CN111126214A - 活体检测方法及装置、计算机设备和计算机可读存储介质 - Google Patents

活体检测方法及装置、计算机设备和计算机可读存储介质 Download PDF

Info

Publication number
CN111126214A
CN111126214A CN201911283485.9A CN201911283485A CN111126214A CN 111126214 A CN111126214 A CN 111126214A CN 201911283485 A CN201911283485 A CN 201911283485A CN 111126214 A CN111126214 A CN 111126214A
Authority
CN
China
Prior art keywords
living body
action sequence
detected
image
detection data
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
CN201911283485.9A
Other languages
English (en)
Inventor
马福鑫
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 Kuangshi Technology Co Ltd
Beijing Megvii Technology Co Ltd
Original Assignee
Beijing Kuangshi 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 Kuangshi Technology Co Ltd filed Critical Beijing Kuangshi Technology Co Ltd
Priority to CN201911283485.9A priority Critical patent/CN111126214A/zh
Publication of CN111126214A publication Critical patent/CN111126214A/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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • 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
    • 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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Security & Cryptography (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请涉及一种活体检测方法及装置、计算机设备和计算机可读存储介质。该方法包括：在用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成第二动作序列，其中，第二动作序列与第一动作序列不同；在用户按照所述第二动作序列中的动作进行拍摄时，获取待检测图像；将第二动作序列和待检测图像发送至服务器，其中，服务器用于根据第二动作序列和待检测图像，判断待检测图像中的对象是否为活体。本申请在检测系统受到恶意用户攻击时可以及时做出应对措施，从而可以有效避免恶意用户攻击所带来的损失，提高了活体检测的安全性和可靠性。

Description

活体检测方法及装置、计算机设备和计算机可读存储介质
技术领域
本申请涉及信息检测技术领域，特别是涉及一种活体检测方法及装置、计算机设备和计算机可读存储介质。
背景技术
用户在使用手机打车软件、支付软件等业务时，考虑到这些场景都是在线进行，同时对安全性要求很高，因此需要对用户进行活体检测以实现身份验证。目前，活体检测主要采用动作活体的检测方式，具体是让用户实时根据指示去完成指定动作，例如点头、摇头、眨眼等。
传统的活体检测方法主要分两步：首先，根据用户上传的图像帧信息判断目标是否为具有生命体征的活体；其次，通过比对活体特征信息来判断是否是同一个人。然而，一些恶意用户(例如不法分子)经常会利用检测系统的漏洞盗取指示信息和动作序列，通过使用虚假的图像而非实时拍摄甚至非本人的图像来完成活体检测，进而取得相应权限，给人民的生命和财产安全带来了极大的危害。
因此，采用传统的活体检测方法，安全性不高。
发明内容
基于此，有必要针对上述采用传统的活体检测方法安全性不高的技术问题，提供一种活体检测方法及装置、计算机设备和计算机可读存储介质。
一种活体检测方法，所述方法包括：
在用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成第二动作序列，其中，所述第二动作序列与所述第一动作序列不同；
在所述用户按照所述第二动作序列中的动作进行拍摄时，获取待检测图像；
将活体检测数据发送至服务器，其中，所述活体检测数据包括所述第二动作序列和所述待检测图像，所述服务器用于根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
在其中一个实施例中，所述方法还包括：
接收所述服务器发送的配置信息，其中，所述配置信息包括第三动作序列及其包含的动作的个数；
根据预存的动作库中的多种动作及所述动作的个数，随机生成第四动作序列；
若所述第四动作序列与所述第三动作序列不同，则将所述第四动作序列确定为所述第一动作序列。
在其中一个实施例中，所述随机生成第二动作序列，包括：
接收所述服务器发送的配置信息，其中，所述配置信息包括动作个数；
获取预存的动作库中的多种动作；
从所述多种动作中，随机选取与所述配置信息中的动作个数相同的多个动作，以生成第二动作序列。
在其中一个实施例中，所述方法还包括：
获取在拍摄期间累积的中断次数、中断类型和/或终端指纹信息；
所述将活体检测数据发送至服务器，包括：
将活体检测数据发送至服务器，其中，所述活体检测数据还包括所述中断次数、所述中断类型和/或所述终端指纹信息。
在其中一个实施例中，所述获取待检测图像，包括：
获取所述用户响应于所述第二动作序列中的每个动作所拍摄的多张图像；
对所述多张图像进行评分，以从所述多张图像中提取所述每个动作对应的分值最高的图像；
将所述第二动作序列中所有的所述分值最高的图像确定为所述待检测图像。
在其中一个实施例中，所述将活体检测数据发送至服务器，包括：
对所述活体检测数据进行加密，并将加密后的活体检测数据发送至服务器。
一种活体检测方法，所述方法包括：
接收终端发送的活体检测数据，其中，所述活体检测数据包括第二动作序列和待检测图像，所述第二动作序列为用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成的动作序列，所述第二动作序列与所述第一动作序列不同；
根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
在其中一个实施例中，根据所述活体检测数据，判断所述待检测图像中的对象是否为活体，包括：
将所述活体检测数据中的第二动作序列与待检测图像进行匹配，得到匹配分数；
根据所述匹配分数，判断所述待检测图像中的对象是否为活体。
在其中一个实施例中，所述活体检测数据还包括终端在拍摄期间累积的中断次数、中断类型和/或终端指纹信息。
在其中一个实施例中，根据所述活体检测数据，判断所述待检测图像中的对象是否为活体，包括：
若所述中断次数大于预设阈值，则判定所述待检测图像中的对象为非活体；
若所述中断次数小于或等于预设阈值，则将所述第二动作序列与所述待检测图像进行匹配，得到匹配分数；根据所述匹配分数，以及基于所述中断次数、所述中断类型和/或所述终端指纹信息，得到活体分数；若所述活体分数大于或等于预设数值，则判定所述待检测图像中的对象为活体。
在其中一个实施例中，所述接收终端发送的活体检测数据，包括：
接收终端发送的加密后的活体检测数据；
对所述加密后的活体检测数据进行解密，得到所述活体检测数据。
一种活体检测装置，所述装置包括：
序列生成模块，用于在用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成第二动作序列，其中，所述第二动作序列与所述第一动作序列不同；
图像获取模块，用于在所述用户按照所述第二动作序列中的动作进行拍摄时，获取待检测图像；
判断模块，用于将活体检测数据发送至服务器，其中，所述活体检测数据包括所述第二动作序列和所述待检测图像，所述服务器用于根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
一种活体检测装置，所述装置包括：
信息接收模块，用于接收终端发送的活体检测数据，其中，所述活体检测数据包括第二动作序列和待检测图像，所述第二动作序列为用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成的动作序列，所述第二动作序列与所述第一动作序列不同；
判断模块，用于根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
一种计算机设备，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计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
在用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成第二动作序列，其中，所述第二动作序列与所述第一动作序列不同；
在所述用户按照所述第二动作序列中的动作进行拍摄时，获取待检测图像；
将活体检测数据发送至服务器，其中，所述活体检测数据包括所述第二动作序列和所述待检测图像，所述服务器用于根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
一种计算机设备，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计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
接收终端发送的活体检测数据，其中，所述活体检测数据包括第二动作序列和待检测图像，所述第二动作序列为用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成的动作序列，所述第二动作序列与所述第一动作序列不同；
根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
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以下步骤：
在用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成第二动作序列，其中，所述第二动作序列与所述第一动作序列不同；
在所述用户按照所述第二动作序列中的动作进行拍摄时，获取待检测图像；
将活体检测数据发送至服务器，其中，所述活体检测数据包括所述第二动作序列和所述待检测图像，所述服务器用于根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
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以下步骤：
接收终端发送的活体检测数据，其中，所述活体检测数据包括第二动作序列和待检测图像，所述第二动作序列为用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成的动作序列，所述第二动作序列与所述第一动作序列不同；
根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
上述活体检测方法及装置、计算机设备和计算机可读存储介质，若检测到用户在拍摄期间发生中断，则认为检测系统可能已经被恶意用户攻击，此时用户拍摄所依照的第一动作序列可能已经被盗取，在此情形下，通过生成随机的第二动作序列，使得可能被盗取的第一动作序列失效，这样，即使检测系统受到恶意用户攻击，由于本申请可以及时做出应对措施，从而可以有效避免恶意用户攻击所带来的损失，提高了活体检测的安全性和可靠性。
附图说明
图1为一个实施例中活体检测方法的应用环境图；
图2为一个实施例中活体检测方法的流程示意图；
图3为一个实施例中生成第一动作序列的流程示意图；
图4为另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为另一个实施例中活体检测装置的结构框图；
图7为一个实施例中计算机设备的内部结构图；
图8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。
本申请提供的活体检测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102用于在用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成与第一动作序列不同的第二动作序列。终端102还用于在用户按照第二动作序列中的动作进行拍摄时，获取待检测图像，并将第二动作序列和待检测图像发送至服务器104。服务器104用于接收该第二动作序列和待检测图像，并根据该第二动作序列和待检测图像，判断待检测图像中的对象是否为活体。
其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种活体检测方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
S202，在用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成第二动作序列。
其中，第二动作序列与第一动作序列不同。
其中，动作序列是指经过排序的多个动作所组成的序列。动作包括眨眼、张嘴、摇头、点头等。
可选地，用户在使用终端进行动作拍摄时，若终端检测到拍摄失败并重试(例如拍摄某个动作超过预设时间)，则判定发生中断；或者，若终端检测到用户触发手机Home键或者返回键，则判定发生中断；或者，若终端检测到有对话框弹出，则判定发生中断；或者，若终端检测到有来电，则判定发生中断。
具体地，在执行S202之前，终端首先根据第一动作序列生成第一动作指示信息，并输出该第一动作指示信息以指示用户按照终端中的指定动作做出相应动作。示例性地，终端可通过视频输出设备(如显示屏)按次序显示第一动作序列中的动作；或者，终端可通过音频输出设备(如扬声器)按次序播报第一动作序列中的动作，或者，终端采用上述两种输出方式的组合来输出第一动作指示信息。
在用户根据第一动作指示信息，以按照第一动作序列中的动作进行拍摄时，若终端检测到拍摄期间发生中断，则随机生成与第一动作序列不同的第二动作序列。其中，判定第一动作序列与第二动作序列不同的实现方式如下：
假设第一动作序列中的动作个数为a，第二动作序列中的动作个数为b；
若a≠b，则判定第一动作序列与第二动作序列不同；
若a＝b，则分别比对第一动作序列与第二动作序列中次序一致的动作类别，若存在一组动作类别不同，例如第一动作序列中的第二个动作类别为眨眼，而第二动作序列中的第二个动作类别为点头，则判定第一动作序列与第二动作序列不同。
S204，在用户按照第二动作序列中的动作进行拍摄时，获取待检测图像。
其中，待检测图像可以以图像序列的方式排列。通常，待检测图像包括多张人脸图像。
可选地，待检测图像可以是用户响应于第二动作序列中的每个动作所拍摄的图像。进一步地，作为一种实施方式，确定待检测图像的具体实现方式包括：首先获取用户响应于第二动作序列中的每个动作所拍摄的多张图像，然后对多张图像进行评分，以从多张图像中提取每个动作对应的分值最高的图像，最后将第二动作序列中所有的分值最高的图像确定为待检测图像。
可选地，待检测图像也可能是恶意用户通过修改终端摄像头输入源的方式，将提前采集的图像送入摄像头输入流，此时待检测图像即为恶意用户提前采集的图像。
S206，将活体检测数据发送至服务器，以使服务器根据该活体检测数据，判断待检测图像中的对象是否为活体。
其中，活体检测数据包括第二动作序列和待检测图像。
具体地，终端在获得包含第二动作序列和待检测图像的待检测数据之后，将第二动作序列和待检测图像发送至服务器，以使服务器根据第二动作序列和待检测图像，判断待检测图像中的对象是否为活体。可选地，服务器通过将第二动作序列与待检测图像进行匹配，得到匹配分数，该匹配分数用于表征第二动作序列与待检测图像之间的匹配度。进而服务器根据匹配分数，判断待检测图像中的对象是否为活体。之后，终端接收判断结果，并将该判断结果输出给用户。
上述活体检测方法，若检测到用户在拍摄期间发生中断，则认为检测系统可能已经被恶意用户攻击，此时用户拍摄所依照的第一动作序列可能已经被盗取，在此情形下，通过生成随机的第二动作序列，使得可能被盗取的第一动作序列失效，这样，即使检测系统受到恶意用户攻击，由于本申请可以及时做出应对措施，从而可以有效避免恶意用户攻击所带来的损失，提高了活体检测的安全性和可靠性。
在一个实施例中，请参阅图3，涉及第一动作序列的生成过程。在上述实施例的基础上，该方法还包括如下步骤：
S212，接收服务器发送的配置信息，其中，配置信息包括第三动作序列及其包含的动作的个数；
S214，根据预存的动作库中的多种动作及动作的个数，随机生成第四动作序列；
S216，若第四动作序列与第三动作序列不同，则将第四动作序列确定为第一动作序列。
可选地，动作库可以是存储在终端中的动作池。
具体地，终端与服务器建立通信连接之后，终端接收服务器发送的配置信息，该配置信息包括第三动作序列。之后，终端基于动作库中的多种动作，随机生成第四动作序列。终端通过比对第四动作序列和第三动作序列，判断第四动作序列与第三动作序列是否相同，具体的比对方式可类比如上所述的第一动作序列与第二动作序列的比对方式。若第四动作序列与第三动作序列不同，则将第四动作序列确定为第一动作序列；若第四动作序列与第三动作序列相同，则再次随机生成第四动作序列，直到第四动作序列与第三动作序列不同。可以理解，为了达到更高的检测安全性，本实施例中，即使检测过程不被打断，在检测之前也重新随机生成动作序列。
进一步地，配置信息还包括第三动作序列对应的动作个数。在一个实施例中，终端基于动作库中的多种动作以及动作个数，随机生成满足该动作个数的第四动作序列。即，第三动作序列与第四动作序列中的动作个数是相同的。
本申请实施例中，通过随机生成第四动作序列，使其与第三动作序列不同，这样，即使恶意用户盗取服务器发送的配置信息，由于动作序列已经改变，因此可以有效避免恶意用户攻击所带来的损失，进一步提高了活体检测的安全性和可靠性。
在其他实施例中，也可直接将第三动作序列确定为第一动作序列。
在一个实施例中，涉及随机生成第二动作序列的一种可能的实现过程。在上述实施例的基础上，S202包括以下步骤：
接收服务器发送的配置信息，其中，配置信息包括动作个数；
获取预存的动作库中的多种动作；
从多种动作中，随机选取与配置信息中的动作个数相同的多个动作，以生成第二动作序列。
具体地，动作库是预先在终端中配置的信息。终端首先接收服务器发送的配置信息，如动作个数，可选地，该动作个数可以是服务器发送的第一动作序列所包含的动作的个数。然后，从动作库中抽取该动作个数的动作依次排列，构成第二动作序列。例如，假设动作库中包含“点头、摇头、眨眼、张嘴”等动作，第一动作序列为“点头-张嘴-眨眼”，那么，若从动作库中先随机抽取出摇头，再随机抽取出眨眼，再随机抽取出张嘴，构成“摇头-眨眼-张嘴”的初始动作序列，不难看出，该初始动作序列明显与第一动作序列不同，因此，可将该初始动作序列作为第二动作序列。若从动作库中先随机抽取出点头，再随机抽取出张嘴，再随机抽取出眨眼，构成“点头-张嘴-眨眼”的初始动作序列，由于该初始动作序列与第一动作序列是相同的，因此，还需再一次进行随机抽取初始动作序列，直到初始动作序列与第一动作序列不同为止。
本实施例中，将第二动作序列与第一动作序列中的动作设置成相同个数，有利于终端快速得出两者是否相同的结果，提高活体检测的检测效率。
为了进一步提高活体检测的安全性，在一个实施例中，涉及对终端向服务器发送的信息进行加密的具体过程。在上述实施例的基础上，S206包括如下步骤：
S2062，对第二动作序列和待检测图像进行加密，并将加密后的第二动作序列和待检测图像发送至服务器。
具体地，终端在获得第二动作序列和待检测图像之后，对第二动作序列和待检测图像进行加密，并将加密后的第二动作序列和待检测图像发送至服务器。可选地，加密方式可采用RSA加密或者自定义加密策略。
在一个实施例中，该方法还包括如下步骤：
S222，获取在拍摄期间累积的中断次数、中断类型和/或终端指纹信息。
其中，拍摄期间累积的中断次数是指包括第一动作序列和第二动作序列所拍摄期间总共发生的中断次数。中断类型用于表征不同的中断方式，例如包括如上所述的有对话框弹出、有来电等等。终端指纹信息包括可以用于唯一标识该终端的终端特征的设备标识，例如终端ID或者终端的名称、型号、形状、颜色、功能等特征的组合。
进一步地，在上述实施例的基础上，S206包括如下步骤：
S2062，将第二动作序列和待检测图像，中断次数、中断类型和/或终端指纹信息发送至服务器，其中，服务器用于根据第二动作序列和待检测图像以及基于中断次数、中断类型和/或终端指纹信息，判断待检测图像中的对象是否为活体。
具体地，终端在获得第二动作序列和待检测图像，中断次数、中断类型和/或终端指纹信息之后，将第二动作序列和待检测图像，中断次数、中断类型和/或终端指纹信息发送至服务器，以使服务器根据第二动作序列和待检测图像，中断次数、中断类型和/或终端指纹信息，判断待检测图像中的对象是否为活体。可选地，待检测图像为第二动作序列中所有的分值最高的图像。
示例性地，服务器根据第二动作序列和待检测图像，中断次数、中断类型和/或终端指纹信息以及预设的权重，计算得到活体分数，若活体分数大于或等于预设数值，则判定待检测图像中的对象为活体；若活体分数小于预设数值，则判定待检测图像中的对象为非活体。作为一种实施方式，服务器先将第二动作序列和待检测图像匹配，得到匹配分数A1，并将中断次数、中断类型、终端指纹信息转化为相应的分值A2，A3，A4，作为示例，若同时获得中断次数、中断类型和终端指纹信息，则根据活体分数计算公式：B＝w1*A1+w2*A2+w3*A3+w4*A4，计算活体分数。作为示例，若只获得中断次数、终端指纹信息，则根据活体分数计算公式：B＝w1*A1+w2*A2+w4*A4，计算活体分数。可以理解，活体分数计算公式依据采集的活体检测数据的不同而有所变化。
进一步地，若终端指纹信息匹配到服务器的存储器中有攻击嫌疑记录，则将其列为重点关注对象，以便后续对其进行更严格地监测。
本申请实施例中，将多种因素作为活体检测的评判标准，可以降低恶意用户攻击所带来的损失，有助于提高了活体检测的安全性和可靠性。
进一步地，在一个实施例中，终端在获得活体检测数据之后，对活体检测数据进行加密，并将加密后的活体检测数据发送至服务器。可选地，加密方式可采用RSA加密或者自定义加密策略。本实施例中，通过使用加密方式，增加了恶意用户盗取信息的难度，可进一步提高活体检测的安全性。
基于同一发明构思，在一个实施例中，如图4所示，提供了一种活体检测方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S302，接收终端发送的活体检测数据。
其中，活体检测数据包括第二动作序列和待检测图像。第二动作序列为用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成的动作序列，第二动作序列与第一动作序列不同。
具体地，如上所述，终端将第二动作序列和待检测图像发送至服务器。服务器接收该第二动作序列和待检测图像。
S304，根据活体检测数据，判断待检测图像中的对象是否为活体。
具体地，服务器在获得第二动作序列和待检测图像之后，根据第二动作序列和待检测图像，判断待检测图像中的对象是否为活体。可选地，服务器通过将第二动作序列与待检测图像进行匹配，得到匹配分数，该匹配分数用于表征第二动作序列与待检测图像之间的匹配度。进而服务器根据匹配分数，判断待检测图像中的对象是否为活体。
更具体地，若匹配分数大于预设分值，则认为第二动作序列与待检测图像匹配度很高，进而可认为是用户本人实际拍摄得到的图像，此时判定待检测图像中的对象为活体。反之，则判定待检测图像中的对象为非活体。
上述活体检测方法，若检测到用户在拍摄期间发生中断，则认为检测系统可能已经被恶意用户攻击，此时用户拍摄所依照的第一动作序列可能已经被盗取，在此情形下，通过生成随机的第二动作序列，使得可能被盗取的第一动作序列失效，这样，即使检测系统受到恶意用户攻击，由于本申请可以及时做出应对措施，从而可以有效避免恶意用户攻击所带来的损失，提高了活体检测的安全性和可靠性。
在一个实施例中，涉及服务器对终端发送的信息进行解密的具体过程。在上述实施例的基础上，S302包括如下步骤：
S3022，接收终端发送的加密后的活体检测数据；
S3024，对加密后的活体检测数据，得到活体检测数据。
具体地，服务器接收终端发送的加密后的活体检测数据，基于终端采用的加密方式，对应地，服务器采用相应的解密方式对加密后的活体检测数据进行解密，得到活体检测数据。
本实施例通过对传输的信息采用加密和解密的方式，增加了恶意用户盗取信息的难度，进一步提高了活体检测的安全性和可靠性。
在一个实施例中，该方法还包括如下步骤：
S312，接收终端发送的在拍摄期间累积的中断次数、中断类型和/或终端指纹信息。
进一步地，在上述实施例的基础上，S304包括如下步骤：
S3042，根据第二动作序列和待检测图像、以及基于中断次数、中断类型和/或终端指纹信息，判断待检测图像中的对象是否为活体。
具体地，若中断次数大于预设阈值，则服务器判定待检测图像中的对象为非活体；若中断次数小于或等于预设阈值，则服务器将第二动作序列与待检测图像进行匹配，得到匹配分数，然后，服务器根据匹配分数、以及基于中断次数、中断类型和/或终端指纹信息，得到活体分数，若活体分数大于或等于预设数值，则服务器判定待检测图像中的对象为活体。可选地，服务器通过对匹配分数、中断次数以及终端指纹信息设置相应的权重，计算得到活体分数。作为一种实施方式，服务器先将第二动作序列和待检测图像匹配，得到匹配分数A1，并将中断次数、中断类型、终端指纹信息转化为相应的分值A2，A3，A4，作为示例，若同时获得中断次数、中断类型和终端指纹信息，则根据活体分数计算公式：B＝w1*A1+w2*A2+w3*A3+w4*A4，计算活体分数。作为示例，若只获得中断次数、终端指纹信息，则根据活体分数计算公式：B＝w1*A1+w2*A2+w4*A4，计算活体分数。可以理解，活体分数计算公式依据采集的活体检测数据的不同而有所变化。
进一步地，若终端指纹信息匹配到服务器的存储器中有攻击嫌疑记录，则将其列为重点关注对象，以便后续对其进行更严格地监测。
本申请实施例中，将多种因素作为活体检测的评判标准，可以降低恶意用户攻击所带来的损失，有助于提高了活体检测的安全性和可靠性。
应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种活体检测装置40，其中，该活体检测装置40包括：
序列生成模块402，用于在用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成第二动作序列，其中，所述第二动作序列与所述第一动作序列不同；
图像获取模块404，用于在所述用户按照所述第二动作序列中的动作进行拍摄时，获取待检测图像；
判断模块406，用于将活体检测数据发送至服务器，其中，所述活体检测数据包括所述第二动作序列和所述待检测图像，所述服务器用于根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
上述活体检测装置，若检测到用户在拍摄期间发生中断，则认为检测系统可能已经被恶意用户攻击，此时用户拍摄所依照的第一动作序列可能已经被盗取，在此情形下，通过生成随机的第二动作序列，使得可能被盗取的第一动作序列失效，这样，即使检测系统受到恶意用户攻击，由于本申请可以及时做出应对措施，从而可以有效避免恶意用户攻击所带来的损失，提高了活体检测的安全性和可靠性。
在一个实施例中，如图6所示，提供了一种活体检测装置50，其中，该活体检测装置50包括：
信息接收模块502，用于接收终端发送的活体检测数据，其中，所述活体检测数据包括第二动作序列和待检测图像，所述第二动作序列为用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成的动作序列，所述第二动作序列与所述第一动作序列不同；
判断模块504，用于根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
上述活体检测装置，若检测到用户在拍摄期间发生中断，则认为检测系统可能已经被恶意用户攻击，此时用户拍摄所依照的第一动作序列可能已经被盗取，在此情形下，通过生成随机的第二动作序列，使得可能被盗取的第一动作序列失效，这样，即使检测系统受到恶意用户攻击，由于本申请可以及时做出应对措施，从而可以有效避免恶意用户攻击所带来的损失，提高了活体检测的安全性和可靠性。
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。上述活体检测装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7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7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、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
在用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成第二动作序列，其中，所述第二动作序列与所述第一动作序列不同；
在所述用户按照所述第二动作序列中的动作进行拍摄时，获取待检测图像；
将活体检测数据发送至服务器，其中，所述活体检测数据包括所述第二动作序列和所述待检测图像，所述服务器用于根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
上述计算机设备，若检测到用户在拍摄期间发生中断，则认为检测系统可能已经被恶意用户攻击，此时用户拍摄所依照的第一动作序列可能已经被盗取，在此情形下，通过生成随机的第二动作序列，使得可能被盗取的第一动作序列失效，这样，即使检测系统受到恶意用户攻击，由于本申请可以及时做出应对措施，从而可以有效避免恶意用户攻击所带来的损失，提高了活体检测的安全性和可靠性。
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服务器，其内部结构图可以如图8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、网络接口和数据库。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、计算机程序和数据库。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。该计算机设备的数据库用于存储活体检测过程中生成的数据。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。
本领域技术人员可以理解，图8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、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
接收终端发送的活体检测数据，其中，所述活体检测数据包括第二动作序列和待检测图像，所述第二动作序列为用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成的动作序列，所述第二动作序列与所述第一动作序列不同；
根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
上述计算机设备，若检测到用户在拍摄期间发生中断，则认为检测系统可能已经被恶意用户攻击，此时用户拍摄所依照的第一动作序列可能已经被盗取，在此情形下，通过生成随机的第二动作序列，使得可能被盗取的第一动作序列失效，这样，即使检测系统受到恶意用户攻击，由于本申请可以及时做出应对措施，从而可以有效避免恶意用户攻击所带来的损失，提高了活体检测的安全性和可靠性。
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：
在用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成第二动作序列，其中，所述第二动作序列与所述第一动作序列不同；
在所述用户按照所述第二动作序列中的动作进行拍摄时，获取待检测图像；
将活体检测数据发送至服务器，其中，所述活体检测数据包括所述第二动作序列和所述待检测图像，所述服务器用于根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
在另一个实施例中，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：
接收终端发送的活体检测数据，其中，所述活体检测数据包括第二动作序列和待检测图像，所述第二动作序列为用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成的动作序列，所述第二动作序列与所述第一动作序列不同；
根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
上述计算机可读存储介质，若检测到用户在拍摄期间发生中断，则认为检测系统可能已经被恶意用户攻击，此时用户拍摄所依照的第一动作序列可能已经被盗取，在此情形下，通过生成随机的第二动作序列，使得可能被盗取的第一动作序列失效，这样，即使检测系统受到恶意用户攻击，由于本申请可以及时做出应对措施，从而可以有效避免恶意用户攻击所带来的损失，提高了活体检测的安全性和可靠性。
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。

Claims (15)

1.一种活体检测方法，其特征在于，所述方法包括：
在用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成第二动作序列，其中，所述第二动作序列与所述第一动作序列不同；
在所述用户按照所述第二动作序列中的动作进行拍摄时，获取待检测图像；
将活体检测数据发送至服务器，其中，所述活体检测数据包括所述第二动作序列和所述待检测图像，所述服务器用于根据所述活体检测数据，判断所述待检测图像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，所述方法还包括：
接收所述服务器发送的配置信息，其中，所述配置信息包括第三动作序列及其包含的动作的个数；
根据预存的动作库中的多种动作及所述动作的个数，随机生成第四动作序列；
若所述第四动作序列与所述第三动作序列不同，则将所述第四动作序列确定为所述第一动作序列。
3.根据权利要求1所述的方法，其特征在于，所述随机生成第二动作序列，包括：
接收所述服务器发送的配置信息，其中，所述配置信息包括动作个数；
获取预存的动作库中的多种动作；
从所述多种动作中，随机选取与所述配置信息中的动作个数相同的多个动作，以生成第二动作序列。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取在拍摄期间累积的中断次数、中断类型和/或终端指纹信息；
所述将活体检测数据发送至服务器，包括：
将活体检测数据发送至服务器，其中，所述活体检测数据还包括所述中断次数、所述中断类型和/或所述终端指纹信息。
5.根据权利要求1所述的方法，其特征在于，所述获取待检测图像，包括：
获取所述用户响应于所述第二动作序列中的每个动作所拍摄的多张图像；
对所述多张图像进行评分，以从所述多张图像中提取所述每个动作对应的分值最高的图像；
将所述第二动作序列中所有的所述分值最高的图像确定为所述待检测图像。
6.根据权利要求1-5任一所述的方法，其特征在于，所述将活体检测数据发送至服务器，包括：
对所述活体检测数据进行加密，并将加密后的活体检测数据发送至服务器。
7.一种活体检测方法，其特征在于，所述方法包括：
接收终端发送的活体检测数据，其中，所述活体检测数据包括第二动作序列和待检测图像，所述第二动作序列为用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成的动作序列，所述第二动作序列与所述第一动作序列不同；
根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
8.根据权利要求7所述的方法，其特征在于，根据所述活体检测数据，判断所述待检测图像中的对象是否为活体，包括：
将所述活体检测数据中的第二动作序列与待检测图像进行匹配，得到匹配分数；
根据所述匹配分数，判断所述待检测图像中的对象是否为活体。
9.根据权利要求7所述的方法，其特征在于，所述活体检测数据还包括终端在拍摄期间累积的中断次数、中断类型和/或终端指纹信息。
10.根据权利要求9所述的方法，其特征在于，根据所述活体检测数据，判断所述待检测图像中的对象是否为活体，包括：
若所述中断次数大于预设阈值，则判定所述待检测图像中的对象为非活体；
若所述中断次数小于或等于预设阈值，则将所述第二动作序列与所述待检测图像进行匹配，得到匹配分数；根据所述匹配分数，以及基于所述中断次数、所述中断类型和/或所述终端指纹信息，得到活体分数；若所述活体分数大于或等于预设数值，则判定所述待检测图像中的对象为活体。
11.根据权利要求7-10任一所述的方法，其特征在于，所述接收终端发送的活体检测数据，包括：
接收终端发送的加密后的活体检测数据；
对所述加密后的活体检测数据进行解密，得到所述活体检测数据。
12.一种活体检测装置，其特征在于，所述装置包括：
序列生成模块，用于在用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成第二动作序列，其中，所述第二动作序列与所述第一动作序列不同；
图像获取模块，用于在所述用户按照所述第二动作序列中的动作进行拍摄时，获取待检测图像；
判断模块，用于将活体检测数据发送至服务器，其中，所述活体检测数据包括所述第二动作序列和所述待检测图像，所述服务器用于根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
13.一种活体检测装置，其特征在于，所述装置包括：
信息接收模块，用于接收终端发送的活体检测数据，其中，所述活体检测数据包括第二动作序列和待检测图像，所述第二动作序列为用户按照第一动作序列中的动作进行拍摄时，若检测到拍摄期间发生中断，则随机生成的动作序列，所述第二动作序列与所述第一动作序列不同；
判断模块，用于根据所述活体检测数据，判断所述待检测图像中的对象是否为活体。
14.一种计算机设备，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11中任一项所述的方法的步骤。
15.一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11中任一项所述的方法的步骤。
CN201911283485.9A 2019-12-13 2019-12-13 活体检测方法及装置、计算机设备和计算机可读存储介质 Pending CN111126214A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911283485.9A CN111126214A (zh) 2019-12-13 2019-12-13 活体检测方法及装置、计算机设备和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911283485.9A CN111126214A (zh) 2019-12-13 2019-12-13 活体检测方法及装置、计算机设备和计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN111126214A true CN111126214A (zh) 2020-05-08

Family

ID=70498699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911283485.9A Pending CN111126214A (zh) 2019-12-13 2019-12-13 活体检测方法及装置、计算机设备和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111126214A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113743196A (zh) * 2021-07-23 2021-12-03 北京眼神智能科技有限公司 活体检测方法、装置及存储介质
WO2023173686A1 (zh) * 2022-03-17 2023-09-21 上海商汤智能科技有限公司 检测方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105844203A (zh) * 2015-01-12 2016-08-10 阿里巴巴集团控股有限公司 一种人脸活体检测方法和装置
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
CN108875688A (zh) * 2018-06-28 2018-11-23 北京旷视科技有限公司 一种活体检测方法、装置、系统及存储介质
CN109684800A (zh) * 2018-09-07 2019-04-26 平安科技（深圳）有限公司 活体检测的方法、装置、设备及计算机存储介质
CN109886244A (zh) * 2019-03-01 2019-06-14 北京视甄智能科技有限公司 一种人脸识别活体检测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105844203A (zh) * 2015-01-12 2016-08-10 阿里巴巴集团控股有限公司 一种人脸活体检测方法和装置
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
CN108875688A (zh) * 2018-06-28 2018-11-23 北京旷视科技有限公司 一种活体检测方法、装置、系统及存储介质
CN109684800A (zh) * 2018-09-07 2019-04-26 平安科技（深圳）有限公司 活体检测的方法、装置、设备及计算机存储介质
CN109886244A (zh) * 2019-03-01 2019-06-14 北京视甄智能科技有限公司 一种人脸识别活体检测方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113743196A (zh) * 2021-07-23 2021-12-03 北京眼神智能科技有限公司 活体检测方法、装置及存储介质
WO2023173686A1 (zh) * 2022-03-17 2023-09-21 上海商汤智能科技有限公司 检测方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US11551482B2 (en) Facial recognition-based authentication
CN110414200B (zh) 身份验证方法、装置、存储介质和计算机设备
CN110557376B (zh) 电子合同签署方法、装置、计算机设备及存储介质
Winkler et al. Trustcam: Security and privacy-protection for an embedded smart camera based on trusted computing
US20140380446A1 (en) Method and apparatus for protecting browser private information
US20170289144A1 (en) Methods and systems for authenticating users
TW201929483A (zh) 驗證生物特徵圖像的可用性的方法和裝置
US11521208B2 (en) System and method for authenticating transactions from a mobile device
CN105913019A (zh) 虹膜识别方法及终端
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
CN114596639B (zh) 一种生物特征识别方法、装置、电子设备及存储介质
CN111294482B (zh) 一种图像处理方法及系统
CN111540083B (zh) 基于蓝牙连接的开锁方法、系统、计算机设备和存储介质
CN108512651B (zh) 一种人工智能图像辨识攻击防御方法、系统及存储介质
CN116756750A (zh) 医疗敏感数据采集脱敏方法
WO2023142453A1 (zh) 生物特征识别方法、服务器以及客户端
WO2023024473A1 (zh) 活体检测方法及装置、电子设备、计算机可读存储介质和计算机程序产品
TWI709921B (zh) 物體辨識系統及方法
CN108921036B (zh) 基于人脸图像识别的随机数产生方法及产生系统
WO2016058540A1 (zh) 身份验证方法、装置和存储介质
KR20220009287A (ko) 딥러닝 기반 영상처리를 활용한 온라인 시험 부정행위 방지 시스템 및 방법
CN112214783B (zh) 一种基于可信执行环境的步态识别平台及识别方法
KR101432484B1 (ko) 사용자 인증 시스템, 그 시스템에서의 사용자 인증을 위한 장치 및 방법
CN116305281B (zh) 一种基于感官认知的人脸识别系统及人脸识别方法
JP7266071B2 (ja) オンライン認証装置、方法、およびプログラム

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