼为睁眼状态、且目标对象的活体检测结果为活体、且目标对象身份与预设身份匹配的情况下，才可解锁电子设备或电子设备上的功能或软件。
在一种可能的实现方式中，第一图像采集装置可以是任意类型的可基于红外光进行成像的装置。第一图像采集装置可以设置在执行所述验证方法的终端设备上，例如可以是设置于执行所述验证方法的终端设备的红外图像传感器，也可以与终端设备分开设置，例如可以是单独设置且可与终端设备进行通信的红外热成像仪、红外相机等。所述红外图像可以是通过检测目标物体向外辐射的热量获得的，相比于RGB图像，红外图像的采集过程中不会受到环境光的影响，其可以在例如强光、弱光、逆光等各种不同类型的环境光的情况下，都可以获得较为稳定的红外图像。
在一种可能的实现方式中，所述第一图像采集装置可以是通过终端设备自带的红外图像传感器，也可以是设置于例如某场地、某楼宇或某房间的内部区域的红外监控设备，所述红外监控设备可采集红外监控视频帧。
在一种可能的实现方式中，在使用第一图像采集装置获取目标对象的红外图像前，可对目标对象进行曝光处理，即，为第一图像采集装置进行补光，以改善光线条件，提升红外图像的拍摄效果和清晰程度，使红外图像满足处理需求。
在一种可能的实现方式中，在步骤S11中，第一图像采集装置可获取的目标对象的红外图像，所述红外图像可以是包括目标对象的图像或视频帧，第一图像获取装置可拍摄目标对象的红外图像。例如，红外图像中可以包括例如人(包括行人、司机等)、自行车、机动车、树、路灯、信号灯，动物等多个类型的对象，目标对象可以是多种类型中的一种，例如目标对象是红外图像中的人。所述红外图像中可以包括多个目标对象，每一个目标对象对应有人脸，即红外图像中可以包括多个人脸。在示例中，第一图像采集装置可获取曝光后的红外图像。
在一种可能的实现方式中，在步骤S12中，第二图像采集装置可以是能够采集深度图像的任意装置，第二图像采集装置可以设置在执行所述验证方法的终端设备上，例如可以是设置于执行所述验证方法的终端设备的深度相机，也可以与终端设备分开设置，例如可以是单独设置且可与终端设备进行通信的深度相机等。第二图像采集装置可与第一图像采集装置同时获取目标对象的图像，即，在第一图像采集装置获取目标对象的红外图像的同时，第二图像采集装置可获取目标对象的深度图像，同时获取的深度图像和红外图像时匹配的，例如，第一图像采集装置和第二图像采集装置均可采集视频，则可通过第一图像采集装置采集的红外视频和第二图像采集装置获取的深度视频的视频帧的帧号或时间戳来确定与红外图像匹配的深度图像，例如，第一图像采集装置和第二图像采集装置同时采集目标对象的图像，其中，第一图像获取装置在第3秒获得的红外图像满足验证条件，则可在第二图像采集装置获取的深度图像中查找第3秒获取的深度图像，即，与红外图像匹配的深度图像。本公开对查找与红外图像匹配的深度图像的方式不做限制。
在一种可能的实现方式中，可在活体检测前，判断红外图像的预处理结果是否满足验证条件，如果预处理结果满足验证条件，则可对与所述红外图像匹配的深度图像进行活体检测处理。如果预处理结果不满足验证条件，则可停止处理，不再对深度图像进行活体检测处理，或者，可继续获取另一张红外图像，并判断所述另一张红外图像是否满足验证条件…可重复上述处理，直到红外图像满足验证条件，即可对于满足验证条件的红外图像匹配的深度图像进行活体检测处理。
在一种可能的实现方式中，所述验证条件可包括图像的质量较好，和/或目标对象的至少一个眼睛处于睁开的状态。在示例中，图像的质量较好可为后续处理中提取到较高质量的红外特征提供基础。目标对象的至少一个眼睛处于睁开的状态可避免目标对象在无意识的状态下(例如，睡着、昏迷等)终端设备被他人盗用，例如，如果目标对象处于睡着的状态下，两只眼睛全部闭合，其他盗用目标对象的手机，并获取目标对象的红外图像，则预处理结果为不满足验证条件，也无法进行后续处理，即，无法解锁手机，可保证目标对象的手机的使用安全。
在一种可能的实现方式中，为防止非法人员通过照片、视频、三维模型、立体假人、面具等手段进行非法验证，可对深度图像进行活体检测处理，以加强电子设备的使用安全性。步骤S12可包括：根据所述深度图像中各像素点的深度值，对所述深度图像进行有效性判别，获得有效性判别结果；在所述有效性判别结果为有效的情况下，根据所述深度图像中各像素点的深度值，对所述深度图像进行活体检测处理，获得活体检测结果。
在一种可能的实现方式中，可对所述深度图像进行有效性判别，所述根据所述深度图像中各像素点的深度值，对所述深度图像进行有效性判别，获得有效性判别结果可包括：确定所述深度图像中深度值为失效值的像素点的数量与所述深度图像中的像素点的数量之间的比例值；在所述比例值小于或等于比例阈值的情况下，确定所述有效性判别结果为有效。
在一种可能的实现方式中，在所述深度图像中，像素点的像素值即为所该像素点的深度值，如果深度图像过曝光或者曝光不足，则可能出现深度值失效，例如，像素点全黑或全白，所表示的深度值是无效的。可判断深度图像中深度值为失效值的像素点的数量与所述深度图像中的像素点的数量之间的比例值。如果比例值小于或等于比例阈值(例如，0.35)，则表示失效的像素点较少，可确定有效性判别结果为有效。如果比例值大于比例阈值，则表示失效的像素点较多，可确定有效性判别结果为无效。所述有效性判别结果为有效的情况下，所述深度图像可用于进行后续的活体检测，否则，深度图像中有效像素点过少，则活体检测结果的精确度可能下降。
在一种可能的实现方式中，在有效性判别结果为有效的情况下，可对所述深度图像进行活体检测处理，在示例中，所述活体检测结果包括目标对象为活体的检测概率，所述检测概率越大，目标对象为活体的可能性就越小，所述检测概率越小，目标对象为活体的可能性就越大。如果检测概率小于或等于概率阈值，则可确定活体检测结果为活体。
通过这种方式，可在用户无感知的状态下进行活体检测，有效防止有效分辨高清照片、经过处理的图像、三维模型、立体假人、面具换脸等多场景多形式的仿冒欺诈。可以用于要确定红外图像中是通过采集真实活体得到，而非通过例如照片、面具、屏幕翻拍等途径采集得到，进而防止图片或视频等非真人人脸的认证攻击。
在一种可能的实现方式中，在步骤S13中，如果检测结果为活体，表示红外图像中的目标对象为真人，人脸为其本人的人脸，可对目标对象进行进一步的验证处理，例如，可根据目标对象的人脸确定目标对象的身份等，如果检测结果为非活体，则红外图像中的目标对象为假人，即，可能存在非法用户通过照片、面具等非法手段进行非法验证，因此，可停止处理，不再继续进行验证。如果活体检测结果为活体，例如，检测概率大于或等于0.98，则可认为目标对象为活体，而非照片、视频或三维模型、立体家人、面具等。可对于深度图像匹配的红外图像进行特征提取，获得目标对象的红外特征。
在一种可能的实现方式中，可通过卷积神经网络等神经网络对红外图像进行特征提取处理，获得目标对象的红外特征。本公开对神经网络的类型不作限制，对提取红外特征的方式不做限制。
在一种可能的实现方式中，可对红外图像中的人脸区域进行特征提取，从而获得目标对象的红外特征。在获取人脸红外特征的过程中(即特征提取)，可以先通过矩形窗口将人脸区域选定，进而对矩形窗口中的图像区域进行特征提取，得到所述红外特征。所述红外特征可以是根据人脸关键点确定的特征信息，例如，五官的位置、形状等，还可包括肤色等信息。
在一种可能的实现方式中，在步骤S14中，可根据目标对象的红外特征进行验证处理，例如，可通过目标对象的红外特征与终端设备中预存的参考特征进行对比来进行验证处理，例如，如果目标对象的红外特征与参考特征匹配，则通过验证，如果所述红外特征与参考特征不匹配，则验证不通过。
在一种可能的实现方式中，步骤S14可包括：确定所述红外特征与参考特征之间的相似度；在所述相似度大于或等于相似度阈值的情况下，确定验证结果为目标对象的身份与所述参考特征对应的预设身份匹配。
在一种可能的实现方式中，红外特征可以是用于表示人脸的肤色、鼻梁、眉骨、颧骨、下巴、嘴唇、眼睛、耳廓和脸型的特征；所述参考特征可以在确定验证结果的过程中作为参考，具体说来，特征库中可存储至少一个对象的参考特征(例如，人脸参考特征)，各个参考特征可以通过特定的对象标识符号来标识，且参考特征可与预设身份相关联。
本实现方式可以通过所述对象标识符号来获取参考特征对应的对象。所述红外特征与参考特征之间的相似度用于表示红外图像中目标对象与特征库中对应于各个参考特征的对象的相似程度。特征之间的相似度可用表示特征的特征向量之间的距离等任意适当方式来计算。
在一种可能的实现方式中，所述相似度阈值可由开发人员预先设定，以保证所述验证结果的准确性。在示例中，所述相似度阈值可以是大于0小于1的一个数值，例如，所述相似度阈值为99.5％，当所述人脸红外特征与预设的人脸参考特征之间的相似度大于99.5％的情况下，确定验证结果为目标对象的身份与参考特征对应的预设身份匹配。
在一种可能的实现方式中，所述的验证方法可以用于用户A的手机解锁的过程中，具体来说，用户A的手机中预先存储有用户A的人脸参考特征，对应的预设身份为“用户A”，用户A的手机可以通过对用户A的红外图像进行验证而解锁；在示例中，可对当前使用手机的用户的红外图像中的目标对象的人脸进行特征提取，得到红外特征，并根据红外特征来确定所述红外特征与用户A的参考特征之间的相似度；在所述相似度大于或等于相似度阈值的情况下，判断红外图像中目标对象的人脸为用户A的人脸，即目标对象的身份与预设身份“用户A”匹配，用户A的手机解锁。
在一种可能的实现方式中，所述预设身份可以是预先存储在终端设备中的身份信息，且所述身份信息可与预先存储在终端设备中的红外参考图像对应，例如，终端设备为用户A的手机，可在终端设备中存储用户A的红外参考图像，并存储与用户A的红外参考图像对应的身份信息，即，预设身份。
图2示出根据本公开实施例的验证方法的流程图，如图2所示，所述方法还包括：
在步骤S15中，通过曝光装置对目标对象进行曝光处理，以使所述第一图像采集装置采集到曝光后的红外图像。
在一种可能的实现方式中，所述曝光装置与所述第一图像采集装置对应，在示例中，所述曝光装置可设置在执行所述验证方法的终端设备上，例如，可以是设置于第一图像采集装置附近的闪光灯等。所述曝光装置可对目标对象进行曝光处理，例如，向目标装置发射光线或红外线，对目标对象进行补光，使得目标对象可向外辐射出更多光线或红外线，以满足第一图像采集装置的采集需要。
在一种可能的实现方式中，步骤S15可包括：获取环境光信息；根据所述环境光信息，确定曝光参数；通过所述曝光装置根据所述曝光参数对目标对象进行曝光处理。
在示例中，可获取环境光信息，例如，可通过光敏传感器等装置获得环境光信息，例如，环境光的亮度等信息。所述光敏传感器可设置在所述终端设备上，也可以与终端设备分开设置，例如可以是单独设置且可与终端设备进行通信的光敏器件。
在示例中，可根据拍摄环境的环境光信息(例如，光照条件)来控制曝光参数(例如，曝光量)，避免过曝光或曝光不足。
在示例中，曝光装置可根据曝光参数对目标对象进行曝光处理，即，为目标对象进行补光，使得目标对象可向外辐射出更多光线或红外线，以满足第一图像采集装置的采集需要，使第一图像采集装置采集到曝光后的红外图像。曝光后的红外图像的清晰度、明暗对比度等参数可满足处理需求。
通过这种方式，可对目标对象进行曝光处理，可提升红外图像的拍摄效果和清晰程度，防止过曝光或曝光不足，使得红外图像满足处理需求。
图3示出根据本公开实施例的验证方法的流程图，如图3所示，所述方法还包括：
在步骤S16中，对所述红外图像进行预处理，获得预处理结果。
在一种可能的实现方式中，第一图像采集装置可采集到目标对象的多个红外图像，例如第一图像采集装置为红外摄像机，可采集到目标对象的多个视频帧(红外图像)，其中，一些视频帧可能不符合处理要求，因此，可对各红外图像进行预处理。所述预处理包括对图像质量进行判别，所述预处理结果包括图像质量判别结果，所述图像质量判别结果可包括红外图像中的目标对象的面部是否被遮挡、目标对象的面部尺寸是否满足处理需求，面部的角度是否合适(例如，在角度不合适的情况下，无法提取到面部的关键点等特征)，图像是否虚化(例如，目标对象快速运动，或所述终端设备抖动，导致拍摄到的图像虚化)等。步骤S16可包括：对所述红外图像进行检测处理，获得目标对象的人脸区域；对所述人脸所在区域进行图像质量判断，获得图像质量判别结果。
在一种可能的实现方式中，目标对象的人脸可以分布于红外图像中特定的图像区域中，便于描述，将人脸所处的区域确定为人脸区域。可通过卷积神经网络等神经网络对红外图像进行检测处理，获得目标对象的人脸区域本公开对神经网络的类型不作限制，对检测目标对象的人脸区域的方式不做限制。
在一种可能的实现方式中，可通过卷积神经网络等神经网络对人脸区域进行图像质量判断，例如，可判断在面部区域中是否能提取到足够的人脸关键点(例如，眼部区域的关键点、鼻子区域的关键点、嘴巴区域的关键点等)，如果不能提取到上述关键点，则目标对象的面部可能被遮挡、虚化或角度不合适。在示例中，还可判断面部的尺寸等。本公开对判断图像质量的方式不做限制。
在一种可能的实现方式中，所述预处理可包括对目标对象的睁闭眼状态进行判别，所述预处理结果还包括目标对象的睁闭眼状态。例如，可对人脸特征进行提取，并判断红外特征中是否包括虹膜特征和虹膜特征所处的位置来判断目标对象的睁闭眼状态。例如，如果红外特征中包括虹膜特征，且虹膜特征处于红外图像中目标对象左眼的位置，则判断目标对象的左眼处于睁开状态且右眼处于闭合状态。本公开对判断睁闭眼状态的方式不做限制。在示例中，目标对象的睁闭眼状态可包括目标对象的双眼都处于睁开状态、目标对象的双眼都处于闭合状态、目标对象的左眼处于睁开状态且右眼处于闭合状态、目标对象的左眼处于闭合状态且右眼处于睁开状态。
通过这种方式，可对红外图像进行预处理，确定红外图像的图像质量较好，可用于后续处理。且可对目标对象的睁闭眼状态进行检测，避免在目标对象在无意识的状态下电子设备被他人盗用。
图4示出根据本公开实施例的验证方法的流程图。如图4所示，所述方法还可包括：
在步骤S17中，获取参考图像和所述参考图像中目标对象的身份标识；
在步骤S18中，对所述参考图像中目标对象的人脸进行特征提取，得到参考特征；
在步骤S19中，建立所述参考特征和所述身份标识之间的映射关系，所述目标对象的身份标识表示所述目标对象的预设身份。
在一种可能的实现方式中，终端设备中可以预存一个或多个不同身份的对象的参考特征，不同身份的对象的参考特征可与身份类别标识对应。
在一种可能的实现方式中，确定所述识别结果之前，可以先将需要预存的参考特征注册(存储)至终端设备的存储器中，并建立参考特征和所述身份类别标识之间的映射关系。例如，对于终端设备的用户A，可保存用户A的从正面拍摄的正脸、从左侧拍摄的侧脸、从右侧拍摄的侧脸、由下侧拍摄的侧脸以及从上侧拍摄的测脸等图像，作为用户A的参考图像，并进行特征提取获得参考特征，进一步地，可将上述参考图像的参考特征均与用户A的身份类别表示建立映射关系，即，这些参考图像或参考特征对应的预设身份均为用户A。在获取某个用户的红外特征时，无论获取到的用户的红外特征与上述参考特征中的哪一个相似度大于或等于相似度阈值，均可将该用户的身份确定为用户A，即，可拍摄该用户的任意角度的图像，均可对该用户进行有效识别。
在示例中，如果某用户的人脸红外特征与终端设备中预存的用户A的人脸参考特征之间相似度大于或等于相似度阈值，则可确定该用户的身份为用户A，即，所述验证结果为目标对象的身份与参考特征对应的预设身份匹配。
通过这种方式，可对目标对象的身份进行验证，提高了终端设备的使用安全性。
图5示出根据本公开实施例的验证方法的流程图。如图5所示，所述方法还可包括：
在步骤S20中，在所述验证结果为目标对象的身份与所述参考特征对应的预设身份匹配时，执行以下一项或多项：解锁设置有所述第一图像采集装置和第二图像采集装置的电子设备；启动所述电子设备的预设功能；以及启动所述电子设备上运行的软件的功能。
在一种可能的实现方式中，所述的验证方法可以应用于不同的使用场景中。例如，可以用于解锁例如手机、智能手表、可穿戴智能设备等可便携设备(的屏幕、键盘等)，可以启动电子设备的拍照功能、计算器、闪光灯、语音拨号等功能，可以启动电子设备上运行的社交软件、游戏软件、工具型软件、支付软件等。
在一种可能的实现方式中，可在使用卷积神经网络获得验证结果前，可对所述卷积神经网络进行训练。例如，可使用由红外图像组成的样本集训练所述神经网络。在训练过程中，可对所述红外图像进行特征提取处理，获得验证结果(可能存在误差)。进一步地，可根据卷积神经网络输出的验证结果与红外图像中标注的验证结果(准确的验证结果)之间的差异确定卷积神经网络的损失函数，并根据损失函数调整卷积神经网络的参数。可重复上述训练处理，直到卷积神经网络的损失函数小于或等于预设阈值或收敛于某个预设区间，或者训练次数达到预设次数等，可确定训练处理执行完成，并可将训练后的卷积神经网络用于提取红外特征，以及获得所述验证结果的过程中。
在一种可能的实现方式中，所述验证方法可以通过预设软件开发工具包SDK(Software Development Kit)来实现。
根据本公开的实施例的验证方法，可对目标对象进行曝光处理，可提升红外图像的拍摄效果和清晰程度，防止过曝光或曝光不足，使得红外图像满足处理需求，并可对目标对象的睁闭眼状态进行检测，避免在目标对象在无意识的状态下电子设备被他人盗用，进一步地，可对目标对象的深度图像进行活体检测，在目标对象为活体的情况下对目标对象的红外图像进行验证，可降低被非法用户利用照片、视频等非法解锁的概率，并对目标对象的身份进行验证，提高了终端设备的使用安全性。基于红外图像的采集过程不受强光、弱光、逆光等环境光影响的特点，从红外图像中提取到的红外特征也更为准确，得到的验证结果也更为准确。
图6示出根据本公开实施例的验证方法的应用示意图。如图6所示，在解锁终端设备的场景中，可在终端设备中预先存入终端设备的用户的参考特征及身份标识，例如，可拍摄终端设备的用户的红外图像(例如，正脸、侧脸的红外图像)，并对该红外图像进行特征提取，获得所述参考特征，并将该参考特征与目标对象的身份标识之间建立映射关系。
在一种可能的实现方式中，在对终端设备进行解锁时，可通过曝光装置对目标对象进行曝光处理，并通过第一图像采集装置获取当前使用终端设备的目标对象的红外图像。进一步地，可对红外图像进行预处理，例如，可判断红外图像中目标对象的面部区域否被遮挡、目标对象的面部尺寸是否满足处理需求，面部的角度是否合适、图像是否虚化等，还可判断目标对象的睁闭眼状态。
在一种可能的实现方式中，在预处理结果满足验证条件的情况下，例如，图像的质量较好(目标对象的面部未被遮挡、图像未虚化等)且目标对象的至少一个眼睛处于睁开的状态时。可对第二图像采集装置获取的与红外图像匹配(例如，帧号或时间戳一致)的深度图像进行活体检测。
在一种可能的实现方式中，可首先对深度图像进行有效性判断，例如，深度图像中深度值为失效值的像素点的数量与所述深度图像中的像素点的数量之间的比例值小于或等于比例阈值时，有效性判别结果为有效，并可对有效的深度图像进行活体检测。在示例中，可确定活体检测概率，如果活体检测概率大于或等于概率阈值，则可确定活体检测结果为活体。
在一种可能的实现方式中，如果活体检测结果为活体，可对所述红外图像进行特征提取，并根据提取的红外特征进行验证处理。在示例中，确定所述红外特征与参考特征之间的相似度，如果相似度大于或等于相似度阈值，则确定验证结果为目标对象的身份与所述参考特征对应的预设身份匹配。即可对终端设备进行解锁。
图7示出根据本公开实施例的验证装置的框图，如图7所示，所述装置包括：
采集模块11，用于通过第一图像采集装置采集目标对象的红外图像；
检测模块12，用于对与所述红外图像匹配的深度图像进行活体检测处理，获得活体检测结果，其中，所述深度图像是通过第二图像采集装置采集的；
第一提取模块13，用于在所述活体检测结果为活体的情况下，对所述红外图像中的目标对象进行特征提取处理，获得目标对象的红外特征；
验证模块14，用于根据所述目标对象的红外特征对目标对象进行验证处理，获得验证结果。
图8示出根据本公开实施例的验证装置的框图，如图8所示，所述装置包括：
曝光模块15，用于通过曝光装置对目标对象进行曝光处理，以使所述第一图像采集装置采集到曝光后的红外图像。
在一种可能的实现方式中，所述曝光模块被进一步配置为：
获取环境光信息；
根据所述环境光信息，确定曝光参数；
通过所述曝光装置根据所述曝光参数对目标对象进行曝光处理。
在一种可能的实现方式中，所述装置还包括：
预处理模块16，用于对所述红外图像进行预处理，获得预处理结果。
在一种可能的实现方式中，所述预处理结果包括图像质量判别结果，
所述预处理模块被进一步配置为：
对所述红外图像进行检测处理，获得目标对象的人脸区域；
对所述人脸所在区域进行图像质量判断，获得图像质量判别结果。
在一种可能的实现方式中，所述预处理结果包括目标对象的睁闭眼状态。
在一种可能的实现方式中，所述装置还包括：
获取模块17，用于获取参考图像和所述参考图像中目标对象的身份标识；
第二提取模块18，用于对所述参考图像中目标对象的人脸进行特征提取，得到参考特征；
映射模块19，用于建立所述参考特征和所述身份标识之间的映射关系，所述目标对象的身份标识表示所述目标对象的预设身份。
在一种可能的实现方式中，所述装置还包括：
执行模块20，用于在所述验证结果为目标对象的身份与所述参考特征对应的预设身份匹配时，执行以下一项或多项：
解锁设置有所述第一图像采集装置和第二图像采集装置的电子设备；
启动所述电子设备的预设功能；以及
启动所述电子设备上运行的软件的功能。
在一种可能的实现方式中，所述检测模块被进一步配置为：
根据所述深度图像中各像素点的深度值，对所述深度图像进行有效性判别，获得有效性判别结果；
在所述有效性判别结果为有效的情况下，根据所述深度图像中各像素点的深度值，对所述深度图像进行活体检测处理，获得活体检测结果。
在一种可能的实现方式中，所述检测模块被进一步配置为：
确定所述深度图像中深度值为失效值的像素点的数量与所述深度图像中的像素点的数量之间的比例值；
在所述比例值小于或等于比例阈值的情况下，确定所述有效性判别结果为有效。
在一种可能的实现方式中，所述验证模块被进一步配置为：
确定所述红外特征与参考特征之间的相似度；
在所述相似度大于或等于相似度阈值的情况下，确定验证结果为目标对象的身份与所述参考特征对应的预设身份匹配。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
此外，本公开还提供了验证装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种验证方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图9是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图9，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图10是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图10，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种验证方法，其特征在于，包括：
通过第一图像采集装置采集目标对象的红外图像；
对与所述红外图像匹配的深度图像进行活体检测处理，获得活体检测结果，其中，所述深度图像是通过第二图像采集装置采集的；
在所述活体检测结果为活体的情况下，对所述红外图像中的目标对象进行特征提取处理，获得目标对象的红外特征；
根据所述目标对象的红外特征对目标对象进行验证处理，获得验证结果。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述红外图像进行预处理，获得预处理结果。
3.根据权利要求2所述的方法，其特征在于，所述预处理结果包括图像质量判别结果，
其中，对目标对象的红外图像进行预处理，获得预处理结果，包括：
对所述红外图像进行检测处理，获得目标对象的人脸区域；
对所述人脸所在区域进行图像质量判断，获得图像质量判别结果。
4.根据权利要求2所述的方法，其特征在于，所述预处理结果包括目标对象的睁闭眼状态。
5.根据权利要求1至4任一项所述的方法，其特征在于，对与所述红外图像匹配的深度图像进行活体检测处理，获得活体检测结果，包括：
根据所述深度图像中各像素点的深度值，对所述深度图像进行有效性判别，获得有效性判别结果；
在所述有效性判别结果为有效的情况下，根据所述深度图像中各像素点的深度值，对所述深度图像进行活体检测处理，获得活体检测结果。
6.根据权利要求5所述的方法，其特征在于，根据所述深度图像中各像素点的深度值，对所述深度图像进行有效性判别，获得有效性判别结果，包括：
确定所述深度图像中深度值为失效值的像素点的数量与所述深度图像中的像素点的数量之间的比例值；
在所述比例值小于或等于比例阈值的情况下，确定所述有效性判别结果为有效。
7.根据权利要求1至6任一项所述的方法，其特征在于，根据所述目标对象的红外特征对目标对象进行验证处理，获得验证结果，包括：
确定所述红外特征与参考特征之间的相似度；
在所述相似度大于或等于相似度阈值的情况下，确定验证结果为目标对象的身份与所述参考特征对应的预设身份匹配。
8.一种验证装置，其特征在于，包括：
采集模块，用于通过第一图像采集装置采集目标对象的红外图像；
检测模块，用于对与所述红外图像匹配的深度图像进行活体检测处理，获得活体检测结果，其中，所述深度图像是通过第二图像采集装置采集的；
第一提取模块，用于在所述活体检测结果为活体的情况下，对所述红外图像中的目标对象进行特征提取处理，获得目标对象的红外特征；
验证模块，用于根据所述目标对象的红外特征对目标对象进行验证处理，获得验证结果。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
CN201910569133.3A 2019-06-27 2019-06-27 验证方法及装置、电子设备和存储介质 Pending CN110287672A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910569133.3A CN110287672A (zh) 2019-06-27 2019-06-27 验证方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910569133.3A CN110287672A (zh) 2019-06-27 2019-06-27 验证方法及装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN110287672A true CN110287672A (zh) 2019-09-27

Family

ID=68019240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910569133.3A Pending CN110287672A (zh) 2019-06-27 2019-06-27 验证方法及装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN110287672A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111079576A (zh) * 2019-11-30 2020-04-28 腾讯科技（深圳）有限公司 活体检测方法、装置、设备及存储介质
CN111401331A (zh) * 2020-04-27 2020-07-10 支付宝(杭州)信息技术有限公司 人脸识别方法及装置
CN113569676A (zh) * 2021-07-16 2021-10-29 北京市商汤科技开发有限公司 图像处理方法、装置、电子设备及存储介质
CN113933294A (zh) * 2021-11-08 2022-01-14 中国联合网络通信集团有限公司 浓度检测方法及装置
US11636700B2 (en) 2021-05-21 2023-04-25 Ford Global Technologies, Llc Camera identification
US11769313B2 (en) 2021-05-21 2023-09-26 Ford Global Technologies, Llc Counterfeit image detection
US11967184B2 (en) 2021-05-21 2024-04-23 Ford Global Technologies, Llc Counterfeit image detection

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339676A (zh) * 2016-08-22 2017-01-18 湖南联信科技有限公司 一种人脸认证及人脸识别方法
CN107609383A (zh) * 2017-10-26 2018-01-19 深圳奥比中光科技有限公司 3d人脸身份认证方法与装置
CN107644158A (zh) * 2017-09-05 2018-01-30 维沃移动通信有限公司 一种人脸识别方法及移动终端
CN108401457A (zh) * 2017-08-25 2018-08-14 深圳市大疆创新科技有限公司 一种曝光的控制方法、装置以及无人机
CN108805024A (zh) * 2018-04-28 2018-11-13 Oppo广东移动通信有限公司 图像处理方法、装置、计算机可读存储介质和电子设备
CN108875338A (zh) * 2018-05-04 2018-11-23 北京旷视科技有限公司 解锁方法、装置和系统及存储介质
CN109684924A (zh) * 2018-11-21 2019-04-26 深圳奥比中光科技有限公司 人脸活体检测方法及设备
CN109711243A (zh) * 2018-11-01 2019-05-03 长沙小钴科技有限公司 一种基于深度学习的静态三维人脸活体检测方法
CN109902604A (zh) * 2019-02-18 2019-06-18 天津麒麟信息技术有限公司 一种基于飞腾平台的高安全性人脸比对系统及其方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339676A (zh) * 2016-08-22 2017-01-18 湖南联信科技有限公司 一种人脸认证及人脸识别方法
CN108401457A (zh) * 2017-08-25 2018-08-14 深圳市大疆创新科技有限公司 一种曝光的控制方法、装置以及无人机
CN107644158A (zh) * 2017-09-05 2018-01-30 维沃移动通信有限公司 一种人脸识别方法及移动终端
CN107609383A (zh) * 2017-10-26 2018-01-19 深圳奥比中光科技有限公司 3d人脸身份认证方法与装置
CN108805024A (zh) * 2018-04-28 2018-11-13 Oppo广东移动通信有限公司 图像处理方法、装置、计算机可读存储介质和电子设备
CN108875338A (zh) * 2018-05-04 2018-11-23 北京旷视科技有限公司 解锁方法、装置和系统及存储介质
CN109711243A (zh) * 2018-11-01 2019-05-03 长沙小钴科技有限公司 一种基于深度学习的静态三维人脸活体检测方法
CN109684924A (zh) * 2018-11-21 2019-04-26 深圳奥比中光科技有限公司 人脸活体检测方法及设备
CN109902604A (zh) * 2019-02-18 2019-06-18 天津麒麟信息技术有限公司 一种基于飞腾平台的高安全性人脸比对系统及其方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111079576A (zh) * 2019-11-30 2020-04-28 腾讯科技（深圳）有限公司 活体检测方法、装置、设备及存储介质
CN111079576B (zh) * 2019-11-30 2023-07-28 腾讯科技（深圳）有限公司 活体检测方法、装置、设备及存储介质
CN111401331A (zh) * 2020-04-27 2020-07-10 支付宝(杭州)信息技术有限公司 人脸识别方法及装置
WO2021218659A1 (zh) * 2020-04-27 2021-11-04 支付宝(杭州)信息技术有限公司 人脸识别
US11636700B2 (en) 2021-05-21 2023-04-25 Ford Global Technologies, Llc Camera identification
US11769313B2 (en) 2021-05-21 2023-09-26 Ford Global Technologies, Llc Counterfeit image detection
US11967184B2 (en) 2021-05-21 2024-04-23 Ford Global Technologies, Llc Counterfeit image detection
CN113569676A (zh) * 2021-07-16 2021-10-29 北京市商汤科技开发有限公司 图像处理方法、装置、电子设备及存储介质
CN113933294A (zh) * 2021-11-08 2022-01-14 中国联合网络通信集团有限公司 浓度检测方法及装置

Similar Documents

Publication Publication Date Title
CN110287672A (zh) 验证方法及装置、电子设备和存储介质
CN108197586B (zh) 脸部识别方法和装置
JP6732317B2 (ja) 顔活動検出方法および装置、ならびに電子デバイス
CN107886032B (zh) 终端设备、智能手机、基于脸部识别的认证方法和系统
CN110458062A (zh) 人脸识别方法及装置、电子设备和存储介质
CN110287671A (zh) 验证方法及装置、电子设备和存储介质
WO2019218621A1 (zh) 活体检测方法及装置、电子设备和存储介质
CN105389516B (zh) 敏感图片提醒方法和装置
CN110503023A (zh) 活体检测方法及装置、电子设备和存储介质
CN108280418A (zh) 脸部图像的欺骗识别方法及装置
CN109871883A (zh) 神经网络训练方法及装置、电子设备和存储介质
CN108921117A (zh) 图像处理方法及装置、电子设备和存储介质
CN107122679A (zh) 图像处理方法及装置
CN110298310A (zh) 图像处理方法及装置、电子设备和存储介质
CN110532957A (zh) 人脸识别方法及装置、电子设备和存储介质
CN105426730A (zh) 登录验证处理方法、装置及终端设备
TWI752105B (zh) 特徵圖像的獲取方法及獲取裝置、使用者認證方法
CN109934275A (zh) 图像处理方法及装置、电子设备和存储介质
CN109711546A (zh) 神经网络训练方法及装置、电子设备和存储介质
CN208351494U (zh) 人脸识别系统
CN109034029A (zh) 检测活体的人脸识别方法、可读存储介质和电子设备
CN109543537A (zh) 重识别模型增量训练方法及装置、电子设备和存储介质
CN109544716A (zh) 学生签到方法及装置、电子设备和存储介质
CN107992811A (zh) 人脸识别方法及装置
CN108197585A (zh) 脸部识别方法和装置

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: 20190927

RJ01 Rejection of invention patent application after publication