CN111160251A - 一种活体识别方法及装置 - Google Patents
一种活体识别方法及装置 Download PDFInfo
- Publication number
- CN111160251A CN111160251A CN201911391017.3A CN201911391017A CN111160251A CN 111160251 A CN111160251 A CN 111160251A CN 201911391017 A CN201911391017 A CN 201911391017A CN 111160251 A CN111160251 A CN 111160251A
- Authority
- CN
- China
- Prior art keywords
- information
- target user
- posture
- sight line
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000008859 change Effects 0.000 claims abstract description 229
- 230000004438 eyesight Effects 0.000 claims abstract description 133
- 238000003860 storage Methods 0.000 claims description 28
- 230000003993 interaction Effects 0.000 claims description 20
- 230000001680 brushing effect Effects 0.000 claims description 17
- 230000001815 facial effect Effects 0.000 claims description 15
- 238000013145 classification model Methods 0.000 claims description 13
- 210000003128 head Anatomy 0.000 description 158
- 230000000875 corresponding effect Effects 0.000 description 49
- 210000001508 eye Anatomy 0.000 description 40
- 210000001747 pupil Anatomy 0.000 description 34
- 230000033001 locomotion Effects 0.000 description 28
- 230000004886 head movement Effects 0.000 description 25
- 230000006870 function Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 15
- 238000012549 training Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 210000005252 bulbus oculi Anatomy 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 235000006887 Alpinia galanga Nutrition 0.000 description 1
- 240000002768 Alpinia galanga Species 0.000 description 1
- 229920002799 BoPET Polymers 0.000 description 1
- 241000167926 Entoprocta Species 0.000 description 1
- 239000005041 Mylar™ Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Ophthalmology & Optometry (AREA)
- User Interface Of Digital Computer (AREA)
- Image Analysis (AREA)
Abstract
本说明书一个或多个实施例提供了一种活体识别方法及装置，其中，该方法包括：获取目标用户的多个人脸图像信息。基于获取到的人脸图像信息，确定多个人脸图像信息分别对应的目标用户的头部姿态信息和眼部视线信息。根据确定出的多个头部姿态信息和眼部视线信息，确定目标用户的姿态视线关联变化信息。根据该姿态视线关联变化信息，确定针对目标用户的活体识别结果。
Description
技术领域
本文件涉及互联网技术领域，尤其涉及一种活体识别方法及装置。
背景技术
目前，随着移动通信技术的快速发展，电子设备(如智能手机、物联网设备等)已成为人们日常生活中必不可少的智能终端设备，随着电子设备的功能不断升级、优化，用户经常在各种场合各种地点使用电子设备。
其中，为了简化用户的操作步骤，提高用户的操作便利性，人脸识别系统越来越广泛地应用于安防、金融领域、电子商务等需要身份验证的场景，基于人脸识别对用户身份进行验证，识别通过后执行相应的控制操作，比如，利用人脸识别进行电子设备的解锁过程，又如，利用人脸识别进行在线支付等等，人脸识别的技术应用的广泛标志着电子设备的智能化，但目前人脸识别的应用也面临一些恶意攻击者采用各种无生命体征的物体进行人脸攻击的问题，比如，采用3D头模手动模拟头部运动进行刷脸操作，达到以假乱真的目的。
由此可知，需要提供一种能够有效避免人脸攻击、准确度高的活体识别方法。
发明内容
本说明书一个或多个实施例的目的是提供一种活体识别方法。该活体识别方法包括：
获取目标用户的多个人脸图像信息。基于各所述人脸图像信息，确定所述目标用户的头部姿态信息和眼部视线信息。根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息。根据所述姿态视线关联变化信息，确定针对所述目标用户的活体识别结果。
本说明书一个或多个实施例的目的是提供一种活体识别装置。该活体识别装置包括：
人脸图像获取模块，其获取目标用户的多个人脸图像信息。姿态视线确定模块，其基于各所述人脸图像信息，确定所述目标用户的头部姿态信息和眼部视线信息。关联变化确定模块，其根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息。识别结果确定模块，其根据所述姿态视线关联变化信息，确定针对所述目标用户的活体识别结果。
本说明书一个或多个实施例的目的是提供一种活体识别设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器。
所述计算机可执行指令在被执行时使所述处理器获取目标用户的多个人脸图像信息。基于各所述人脸图像信息，确定所述目标用户的头部姿态信息和眼部视线信息。根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息。根据所述姿态视线关联变化信息，确定针对所述目标用户的活体识别结果。
本说明书一个或多个实施例的目的是提供一种存储介质，用于存储计算机可执行指令。所述可执行指令在被处理器执行时获取目标用户的多个人脸图像信息。基于各所述人脸图像信息，确定所述目标用户的头部姿态信息和眼部视线信息。根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息。根据所述姿态视线关联变化信息，确定针对所述目标用户的活体识别结果。
附图说明
为了更清楚地说明本说明书一个或多个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，显而易见地，下面描述中的附图仅仅是本说明书一个或多个中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例提供的活体识别方法的第一种流程示意图；
图2为本说明书一个或多个实施例提供的活体识别方法的具体实现原理示意图；
图3为本说明书一个或多个实施例提供的活体识别方法的第二种流程示意图；
图4a为本说明书一个或多个实施例提供的活体识别方法中活体用户的头部姿态与眼部视线之间的关联变化情况的示意图；
图4b为本说明书一个或多个实施例提供的活体识别方法中非活体用户的头部姿态与眼部视线之间的关联变化情况的示意图；
图5为本说明书一个或多个实施例提供的活体识别方法的第三种流程示意图；
图6为本说明书一个或多个实施例提供的活体识别装置的模块组成示意图；
图7为本说明书一个或多个实施例提供的活体识别设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一个或多个一部分实施例，而不是全部的实施例。基于本说明书一个或多个中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本本文件的保护范围。
需要说明的是，在不冲突的情况下，本说明书中的一个或多个实施例以及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本说明书一个或多个实施例。
本说明书一个或多个实施例提供了一种活体识别方法及装置，通过将目标用户的头部姿态信息与眼部视线信息进行相对变化分析，综合识别目标用户是否为活体用户，提高了活体用户识别的准确度，能够快速、准确地识别出借助立体头像等非活体人像进行刷脸的非法攻击，从而提高人脸识别的防攻击性，确保基于人脸识别执行智能控制的安全性和可靠性。
图1为本说明书一个或多个实施例提供的活体识别方法的第一种流程示意图，图1中的方法能够由具有刷脸功能的客户端执行，也可以由服务器端执行，其中，该客户端可以是智能手机等移动终端，也可以是物联网设备等终端设备，具体的，该客户端可以用于采集目标用户的人脸图像信息，并基于该人脸图像信息对目标用户进行活体识别，在活体识别通过时，基于该人脸图像信息识别是否执行相应的控制操作，或者将该人脸图像信息上传至服务器端，以使服务器端继续基于该人脸图像信息进行用户身份验证；其中，该服务器端可以是后台服务器或云端服务器，具体的，该服务器端用于接收客户端所上传的人脸图像信息，并基于该人脸图像信息对目标用户进行活体识别，在活体识别通过时，再基于该人脸图像信息进行用户身份验证，以及在用户身份验证通过时为用户提供某项业务服务。
其中，针对由客户端或服务器端基于获取到的人脸图像信息对目标用户进行活体识别的过程，如图1所示，上述活体识别方法至少包括以下步骤：
S102，获取目标用户的多个人脸图像信息；具体的，在检测到人脸识别请求后，利用摄像装置采集目标用户的人脸图像信息，同时，提示目标用户执行预设头部运动动作，例如，执行摇头动作或点头动作；
在具体实施时，为了提高活体用户的识别效率，可以从采集到的多帧连续的人脸图像信息中，选择多个关键图像帧，并将该多个关键图像帧作为获取到的用于活体识别的多个人脸图像信息。
S104，基于获取到的各人脸图像信息，确定目标用户的头部姿态信息和眼部视线信息；
具体的，针对每个人脸图像信息，确定该人脸图像信息对应的头部姿态信息和眼部视线信息；其中，多张人脸图像信息对应的采集时间节点不同，因而，每个采集时间节点均对应于一个头部姿态信息和一个眼部视线信息。
S106，根据确定出的头部姿态信息和眼部视线信息，确定目标用户的姿态视线关联变化信息；
其中，上述姿态视线关联变化信息可以包括：第一关联变化信息或第二关联变化信息，其中，该第一关联变化信息用于表征头部运动方向与瞳孔移动方向相反；该第二关联变化信息用于表征头部运动方向与瞳孔移动方向相同、或者瞳孔在眼部外轮廓中的位置保持变化；
具体的，基于预设采集时间段内多个采集时间节点分别对应的头部姿态信息和眼部视线信息，识别在该采集时间段内目标用户的头部姿态与眼部视线的相对变化情况。
S108，根据确定出的姿态视线关联变化信息，确定针对目标用户的活体识别结果。
具体的，针对人脸图像采集的过程中，基于活体用户的人体机能真实反应特性，可以确定当用户执行摇头或点头动作时，用户视线将保持注视客户端屏幕，因此，对于活体用户而言，头部运动方向与瞳孔移动方向相反，例如，用户头部左转，而瞳孔在眼部外轮廓中向右移动，以保持眼睛注视客户端屏幕，又如，用户头部向下点头，而瞳孔在眼部外轮廓中线上移动，以保持眼睛注视客户端屏幕；而对于非活体用户而言，很难实现摇头或点头的同时仍注视客户端屏幕，即很难实现头部运行方向与瞳孔移动方向相反。
对应的，基于活体用户的人体机能真实反应特性、以及确定出的目标用户的头部姿态与眼部视线之间的相对变化情况，能够识别出目标用户是否为活体用户，即确定请求人脸识别的被检测对象是否为有生命的个体。
也就是说，在采集到目标用户的多个人脸图像信息后，并不是直接基于该人脸图像信息识别是否执行相应的控制操作，而是先基于该人脸图像信息确定姿态视线关联变化信息，并根据该姿态视线关联变化信息识别目标用户是否为活体用户，只有确定目标用户为活体用户后，再基于该人脸图像信息对目标用户进行身份验证，并在身份验证通过时，执行相应的控制操作，以便为目标用户提供某项目标业务。
本说明书一个或多个实施例中，在获取到目标用户的多个人脸图像信息后，先基于该多个人脸图像信息确定目标用户的头部姿态信息和眼部视线信息，并通过将目标用户的头部姿态信息与眼部视线信息进行相对变化分析，得到目标用户的姿态视线关联变化信息，再基于该姿态视线关联变化信息综合识别目标用户是否为活体用户，提高了活体用户识别的准确度，能够快速、准确地识别出借助立体头像等非活体人像进行刷脸的非法恶意攻击，从而提高人脸识别的防攻击性，确保基于人脸识别执行智能控制的安全性和可靠性。
具体的，针对由客户端基于获取到的人脸图像信息对目标用户进行活体识别的情况，客户端利用摄像装置采集目标用户的人脸图像信息，并基于上述步骤S102至S108确定针对目标用户的活体识别结果；在活体识别通过时，基于该人脸图像信息识别是否执行相应的控制操作，或者将该人脸图像信息上传至服务器端，以使该服务器端基于该人脸图像信息进行用户身份验证。
对应的，针对由服务器端基于获取到的人脸图像信息对目标用户进行活体识别的情况，客户端利用摄像装置采集目标用户的人脸图像信息，并将该人脸图像信息上传至服务器端，以使该服务器端基于上述步骤S102至S108确定针对目标用户的活体识别结果；以及在活体识别通过时，基于该人脸图像信息进行用户身份验证，以及在用户身份验证通过时为用户提供某项业务服务。
在具体实施时，如图2所示，给出了活体识别方法的具体实现原理示意图，其中，活体识别方法的过程具体为：
(1)客户端在检测到人脸识别请求后，触发摄像装置采集目标用户的人脸图像信息；以及，基于客户端的交互界面，向目标用户推送用于提示用户执行头部姿态变化的交互信息；
(2)在采集到的多个人脸图像信息中，选取多个关键图像帧作为用于活体识别的多个人脸图像信息；例如，选取的关键图像帧分别为人脸图像信息1…人脸图像信息i…人脸图信息n；
(3)针对选取出的每张人脸图像信息，分别确定该人脸图像信息对应的头部姿态信息和眼部视线信息；
其中，根据多个人脸图像信息分别对应的头部姿态信息，将多个人脸图像信息划分为多个人脸图像集合，每个人脸图像集合对应于在预设方向上的一个头部运动动作，例如，人脸图像集合1对应于用户向左摇头，人脸图像集合2对应于用户向下点头；
(4)根据目标用户的头部姿态信息和眼部视线信息，确定目标用户的姿态视线关联变化信息；
具体的，以划分得到的每个人脸图像集合为分析对象，针对每个人脸图像集合，根据该人脸图像集合中多个人脸图像信息分别对应的头部姿态信息和眼部视线信息，确定目标用户的姿态视线关联变化信息；
例如，若人脸图像集合1对应于用户向左摇头，则根据人脸图像集合1中各人脸图像信息分别对应的头部姿态信息和眼部视线信息，确定目标用户在向左摇头过程中头部姿态与眼部视线之间的相对变化情况；若人脸图像集合2对应于用户向下点头，则根据人脸图像集合2中各人脸图像信息分别对应的头部姿态信息和眼部视线信息，确定目标用户在向下点头过程中头部姿态与眼部视线之间的相对变化情况；
(5)根据确定出的姿态视线关联变化信息，确定针对目标用户的活体识别结果；
具体的，仍以每个人脸图像集合为分析对象，针对每个人脸图像集合，根据该人脸图像集合对应的姿态视线关联变化信息，确定该人脸图像集合对应的针对目标用户的初始的活体识别结果；
再根据多个人脸图像集合分别对应的初始的活体识别结果，确定针对目标用户的最终的活体识别结果，其中，若每个初始的活体识别结果均表征目标用户为活体用户，则确定目标用户为活体用户；若任一初始的活体识别结果表征目标用户为非活体用户，则确定目标用户为非活体用户，这样能够进一步提高活体用户识别的准确度。
需要说明的是，上述(2)至(5)的过程可以由客户端来执行，尤其是客户端中的信息处理模块，还可以有服务器端来执行。
其中，针对基于姿态视线关联变化信息识别目标用户是否为活体用户的过程，以活体用户的人体机能真实反应特性为基础，通过判断姿态视线关联变化信息与该活体用户的人体机能真实反应特性是否相符，来确定目标用户是否为活体用户，具体的，如图3所示，上述S108，根据确定出的姿态视线关联变化信息，确定针对目标用户的活体识别结果，具体包括：
S1081，判断确定出的姿态视线关联变化信息是否满足预设活体变化条件，其中，该预设活体变化条件包括：用于表征活体用户的人体机能真实反应特性的预设条件；即该预设条件为目标用户的头部运动方向与瞳孔移动方向相反；
若姿态视线关联变化信息满足预设活体变化条件，则S1082，确定目标用户为活体用户；
若姿态视线关联变化信息不满足预设活体变化条件，则S1083，确定目标用户为非活体用户。
具体的，如图4a所示，当用户头部正脸对准客户端屏幕时，用户眼部视线与客户端屏幕垂直，对应的，用户眼球(即瞳孔)位于眼睛外轮廓的中心位置；提示目标用户执行头部向右摇头动作，当左边侧脸转向客户端屏幕时，目标用户的眼部视线仍与客户端屏幕垂直，对应的，目标用户的眼球(即瞳孔)偏离眼睛外轮廓的中心位置，即偏向眼睛外轮廓的左边缘；
由此可知，头部运动方向与瞳孔移动方向相反，对应的，确定姿态视线关联变化信息满足预设活体变化条件，即目标用户的头部姿态与眼部视线的相对变化情况与活体用户的人体机能真实反应特性相符，进而确定目标用户为活体用户。
具体的，如图4b所示，当用户头部正脸对准客户端屏幕时，用户眼部视线与客户端屏幕垂直，对应的，用户眼球位于眼睛外轮廓的中心位置；当目标用户的头部执行向右摇头动作，即左边侧脸转向客户端屏幕时，目标用户的眼部视线随着头部转动而变化，目标用户的眼部视线与客户端屏幕平行，对应的，目标用户的眼球仍位于眼睛外轮廓的中心位置；
由此可知，瞳孔在眼部外轮廓中的位置保持变化，对应的，确定姿态视线关联变化信息不满足预设活体变化条件，即目标用户的头部姿态与眼部视线的相对变化情况与活体用户的人体机能真实反应特性不相符，进而确定目标用户为非活体用户。
需要说明的是，基于活体用户的人体机能真实反应特性，还可以确定瞳孔移动速率与头部运动速率正相关，即头部运动速度越快，瞳孔移动速度越快，因此，对于活体用户而言，头部运动方向与瞳孔移动方向相反且瞳孔移动速率与头部运动速率正相关；对应的，上述预设活体变化条件包括：用于表征活体用户的人体机能真实反应特性的预设条件；即该预设条件为目标用户的头部运动方向与瞳孔移动方向相反且瞳孔移动速率与头部运动速率正相关，这样能够进一步避免通过模拟人眼视线移动的恶意攻击。
进一步的，针对姿态视线关联变化信息的确定过程，可以通过如下至少一种确定方式得到，具体为：
第一种确定方式：可以先确定预设采集时间段内目标用户的头部姿态变化和眼部视线变化，再确定目标用户的姿态视线关联变化信息；具体的，上述S106，根据确定出的头部姿态信息和眼部视线信息，确定目标用户的姿态视线关联变化信息，具体包括：
步骤一，根据各人脸图像信息对应的头部姿态信息，确定目标用户的姿态变化信息；
具体的，基于预设采集时间段内多个采集时间节点分别对应的头部姿态信息，确定目标用户的头部姿态变化信息；例如，该头部姿态变化信息可以包括在预设采集时间段内，目标用户头部姿态相对于头部中心的运动方向；还可以包括在预设采集时间段内头部运动速率。
步骤二，根据各人脸图像信息对应的眼部视线信息，确定目标用户的视线变化信息；
具体的，基于预设采集时间段内多个采集时间节点分别对应的眼部视线信息，确定目标用户的眼部视线变化信息；例如，该眼部视线变化信息可以是在预设采集时间段内，目标用户眼部瞳孔位置相对于眼部中心的移动方向；还可以包括在预设采集时间段内瞳孔移动速率。
步骤三，根据确定出的姿态变化信息和视线变化信息，确定目标用户的姿态视线关联变化信息。
其中，上述姿态视线关联变化信息可以包括：第一关联变化信息或第二关联变化信息，其中，该第一关联变化信息用于表征头部运动方向与瞳孔移动方向相反；该第二关联变化信息用于表征头部运动方向与瞳孔移动方向相同、或者瞳孔在眼部外轮廓中的位置保持变化；
具体的，若姿态变化信息表征头部向第一方向运动且视线变化信息表征向第二方向移动，则将第一关联变化信息确定为目标用户的姿态视线关联变化信息；否则，将第二关联变化信息确定为目标用户的姿态视线关联变化信息。
需要说明的是，针对考虑瞳孔移动速率与头部运动速率正相关的活体用户的人体机能真实反应特性的情况，上述第一关联变化信息用于表征头部运动方向与瞳孔移动方向相反且瞳孔移动速率与头部运动速率正相关。
第二种确定方式：也可以先针对每个采集时间节点，确定姿态视线的相对位置关系，再分析多个采集时间节点的相对位置关系的变化趋势；具体的，上述S106，根据确定出的头部姿态信息和眼部视线信息，确定目标用户的姿态视线关联变化信息，具体包括：
步骤一，针对每个人脸图像信息，根据该人脸图像信息对应的头部姿态信息和眼部视线信息，确定目标用户的姿态视线相对状态信息；
具体的，以每个采集时间节点为分析对象，确定该采集时间节点下头部姿态与眼部视线之间的相对位置关系；例如，该相对位置关系可以包括头部姿态方向与眼部视线方向的相对夹角；
步骤二，根据各人脸图像信息分别对应的姿态视线相对状态信息，确定目标用户的姿态视线关联变化信息。
其中，上述姿态视线关联变化信息可以包括：第一关联变化信息或第二关联变化信息，其中，该第一关联变化信息用于表征头部运动方向与瞳孔移动方向相反；该第二关联变化信息用于表征头部运动方向与瞳孔移动方向相同、或者瞳孔在眼部外轮廓中的位置保持变化；
具体的，若多个采集时间节点的姿态视线相对状态信息的变化趋势表征在头部由正脸对准客户端屏幕到侧脸转向客户端屏幕的过程中，头部姿态方向与眼部视线方向的相对夹角增大，则将第一关联变化信息确定为目标用户的姿态视线关联变化信息；否则，将第二关联变化信息确定为目标用户的姿态视线关联变化信息。
第三种确定方式：还可以直接利用预先训练好的机器学习分类模型(如，SVM或LSTM等)，将确定出的头部姿态信息和眼部视线信息作为机器学习分类模型的输入数据，其输出数据即为头部姿态关联变化信息；具体的，上述S106，根据确定出的头部姿态信息和眼部视线信息，确定目标用户的姿态视线关联变化信息，具体包括：
利用预设分类模型并基于确定出的头部姿态信息和眼部视线信息，确定目标用户的姿态视线关联变化信息；其中，该姿态视线关联变化信息还可以包括：在各预设关联变化方式下的概率值。
其中，上述预设关联变化方式可以包括：头部运动方向与瞳孔移动方向相反、头部运动方向与瞳孔移动方向相同、或者瞳孔在眼部外轮廓中的位置保持变化；
具体的，预先获取分类模型训练样本；其中，该分类模型训练样本包括：样本用户的头部姿态信息、眼部视线信息、预设关联变化方式之间的对应关系；
利用机器学习方法基于该分类模型训练样本，对预设分类模型的模型参数进行训练，得到训练好的预设分类模型。
在具体实施时，为了提高姿态视线关联变化信息的确定准确地，进而进一步提高活体用户识别结果的准确度，可以基于上述至少两种确定方式确定目标用户的姿态视线关联变化信息；根据基于各确定方式分别确定的姿态视线关联信息，确定最终的姿态视线关联变化信息，再基于该最终的姿态视线关联变化信息，确定针对目标用户的活体识别结果。
其中，针对头部姿态信息的确定过程，可以采用如下两种确定方式中至少一种，针对每个人脸图像信息确定对应的头部姿态信息，具体的，基于各人脸图像信息，确定目标用户的头部姿态信息，具体包括：
(1)利用预设头部姿态识别模型并基于各人脸图像信息，确定目标用户的头部姿态信息，其中，该头部姿态信息可以包括：头部yaw值和头部pitch值；
具体的，预先获取头部姿态模型训练样本；其中，该头部姿态模型训练样本包括：样本用户的人脸图像信息、头部姿态信息之间的对应关系；
利用机器学习方法基于该头部姿态模型训练样本，对预设头部姿态识别模型的模型参数进行训练，得到训练好的预设头部姿态识别模型。
具体的，将目标用户的人脸图像信息输入至预先训练好的预设头部姿态识别模型，该预设头部姿态识别模型的输出结果即为该人脸图像信息对应的头部姿态信息。
(2)从各人脸图像信息中提取头部关键点信息，并基于该头部关键点信息，确定目标用户的头部姿态信息。
具体的，利用现有的基于关键点识别头部姿态的算法，自动确定目标用户的头部姿态信息，其中，该头部姿态信息可以包括：头部yaw值和头部pitch值。
其中，针对眼部视线信息的确定过程，同样可以采用如下两种确定方式中至少一种，针对每个人脸图像信息确定对应的眼部视线信息，具体的，基于各人脸图像信息，确定目标用户的眼部视线信息，具体包括：
(1)利用预设眼部视线识别模型并基于各人脸图像信息，确定目标用户的眼部视线信息，其中，该眼部视线信息可以包括：瞳孔在眼部外轮廓中的位置信息；
具体的，预先获取眼部视线模型训练样本；其中，该眼部视线模型训练样本包括：样本用户的人脸图像信息、眼部视线信息之间的对应关系；
利用机器学习方法基于该眼部视线模型训练样本，对预设眼部视线识别模型的模型参数进行训练，得到训练好的预设眼部视线识别模型。
具体的，将目标用户的人脸图像信息输入至预先训练好的预设眼部视线识别模型，该预设眼部视线识别模型的输出结果即为该人脸图像信息对应的眼部视线信息。
(2)从各人脸图像信息中提取眼部关键点信息，并基于该眼部关键点信息，确定目标用户的眼部视线信息。
具体的，利用现有的基于关键点识别眼部视线的算法，自动确定目标用户的眼部视线信息，其中，该眼部视线信息可以包括：瞳孔在眼部外轮廓中的位置信息。
进一步的，为了避免攻击者因获知实际所用的活体用户识别原理，而采用相应的恶意应对措施模拟被识别为活体用户的头部姿态与眼部视线的相对变化规律，来攻击该活体用户识别原理，基于此，如图5所示，上述S102，获取目标用户的多个人脸图像信息，具体包括：
S1021，利用刷脸交互界面，向目标用户推送用于提示用户执行头部姿态变化的交互信息；
S1022，利用预设摄像装置，采集目标用户基于上述交互信息所输入的人脸图像信息；
S1022，基于采集到的多个人脸图像信息，获取用于针对目标用户进行活体识别的多个人脸图像信息。
具体的，在客户端的刷脸交互界面上，仅提示用户执行摇头、点头等头部运动，不涉及有关眼部视线采集的相关信息，即不提示人眼视线检测，避免实际所用的活体用户识别原理被攻击者获知，从而防止攻击者针对头部姿态和人眼视线的相对变化模拟的恶意攻击；
其中，针对由服务器端基于获取到的人脸图像信息对目标用户进行活体识别的情况，客户端利用摄像装置采集到目标用户的人脸图像信息后，将该人脸图像信息上传至服务器端，以使该服务器端基于上述步骤S102至S108对目标用户进行活体识别。
本说明书一个或多个实施例中的活体识别方法，获取目标用户的多个人脸图像信息。基于获取到的人脸图像信息，确定多个人脸图像信息分别对应的目标用户的头部姿态信息和眼部视线信息。根据确定出的多个头部姿态信息和眼部视线信息，确定目标用户的姿态视线关联变化信息。根据该姿态视线关联变化信息，确定针对目标用户的活体识别结果。通过将目标用户的头部姿态信息与眼部视线信息进行相对变化分析，综合识别目标用户是否为活体用户，提高了活体用户识别的准确度，能够快速、准确地识别出借助立体头像等非活体人像进行刷脸的非法攻击，从而提高人脸识别的防攻击性，确保基于人脸识别执行智能控制的安全性和可靠性。
对应上述图1至图5描述的活体识别方法，基于相同的技术构思，本说明书一个或多个实施例还提供了一种活体识别装置，图6为本说明书一个或多个实施例提供的活体识别装置的第一种模块组成示意图，该装置用于执行图1至图5描述的活体识别方法，如图6所示，该装置包括：
人脸图像获取模块601，其获取目标用户的多个人脸图像信息；
姿态视线确定模块602，其基于各所述人脸图像信息，确定所述目标用户的头部姿态信息和眼部视线信息；
关联变化确定模块603，其根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息；
识别结果确定模块604，其根据所述姿态视线关联变化信息，确定针对所述目标用户的活体识别结果。
本说明书一个或多个实施例中，在获取到目标用户的多个人脸图像信息后，先基于该多个人脸图像信息确定目标用户的头部姿态信息和眼部视线信息，并通过将目标用户的头部姿态信息与眼部视线信息进行相对变化分析，得到目标用户的姿态视线关联变化信息，再基于该姿态视线关联变化信息综合识别目标用户是否为活体用户，提高了活体用户识别的准确度，能够快速、准确地识别出借助立体头像等非活体人像进行刷脸的非法恶意攻击，从而提高人脸识别的防攻击性，确保基于人脸识别执行智能控制的安全性和可靠性。
可选地，所述识别结果确定模块604，其：
若所述姿态视线关联变化信息满足预设活体变化条件，则确定所述目标用户为活体用户；
若所述姿态视线关联变化信息不满足所述预设活体变化条件，则确定所述目标用户为非活体用户。
可选地，所述关联变化确定模块603，其：
根据各所述人脸图像信息对应的所述头部姿态信息，确定所述目标用户的姿态变化信息；以及，
根据各所述人脸图像信息对应的所述眼部视线信息，确定所述目标用户的视线变化信息；
根据所述姿态变化信息和所述视线变化信息，确定所述目标用户的姿态视线关联变化信息。
可选地，所述关联变化确定模块603，其：
针对每个所述人脸图像信息，根据该人脸图像信息对应的所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线相对状态信息；
根据各所述人脸图像信息分别对应的所述姿态视线相对状态信息，确定所述目标用户的姿态视线关联变化信息。
可选地，所述姿态视线确定模块602，其：
利用预设头部姿态识别模型并基于各所述人脸图像信息，确定所述目标用户的头部姿态信息；
或者，
从各所述人脸图像信息中提取头部关键点信息，并基于所述头部关键点信息，确定所述目标用户的头部姿态信息。
可选地，所述姿态视线确定模块602，其：
利用预设眼部视线识别模型并基于各所述人脸图像信息，确定所述目标用户的眼部视线信息；
或者，
从各所述人脸图像信息中提取眼部关键点信息，并基于所述眼部关键点信息，确定所述目标用户的眼部视线信息。
可选地，所述关联变化确定模块603，其：
利用预设分类模型并基于所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息；
其中，所述姿态视线关联变化信息包括：在各预设关联变化方式下的概率值。
可选地，所述人脸图像获取模块601，其：
利用刷脸交互界面，向目标用户推送用于提示用户执行头部姿态变化的交互信息；
利用预设摄像装置，采集所述目标用户基于所述交互信息所输入的人脸图像信息。
本说明书一个或多个实施例中的活体识别装置，获取目标用户的多个人脸图像信息。基于获取到的人脸图像信息，确定多个人脸图像信息分别对应的目标用户的头部姿态信息和眼部视线信息。根据确定出的多个头部姿态信息和眼部视线信息，确定目标用户的姿态视线关联变化信息。根据该姿态视线关联变化信息，确定针对目标用户的活体识别结果。通过将目标用户的头部姿态信息与眼部视线信息进行相对变化分析，综合识别目标用户是否为活体用户，提高了活体用户识别的准确度，能够快速、准确地识别出借助立体头像等非活体人像进行刷脸的非法攻击，从而提高人脸识别的防攻击性，确保基于人脸识别执行智能控制的安全性和可靠性。
需要说明的是，本说明书中关于活体识别装置的实施例与本说明书中关于活体识别方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应的活体识别方法的实施，重复之处不再赘述。
进一步地，对应上述图1至图5所示的方法，基于相同的技术构思，本说明书一个或多个实施例还提供了一种活体识别设备，该设备用于执行上述的活体识别方法，如图7所示。
活体识别设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器701和存储器702，存储器702中可以存储有一个或一个以上存储应用程序或数据。其中，存储器702可以是短暂存储或持久存储。存储在存储器702的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对活体识别设备中的一系列计算机可执行指令。更进一步地，处理器701可以设置为与存储器702通信，在活体识别设备上执行存储器702中的一系列计算机可执行指令。活体识别设备还可以包括一个或一个以上电源703，一个或一个以上有线或无线网络接口704，一个或一个以上输入输出接口705，一个或一个以上键盘706等。
在一个具体的实施例中，活体识别设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对活体识别设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
获取目标用户的多个人脸图像信息；
基于各所述人脸图像信息，确定所述目标用户的头部姿态信息和眼部视线信息；
根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息；
根据所述姿态视线关联变化信息，确定针对所述目标用户的活体识别结果。
本说明书一个或多个实施例中，在获取到目标用户的多个人脸图像信息后，先基于该多个人脸图像信息确定目标用户的头部姿态信息和眼部视线信息，并通过将目标用户的头部姿态信息与眼部视线信息进行相对变化分析，得到目标用户的姿态视线关联变化信息，再基于该姿态视线关联变化信息综合识别目标用户是否为活体用户，提高了活体用户识别的准确度，能够快速、准确地识别出借助立体头像等非活体人像进行刷脸的非法恶意攻击，从而提高人脸识别的防攻击性，确保基于人脸识别执行智能控制的安全性和可靠性。
可选地，计算机可执行指令在被执行时，所述根据所述姿态视线关联变化信息，确定针对所述目标用户的活体识别结果，包括：
若所述姿态视线关联变化信息满足预设活体变化条件，则确定所述目标用户为活体用户；
若所述姿态视线关联变化信息不满足所述预设活体变化条件，则确定所述目标用户为非活体用户。
可选地，计算机可执行指令在被执行时，所述根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息，包括：
根据各所述人脸图像信息对应的所述头部姿态信息，确定所述目标用户的姿态变化信息；以及，
根据各所述人脸图像信息对应的所述眼部视线信息，确定所述目标用户的视线变化信息；
根据所述姿态变化信息和所述视线变化信息，确定所述目标用户的姿态视线关联变化信息。
可选地，计算机可执行指令在被执行时，所述根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息，包括：
针对每个所述人脸图像信息，根据该人脸图像信息对应的所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线相对状态信息；
根据各所述人脸图像信息分别对应的所述姿态视线相对状态信息，确定所述目标用户的姿态视线关联变化信息。
可选地，计算机可执行指令在被执行时，基于各所述人脸图像信息，确定所述目标用户的头部姿态信息，包括：
利用预设头部姿态识别模型并基于各所述人脸图像信息，确定所述目标用户的头部姿态信息；
或者，
从各所述人脸图像信息中提取头部关键点信息，并基于所述头部关键点信息，确定所述目标用户的头部姿态信息。
可选地，计算机可执行指令在被执行时，基于各所述人脸图像信息，确定所述目标用户的眼部视线信息，包括：
利用预设眼部视线识别模型并基于各所述人脸图像信息，确定所述目标用户的眼部视线信息；
或者，
从各所述人脸图像信息中提取眼部关键点信息，并基于所述眼部关键点信息，确定所述目标用户的眼部视线信息。
可选地，计算机可执行指令在被执行时，所述根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息，包括：
利用预设分类模型并基于所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息；
其中，所述姿态视线关联变化信息包括：在各预设关联变化方式下的概率值。
可选地，计算机可执行指令在被执行时，所述获取目标用户的多个人脸图像信息，包括：
利用刷脸交互界面，向目标用户推送用于提示用户执行头部姿态变化的交互信息；
利用预设摄像装置，采集所述目标用户基于所述交互信息所输入的人脸图像信息。
本说明书一个或多个实施例中的活体识别设备，获取目标用户的多个人脸图像信息。基于获取到的人脸图像信息，确定多个人脸图像信息分别对应的目标用户的头部姿态信息和眼部视线信息。根据确定出的多个头部姿态信息和眼部视线信息，确定目标用户的姿态视线关联变化信息。根据该姿态视线关联变化信息，确定针对目标用户的活体识别结果。通过将目标用户的头部姿态信息与眼部视线信息进行相对变化分析，综合识别目标用户是否为活体用户，提高了活体用户识别的准确度，能够快速、准确地识别出借助立体头像等非活体人像进行刷脸的非法攻击，从而提高人脸识别的防攻击性，确保基于人脸识别执行智能控制的安全性和可靠性。
需要说明的是，本说明书中关于活体识别设备的实施例与本说明书中关于活体识别方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应的活体识别方法的实施，重复之处不再赘述。
进一步地，对应上述图1至图5所示的方法，基于相同的技术构思，本说明书一个或多个实施例还提供了一种存储介质，用于存储计算机可执行指令，一种具体的实施例中，该存储介质可以为U盘、光盘、硬盘等，该存储介质存储的计算机可执行指令在被处理器执行时，能实现以下流程：
获取目标用户的多个人脸图像信息；
基于各所述人脸图像信息，确定所述目标用户的头部姿态信息和眼部视线信息；
根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息；
根据所述姿态视线关联变化信息，确定针对所述目标用户的活体识别结果。
本说明书一个或多个实施例中，在获取到目标用户的多个人脸图像信息后，先基于该多个人脸图像信息确定目标用户的头部姿态信息和眼部视线信息，并通过将目标用户的头部姿态信息与眼部视线信息进行相对变化分析，得到目标用户的姿态视线关联变化信息，再基于该姿态视线关联变化信息综合识别目标用户是否为活体用户，提高了活体用户识别的准确度，能够快速、准确地识别出借助立体头像等非活体人像进行刷脸的非法恶意攻击，从而提高人脸识别的防攻击性，确保基于人脸识别执行智能控制的安全性和可靠性。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述根据所述姿态视线关联变化信息，确定针对所述目标用户的活体识别结果，包括：
若所述姿态视线关联变化信息满足预设活体变化条件，则确定所述目标用户为活体用户；
若所述姿态视线关联变化信息不满足所述预设活体变化条件，则确定所述目标用户为非活体用户。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息，包括：
根据各所述人脸图像信息对应的所述头部姿态信息，确定所述目标用户的姿态变化信息；以及，
根据各所述人脸图像信息对应的所述眼部视线信息，确定所述目标用户的视线变化信息；
根据所述姿态变化信息和所述视线变化信息，确定所述目标用户的姿态视线关联变化信息。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息，包括：
针对每个所述人脸图像信息，根据该人脸图像信息对应的所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线相对状态信息；
根据各所述人脸图像信息分别对应的所述姿态视线相对状态信息，确定所述目标用户的姿态视线关联变化信息。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，基于各所述人脸图像信息，确定所述目标用户的头部姿态信息，包括：
利用预设头部姿态识别模型并基于各所述人脸图像信息，确定所述目标用户的头部姿态信息；
或者，
从各所述人脸图像信息中提取头部关键点信息，并基于所述头部关键点信息，确定所述目标用户的头部姿态信息。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，基于各所述人脸图像信息，确定所述目标用户的眼部视线信息，包括：
利用预设眼部视线识别模型并基于各所述人脸图像信息，确定所述目标用户的眼部视线信息；
或者，
从各所述人脸图像信息中提取眼部关键点信息，并基于所述眼部关键点信息，确定所述目标用户的眼部视线信息。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息，包括：
利用预设分类模型并基于所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息；
其中，所述姿态视线关联变化信息包括：在各预设关联变化方式下的概率值。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述获取目标用户的多个人脸图像信息，包括：
利用刷脸交互界面，向目标用户推送用于提示用户执行头部姿态变化的交互信息；
利用预设摄像装置，采集所述目标用户基于所述交互信息所输入的人脸图像信息。
本说明书一个或多个实施例中的存储介质存储的计算机可执行指令在被处理器执行时，获取目标用户的多个人脸图像信息。基于获取到的人脸图像信息，确定多个人脸图像信息分别对应的目标用户的头部姿态信息和眼部视线信息。根据确定出的多个头部姿态信息和眼部视线信息，确定目标用户的姿态视线关联变化信息。根据该姿态视线关联变化信息，确定针对目标用户的活体识别结果。通过将目标用户的头部姿态信息与眼部视线信息进行相对变化分析，综合识别目标用户是否为活体用户，提高了活体用户识别的准确度，能够快速、准确地识别出借助立体头像等非活体人像进行刷脸的非法攻击，从而提高人脸识别的防攻击性，确保基于人脸识别执行智能控制的安全性和可靠性。
需要说明的是，本说明书中关于存储介质的实施例与本说明书中关于活体识别方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应的活体识别方法的实施，重复之处不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HD Cal、JHDL(Java Hardware Description Language)、Lava、Lola、My HDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书一个或多个的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个是参照根据本说明书一个或多个实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书一个或多个的实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，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，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书一个或多个的实施例而已，并不用于限制本说明书一个或多个。对于本领域技术人员来说，本说明书一个或多个可以有各种更改和变化。凡在本说明书一个或多个的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个的权利要求范围之内。
Claims (18)
1.一种活体识别方法，包括：
获取目标用户的多个人脸图像信息；
基于各所述人脸图像信息，确定所述目标用户的头部姿态信息和眼部视线信息；
根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息；
根据所述姿态视线关联变化信息，确定针对所述目标用户的活体识别结果。
2.根据权利要求1所述的方法，其中，所述根据所述姿态视线关联变化信息，确定针对所述目标用户的活体识别结果，包括：
若所述姿态视线关联变化信息满足预设活体变化条件，则确定所述目标用户为活体用户；
若所述姿态视线关联变化信息不满足所述预设活体变化条件，则确定所述目标用户为非活体用户。
3.根据权利要求1所述的方法，其中，所述根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息，包括：
根据各所述人脸图像信息对应的所述头部姿态信息，确定所述目标用户的姿态变化信息；以及，
根据各所述人脸图像信息对应的所述眼部视线信息，确定所述目标用户的视线变化信息；
根据所述姿态变化信息和所述视线变化信息，确定所述目标用户的姿态视线关联变化信息。
4.根据权利要求1所述的方法，其中，所述根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息，包括：
针对每个所述人脸图像信息，根据该人脸图像信息对应的所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线相对状态信息；
根据各所述人脸图像信息分别对应的所述姿态视线相对状态信息，确定所述目标用户的姿态视线关联变化信息。
5.根据权利要求1所述的方法，其中，基于各所述人脸图像信息，确定所述目标用户的头部姿态信息，包括：
利用预设头部姿态识别模型并基于各所述人脸图像信息，确定所述目标用户的头部姿态信息；
或者，
从各所述人脸图像信息中提取头部关键点信息，并基于所述头部关键点信息，确定所述目标用户的头部姿态信息。
6.根据权利要求1所述的方法，其中，基于各所述人脸图像信息，确定所述目标用户的眼部视线信息，包括：
利用预设眼部视线识别模型并基于各所述人脸图像信息，确定所述目标用户的眼部视线信息；
或者，
从各所述人脸图像信息中提取眼部关键点信息，并基于所述眼部关键点信息，确定所述目标用户的眼部视线信息。
7.根据权利要求1所述的方法，其中，所述根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息，包括：
利用预设分类模型并基于所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息；
其中，所述姿态视线关联变化信息包括：在各预设关联变化方式下的概率值。
8.根据权利要求1所述的方法，其中，所述获取目标用户的多个人脸图像信息，包括：
利用刷脸交互界面，向目标用户推送用于提示用户执行头部姿态变化的交互信息；
利用预设摄像装置，采集所述目标用户基于所述交互信息所输入的人脸图像信息。
9.一种活体识别装置，包括：
人脸图像获取模块，其获取目标用户的多个人脸图像信息；
姿态视线确定模块，其基于各所述人脸图像信息，确定所述目标用户的头部姿态信息和眼部视线信息；
关联变化确定模块，其根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息；
识别结果确定模块，其根据所述姿态视线关联变化信息，确定针对所述目标用户的活体识别结果。
10.根据权利要求9所述的装置，其中，所述识别结果确定模块，其：
若所述姿态视线关联变化信息满足预设活体变化条件，则确定所述目标用户为活体用户；
若所述姿态视线关联变化信息不满足所述预设活体变化条件，则确定所述目标用户为非活体用户。
11.根据权利要求9所述的装置，其中，所述关联变化确定模块，其：
根据各所述人脸图像信息对应的所述头部姿态信息，确定所述目标用户的姿态变化信息；以及，
根据各所述人脸图像信息对应的所述眼部视线信息，确定所述目标用户的视线变化信息；
根据所述姿态变化信息和所述视线变化信息，确定所述目标用户的姿态视线关联变化信息。
12.根据权利要求9所述的装置，其中，所述关联变化确定模块，其：
针对每个所述人脸图像信息，根据该人脸图像信息对应的所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线相对状态信息；
根据各所述人脸图像信息分别对应的所述姿态视线相对状态信息，确定所述目标用户的姿态视线关联变化信息。
13.根据权利要求9所述的装置，其中，所述姿态视线确定模块，其：
利用预设头部姿态识别模型并基于各所述人脸图像信息，确定所述目标用户的头部姿态信息；
或者，
从各所述人脸图像信息中提取头部关键点信息，并基于所述头部关键点信息，确定所述目标用户的头部姿态信息。
14.根据权利要求9所述的装置，其中，所述姿态视线确定模块，其：
利用预设眼部视线识别模型并基于各所述人脸图像信息，确定所述目标用户的眼部视线信息；
或者，
从各所述人脸图像信息中提取眼部关键点信息，并基于所述眼部关键点信息，确定所述目标用户的眼部视线信息。
15.根据权利要求9所述的装置，其中，所述关联变化确定模块，其：
利用预设分类模型并基于所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息；
其中，所述姿态视线关联变化信息包括：在各预设关联变化方式下的概率值。
16.根据权利要求9所述的装置，其中，所述人脸图像获取模块，其：
利用刷脸交互界面，向目标用户推送用于提示用户执行头部姿态变化的交互信息；
利用预设摄像装置，采集所述目标用户基于所述交互信息所输入的人脸图像信息。
17.一种活体识别设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取目标用户的多个人脸图像信息；
基于各所述人脸图像信息，确定所述目标用户的头部姿态信息和眼部视线信息；
根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息；
根据所述姿态视线关联变化信息，确定针对所述目标用户的活体识别结果。
18.一种存储介质，用于存储计算机可执行指令，所述可执行指令在被处理器执行时实现以下方法：
获取目标用户的多个人脸图像信息；
基于各所述人脸图像信息，确定所述目标用户的头部姿态信息和眼部视线信息；
根据所述头部姿态信息和所述眼部视线信息，确定所述目标用户的姿态视线关联变化信息；
根据所述姿态视线关联变化信息，确定针对所述目标用户的活体识别结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911391017.3A CN111160251B (zh) | 2019-12-30 | 2019-12-30 | 一种活体识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911391017.3A CN111160251B (zh) | 2019-12-30 | 2019-12-30 | 一种活体识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111160251A true CN111160251A (zh) | 2020-05-15 |
| CN111160251B CN111160251B (zh) | 2023-05-02 |
Family
ID=70559361
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911391017.3A Active CN111160251B (zh) | 2019-12-30 | 2019-12-30 | 一种活体识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111160251B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112149615A (zh) * | 2020-10-12 | 2020-12-29 | 平安科技（深圳）有限公司 | 人脸活体检测方法、装置、介质及电子设备 |
| CN113486847A (zh) * | 2021-07-27 | 2021-10-08 | 中国银行股份有限公司 | 基于眼球追踪的活体检测方法及装置 |
| CN113569622A (zh) * | 2021-06-09 | 2021-10-29 | 北京旷视科技有限公司 | 基于网页的活体检测方法、装置、系统及电子设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1694045A (zh) * | 2005-06-02 | 2005-11-09 | 北京中星微电子有限公司 | 一种非接触式目控操作系统和方法 |
| CN105224924A (zh) * | 2015-09-29 | 2016-01-06 | 小米科技有限责任公司 | 活体人脸识别方法和装置 |
| CN105574518A (zh) * | 2016-01-25 | 2016-05-11 | 北京天诚盛业科技有限公司 | 人脸活体检测的方法和装置 |
| CN106022264A (zh) * | 2016-05-19 | 2016-10-12 | 中国科学院自动化研究所 | 基于多任务自编码器的交互式人脸活体检测方法和装置 |
| CN106203372A (zh) * | 2016-07-19 | 2016-12-07 | 奇酷互联网络科技（深圳）有限公司 | 基于眼睛的活体检测方法、装置和终端设备 |
| CN107292290A (zh) * | 2017-07-17 | 2017-10-24 | 广东欧珀移动通信有限公司 | 人脸活体识别方法及相关产品 |
| WO2019080580A1 (zh) * | 2017-10-26 | 2019-05-02 | 深圳奥比中光科技有限公司 | 3d人脸身份认证方法与装置 |
| CN110570200A (zh) * | 2019-08-16 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 一种支付方法及装置 |
-
2019
- 2019-12-30 CN CN201911391017.3A patent/CN111160251B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1694045A (zh) * | 2005-06-02 | 2005-11-09 | 北京中星微电子有限公司 | 一种非接触式目控操作系统和方法 |
| CN105224924A (zh) * | 2015-09-29 | 2016-01-06 | 小米科技有限责任公司 | 活体人脸识别方法和装置 |
| CN105574518A (zh) * | 2016-01-25 | 2016-05-11 | 北京天诚盛业科技有限公司 | 人脸活体检测的方法和装置 |
| CN106022264A (zh) * | 2016-05-19 | 2016-10-12 | 中国科学院自动化研究所 | 基于多任务自编码器的交互式人脸活体检测方法和装置 |
| CN106203372A (zh) * | 2016-07-19 | 2016-12-07 | 奇酷互联网络科技（深圳）有限公司 | 基于眼睛的活体检测方法、装置和终端设备 |
| CN107292290A (zh) * | 2017-07-17 | 2017-10-24 | 广东欧珀移动通信有限公司 | 人脸活体识别方法及相关产品 |
| WO2019080580A1 (zh) * | 2017-10-26 | 2019-05-02 | 深圳奥比中光科技有限公司 | 3d人脸身份认证方法与装置 |
| CN110570200A (zh) * | 2019-08-16 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 一种支付方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| YI XU ET AL.: "Virtual U: Defeating Face Liveness Detection by Building Virtual Models from Your Public Photos" * |
| 张野: "人脸识别系统中的活体检测方法" * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112149615A (zh) * | 2020-10-12 | 2020-12-29 | 平安科技（深圳）有限公司 | 人脸活体检测方法、装置、介质及电子设备 |
| WO2021179719A1 (zh) * | 2020-10-12 | 2021-09-16 | 平安科技（深圳）有限公司 | 人脸活体检测方法、装置、介质及电子设备 |
| CN113569622A (zh) * | 2021-06-09 | 2021-10-29 | 北京旷视科技有限公司 | 基于网页的活体检测方法、装置、系统及电子设备 |
| CN113486847A (zh) * | 2021-07-27 | 2021-10-08 | 中国银行股份有限公司 | 基于眼球追踪的活体检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111160251B (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102142232B1 (ko) | 얼굴 라이브니스 검출 방법 및 장치, 그리고 전자 디바이스 | |
| Ehatisham-Ul-Haq et al. | Robust human activity recognition using multimodal feature-level fusion | |
| JP6878572B2 (ja) | 顔認識に基づいた認証 | |
| Betancourt et al. | The evolution of first person vision methods: A survey | |
| US20180211104A1 (en) | Method and device for target tracking | |
| CN109145766B (zh) | 模型训练方法、装置、识别方法、电子设备及存储介质 | |
| Porzi et al. | A smart watch-based gesture recognition system for assisting people with visual impairments | |
| CN106709404B (zh) | 图像处理装置及图像处理方法 | |
| CN112258193A (zh) | 一种支付方法及装置 | |
| CN109829396B (zh) | 人脸识别运动模糊处理方法、装置、设备及存储介质 | |
| US20150302252A1 (en) | Authentication method using multi-factor eye gaze | |
| CN111160251B (zh) | 一种活体识别方法及装置 | |
| Sajid et al. | VSig: Hand-gestured signature recognition and authentication with wearable camera | |
| US10204265B2 (en) | System and method for authenticating user | |
| CN107450717B (zh) | 一种信息处理方法及穿戴式设备 | |
| Su et al. | Unsupervised hierarchical dynamic parsing and encoding for action recognition | |
| US11205066B2 (en) | Pose recognition method and device | |
| CN111178277A (zh) | 一种视频流识别方法及装置 | |
| CN111753583A (zh) | 一种识别方法及装置 | |
| KR102160955B1 (ko) | 딥 러닝 기반 3d 데이터 생성 방법 및 장치 | |
| CN111931148A (zh) | 图像处理方法、装置和电子设备 | |
| KR102337217B1 (ko) | 전자 장치 및 그 동작 방법 | |
| CN115358777A (zh) | 虚拟世界的广告投放处理方法及装置 | |
| KR20190132885A (ko) | 영상으로부터 손을 검출하는 장치, 방법 및 컴퓨터 프로그램 | |
| Lahiani et al. | Hand pose estimation system based on a cascade approach for mobile devices |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240920 Address after: Guohao Times City # 20-01, 128 Meizhi Road, Singapore Patentee after: Ant Shield Co.,Ltd. Country or region after: Singapore Address before: 45-01 Anson Building, 8 Shanton Avenue, Singapore Patentee before: Alipay laboratories (Singapore) Ltd. Country or region before: Singapore |
|
| TR01 | Transfer of patent right |