CN110633659B - 活体检测方法、装置、计算机设备和存储介质 - Google Patents
活体检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110633659B CN110633659B CN201910817820.2A CN201910817820A CN110633659B CN 110633659 B CN110633659 B CN 110633659B CN 201910817820 A CN201910817820 A CN 201910817820A CN 110633659 B CN110633659 B CN 110633659B
- Authority
- CN
- China
- Prior art keywords
- sequence
- video
- detected
- living body
- shooting
- 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.)
- Active
Links
Images
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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Abstract
本申请涉及一种活体检测方法、装置、计算机设备和存储介质。包括:随机生成拍摄指示序列;其中,拍摄指示序列包括:提示用户在拍摄视频时是否遮挡摄像头的指示信息序列;获取待检测视频;根据拍摄指示序列和待检测视频,得到匹配分数;根据匹配分数,确定待检测视频中的对象是否为活体。从而有效避免恶意用户将提前录制的视频送入摄像头输入流以实现摄像头劫持攻击而不被服务器察觉的状况的发生,提高人脸识别的安全性。
Description
技术领域
本申请涉及人工智能技术领域,特别涉及一种活体检测方法、装置、计算机设备和存储介质。
背景技术
随着人脸识别技术的广泛应用,其使用安全性也备受人们的关注。人脸活体检测是指通过判别给定图像或者视频中的人脸是来自真实的用户还是来自于欺骗图像或视频(包括但不限于面具、照片、屏幕上显示的照片或播放的视频片段等)。人脸活体检测是一种重要的防攻击、防欺诈的技术手段,在安防、银行、保险、互联网金融、电子商务等涉及到远程身份认证的行业和场合存在广泛的应用。现有的人脸活体检测技术大体可以分为静态检测方法和动态检测方法,上述两种方法能在一定程度上检测出被检测对象是否为活体。
然而,上述两种方法均无法避免恶意用户通过修改系统摄像头输入源的方式,将提前录制的视频送入摄像头输入流,以实现摄像头劫持攻击而不被服务器察觉的状况的发生。
发明内容
基于此,有必要针对上述技术问题,提供一种活体检测方法、装置、计算机设备和存储介质。
一种活体检测方法,所述方法包括:
随机生成拍摄指示序列;其中,所述拍摄指示序列包括:提示用户在拍摄视频时是否遮挡摄像头的指示信息序列;
获取待检测视频;
根据所述拍摄指示序列和所述待检测视频,得到匹配分数;
根据所述匹配分数,确定所述待检测视频中的对象是否为活体。
在其中一个实施例中,所述根据所述拍摄指示序列和所述待检测视频,得到匹配分数,包括:
对所述待检测视频中的多个图像帧进行人脸检测,生成由多个人脸信息构成的人脸信息序列;其中,所述人脸信息表示所述图像帧中是否检测到人脸;
根据所述拍摄指示序列和所述人脸信息序列,得到所述匹配分数。
在其中一个实施例中,所述根据所述拍摄指示序列和所述人脸信息序列,得到所述匹配分数,包括:
对所述拍摄指示序列进行扩展,得到与所述人脸信息序列长度一致的拍摄指示匹配序列;
根据所述拍摄指示匹配序列和所述人脸信息序列,得到所述拍摄指示匹配序列与所述人脸信息序列的归一化相关系数值,并将所述归一化相关系数值确定为所述匹配分数。
在其中一个实施例中,所述对所述拍摄指示序列进行扩展,得到与所述人脸信息序列长度一致的拍摄指示匹配序列,包括:
根据所述拍摄指示序列的指示时间间隔和所述人脸信息序列的序列长度,得到所述拍摄指示序列的扩展因子以及补充因子;
根据所述扩展因子和所述补充因子对所述拍摄指示序列进行扩展,得到与所述人脸信息序列长度一致的拍摄指示匹配序列。
在其中一个实施例中,所述根据所述拍摄指示匹配序列和所述人脸信息序列,得到所述拍摄指示匹配序列和所述人脸信息序列的归一化相关系数值,包括:
计算所述拍摄指示匹配序列的均值和标准差,以及计算所述人脸信息序列的均值和标准差;
根据所述拍摄指示匹配序列的均值和标准差以及所述人脸信息序列的均值和标准差,得到所述拍摄指示匹配序列与所述人脸信息序列的归一化相关系数值。
在其中一个实施例中,所述根据所述匹配分数,确定所述待检测视频中的对象是否为活体,包括:
若所述匹配分数小于或等于第一预设阈值,则确定所述待检测视频中的对象不是活体;
若所述匹配分数大于所述第一预设阈值,则确定所述待检测视频中的对象是活体。
在其中一个实施例中,所述根据所述匹配分数,确定所述待检测视频中的对象是否为活体,包括:
根据所述待检测视频和预设静默活体检测模型,得到活体分数;
根据所述匹配分数和所述活体分数,确定所述待检测视频中的对象是否为活体。
在其中一个实施例中,所述根据所述匹配分数和所述活体分数,确定所述待检测视频中的对象是否为活体,包括:
若所述匹配分数小于或等于第一预设阈值或所述活体分数大于第二预设阈值,则确定所述待检测视频中的对象不是活体;
若所述匹配分数大于所述第一预设阈值且所述活体分数小于或等于所述第二预设阈值,则确定所述待检测视频中的对象是活体。
一种活体检测装置,所述装置包括:
指示序列生成模块,随机生成拍摄指示序列;其中,所述拍摄指示序列包括:提示用户在拍摄视频时是否遮挡摄像头的指示信息序列;
视频获取模块,用于获取待检测视频;
分数确定模块,用于根据所述拍摄指示序列和所述待检测视频,得到匹配分数;
活体判断模块,用于根据所述匹配分数,确定所述待检测视频中的对象是否为活体。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质,其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上述任一项所述方法的步骤。
上述活体检测方法、装置、计算机设备和存储介质,通过随机生成拍摄指示序列,其中,所述拍摄指示序列包括:提示用户在拍摄视频时是否遮挡摄像头的指示信息序列,接着,获取待检测视频,进一步,根据所述拍摄指示序列和所述待检测视频,得到匹配分数,最后,根据所述匹配分数,确定所述待检测视频中的对象是否为活体。其中,根据拍摄指示序列中包含的提示用户在拍摄视频时是否遮挡摄像头的信息,使用户在拍摄指示信息的指示下完成视频录制,进一步根据拍摄指示序列和待检测视频的匹配程度判断待检测视频中的对象是否为活体,能够有效避免恶意用户将提前录制的视频送入摄像头输入流以实现摄像头劫持攻击而不被服务器察觉的状况的发生,提高人脸识别的安全性。
附图说明
图1为一个实施例中活体检测方法的流程示意图;
图2为一个实施例中步骤S300的一种可实施方式的流程示意图;
图3为一个实施例中步骤S320的一种可实施方式的流程示意图;
图4为又一个实施例中活体检测方法的流程示意图;
图5为一个实施例中活体检测装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
可以理解本申请中所使用的术语“第一”、“第二”等可在本文中用于描述各种条件关系,但这些条件关系不受这些术语限制。这些术语仅用于将一个条件关系与另一个条件关系区分开来。
在一个实施例中,如图1所示,提供了一种活体检测方法,包括以下步骤:
步骤S100,随机生成拍摄指示序列;其中,拍摄指示序列包括:提示用户在拍摄视频时是否遮挡摄像头的指示信息序列。
其中,拍摄指示序列为一组计算机随机生成序列,可以以机器语言“0”、“1”的形式来表示,用于提示用户按照指定的方式进行视频拍摄。例如,指定的视频拍摄方式为在拍摄过程中是否需要遮挡摄像头,则在拍摄指示序列中,提示“请不要遮挡摄像头”可以对应数据“0”,提示“请遮挡摄像头”可以对应数字“1”,假设拍摄指示序列为{01001101},该序列表示在第一时刻、第三时刻、第四时刻和第七时刻不遮挡摄像头,如果用户能够按提示操作,那么不遮挡的情况下摄像头可以获取位于摄像头前方的景象,而第二时刻、第五时刻、第六时刻和第八时刻需要遮挡摄像头,如果用户能够按提示操作,那么遮挡的情况下摄像头无法获取位于摄像头前方的景象。以0.5秒为单位,每单位随机生成一个提示信息,并用对应的数字记录,重复一定时间t秒后,得到一个长度为2*t的0/1序列P=[p1,p2,…,p2*t],pi∈{0,1}。假设拍摄时长为4秒,则可以得一个长度为8位的0/1序列,如拍摄指示序列为{01001101}。
需要说明的是,随机生成拍摄指示序列是在一定的触发条件下进行的,例如,当需要检测所需拍摄或检测的对象是否为活体时,则随机生成拍摄指示序列。这一触发条件可以是提前设置在一段程序中,当满足一定的条件后生成拍摄指示序列,也可以以按钮的形式展示给用户,当用户触发时生成拍摄指示序列。
步骤S200,获取待检测视频。
其中,待检测视频表示系统摄像头输入源输入的视频。正常情况下,由系统摄像头输入源输入的待检测视频为用户根据相应的显示界面的提示信息进行拍摄的视频,例如,根据步骤S100的拍摄指示序列拍摄的视频。但是,倘若存在恶意用户,通过修改系统摄像头输入源的方式,将提前录制的视频送入摄像头输入流,那么此时由系统摄像头输入源输入的待检测视频则为恶意用户提前录制的视频。
步骤S300,根据拍摄指示序列和待检测视频,得到匹配分数。
其中,匹配分数是衡量拍摄指示序列与待检测视频之间的匹配度的标准。
具体地,根据拍摄指示序列中包含的指示信息和由待检测视频中的景象形成的序列之间的关系,可以得到一个匹配分数。例如,步骤S100中的摄指示序列为{01001101},而相应地,由待检测视频形成的序列为{01001101}(其中,“0”表示检测到对象,“1”表示未检测到对象),根据摄指示序列{01001101}和由待检测视频形成的序列{01001101}之间的相关关系,可以得到一个拍摄指示序列和待检测视频之间的匹配分数。
步骤S400,根据匹配分数,确定待检测视频中的对象是否为活体。
具体地,匹配分数是衡量拍摄指示序列与待检测视频之间的匹配度的标准,由步骤S300中的匹配分数可以判断待检测视频与拍摄指示序列的相关程度,根据匹配分数可以判断待检测视频是否是在拍摄指示序列的指示下进行的拍摄,据此可以确定待检测视频中的对象是否为活体。匹配分数可以反映出拍摄指示序列和由待检测视频形成的序列之间的相关关系,能一定程度判断待检测视频是否是在拍摄指示序列的指示下完成的。例如,当待检测视频为用户在拍摄指示序列的指示下完成的,如果用户严格按照拍摄指示序列进行拍摄,那么其生成的待检测视频对应的序列与拍摄指示序列的相关程度将会非常高,即便用户由于各种原因没有严格按照拍摄指示序列进行拍摄,但是大部分情况下按照拍摄指示序列进行视频录制,也会获得较高的匹配分数,此时,可以判断待检测视频中的对象是活体。但是,当待检测视频为恶意用户输入的攻击视频,那么其对应的序列一般情况下是与拍摄指示序列不匹配的,得到的匹配分数将会很低,此时,可以判断待检测视频中的对象不是活体。
上述活体检测方法,通过随机生成拍摄指示序列,其中,拍摄指示序列包括:提示用户在拍摄视频时是否遮挡摄像头的指示信息序列,接着,获取待检测视频,进一步,根据拍摄指示序列和待检测视频,得到匹配分数,最后,根据匹配分数,确定待检测视频中的对象是否为活体。其中,根据拍摄指示序列中包含的提示用户在拍摄视频时是否遮挡摄像头的信息,使用户在拍摄指示信息的指示下完成视频录制,进一步根据拍摄指示序列和待检测视频的匹配程度判断待检测视频中的对象是否为活体,能够有效避免恶意用户将提前录制的视频送入摄像头输入流以实现摄像头劫持攻击而不被服务器察觉的状况的发生,提高人脸识别的安全性。
在其中一个实施例中,如图2所示,为步骤S300的一种可实施方式的流程示意图,步骤S300,根据拍摄指示序列和待检测视频,得到匹配分数,包括:
步骤S310,对待检测视频中的多个图像帧进行人脸检测,生成由多个人脸信息构成的人脸信息序列;其中,人脸信息表示图像帧中是否检测到人脸。
其中,人脸信息序列表示从待检测视频中提取到的图像帧序列中包含的人脸信息。例如,在获取到待检测视频后,对得到的待检测视频逐帧进行人脸检测或每隔一定帧数进行一次人脸检测,如果某一帧检测到人脸对应数字“0”,没有检测到人脸则对应数字“1”,并将每隔一定帧数取得的0/1序列F=[f1,f2,…,fn],fi∈{0,1}作为人脸信息序列。假设拍摄时长为4秒,4秒内该视频的视频帧个数为16,每一帧的信息都取,则可以得一个长度16位的0/1序列,如人脸信息序列为{0011000011110011},若每隔一帧取一个,则可以得到一个长度8位的0/1序列,如人脸信息序列为{01001101}。
步骤S320,根据拍摄指示序列和人脸信息序列,得到匹配分数。
具体地,在步骤S100得到拍摄指示序列和步骤S310得到人脸信息序列后,可以根据两序列的分布情况,得到一个匹配分数,该匹配分数可以反映出拍摄指示序列和人脸信息序列的匹配程度,能一定程度判断待检测视频是否是在拍摄指示序列的指示下完成的。
上述实施例中,通过对待检测视频中的多个图像帧进行人脸检测,生成由多个人脸信息构成的人脸信息序列,其中,人脸信息表示图像帧中是否检测到人脸,接着,根据拍摄指示序列和人脸信息序列,得到匹配分数。其中,根据拍摄指示序列和待检测视频的匹配程度判断活体检测是否成功,能够有效避免恶意用户将提前录制的视频送入摄像头输入流以实现摄像头劫持攻击而不被服务器察觉的状况的发生,提高人脸识别的安全性。
在其中一个实施例中,如图3所示,为步骤S320的一种可实施方式的流程示意图,步骤S320,根据拍摄指示序列和人脸信息序列,得到匹配分数,包括:
步骤S321,对拍摄指示序列进行扩展,得到与人脸信息序列长度一致的拍摄指示匹配序列。
一般情况下,由于针对同一遮挡状态或非遮挡状态通常会拍摄得到多帧图像,因此,拍摄指示序列的长度是比从待检测视频中检测得到的人脸信息序列的长度短得多的序列,为了得到拍摄指示序列和人脸信息序列的匹配分数,需要将拍摄指示序列的长度进行扩展,得到与人脸信息序列长度一致的拍摄指示匹配序列。
可选地,可以将拍摄指示序列和人脸信息序列的长度扩展到某一固定的长度。
可选地,根据拍摄指示序列的指示时间间隔和人脸信息序列的序列长度,得到拍摄指示序列的扩展因子以及补充因子;根据扩展因子和补充因子对拍摄指示序列进行扩展,得到与人脸信息序列长度一致的拍摄指示匹配序列。
具体地,由于一般情况下拍摄指示序列的长度比人脸信息序列的长度短得多,为了将拍摄指示序列P匹配到人脸信息序列F的长度,首先,计算拍摄指示序列P中每个元素的扩展因子(向下取整)和尾部补充因子b=n*mod(2*t)(取余数),接着,对拍摄指示序列P中的前(2*t-1)个元素复制a次,对第2*t个元素复制(a+b)次,依次插入相应的元素后,得到拍摄指示匹配序列Q=[q1,q2,…,qn],qi∈{0,1}。例如,拍摄指示序列P{01001101},按照上述方式,将8位的拍摄指示序列P{01001101}扩展到16位可得拍摄指示匹配序列Q{0011000011110011}。
步骤S322,根据拍摄指示匹配序列和人脸信息匹配序列,得到拍摄指示匹配序列与人脸信息序列的归一化相关系数值,并将归一化相关系数值确定为匹配分数。
可选地,计算拍摄指示匹配序列的均值和标准差,以及计算人脸信息序列的均值和标准差;根据拍摄指示匹配序列的均值和标准差以及人脸信息序列的均值和标准差,得到拍摄指示匹配序列与人脸信息序列的归一化相关系数值。
具体地,在得到与人脸信息序列长度相同的拍摄指示匹配序列Q后,根据公式(1)可以得到拍摄指示匹配序列Q和人脸信息序列F的归一化相关系数值,拍摄指示匹配序列Q和人脸信息序列F的归一化相关系数值即为相应的匹配分数。匹配分数的具体计算方式如公式(1)所示:
其中,S1表示匹配分数,E表示期望,μQ表示序列Q的均值,μF表示序列F的均值,σQ表示序列Q的标准差,σF表示序列F的标准差。
上述实施例中,对拍摄指示序列进行扩展,得到与人脸信息序列长度一致的拍摄指示匹配序列,接着,根据拍摄指示匹配序列和人脸信息匹配序列,得到拍摄指示匹配序列与人脸信息序列的归一化相关系数值,并将归一化相关系数值确定为匹配分数。其中,匹配分数能衡量拍摄指示序列与待检测视频之间的匹配度,根据匹配度判断活体检测是否成功,能够有效避免恶意用户将提前录制的视频送入摄像头输入流以实现摄像头劫持攻击而不被服务器察觉的状况的发生,提高人脸识别的安全性。
在其中一个实施例中,步骤S400,根据匹配分数,确定待检测视频中的对象是否为活体,包括:
若匹配分数小于或等于第一预设阈值,则确定待检测视频中的对象不是活体。
一般情况下,由系统摄像头输入源输入的待检测视频为用户根据相应的显示界面的提示信息进行拍摄的视频,例如,根据拍摄指示序列拍摄的视频,因此,由步骤S310得到的人脸信息序列与拍摄指示序列之间的信息匹配度很高。
具体地,若匹配分数小于或等于第一预设阈值,则认为待检测视频中的人脸图像生成的人脸信息序列与拍摄指示序列匹配度很低,待检测视频可能是非正常情况下得到的视频,即待检测视频很大程度上不是在拍摄指示序列的提示下完成的拍摄,为非用户本人实际拍摄得到的待检测视频,则认为待检测视频中的对象不是活体。
可选地,若匹配分数大于第一预设阈值,则确定待检测视频中的对象是活体。
具体地,若匹配分数大于第一预设阈值,则认为待检测视频中的人脸图像生成的人脸信息序列与拍摄指示序列匹配度很高,待检测视频是根据拍摄指示序列生成的提示信息录制得到的视频,可以认为是用户本人实际拍摄得到的待检测视频,此时则认为待检测视频中的对象是活体。
上述实施例中,若匹配分数小于或等于第一预设阈值,则确定待检测视频中的对象不是活体,若匹配分数大于第一预设阈值,则确定待检测视频中的对象是活体,通过匹配分数与第一预设阈值之间的关系,来确定活体检测是否成功,能够有效避免恶意用户将提前录制的视频送入摄像头输入流以实现摄像头劫持攻击而不被服务器察觉的状况的发生,提高人脸识别的安全性。
在一个实施例中,如图4所示,提供了一种活体检测方法,包括以下步骤:
步骤S10,随机生成拍摄指示序列;其中,拍摄指示序列包括:提示用户在拍摄视频时是否遮挡摄像头的指示信息序列。
在本发明实施例中,上述步骤S10与上述实施例中的步骤S100描述的内容一致,此处不再赘述。
步骤S20,获取待检测视频。
在本发明实施例中,上述步骤S20与上述实施例中的步骤S200描述的内容一致,此处不再赘述。
步骤S30,根据拍摄指示序列和待检测视频,得到匹配分数。
在本发明实施例中,上述步骤S30与上述实施例中的步骤S300描述的内容一致,此处不再赘述。
步骤S40,根据待检测视频和预设静默活体检测模型,得到活体分数。
其中,预设静默活体检测模型是一个基于深度学习训练好的静默活体检测模型,可以检测输入视频中的人脸图像是否为活体;活体分数是衡量待检测视频中的人脸图像是否为活体的标准。
具体地,根据待检测视频和预设静默活体检测模型能够得到一个输出分数,用这一输出分数进一步判断待检测视频中的对象是否为活体,这一输出分数即为活体分数。
步骤S50,根据匹配分数和活体分数,确定待检测视频中的对象是否为活体。
具体地,由步骤S30中的匹配分数可以判断待检测视频与拍摄指示序列的相关程度,判断待检测视频是否是在拍摄指示序列的指示下进行的拍摄,由步骤S40中的活体分数可以判断待检测视频中的人脸图像是否为活体,综合匹配分数和活体分数,可以进行更为稳定的活体检测判断。
可选地,若匹配分数小于或等于第一预设阈值或活体分数大于第二预设阈值,则确定待检测视频中的对象不是活体。
具体地,若活体分数大于第二预设阈值,则认为待检测视频中的人脸图像并非相应的真实用户面对摄像头拍摄得到的视频,则认为待检测视频中的对象不是活体。
可选地,若匹配分数大于第一预设阈值且活体分数小于或等于第二预设阈值,则确定待检测视频中的对象是活体。
具体地,若匹配分数大于第一预设阈值,则认为待检测视频中的人脸图像生成的人脸信息序列与拍摄指示序列匹配度很高,待检测视频是根据拍摄指示序列生成的提示信息录制得到的视频,可以认为是用户本人实际拍摄得到的待检测视频,则认为匹配成功,在匹配成功的前提下进一步判断活体分数与第二预设阈值之间的关系,若活体分数小于或等于第二预设阈值,则认为待检测视频中的人脸图像为相应的真实用户面对摄像头拍摄得到的视频,则认为待检测视频中的对象是活体。
上述活体检测方法,将匹配分数与活体分数进行组合,作为最终待检测视频中的对象是否为活体的确定方式,其匹配分数具有“一票否决”的作用,即匹配分数小于或等于给定阈值(典型阈值0.8),则直接判为活体攻击,认为待检测视频中的对象不是活体,若匹配分数大于给定阈值,即遮挡序列匹配通过,则以静默视频活体的活体分数作为最终活体分数,进一步采用活体分数对待检测视频中的对象是否为活体进行确定,因此,上述使用遮挡序列匹配算法和视频静默活体算法的方式,使得即使使用剪纸攻击等方式模拟真人拍摄,也能起到很好的防御性,为活体检测提供双重保障,进一步提高人脸识别的安全性。
上述活体检测方法,通过随机生成拍摄指示序列,其中,拍摄指示序列包括:提示用户在拍摄视频时是否遮挡摄像头的指示信息序列,接着,获取待检测视频,进一步,根据拍摄指示序列和待检测视频,得到匹配分数,根据待检测视频和预设静默活体检测模型,得到活体分数,最后,根据匹配分数和活体分数,确定待检测视频中的对象是否为活体。其中,根据拍摄指示序列中包含的提示用户在拍摄视频时是否遮挡摄像头的信息,使用户在拍摄指示信息的指示下完成视频录制,进一步将匹配分数与活体分数进行组合,作为最终待检测视频中的对象是否为活体的确定方式,使得即使使用剪纸攻击等方式模拟真人拍摄,也能起到很好的防御性,为活体检测提供双重保障,能够有效避免恶意用户将提前录制的视频送入摄像头输入流以实现摄像头劫持攻击而不被服务器察觉的状况的发生,进一步提高人脸识别的安全性。
在一个实施例中,如图5所示,提供了一种活体检测装置,包括:指示序列生成模块501、视频获取模块502、分数确定模块503、和活体判断模块504,其中:
指示序列生成模块501,用于随机生成拍摄指示序列;其中,拍摄指示序列包括:提示用户在拍摄视频时是否遮挡摄像头的指示信息序列;
视频获取模块502,用于获取待检测视频;
分数确定模块503,用于根据拍摄指示序列和待检测视频,得到匹配分数;
活体判断模块504,用于根据匹配分数,确定待检测视频中的对象是否为活体。
在其中一个实施例中,分数确定模块503还用于对待检测视频中的多个图像帧进行人脸检测,生成由多个人脸信息构成的人脸信息序列;其中,人脸信息表示图像帧中是否检测到人脸;根据拍摄指示序列和人脸信息序列,得到匹配分数。
在其中一个实施例中,分数确定模块503还用于对拍摄指示序列进行扩展,得到与人脸信息序列长度一致的拍摄指示匹配序列;根据拍摄指示匹配序列和人脸信息序列,得到拍摄指示匹配序列与人脸信息序列的归一化相关系数值,并将归一化相关系数值确定为匹配分数。
在其中一个实施例中,分数确定模块503还用于根据拍摄指示序列的指示时间间隔和人脸信息序列的序列长度,得到拍摄指示序列的扩展因子以及补充因子;根据扩展因子和补充因子对拍摄指示序列进行扩展,得到与人脸信息序列长度一致的拍摄指示匹配序列。
在其中一个实施例中,分数确定模块503还用于计算拍摄指示匹配序列的均值和标准差,以及计算人脸信息序列的均值和标准差;根据拍摄指示匹配序列的均值和标准差以及人脸信息序列的均值和标准差,得到拍摄指示匹配序列与人脸信息序列的归一化相关系数值。
在其中一个实施例中,活体判断模块504还用于执行若匹配分数小于或等于第一预设阈值,则确定待检测视频中的对象不是活体;若匹配分数大于第一预设阈值,则确定待检测视频中的对象是活体。
在其中一个实施例中,活体判断模块504还用于根据待检测视频和预设静默活体检测模型,得到活体分数;根据匹配分数和活体分数,确定待检测视频中的对象是否为活体。
在其中一个实施例中,活体判断模块504还用于执行若匹配分数小于或等于第一预设阈值或活体分数大于第二预设阈值,则确定待检测视频中的对象不是活体;若匹配分数大于第一预设阈值且活体分数小于或等于第二预设阈值,则确定待检测视频中的对象是活体。
关于活体检测装置的具体限定可以参见上文中对于活体检测方法的限定,在此不再赘述。上述活体检测置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种活体检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
随机生成拍摄指示序列;其中,拍摄指示序列包括:提示用户在拍摄视频时是否遮挡摄像头的指示信息序列;
获取待检测视频;
根据拍摄指示序列和待检测视频,得到匹配分数;
根据匹配分数,确定待检测视频中的对象是否为活体。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:对待检测视频中的多个图像帧进行人脸检测,生成由多个人脸信息构成的人脸信息序列;其中,人脸信息表示图像帧中是否检测到人脸;根据拍摄指示序列和人脸信息序列,得到匹配分数。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:对拍摄指示序列进行扩展,得到与人脸信息序列长度一致的拍摄指示匹配序列;根据拍摄指示匹配序列和人脸信息序列,得到拍摄指示匹配序列与人脸信息序列的归一化相关系数值,并将归一化相关系数值确定为匹配分数。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:根据拍摄指示序列的指示时间间隔和人脸信息序列的序列长度,得到拍摄指示序列的扩展因子以及补充因子;根据扩展因子和补充因子对拍摄指示序列进行扩展,得到与人脸信息序列长度一致的拍摄指示匹配序列。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:计算拍摄指示匹配序列的均值和标准差,以及计算人脸信息序列的均值和标准差;根据拍摄指示匹配序列的均值和标准差以及人脸信息序列的均值和标准差,得到拍摄指示匹配序列与人脸信息序列的归一化相关系数值。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:若匹配分数小于或等于第一预设阈值,则确定待检测视频中的对象不是活体;若匹配分数大于第一预设阈值,则确定待检测视频中的对象是活体。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:根据待检测视频和预设静默活体检测模型,得到活体分数;根据匹配分数和活体分数,确定待检测视频中的对象是否为活体。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:若匹配分数小于或等于第一预设阈值或活体分数大于第二预设阈值,则确定待检测视频中的对象不是活体;若匹配分数大于第一预设阈值且活体分数小于或等于第二预设阈值,则确定待检测视频中的对象是活体。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
随机生成拍摄指示序列;其中,拍摄指示序列包括:提示用户在拍摄视频时是否遮挡摄像头的指示信息序列;
获取待检测视频;
根据拍摄指示序列和待检测视频,得到匹配分数;
根据匹配分数,确定待检测视频中的对象是否为活体。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:对待检测视频中的多个图像帧进行人脸检测,生成由多个人脸信息构成的人脸信息序列;其中,人脸信息表示图像帧中是否检测到人脸;根据拍摄指示序列和人脸信息序列,得到匹配分数。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:对拍摄指示序列进行扩展,得到与人脸信息序列长度一致的拍摄指示匹配序列;根据拍摄指示匹配序列和人脸信息序列,得到拍摄指示匹配序列与人脸信息序列的归一化相关系数值,并将归一化相关系数值确定为匹配分数。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据拍摄指示序列的指示时间间隔和人脸信息序列的序列长度,得到拍摄指示序列的扩展因子以及补充因子;根据扩展因子和补充因子对拍摄指示序列进行扩展,得到与人脸信息序列长度一致的拍摄指示匹配序列。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:计算拍摄指示匹配序列的均值和标准差,以及计算人脸信息序列的均值和标准差;根据拍摄指示匹配序列的均值和标准差以及人脸信息序列的均值和标准差,得到拍摄指示匹配序列与人脸信息序列的归一化相关系数值。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:若匹配分数小于或等于第一预设阈值,则确定待检测视频中的对象不是活体;若匹配分数大于第一预设阈值,则确定待检测视频中的对象是活体。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据待检测视频和预设静默活体检测模型,得到活体分数;根据匹配分数和活体分数,确定待检测视频中的对象是否为活体。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:若匹配分数小于或等于第一预设阈值或活体分数大于第二预设阈值,则确定待检测视频中的对象不是活体;若匹配分数大于第一预设阈值且活体分数小于或等于第二预设阈值,则确定待检测视频中的对象是活体。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种活体检测方法,其特征在于,所述方法包括:
随机生成拍摄指示序列;其中,所述拍摄指示序列包括:提示用户在拍摄视频时是否在指示时刻遮挡摄像头的指示信息序列;
获取待检测视频;
对所述待检测视频中的多个图像帧进行人脸检测,生成由多个人脸信息构成的人脸信息序列;其中,所述人脸信息表示所述图像帧中是否检测到人脸;
根据所述拍摄指示序列的指示时间间隔和所述人脸信息序列的序列长度,得到所述拍摄指示序列的扩展因子以及补充因子;
根据所述扩展因子和所述补充因子对所述拍摄指示序列进行扩展,得到与所述人脸信息序列长度一致的拍摄指示匹配序列;
根据所述拍摄指示序列和所述人脸信息序列确定匹配分数,所述匹配分数用于反映所述待检测视频与所述人脸信息序列的匹配程度;
根据所述匹配分数,确定所述待检测视频中的对象是否为活体。
2.根据权利要求1所述的方法,其特征在于,所述根据所述拍摄指示序列和所述人脸信息序列确定匹配分数,包括:
根据所述拍摄指示匹配序列和所述人脸信息序列,得到所述拍摄指示匹配序列与所述人脸信息序列的归一化相关系数值,并将所述归一化相关系数值确定为所述匹配分数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述拍摄指示匹配序列和所述人脸信息序列,得到所述拍摄指示匹配序列和所述人脸信息序列的归一化相关系数值,包括:
计算所述拍摄指示匹配序列的均值和标准差,以及计算所述人脸信息序列的均值和标准差;
根据所述拍摄指示匹配序列的均值和标准差以及所述人脸信息序列的均值和标准差,得到所述拍摄指示匹配序列与所述人脸信息序列的归一化相关系数值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述匹配分数,确定所述待检测视频中的对象是否为活体,包括:
若所述匹配分数小于或等于第一预设阈值,则确定所述待检测视频中的对象不是活体;
若所述匹配分数大于所述第一预设阈值,则确定所述待检测视频中的对象是活体。
5.根据权利要求1所述的方法,其特征在于,所述根据所述匹配分数,确定所述待检测视频中的对象是否为活体,包括:
根据所述待检测视频和预设静默活体检测模型,得到活体分数;
根据所述匹配分数和所述活体分数,确定所述待检测视频中的对象是否为活体。
6.根据权利要求5所述的方法,其特征在于,所述根据所述匹配分数和所述活体分数,确定所述待检测视频中的对象是否为活体,包括:
若所述匹配分数小于或等于第一预设阈值或所述活体分数大于第二预设阈值,则确定所述待检测视频中的对象不是活体;
若所述匹配分数大于所述第一预设阈值且所述活体分数小于或等于所述第二预设阈值,则确定所述待检测视频中的对象是活体。
7.一种活体检测装置,其特征在于,所述装置包括:
指示序列生成模块,随机生成拍摄指示序列;其中,所述拍摄指示序列包括:提示用户在拍摄视频时是否在指示时刻遮挡摄像头的指示信息序列;
视频获取模块,用于获取待检测视频;
分数确定模块,用于对所述待检测视频中的多个图像帧进行人脸检测,生成由多个人脸信息构成的人脸信息序列;其中,所述人脸信息表示所述图像帧中是否检测到人脸;并根据所述拍摄指示序列的指示时间间隔和所述人脸信息序列的序列长度,得到所述拍摄指示序列的扩展因子以及补充因子;并根据所述扩展因子和所述补充因子对所述拍摄指示序列进行扩展,得到与所述人脸信息序列长度一致的拍摄指示匹配序列;并根据所述拍摄指示序列和所述人脸信息序列确定匹配分数,所述匹配分数用于反映所述待检测视频与所述人脸信息序列的匹配程度;
活体判断模块,用于根据所述匹配分数,确定所述待检测视频中的对象是否为活体。
8.根据权利要求7所述的活体检测装置,其特征在于,所述分数确定模块,还用于根据所述拍摄指示匹配序列和所述人脸信息序列,得到所述拍摄指示匹配序列与所述人脸信息序列的归一化相关系数值,并将所述归一化相关系数值确定为所述匹配分数。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910817820.2A CN110633659B (zh) | 2019-08-30 | 2019-08-30 | 活体检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910817820.2A CN110633659B (zh) | 2019-08-30 | 2019-08-30 | 活体检测方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110633659A CN110633659A (zh) | 2019-12-31 |
CN110633659B true CN110633659B (zh) | 2022-11-04 |
Family
ID=68969797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910817820.2A Active CN110633659B (zh) | 2019-08-30 | 2019-08-30 | 活体检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110633659B (zh) |
Families Citing this family (3)
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 |
CN113807160B (zh) * | 2021-04-06 | 2024-02-06 | 京东科技控股股份有限公司 | 图像采集设备劫持的检测方法、装置及计算机设备 |
CN115174138A (zh) * | 2022-05-25 | 2022-10-11 | 北京旷视科技有限公司 | 摄像头攻击检测方法、系统、设备、存储介质及程序产品 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104867127A (zh) * | 2014-02-24 | 2015-08-26 | 索尼公司 | 图像处理设备、图像处理方法和程序 |
CN106529379A (zh) * | 2015-09-15 | 2017-03-22 | 阿里巴巴集团控股有限公司 | 一种活体识别方法及设备 |
CN106897657A (zh) * | 2015-12-18 | 2017-06-27 | 大唐电信科技股份有限公司 | 一种人脸活体检测方法和装置 |
CN108875469A (zh) * | 2017-06-14 | 2018-11-23 | 北京旷视科技有限公司 | 活体检测与身份认证的方法、装置及计算机存储介质 |
CN109639664A (zh) * | 2018-12-06 | 2019-04-16 | 上海中信信息发展股份有限公司 | 登录验证方法、装置及系统 |
CN110119719A (zh) * | 2019-05-15 | 2019-08-13 | 深圳前海微众银行股份有限公司 | 活体检测方法、装置、设备及计算机可读存储介质 |
-
2019
- 2019-08-30 CN CN201910817820.2A patent/CN110633659B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104867127A (zh) * | 2014-02-24 | 2015-08-26 | 索尼公司 | 图像处理设备、图像处理方法和程序 |
CN106529379A (zh) * | 2015-09-15 | 2017-03-22 | 阿里巴巴集团控股有限公司 | 一种活体识别方法及设备 |
CN106897657A (zh) * | 2015-12-18 | 2017-06-27 | 大唐电信科技股份有限公司 | 一种人脸活体检测方法和装置 |
CN108875469A (zh) * | 2017-06-14 | 2018-11-23 | 北京旷视科技有限公司 | 活体检测与身份认证的方法、装置及计算机存储介质 |
CN109639664A (zh) * | 2018-12-06 | 2019-04-16 | 上海中信信息发展股份有限公司 | 登录验证方法、装置及系统 |
CN110119719A (zh) * | 2019-05-15 | 2019-08-13 | 深圳前海微众银行股份有限公司 | 活体检测方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110633659A (zh) | 2019-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110633659B (zh) | 活体检测方法、装置、计算机设备和存储介质 | |
US10339402B2 (en) | Method and apparatus for liveness detection | |
KR102483642B1 (ko) | 라이브니스 검사 방법 및 장치 | |
KR20180049347A (ko) | Cnn과 rnn을 이용한 얼굴인식 기반 키 생성 방법 및 장치 | |
CN110348193A (zh) | 验证方法、装置、设备和存储介质 | |
KR20200118076A (ko) | 생체 검출 방법 및 장치, 전자 기기 및 저장 매체 | |
JP2016009453A (ja) | 顔認証装置および顔認証方法 | |
CN111080571B (zh) | 摄像头遮挡状态检测方法、装置、终端和存储介质 | |
CN111325175A (zh) | 活体检测方法、装置、电子设备及存储介质 | |
CN110705353A (zh) | 基于注意力机制的遮挡人脸的识别方法和装置 | |
US20240104965A1 (en) | Face liveness detection methods and apparatuses | |
US11568681B2 (en) | Iris authentication device, iris authentication method and recording medium | |
US20230306792A1 (en) | Spoof Detection Based on Challenge Response Analysis | |
CN109523613B (zh) | 数据处理方法、装置、计算机可读存储介质和计算机设备 | |
JP2007249587A (ja) | 認証装置、認証方法、認証プログラム、これを記録したコンピュータ読み取り可能な記録媒体 | |
CN110837901A (zh) | 云试驾预约审核方法及装置、存储介质、云服务器 | |
CN111027978B (zh) | 支付方法、装置、计算机可读存储介质和计算机设备 | |
JP5748421B2 (ja) | 認証装置、認証方法、及び認証プログラム、並びに記録媒体 | |
CN111126214A (zh) | 活体检测方法及装置、计算机设备和计算机可读存储介质 | |
CN111046804A (zh) | 活体检测方法、装置、电子设备及可读存储介质 | |
CN113033243A (zh) | 一种人脸识别方法、装置及设备 | |
CN116453196A (zh) | 一种人脸识别方法及系统 | |
CN115426350A (zh) | 图像上传方法、图像上传装置、电子设备和存储介质 | |
CN114387674A (zh) | 活体检测方法、系统、设备、存储介质及程序产品 | |
CN114596638A (zh) | 人脸活体检测方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |