CN110909704A - 一种活体检测方法、装置、电子设备及存储介质 - Google Patents

一种活体检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN110909704A
CN110909704A CN201911206183.1A CN201911206183A CN110909704A CN 110909704 A CN110909704 A CN 110909704A CN 201911206183 A CN201911206183 A CN 201911206183A CN 110909704 A CN110909704 A CN 110909704A
Authority
CN
China
Prior art keywords
detected
video
motion track
pupil
cursor
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
CN201911206183.1A
Other languages
English (en)
Inventor
程思潇
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.)
Beijing QIYI Century Science and Technology Co Ltd
Original Assignee
Beijing QIYI Century Science and 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 Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN201911206183.1A priority Critical patent/CN110909704A/zh
Publication of CN110909704A publication Critical patent/CN110909704A/zh
Pending legal-status Critical Current

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
    • G06V40/10—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • G06V40/19—Sensors therefor
    • 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
    • G06V40/197—Matching; Classification
    • 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)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Ophthalmology & Optometry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例提供了一种活体检测方法、装置、电子设备及存储介质，方法包括：当待检测对象进入预设检测区域时，按照预设随机算法生成第一运动轨迹；播放游标沿第一运动轨迹移动的第一视频，以使待检测对象观察游标移动；确定待检测对象观察游标移动时瞳孔的第二运动轨迹；确定第一运动轨迹与第二运动轨迹的差异度；若差异度小于预设差异度阈值，则确定待检测对象为活体。应用本申请实施例提供的技术方案，能有效防范视频欺骗，提高人脸识别系统的安全性。

Description

一种活体检测方法、装置、电子设备及存储介质
技术领域
本申请涉及人脸识别技术领域，特别是涉及一种活体检测方法、装置、电子设备及存储介质。
背景技术
随着人工智能的不断进步，基于人工智能的人脸识别系统也得到了快速发展，被应用于快捷支付、增强现实(Augmented Reality，AR)、门禁系统等应用场景中。人脸识别系统如今已可以精确地识别人脸，但还是存在被伪造的合法用户人脸(例如人脸照片)攻击的风险。因此，为降低人脸识别中存在的风险，活体检测成为人脸识别系统中不可或缺的一个环节。
目前，活体检测的方法包括：活体检测设备发出指令，例如摇头、点头、眨眼、张嘴等，待检测对象依据指令做出相应的动作；活体检测设备采集待检测对象做出的动作，并判断待检测对象做出的动作是否与检测设备发出的指令匹配，进而判断待检测对象是否为活体。
但发明人发现，在上述活体检测方法的应用中，由于活体检测设备发出的指令相对固定，欺骗者可获取合法用户依据指令做出相应动作的视频，通过视频欺骗活体检测设备，使得活体检测设备做出错误的判断。
发明内容
本申请实施例的目的在于提供一种活体检测方法、装置、电子设备及存储介质，以防范视频欺骗，提高人脸识别系统的安全性。具体技术方案如下：
在本申请实施例的第一方面，提供了一种活体检测方法，所述方法包括：
当待检测对象进入预设检测区域时，按照预设随机算法生成第一运动轨迹；
播放游标沿所述第一运动轨迹移动的第一视频，以使所述待检测对象观察所述游标移动；
确定所述待检测对象观察所述游标移动时瞳孔的第二运动轨迹；
确定所述第一运动轨迹与所述第二运动轨迹的差异度；
若所述差异度小于预设差异度阈值，则确定所述待检测对象为活体。
可选的，所述确定所述待检测对象观察所述游标移动时瞳孔的第二运动轨迹的步骤，包括：
采集所述待检测对象观察所述游标移动时包含所述待检测对象的瞳孔的第二视频；
提取所述第二视频包括的每帧图像中瞳孔的位置；
按图像采集的时间顺序组合提取的多个位置，得到所述待检测对象观察所述游标移动时瞳孔的第二运动轨迹。
可选的，所述提取所述第二视频包括的每帧图像中瞳孔的位置的步骤，包括：
确定所述第二视频中所述待检测对象的瞳孔中心的参考位置；
提取所述第二视频包括的每帧图像中瞳孔中心的位置与所述参考位置的相对位置，作为每帧图像中瞳孔的位置。
可选的，所述第一视频的帧率和所述第二视频的帧率相同。
可选的，所述确定所述第一运动轨迹与所述第二运动轨迹的差异度的步骤，包括：
采用离散的弗雷歇距离算法，计算所述第一运动轨迹与所述第二运动轨迹间的弗雷歇距离，作为所述第一运动轨迹与所述第二运动轨迹的差异度。
在本申请实施例的第二方面，还提供了一种活体检测装置，所述装置包括：
生成单元，用于当待检测对象进入预设检测区域时，按照预设随机算法生成第一运动轨迹；
播放单元，用于播放游标沿所述第一运动轨迹移动的第一视频，以使所述待检测对象观察所述游标移动；
第一确定单元，用于确定所述待检测对象观察所述游标移动时瞳孔的第二运动轨迹；
第二确定单元，用于确定所述第一运动轨迹与所述第二运动轨迹的差异度；
检测单元，用于若所述差异度小于预设差异度阈值，则确定所述待检测对象为活体。
可选的，所述第一确定单元，具体用于：
采集所述待检测对象观察所述游标移动时包含所述待检测对象的瞳孔的第二视频；
提取所述第二视频包括的每帧图像中瞳孔的位置；
按图像采集的时间顺序组合提取的多个位置，得到所述待检测对象观察所述游标移动时瞳孔的第二运动轨迹。
可选的，所述第一确定单元，具体用于：
确定所述第二视频中所述待检测对象的瞳孔中心的参考位置；
提取所述第二视频包括的每帧图像中瞳孔中心的位置与所述参考位置的相对位置，作为每帧图像中瞳孔的位置。
可选的，所述第一视频的帧率和所述第二视频的帧率相同。
可选的，所述第二确定单元，具体用于：
采用离散的弗雷歇距离算法，计算所述第一运动轨迹与所述第二运动轨迹间的弗雷歇距离，作为所述第一运动轨迹与所述第二运动轨迹的差异度。
在本申请实施的第三方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现任一所述的活体检测方法步骤。
在本申请实施的第四方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现任一所述的活体检测方法步骤。
在本申请实施的又一方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的活体检测方法。
本申请实施例提供的一种活体检测方法、装置、电子设备及存储介质中，按照预设随机算法生成第一运动轨迹，播放游标沿第一运动轨迹移动的第一视频，同时确定待检测对象观察游标移动时瞳孔的第二运动轨迹。若第一运动轨迹与第二运动轨迹的差异度小于预设差异度阈值，则确定待检测对象为活体。其中，第一运动轨迹是按照预设随机算法生成的，这能保证每次生成的第一运动轨迹不同。此时，即使欺骗者获取了合法用户某一次观察游标移动时瞳孔的第二运动轨迹的视频，但由于第一运动轨迹发生变化，使得欺骗者获取的视频中第二运动轨迹与第一运动轨迹的差异度较大，进而判定待检测对象为非活体。这有效防范了视频欺骗，提高了人脸识别系统的安全性。
附图说明
为了更清楚地说明本申请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。
图1为本申请实施例提供的人脸识别系统的一种结构示意图；
图2为本申请实施例提供的一种活体检测方法的一种流程示意图；
图3为本申请实施例提供的一种第一运动轨迹的一种示意图；
图4为本申请实施例提供的第一运动轨迹与第二运动轨迹对比的示意图；
图5为本申请实施例提供的一种活体检测方法的另一种流程示意图；
图6为基于图3所示的第一运动轨迹得到的第二运动轨迹的一种示意图；
图7为本申请实施例提供的一种活体检测装置的一种结构示意图；
图8为本申请实施例提供的一种电子设备的一种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
基于人工智能的人脸识别系统也得到了快速发展，被应用于快捷支付、AR、门禁系统等应用场景中。为降低人脸识别中存在的风险，活体检测成为人脸识别系统中不可或缺的一个环节。
目前，人脸识别系统如图1所示，包括活体检测模块101、人脸检测模块102和操作执行模块103。
其中，活体检测模块101用于，接收客户端采集的待检测对象的人脸图像或人脸视频，基于人脸图像或人脸视频，判断待检测对象是否为活体。
人脸检测模块102用于，在检测到待检测对象为活体的情况下，进行人脸检测，确定待检测对象的身份信息。
操作执行模块103用于，根据待检测对象的身份信息执行相应的操作。例如门禁系统中，待检测对象的身份信息为主人，则执行开门的操作。待检测对象的身份信息为陌生人，则执行拒绝开门的操作。
上述活体检测模块101执行的活体检测以及人脸检测模块102执行的人脸检测统称为人脸识别。在活体检测和人脸检测间存在着风险点，即采用欺骗手段攻击人脸识别系统的风险。
目前，人脸识别系统主要面临以下二种欺骗手段：
第一种为图片欺骗。具体的，欺骗者获取合法用户的人脸图片，以人脸图片欺骗人脸识别系统。这种欺骗手段最容易实现，代价也最小。
第二种为视频欺骗。具体的，欺骗者获取合法用户摇头、点头、眨眼、张嘴等特定姿态的人脸视频，以人脸视频欺骗人脸识别系统。这种欺骗手段对人脸识别系统的威胁较大。
为防范图片欺骗和视频欺骗，提高人脸识别系统的安全性，本申请实施例提供了一种活体检测方法。该活体检测方法可以应用于摄像机、与摄像机连接的电子设备等。为便于理解，下面以电子设备为执行主体进行说明，并不起限定作用。
参考图2，图2为本申请实施例提供的一种活体检测方法的一种流程示意图，该方法包括如下步骤。
步骤201，当待检测对象进入预设检测区域时，按照预设随机算法生成第一运动轨迹。
步骤202，播放游标沿第一运动轨迹移动的第一视频，以使待检测对象观察游标移动。
步骤203，确定待检测对象观察游标移动时瞳孔的第二运动轨迹。
步骤204，确定第一运动轨迹与第二运动轨迹的差异度。
步骤205，若差异度小于预设差异度阈值，则确定待检测对象为活体。
本申请实施例中，第一运动轨迹是按照预设随机算法生成的，这能保证每次生成的第一运动轨迹不同。此时，若欺骗者获取了合法用户的人脸图片，电子设备无法提取到瞳孔的第二运动轨迹，进而判定待检测对象为非活体。此外，即使欺骗者获取了合法用户某一次观察游标移动时瞳孔移动的视频，但由于第一运动轨迹发生变化，使得欺骗者获取的视频中第二运动轨迹与第一运动轨迹的差异度较大，进而判定待检测对象为非活体。这有效防范了图片欺骗和视频欺骗，提高了人脸识别系统的安全性。
针对上述步骤201当待检测对象进入预设检测区域时，按照预设随机算法生成第一运动轨迹的步骤，电子设备连接的摄像头可以实时对预设检测区域进行监控。当监控到有对象进入预设检测区域时，摄像机向电子设备发送活体检测指示，进而电子设备基于活体检测指示，将该进入预设检测区域的对象作为待检测对象，并按照预设随机算法生成第一运动轨迹。
本申请实施例中，预设随机算法包括但不限于贝塞尔曲线算法(Bézier curve)和非均匀有理B样条曲线算法(Non-Uniform Rational B-Splines)等。采用预设随机算法生成的第一运动轨迹具有唯一性，保证了每次生成的第一运动轨迹均不相同，有效预防了欺骗者提前获取合法用户某一次观察游标移动时瞳孔移动的视频，对人脸识别系统进行欺骗。
一个可选的实施例中，第一运动轨迹可以为平滑曲线，如图3所示，图3中，横坐标表示时间，纵坐标表示游标的位置。因为，第二运动轨迹为待检测对象观察游标移动时瞳孔的运动轨迹，也就是，第二运动轨迹为对待检测对象观察游标移动时的瞳孔移动进行拟合所得到的一条运动轨迹，为一条平滑曲线。第一运动轨迹为平滑曲线，便于后续比较第一运动轨迹和第二运动轨迹的差异。
针对步骤202播放游标沿第一运动轨迹移动的第一视频，以使待检测对象观察游标移动的步骤，电子设备连接有显示屏幕，当生成第一运动轨迹后，电子设备控制游标沿第一运动轨迹移动，并在显示屏幕上显示游标移动，也就是，电子设备在显示屏幕上播放游标沿第一运动轨迹移动的第一视频。待检测对象可通过显示屏幕观察游标移动。此时，待检测对象的视线跟随游标移动。
一个可选的实施例中，电子设备可以连接提示装置，在显示屏幕上显示第一视频前，提示待检测对象注意观察显示屏幕上显示的第一视频，其中，提示装置可以包括但不限于扩音喇叭、可显示指定颜色的指示灯等。其中，指定颜色可以为红色、绿色等。提示待检测对象注意观察显示屏幕上显示的第一视频的方式可以包括但不限于：以提示框、浮窗、浮层、播放提示音、控制指示灯显示指定颜色等方式。本申请实施例中，还可以多种提示方式组合，来提示待检测对象注意观察显示屏幕上显示的第一视频，例如，可以既播放提示音，也控制指示灯显示指定颜色。本申请实施例对提示待检测对象注意观察显示屏幕上显示的第一视频的不做具体限定。
针对步骤203确定待检测对象观察游标移动时瞳孔的第二运动轨迹的步骤，电子设备播放游标沿第一运动轨迹移动的第一视频，待检测对象观察游标移动时待检测对象的瞳孔会随着游标移动。电子设备获取待检测对象观察游标移动时瞳孔的运动轨迹，作为第二运动轨迹。其中，待检测对象观察游标移动时瞳孔的运动轨迹，即为待检测对象的视线移动轨迹，也就是，上述第二运动轨迹即为待检测对象的视线移动轨迹。
针对步骤204确定第一运动轨迹与第二运动轨迹的差异度的步骤，电子设备可采用预设的对比算法，计算第一运动轨迹与第二运动轨迹的差异度。例如，电子设备可采用弗雷歇距离算法计算第一运动轨迹与第二运动轨迹间的弗雷歇距离，将计算得到的弗雷歇距离作为第一运动轨迹与第二运动轨迹的差异度。其中，弗雷歇距离越大，第一运动轨迹与第二运动轨迹的差异度越大，第一运动轨迹与第二运动轨迹的相似度越小；弗雷歇距离越小，第一运动轨迹与第二运动轨迹的差异度越小，第一运动轨迹与第二运动轨迹的相似度越大。
例如图4所示的第一运动轨迹与第二运动轨迹对比的示意图。电子设备生成第一运动轨迹(即游标的移动轨迹)并获取第二运动轨迹(即待检测对象的视线移动轨迹)，比较第一运动轨迹和第二运动轨迹，得到第一运动轨迹与第二运动轨迹的差异度。
针对步骤205若差异度小于预设差异度阈值，则确定待检测对象为活体的步骤，电子设备在得到第一运动轨迹与第二运动轨迹的差异度后，比较差异度是否小于预设差异度阈值。若差异度小于预设差异度阈值，则电子设备可确定待检测对象在观察游标的移动，待检测对象在主观上对游标有跟随，待检测对象为活体。
若差异度大于等于预设差异度阈值，则电子设备可确定待检测对象未在观察游标的移动，或者说待检测对象不能观察游标的移动，待检测对象在主观上对游标没有跟随，待检测对象为非活体。电子设备可认为此时发生了图片欺骗或视频欺骗，根据实际应用执行相应的拒绝操作。例如，在门禁系统中，电子设备认为发生了图片欺骗或视频欺骗时，拒绝开门；在快捷支付中，电子设备认为发生了图片欺骗或视频欺骗时，拒绝支付。
上述预设差异度阈值可根据实际需求进行设定。例如，对安全性要求较低的门禁系统等应用场景中，预设差异度阈值可设置为较大的值；对安全性要求较高的快捷支付等应用场景中，预设差异度阈值可设置为较小的值。
本申请实施例中，基于视线跟随游标移动检测待检测对象是否为活体。在每一生成的游标的运动轨迹具有唯一性的情况下，本申请实施例提供的技术方案相对于现有的摇头、点头、眨眼、张嘴等，可有效防范图片欺骗和视频欺骗，提高了人脸识别系统的安全性。
基于图2所示的活体检测方法，本申请实施例还提供了一种活体检测方法。参考图5，图5为本申请实施例提供的一种活体检测方法的另一种流程示意图，该方法可以包括如下步骤。
步骤501，当待检测对象进入预设检测区域时，按照预设随机算法生成第一运动轨迹。
步骤502，播放游标沿第一运动轨迹移动的第一视频，以使待检测对象观察游标移动。
步骤503，采集待检测对象观察游标移动时包含待检测对象的瞳孔的第二视频。
步骤504，提取第二视频包括的每帧图像中瞳孔的位置。
步骤505，按图像采集的时间顺序组合提取的多个位置，得到待检测对象观察游标移动时瞳孔的第二运动轨迹。
步骤506，确定第一运动轨迹与第二运动轨迹的差异度。
步骤507，若差异度小于预设差异度阈值，则确定待检测对象为活体。
上述步骤501与步骤201一致，步骤502与步骤202一致，步骤506与步骤204一致，步骤507与步骤205一致。关于步骤501、502、506和507的具体实现可参考上述步骤201、202、204和205部分的描绘，此处不再赘述。
针对上述步骤503采集待检测对象观察游标移动时包含待检测对象的瞳孔的第二视频的步骤，电子设备在播放第一视频的同时，同步采集包含待检测对象的瞳孔的图像，并保存成第二视频。
一个可选的实施例中，第一视频的帧率和第二视频的帧率相同。例如，第一视频的帧率和第二视频的帧率均为10帧/秒。这样，电子设备就可以通过比较第一视频和第二视频中相同时间的图像中游标的位置以及瞳孔的位置，来确定第一运动轨迹与第二运动轨迹的差异度。避免因为时间偏差导致第一运动轨迹与第二运动轨迹的差异度的准确度降低的问题。
针对上述步骤504提取第二视频包括的每帧图像中瞳孔的位置的步骤，一个可选的实施例中，电子设备可确定第二视频中待检测对象的瞳孔中心的参考位置，提取第二视频包括的每帧图像中瞳孔中心的位置与参考位置的相对位置，作为每帧图像中瞳孔的位置。
一个实施例中，电子设备可以将第二视频每帧图像的右下角作为中心圆点，即以每帧图像的右下角作为参考位置。另一个实施例中，电子设备可以以第二视频的首帧图像中瞳孔中心的位置作为参考位置。再一个实施例中，电子设备可确定采集到的第二视频中待检测对象的眼睛的中心位置，将眼睛的中心位置作为参考位置。其中，眼睛的中心位置可以理解为待检测对象直视前方时，瞳孔中心的位置。
本申请实施例中，参考位置可根据上述任一种方式确定。在此不做具体限定。上述位置可以包括横向位置和纵向位置。
针对上述步骤505按图像采集的时间顺序组合提取的多个位置，得到待检测对象观察游标移动时瞳孔的第二运动轨迹的步骤，电子设备按照图像采集的时间顺序，组合分别从第二视频的每帧图像中提取的多个位置，进而拟合组合的多个位置，得到待检测对象观察游标移动时瞳孔的第二运动轨迹。例如图6所示，图6为基于图3所示的第一运动轨迹得到的第二运动轨迹的一种示意图。图6中横坐标表示时间，纵坐标表示瞳孔的位置。图6中每个实心圆点为从第二视频的一帧图像中提取的瞳孔的位置，第二视频的首帧图像中瞳孔中心的位置作为参考位置。基于此，图6可以理解为瞳孔移动路径散点图。
本申请实施例中，采集第二视频，基于第二视频的每帧图像中瞳孔位置，生成第二运动轨迹，进而确定第一运动轨迹与第二运动轨迹的差异度，确定待检测对象是否为活体。本申请实施例中，不需要增加昂贵的专用设备，如指纹识别设备、声纹识别设备、虹膜识别设备等，只需要在原有的人脸识别系统的基础上增加一架普通的摄像头，或复用人脸识别系统原有的摄像头，就可以实现活体检测，降低了人脸识别系统的成本，且便于人脸识别系统的维护。
另外，本申请实施例中，活体检测作为独立的算法模块，可以与人脸检测模块安装于同一物理机上也可以与人脸检测模块安装于不同的物理机，增加了人脸识别系统中活体检测设备安装的灵活性。并且活体检测作为独立的算法模块，独立于人脸检测模块，可灵活升级维护。
再次，现有的活体检测方法中，待检测对象需要依据活体检测设备的指令做出相应的动作，活体检测设备需要分别对待检测对象的每个动作进行验证，才能确定待检测对象是否为活体，待检测对象配合活体检测设备的时间较长。本申请实施例提供的活体检测方法，相对于现有的活体检测方法，待检测对象只需要观察游标移动即可，待检测对象配合活体检测设备的时间较短，用户体验较好。
此外，本申请实施例提供的活体检测方法中，活体检测和人脸检测相互独立，因此活体检测和人脸检测可并发的执行，进一步降低人脸识别的耗时，提高用户体验。
基于上述活体检测方法实施例，本申请实施例还提供了一种活体检测装置。参考图7，图7为本申请实施例提供的一种活体检测装置的一种结构示意图，该装置包括：生成单元701、播放单元702、第一确定单元703、第二确定单元704和检测单元705。
生成单元701，用于当待检测对象进入预设检测区域时，按照预设随机算法生成第一运动轨迹；
播放单元702，用于播放游标沿第一运动轨迹移动的第一视频，以使待检测对象观察游标移动；
第一确定单元703，用于确定待检测对象观察游标移动时瞳孔的第二运动轨迹；
第二确定单元704，用于确定第一运动轨迹与第二运动轨迹的差异度；
检测单元705，用于若差异度小于预设差异度阈值，则确定待检测对象为活体。
一个可选的实施例中，第一确定单元703，具体可以用于：
采集待检测对象观察游标移动时包含待检测对象的瞳孔的第二视频；
提取第二视频包括的每帧图像中瞳孔的位置；
按图像采集的时间顺序组合提取的多个位置，得到待检测对象观察游标移动时瞳孔的第二运动轨迹。
一个可选的实施例中，第一确定单元703，具体可以用于：
确定第二视频中待检测对象的瞳孔中心的参考位置；
提取第二视频包括的每帧图像中瞳孔中心的位置与参考位置的相对位置，作为每帧图像中瞳孔的位置。
一个可选的实施例中，第一视频的帧率和第二视频的帧率相同。
一个可选的实施例中，第二确定单元704，具体可以用于：
采用离散的弗雷歇距离算法，计算第一运动轨迹与第二运动轨迹间的弗雷歇距离，作为第一运动轨迹与第二运动轨迹的差异度。
本申请实施例提供的技术方案中，第一运动轨迹是按照预设随机算法生成的，这能保证每次生成的第一运动轨迹不同。此时，即使欺骗者获取了合法用户某一次观察游标移动时瞳孔的第二运动轨迹的视频，但由于第一运动轨迹发生变化，使得欺骗者获取的视频中第二运动轨迹与第一运动轨迹的差异度较大，进而判定待检测对象为非活体。这有效防范了视频欺骗，提高了人脸识别系统的安全性。
基于上述活体检测方法实施例，本申请实施例还提供了一种电子设备，如图8所示，包括处理器801、通信接口802、存储器803和通信总线804，其中，处理器801，通信接口802，存储器803通过通信总线804完成相互间的通信，
存储器803，用于存放计算机程序；
处理器801，用于执行存储器803上所存放的程序时，实现如下步骤：
当待检测对象进入预设检测区域时，按照预设随机算法生成第一运动轨迹；
播放游标沿第一运动轨迹移动的第一视频，以使待检测对象观察游标移动；
确定待检测对象观察游标移动时瞳孔的第二运动轨迹；
确定第一运动轨迹与第二运动轨迹的差异度；
若差异度小于预设差异度阈值，则确定待检测对象为活体。
本申请实施例提供的技术方案中，第一运动轨迹是按照预设随机算法生成的，这能保证每次生成的第一运动轨迹不同。此时，即使欺骗者获取了合法用户某一次观察游标移动时瞳孔的第二运动轨迹的视频，但由于第一运动轨迹发生变化，使得欺骗者获取的视频中第二运动轨迹与第一运动轨迹的差异度较大，进而判定待检测对象为非活体。这有效防范了视频欺骗，提高了人脸识别系统的安全性。
上述通信总线可以是外设部件互连标准(Peripheral Component Interconnect，PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
上述通信接口用于上述电子设备与其他设备之间的通信。
上述存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
基于上述活体检测方法实施例，在本申请提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现上述实施例中任一所述的活体检测方法。
基于上述活体检测方法实施例，在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的活体检测方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于活体检测装置、电子设备、计算机可读存储介质和计算机程序产品实施例而言，由于其基本相似于活体检测方法实施例，所以描述的比较简单，相关之处参见活体检测方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (12)

1.一种活体检测方法，其特征在于，所述方法包括：
当待检测对象进入预设检测区域时，按照预设随机算法生成第一运动轨迹；
播放游标沿所述第一运动轨迹移动的第一视频，以使所述待检测对象观察所述游标移动；
确定所述待检测对象观察所述游标移动时瞳孔的第二运动轨迹；
确定所述第一运动轨迹与所述第二运动轨迹的差异度；
若所述差异度小于预设差异度阈值，则确定所述待检测对象为活体。
2.根据权利要求1所述的方法，其特征在于，所述确定所述待检测对象观察所述游标移动时瞳孔的第二运动轨迹的步骤，包括：
采集所述待检测对象观察所述游标移动时包含所述待检测对象的瞳孔的第二视频；
提取所述第二视频包括的每帧图像中瞳孔的位置；
按图像采集的时间顺序组合提取的多个位置，得到所述待检测对象观察所述游标移动时瞳孔的第二运动轨迹。
3.根据权利要求2所述的方法，其特征在于，所述提取所述第二视频包括的每帧图像中瞳孔的位置的步骤，包括：
确定所述第二视频中所述待检测对象的瞳孔中心的参考位置；
提取所述第二视频包括的每帧图像中瞳孔中心的位置与所述参考位置的相对位置，作为每帧图像中瞳孔的位置。
4.根据权利要求2或3所述的方法，其特征在于，所述第一视频的帧率和所述第二视频的帧率相同。
5.根据权利要求1所述的方法，其特征在于，所述确定所述第一运动轨迹与所述第二运动轨迹的差异度的步骤，包括：
采用离散的弗雷歇距离算法，计算所述第一运动轨迹与所述第二运动轨迹间的弗雷歇距离，作为所述第一运动轨迹与所述第二运动轨迹的差异度。
6.一种活体检测装置，其特征在于，所述装置包括：
生成单元，用于当待检测对象进入预设检测区域时，按照预设随机算法生成第一运动轨迹；
播放单元，用于播放游标沿所述第一运动轨迹移动的第一视频，以使所述待检测对象观察所述游标移动；
第一确定单元，用于确定所述待检测对象观察所述游标移动时瞳孔的第二运动轨迹；
第二确定单元，用于确定所述第一运动轨迹与所述第二运动轨迹的差异度；
检测单元，用于若所述差异度小于预设差异度阈值，则确定所述待检测对象为活体。
7.根据权利要求6所述的装置，其特征在于，所述第一确定单元，具体用于：
采集所述待检测对象观察所述游标移动时包含所述待检测对象的瞳孔的第二视频；
提取所述第二视频包括的每帧图像中瞳孔的位置；
按图像采集的时间顺序组合提取的多个位置，得到所述待检测对象观察所述游标移动时瞳孔的第二运动轨迹。
8.根据权利要求7所述的装置，其特征在于，所述第一确定单元，具体用于：
确定所述第二视频中所述待检测对象的瞳孔中心的参考位置；
提取所述第二视频包括的每帧图像中瞳孔中心的位置与所述参考位置的相对位置，作为每帧图像中瞳孔的位置。
9.根据权利要求7或8所述的装置，其特征在于，所述第一视频的帧率和所述第二视频的帧率相同。
10.根据权利要求6所述的装置，其特征在于，所述第二确定单元，具体用于：
采用离散的弗雷歇距离算法，计算所述第一运动轨迹与所述第二运动轨迹间的弗雷歇距离，作为所述第一运动轨迹与所述第二运动轨迹的差异度。
11.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。
12.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
CN201911206183.1A 2019-11-29 2019-11-29 一种活体检测方法、装置、电子设备及存储介质 Pending CN110909704A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911206183.1A CN110909704A (zh) 2019-11-29 2019-11-29 一种活体检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911206183.1A CN110909704A (zh) 2019-11-29 2019-11-29 一种活体检测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN110909704A true CN110909704A (zh) 2020-03-24

Family

ID=69821152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911206183.1A Pending CN110909704A (zh) 2019-11-29 2019-11-29 一种活体检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN110909704A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113239887A (zh) * 2021-06-04 2021-08-10 Oppo广东移动通信有限公司 活体检测方法及装置、计算机可读存储介质和电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105930761A (zh) * 2015-11-30 2016-09-07 中国银联股份有限公司 一种基于眼球跟踪的活体检测的方法、装置及系统
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
CN109886080A (zh) * 2018-12-29 2019-06-14 深圳云天励飞技术有限公司 人脸活体检测方法、装置、电子设备及可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105930761A (zh) * 2015-11-30 2016-09-07 中国银联股份有限公司 一种基于眼球跟踪的活体检测的方法、装置及系统
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
CN109886080A (zh) * 2018-12-29 2019-06-14 深圳云天励飞技术有限公司 人脸活体检测方法、装置、电子设备及可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113239887A (zh) * 2021-06-04 2021-08-10 Oppo广东移动通信有限公司 活体检测方法及装置、计算机可读存储介质和电子设备

Similar Documents

Publication Publication Date Title
US11551482B2 (en) Facial recognition-based authentication
US10482230B2 (en) Face-controlled liveness verification
CN105184277B (zh) 活体人脸识别方法以及装置
CN105117695B (zh) 活体检测设备和活体检测方法
EP3332403B1 (en) Liveness detection
CN108140123A (zh) 人脸活体检测方法、电子设备和计算机程序产品
CN110705507A (zh) 一种身份识别方法及装置
CN111582238B (zh) 一种应用于人脸遮挡场景的活体检测方法及装置
CN113205057B (zh) 人脸活体检测方法、装置、设备及存储介质
US11756336B2 (en) Iris authentication device, iris authentication method, and recording medium
CN109766785A (zh) 一种人脸的活体检测方法及装置
CN110348385B (zh) 活体人脸识别方法和装置
US20240104965A1 (en) Face liveness detection methods and apparatuses
WO2023034251A1 (en) Spoof detection based on challenge response analysis
CN110909704A (zh) 一种活体检测方法、装置、电子设备及存储介质
CN105518715A (zh) 活体检测方法及设备、计算机程序产品
WO2018133584A1 (zh) 一种身份验证方法及装置
CN114387674A (zh) 活体检测方法、系统、设备、存储介质及程序产品
JP6983365B1 (ja) 認証装置、認証方法及び認証プログラム
CN113705428A (zh) 活体检测方法及装置、电子设备及计算机可读存储介质
JP2018169943A (ja) 顔認証処理装置、顔認証処理方法及び顔認証処理システム
KR20220009287A (ko) 딥러닝 기반 영상처리를 활용한 온라인 시험 부정행위 방지 시스템 및 방법
CN117197903A (zh) 活体检测方法及装置
JP7480841B2 (ja) イベントの管理方法、イベント管理装置、システム及びプログラム
WO2022145143A1 (ja) 情報処理システム、情報処理装置、情報処理方法及び記録媒体

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: 20200324

RJ01 Rejection of invention patent application after publication