CN111274879B - 检测活体检验模型可靠性的方法以及装置 - Google Patents
检测活体检验模型可靠性的方法以及装置 Download PDFInfo
- Publication number
- CN111274879B CN111274879B CN202010026205.2A CN202010026205A CN111274879B CN 111274879 B CN111274879 B CN 111274879B CN 202010026205 A CN202010026205 A CN 202010026205A CN 111274879 B CN111274879 B CN 111274879B
- Authority
- CN
- China
- Prior art keywords
- reliability
- preset
- color
- grade
- test result
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012360 testing method Methods 0.000 claims abstract description 169
- 239000003086 colorant Substances 0.000 claims description 29
- 230000015654 memory Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 13
- 230000007423 decrease Effects 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 109
- 238000002310 reflectometry Methods 0.000 description 8
- 238000001574 biopsy Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000975 dye Substances 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Endoscopes (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请公开了一种检测活体检验模型可靠性的方法、装置、电子设备以及计算机可读存储介质,涉及活体检测技术领域。本申请在检测活体检验模型可靠性时所采用的实现方案为:使用预设颜色的滤色片拍摄假脸物体,获取对应所述预设颜色的测试图片集;将所述测试图片集中的各图片输入待检测活体检验模型,根据所述待检测活体检验模型的输出结果,获取对应所述预设颜色的测试结果集;根据所述测试结果集及其对应的预设颜色确定可靠性等级,输出所述可靠性等级作为所述待检测活体检验模型的可靠性检测结果。本申请能够提升活体检验模型可靠性的检测准确度。
Description
技术领域
本申请涉及生物识别技术领域,尤其涉及活体检测技术领域中的一种检测活体检验模型可靠性的方法、装置、电子设备以及计算机可读存储介质。
背景技术
目前在人脸识别技术行业,活体检验技术是无监督场景应用落地的重要前提,尤其是身份核验、支付交易等场景。如果该技术被破解或者可以通过较低的成本进行攻击,则会带来较为严重的安全风险,使用户的利益受损。因此,活体检验技术的可靠性是至关重要的。
但是,现有技术在进行活体检验技术的可靠性检测时,通常仅使用所拍摄的人脸照片、人脸面具或者人脸模具作为检测数据,但由于上述数据的红外反射率较低,导致准确地捕捉成像,因此可靠性检测的准确性较低。
发明内容
本申请为解决技术问题所采用的技术方案是提供一种检测活体检验模型可靠性的方法,所述方法包括:使用预设颜色的滤色片拍摄假脸物体,获取对应所述预设颜色的测试图片集;将所述测试图片集中的各图片输入待检测活体检验模型,根据所述待检测活体检验模型的输出结果,获取对应所述预设颜色的测试结果集;根据所述测试结果集及其对应的预设颜色确定可靠性等级,输出所述可靠性等级作为所述待检测活体检验模型的可靠性检测结果。本申请能够提升活体检验模型可靠性的检测准确度。
根据本申请一优选实施例,所述使用预设颜色的滤色片拍摄假脸物体,获取对应所述预设颜色的测试图片集包括:分别使用黑色滤色片、黄绿色滤色片以及红色滤色片拍摄假脸物体;获取对应黑色的测试图片集、对应黄绿色的测试图片集以及对应红色的测试图片集。
根据本申请一优选实施例,所述根据所述测试结果集及其对应的预设颜色确定可靠性等级包括:获取所述测试结果集中各输出结果的分布情况;确定对应所述预设颜色的等级判断条件;将所述等级判断条件中与所述分布情况对应的等级,作为所述可靠性等级。
根据本申请一优选实施例,所述根据所述测试结果集及其对应的预设颜色确定可靠性等级包括:若对应红色的测试结果集中预设数量的输出结果小于预设阈值,则将可靠性等级确定为第一等级;若对应红色的测试结果集中预设数量的输出结果大于预设阈值,且对应黄绿色的测试结果集中预设数量的输出结果小于预设阈值,则将可靠性等级确定为第二等级;若对应黄绿色的测试结果集中预设数量的输出结果大于预设阈值,且对应黑色的测试结果集中预设数量的输出结果小于预设阈值,则将可靠性等级确定为第三等级;若对应黑色的测试结果集中预设数量的输出结果大于预设阈值,则将可靠性等级确定为第四等级;其中,所述第一等级到第四等级,可靠性逐渐降低。
本申请为解决技术问题所采用的技术方案是提供一种检测活体检验模型可靠性的装置,包括:获取单元,用于使用预设颜色的滤色片拍摄假脸物体,获取对应所述预设颜色的测试图片集;处理单元,用于将所述测试图片集中的各图片输入待检测活体检验模型,根据所述待检测活体检验模型的输出结果,获取对应所述预设颜色的测试结果集;检测单元,用于根据所述测试结果集及其对应的预设颜色确定可靠性等级,输出所述可靠性等级作为所述待检测活体检验模型的可靠性检测结果。
根据本申请一优选实施例,所述获取单元在使用预设颜色的滤色片拍摄假脸物体,获取对应所述预设颜色的测试图片集时,具体执行:分别使用黑色滤色片、黄绿色滤色片以及红色滤色片拍摄假脸物体;获取对应黑色的测试图片集、对应黄绿色的测试图片集以及对应红色的测试图片集。
根据本申请一优选实施例,所述检测单元在根据所述测试结果集及其对应的预设颜色确定可靠性等级时,具体执行:获取所述测试结果集中各输出结果的分布情况;确定对应所述预设颜色的等级判断条件;将所述等级判断条件中与所述分布情况对应的等级,作为所述可靠性等级。
根据本申请一优选实施例,所述检测单元在根据所述测试结果集及其对应的预设颜色确定可靠性等级时,具体执行:若对应红色的测试结果集中预设数量的输出结果小于预设阈值,则将可靠性等级确定为第一等级;若对应红色的测试结果集中预设数量的输出结果大于预设阈值,且对应黄绿色的测试结果集中预设数量的输出结果小于预设阈值,则将可靠性等级确定为第二等级;若对应黄绿色的测试结果集中预设数量的输出结果大于预设阈值,且对应黑色的测试结果集中预设数量的输出结果小于预设阈值,则将可靠性等级确定为第三等级;若对应黑色的测试结果集中预设数量的输出结果大于预设阈值,则将可靠性等级确定为第四等级;其中,所述第一等级到第四等级,可靠性逐渐降低。
上述申请中的一个实施例具有如下优点或有益效果:本申请能够提升活体检验模型可靠性的检测准确度。因为采用了使用不同颜色的滤色片来获取测试图片集,进而根据测试结果集及其对应的滤色片的颜色来确定模型的可靠性的技术手段,所以克服了现有技术中直接使用所拍摄的照片来进行可靠性检测所导致检测不准确的技术问题,从而实现提升活体检验模型可靠性的检测准确度的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例提供的一种检测活体检验模型可靠性的方法流程图;
图2是根据本申请第二实施例提供的一种检测活体检验模型可靠性的装置结构图;
图3是用来实现本申请实施例的检测活体检验模型可靠性的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1为本申请一实施例提供的一种检测活体检验模型可靠性的方法流程图,如图1中所示,所述方法包括:
在S101中,使用预设颜色的滤色片拍摄假脸物体,获取对应所述预设颜色的测试图片集。
在本步骤中,使用预设颜色的滤色片拍摄假脸物体,从而获取对应该预设颜色的测试图片集。其中,本步骤可以将预设颜色的滤色片放置在拍摄设备的镜头上,例如放置在手机或者相机的镜头上,拍摄假脸物体得到相应的测试图片集。
可以理解的是,本步骤所使用的滤色片是将塑料或玻璃等材料中加入染料所制成的。而由于添加染料后,材料的分子结构和折射率会发生变化,使得滤色片通过的色光也相应地发生变化,例如蓝色的滤色片只让蓝光通过,红色的滤色片只让红光通过。因此,本步骤在拍摄设备的镜头上添加滤色片,可以使假脸物体的成像发生变化,改变拍摄得到的图片的色调。
另外,本步骤所拍摄的假脸物体为模拟真实人脸的物体,包括人脸面具、人脸模具以及人脸照片等,其中人脸照片可以为纸质照片,也可以为终端中所存储的数字照片。
其中,本步骤所使用的预设颜色的滤色片可以为一种颜色的滤色片,也可以为多种颜色的滤色片;若本步骤使用多种颜色的滤色片来拍摄假脸物体,则会分别获取对应各颜色的测试图片集。
通过实验发现,真实人脸对于红外光线的反射率较高,因此可以得知当图片的红外反射率越高时,越接近真人,即图片的伪装性越好,需要更强的检验手段才能够进行区分。因此,本步骤中预设颜色的滤色片只有一种时,该滤色片优选地为红色滤色片。
而为了能够更加准确地获取活体检验模型的可靠性检测结果,本步骤在使用预设颜色的滤色片拍摄假脸物体,获取对应预设颜色的测试图片集时,可以采用以下方式:分别使用黑色滤色片、黄绿色滤色片以及红色滤色片拍摄假脸物体,其中黑色滤色片只允许暗颜色的光透过,黄绿色滤色片只允许近黄绿色的光透过,红色滤色片则只允许近红色的光透过;获取对应黑色滤色片的测试图片集、对应黄绿色滤色片的测试图片集以及对应红色滤色片的测试图片集。
可以理解的是,本步骤所获取的各测试图片集中分别包含仅由相应颜色的光所拍摄的图片;而由于人脸对于不同颜色的光具有不同的反射率,因此对应各颜色滤色片的测试图片集中的图片对应不同的真实性,其中,红色滤色片的图片真实性>黄绿色滤色片的图片真实性>黑色滤色片的图片真实性。
举例来说,若本步骤将对应黑色滤色片的测试图片集表示为LL1数据集,将对应红绿色滤色片的测试图片集表示为LL2数据集,将对应红色滤色片的测试图片集表示为LL3数据集,则对应各数据集的图片真实性之间的关系为LL3>LL2>LL1。
在S102中,将所述测试图片集中的各图片输入待检测活体检验模型,根据所述待检测活体检验模型的输出结果,获取对应所述预设颜色的测试结果集。
在本步骤中,将步骤S101获取的测试图片集中的各图片输入待检测的活体检验模型之后,根据该待检测活体检验模型针对各图片的输出结果,获取对应预设颜色的测试结果集。
其中,本步骤中的待检测活体检验模型的输出结果为0~1之间的数值,数值越接近1,表示活体检验模型越确定图片中的人脸为真实人脸;数值越接近0,则表示活体检验模型越确定图片中的人脸为虚假人脸。
可以理解的是,若步骤S101仅获取了对应一种颜色的滤色片的测试图片集,则本步骤仅会获取一个测试结果集;若步骤S101获取了对应多种颜色的滤色片的测试图片集,则本步骤会获取相应个数的测试结果集。
在S103中,根据所述测试结果集及其对应的预设颜色确定可靠性等级,输出所述可靠性等级作为所述待检测活体检验模型的可靠性检测结果。
在本步骤中,根据步骤S102所获取的测试结果集及其对应的预设颜色来确定可靠性等级,从而输出所确定的可靠性等级作为待检测活体检验模型的可靠性检测结果。也就是说,本步骤通过滤色片的颜色以及测试结果集中的各检验结果来确定可靠性,从而提升可靠性检测的准确性。
具体地,本步骤在根据测试结果集及其对应的预设颜色确定可靠性等级时,可以采用以下方式:获取测试结果集中各输出结果的分布情况,即测试结果集中各数值的分布情况;确定对应预设颜色的等级判断条件;将等级判断条件中与所获取的分布情况对应的等级,作为可靠性等级。也就是说,通过不同颜色的滤色片获取不同真实性的图片之后,进一步地将不同的颜色与不同的等级判断条件相对应,从而更加准确地获取对应不同颜色的可靠性等级。
举例来说,若所获取的测试结果集与红色相对应,若与红色对应的等级判断条件为:0~30%的图片的数值>0.9,等级为L3;31%~60%的图片的数值>0.9,等级为L2;61%以上的图片的数值>0.9,等级为L1。其中,L3等级的可靠性最高,L2等级其次,L1等级的可靠性最低。若步骤S102所获取的测试结果集中输出结果的分布情况为,20%的图片的数值>0.9,则本步骤可以确定可靠性等级为L3。
可以理解的是,若步骤S102获取了对应多个颜色的测试结果集,则本步骤在根据上述方法确定对应各测试结果集的等级之后,可以将其中最低的等级作为可靠性等级。例如,若对应黑色的测试结果集的等级为L2,对应黄绿色的测试结果集的等级为L3,对应红色的测试结果集的等级为L1,则可以将可靠性等级确定为L1。
若本步骤获取了对应多个颜色的测试结果集,则在根据测试结果集及其对应的预设颜色确定可靠性等级时,可以采用以下方式:若对应红色滤色片的测试结果集中预设数量的图片的输出结果小于预设阈值,则将可靠性等级确定为第一等级,即模型不会误识别通过红色滤色片所得到的图片,模型的可靠性为安全;若对应红色滤色片的测试结果集中预设数量的图片的输出结果大于预设阈值且对应黄绿色滤色片的测试结果集中预设数量的图片的输出结果小于预设阈值,则将可靠性等级确定为第二等级,即模型会误识别通过红色滤色片所得到的图片,而不会误识别通过黄绿色滤色片所得到的图片,模型的可靠性为较安全;若对应黄绿色滤色片的测试结果集中预设数量的图片的输出结果大于预设阈值且对应黑色滤色片的测试结果集中预设数量的图片的输出结果小于预设阈值,则将可靠性等级确定为第三等级,即模型会误识别通过黄绿色滤色片所得到的图片,而不会误识别通过黑色滤色片所得到的图片,模型的可靠性为安全性较低;若对应黑色滤色片的测试结果集中预设数量的图片的输出结果大于预设阈值,则将可靠性等级确定为第四等级,即模型会误识别通过黑色滤色片所得到的图片,模型的可靠性为非常不安全。
其中,本步骤中的第一等级到第四等级,模型的可靠性逐渐降低;预设数量以及预设阈值可以由用户进行设定,与各颜色对应的预设数量以及预设阈值可以相同,也可以不同。例如,本步骤可以将预设数量设置为99%,将预设阈值设置为0.9。
本步骤在确定可靠性等级之后,将该可靠性等级输出,作为待检测活体检验模型的可靠性检测结果。
因此,本申请通过使用不同颜色的滤色片来获取测试图片集,进而根据测试结果集及其对应的滤色片颜色,来确定待检测活体检验模型的可靠性,从而提升活体检验模型可靠性的检测准确度。
图2为本申请一实施例提供的一种检测活体检验模型可靠性的装置结构图,如图2中所示,所述装置包括:获取单元201、处理单元202以及检测单元203。
获取单元201,用于使用预设颜色的滤色片拍摄假脸物体,获取对应所述预设颜色的测试图片集。
获取单元201使用预设颜色的滤色片拍摄假脸物体,从而获取对应该预设颜色的测试图片集。其中,获取单元201可以将预设颜色的滤色片放置在拍摄设备的镜头上,例如放置在手机或者相机的镜头上,拍摄假脸物体得到相应的测试图片集。
可以理解的是,获取单元201所使用的滤色片是将塑料或玻璃等材料中加入染料所制成的。而由于添加染料后,材料的分子结构和折射率会发生变化,使得滤色片通过的色光也相应地发生变化,例如蓝色的滤色片只让蓝光通过,红色的滤色片只让红光通过。因此,获取单元201在拍摄设备的镜头上添加滤色片,可以使假脸物体的成像发生变化,改变拍摄得到的图片的色调。
另外,获取单元201所拍摄的假脸物体为模拟真实人脸的物体,包括人脸面具、人脸模具以及人脸照片等,其中人脸照片可以为纸质照片,也可以为终端中所存储的数字照片。
其中,获取单元201所使用的预设颜色的滤色片可以为一种颜色的滤色片,也可以为多种颜色的滤色片;若获取单元201使用多种颜色的滤色片来拍摄假脸物体,则会分别获取对应各颜色的测试图片集。
通过实验发现,真实人脸对于红外光线的反射率较高,因此可以得知当图片的红外反射率越高时,越接近真人,即图片的伪装性越好,需要更强的检验手段才能够进行区分。因此,获取单元201中预设颜色的滤色片只有一种时,该滤色片优选地为红色滤色片。
而为了能够更加准确地获取活体检验模型的可靠性检测结果,获取单元201在使用预设颜色的滤色片拍摄假脸物体,获取对应预设颜色的测试图片集时,可以采用以下方式:分别使用黑色滤色片、黄绿色滤色片以及红色滤色片拍摄假脸物体,其中黑色滤色片只允许暗颜色的光透过,黄绿色滤色片只允许近黄绿色的光透过,红色滤色片则只允许近红色的光透过;获取对应黑色滤色片的测试图片集、对应黄绿色滤色片的测试图片集以及对应红色滤色片的测试图片集。
可以理解的是,获取单元201所获取的各测试图片集中分别包含仅由相应颜色的光所拍摄的图片;而由于人脸对于不同颜色的光具有不同的反射率,因此对应各颜色滤色片的测试图片集中的图片对应不同的真实性,其中,红色滤色片的图片真实性>黄绿色滤色片的图片真实性>黑色滤色片的图片真实性。
处理单元202,用于将所述测试图片集中的各图片输入待检测活体检验模型,根据所述待检测活体检验模型的输出结果,获取对应所述预设颜色的测试结果集。
处理单元202将获取单元201获取的测试图片集中的各图片输入待检测的活体检验模型之后,根据该待检测活体检验模型针对各图片的输出结果,获取对应预设颜色的测试结果集。
其中,处理单元202中的待检测活体检验模型的输出结果为0~1之间的数值,数值越接近1,表示活体检验模型越确定图片中的人脸为真实人脸;数值越接近0,则表示活体检验模型越确定图片中的人脸为虚假人脸。
可以理解的是,若获取单元201仅获取了对应一种颜色的滤色片的测试图片集,则处理单元202仅会获取一个测试结果集;若获取单元201获取了对应多种颜色的滤色片的测试图片集,则处理单元202会获取相应个数的测试结果集。
检测单元203,用于根据所述测试结果集及其对应的预设颜色确定可靠性等级,输出所述可靠性等级作为所述待检测活体检验模型的可靠性检测结果。
检测单元203根据处理单元202所获取的测试结果集及其对应的预设颜色来确定可靠性等级,从而输出所确定的可靠性等级作为待检测活体检验模型的可靠性检测结果。也就是说,检测单元203通过滤色片的颜色以及测试结果集中的各检验结果来确定可靠性,提升可靠性检测的准确性。
具体地,检测单元203在根据测试结果集及其对应的预设颜色确定可靠性等级时,可以采用以下方式:获取测试结果集中各输出结果的分布情况;确定对应预设颜色的等级判断条件;将等级判断条件中与所获取的分布情况对应的等级,作为可靠性等级。也就是说,通过不同颜色的滤色片获取不同真实性的图片之后,进一步地将不同的颜色与不同的等级判断条件相对应,从而更加准确地获取对应不同颜色的可靠性等级。
可以理解的是,若处理单元202获取了对应多个颜色的测试结果集,则检测单元203在根据上述方法确定对应各测试结果集的等级之后,可以将其中最低的等级作为可靠性等级。
若检测单元203获取了对应多个颜色的测试结果集,则在根据测试结果集及其对应的预设颜色确定可靠性等级时,可以采用以下方式:若对应红色滤色片的测试结果集中预设数量的图片的输出结果小于预设阈值,则将可靠性等级确定为第一等级,即模型不会误识别通过红色滤色片所得到的图片,模型的可靠性为安全;若对应红色滤色片的测试结果集中预设数量的图片的输出结果大于预设阈值且对应黄绿色滤色片的测试结果集中预设数量的图片的输出结果小于预设阈值,则将可靠性等级确定为第二等级,即模型会误识别通过红色滤色片所得到的图片,而不会误识别通过黄绿色滤色片所得到的图片,模型的可靠性为较安全;若对应黄绿色滤色片的测试结果集中预设数量的图片的输出结果大于预设阈值且对应黑色滤色片的测试结果集中预设数量的图片的输出结果小于预设阈值,则将可靠性等级确定为第三等级,即模型会误识别通过黄绿色滤色片所得到的图片,而不会误识别通过黑色滤色片所得到的图片,模型的可靠性为安全性较低;若对应黑色滤色片的测试结果集中预设数量的图片的输出结果大于预设阈值,则将可靠性等级确定为第四等级,即模型会误识别通过黑色滤色片所得到的图片,模型的可靠性为非常不安全。
其中,检测单元203中的第一等级到第四等级,模型的可靠性逐渐降低;预设数量以及预设阈值可以由用户进行设定,与各颜色对应的预设数量以及预设阈值可以相同,也可以不同。例如,检测单元203可以将预设数量设置为99%,将预设阈值设置为0.9。
检测单元203在确定可靠性等级之后,将该可靠性等级输出,作为待检测活体检验模型的可靠性检测结果。
根据本申请的实施例,本申请还提供了一种电子设备和一种计算机可读存储介质。
如图3所示,是根据本申请实施例的检测活体检验模型可靠性的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图3所示,该电子设备包括:一个或多个处理器301、存储器302,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图3中以一个处理器301为例。
存储器302即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的检测活体检验模型可靠性的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的检测活体检验模型可靠性的方法。
存储器302作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的检测活体检验模型可靠性的方法对应的程序指令/模块(例如,附图2所示的获取单元201、处理单元202以及检测单元203)。处理器301通过运行存储在存储器302中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的检测活体检验模型可靠性的方法。
存储器302可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据的电子设备的使用所创建的数据等。此外,存储器302可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器302可选包括相对于处理器301远程设置的存储器,这些远程存储器可以通过网络连接至检测活体检验模型可靠性的方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
检测活体检验模型可靠性的方法的电子设备还可以包括:输入装置303和输出装置304。处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接,图3中以通过总线连接为例。
输入装置303可接收输入的数字或字符信息,以及产生与检测活体检验模型可靠性的方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置304可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,通过使用不同颜色的滤色片来获取测试图片集,进而根据测试结果集及其对应的滤色片颜色,来确定待检测活体检验模型的可靠性,从而提升活体检验模型可靠性的检测准确度。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (10)
1.一种检测活体检验模型可靠性的方法,其特征在于,包括:
使用预设颜色的滤色片拍摄假脸物体,获取对应所述预设颜色的测试图片集,所述预设颜色包括黑色、黄绿色与红色中的至少一种;
将所述测试图片集中的各图片输入待检测活体检验模型,根据所述待检测活体检验模型的输出结果,获取对应所述预设颜色的测试结果集;
根据所述测试结果集及其对应的预设颜色确定可靠性等级,输出所述可靠性等级作为所述待检测活体检验模型的可靠性检测结果。
2.根据权利要求1所述的方法,其特征在于,所述使用预设颜色的滤色片拍摄假脸物体,获取对应所述预设颜色的测试图片集包括:
分别使用黑色滤色片、黄绿色滤色片以及红色滤色片拍摄假脸物体;
获取对应黑色的测试图片集、对应黄绿色的测试图片集以及对应红色的测试图片集。
3.根据权利要求1所述的方法,其特征在于,所述根据所述测试结果集及其对应的预设颜色确定可靠性等级包括:
获取所述测试结果集中各输出结果的分布情况;
确定对应所述预设颜色的等级判断条件;
将所述等级判断条件中与所述分布情况对应的等级,作为所述可靠性等级。
4.根据权利要求2所述的方法,其特征在于,所述根据所述测试结果集及其对应的预设颜色确定可靠性等级包括:
若对应红色的测试结果集中预设数量的输出结果小于预设阈值,则将可靠性等级确定为第一等级;
若对应红色的测试结果集中预设数量的输出结果大于预设阈值,且对应黄绿色的测试结果集中预设数量的输出结果小于预设阈值,则将可靠性等级确定为第二等级;
若对应黄绿色的测试结果集中预设数量的输出结果大于预设阈值,且对应黑色的测试结果集中预设数量的输出结果小于预设阈值,则将可靠性等级确定为第三等级;
若对应黑色的测试结果集中预设数量的输出结果大于预设阈值,则将可靠性等级确定为第四等级;
其中,所述第一等级到第四等级,可靠性逐渐降低,对应红色滤色片的图片的真实性>对应黄绿色滤色片的图片的真实性>对应黑色滤色片的图片的真实性。
5.一种检测活体检验模型可靠性的装置,其特征在于,包括:
获取单元,用于使用预设颜色的滤色片拍摄假脸物体,获取对应所述预设颜色的测试图片集,所述预设颜色包括黑色、黄绿色与红色中的至少一种;
处理单元,用于将所述测试图片集中的各图片输入待检测活体检验模型,根据所述待检测活体检验模型的输出结果,获取对应所述预设颜色的测试结果集;
检测单元,用于根据所述测试结果集及其对应的预设颜色确定可靠性等级,输出所述可靠性等级作为所述待检测活体检验模型的可靠性检测结果。
6.根据权利要求5所述的装置,其特征在于,所述获取单元在使用预设颜色的滤色片拍摄假脸物体,获取对应所述预设颜色的测试图片集时,具体执行:
分别使用黑色滤色片、黄绿色滤色片以及红色滤色片拍摄假脸物体;
获取对应黑色的测试图片集、对应黄绿色的测试图片集以及对应红色的测试图片集。
7.根据权利要求5所述的装置,其特征在于,所述检测单元在根据所述测试结果集及其对应的预设颜色确定可靠性等级时,具体执行:
获取所述测试结果集中各输出结果的分布情况;
确定对应所述预设颜色的等级判断条件;
将所述等级判断条件中与所述分布情况对应的等级,作为所述可靠性等级。
8.根据权利要求6所述的装置,其特征在于,所述检测单元在根据所述测试结果集及其对应的预设颜色确定可靠性等级时,具体执行:
若对应红色的测试结果集中预设数量的输出结果小于预设阈值,则将可靠性等级确定为第一等级;
若对应红色的测试结果集中预设数量的输出结果大于预设阈值,且对应黄绿色的测试结果集中预设数量的输出结果小于预设阈值,则将可靠性等级确定为第二等级;
若对应黄绿色的测试结果集中预设数量的输出结果大于预设阈值,且对应黑色的测试结果集中预设数量的输出结果小于预设阈值,则将可靠性等级确定为第三等级;
若对应黑色的测试结果集中预设数量的输出结果大于预设阈值,则将可靠性等级确定为第四等级;
其中,所述第一等级到第四等级,可靠性逐渐降低,对应红色滤色片的图片的真实性>对应黄绿色滤色片的图片的真实性>对应黑色滤色片的图片的真实性。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010026205.2A CN111274879B (zh) | 2020-01-10 | 2020-01-10 | 检测活体检验模型可靠性的方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010026205.2A CN111274879B (zh) | 2020-01-10 | 2020-01-10 | 检测活体检验模型可靠性的方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111274879A CN111274879A (zh) | 2020-06-12 |
CN111274879B true CN111274879B (zh) | 2023-04-25 |
Family
ID=71003010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010026205.2A Active CN111274879B (zh) | 2020-01-10 | 2020-01-10 | 检测活体检验模型可靠性的方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111274879B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868735A (zh) * | 2016-04-25 | 2016-08-17 | 南京大学 | 一种跟踪人脸的预处理方法及基于视频的智慧健康监视系统 |
CA3043230A1 (en) * | 2017-06-07 | 2018-12-13 | Alibaba Group Holding Limited | Face liveness detection method and apparatus, and electronic device |
CN109271954A (zh) * | 2018-09-29 | 2019-01-25 | 北京百度网讯科技有限公司 | 用于检测模型可靠性的方法及装置 |
CN109766785A (zh) * | 2018-12-21 | 2019-05-17 | 中国银联股份有限公司 | 一种人脸的活体检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190340904A1 (en) * | 2018-05-07 | 2019-11-07 | Hangzhou Eyecloud Technologies Co., Ltd. | Door Surveillance System and Control Method Thereof |
-
2020
- 2020-01-10 CN CN202010026205.2A patent/CN111274879B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868735A (zh) * | 2016-04-25 | 2016-08-17 | 南京大学 | 一种跟踪人脸的预处理方法及基于视频的智慧健康监视系统 |
CA3043230A1 (en) * | 2017-06-07 | 2018-12-13 | Alibaba Group Holding Limited | Face liveness detection method and apparatus, and electronic device |
CN109271954A (zh) * | 2018-09-29 | 2019-01-25 | 北京百度网讯科技有限公司 | 用于检测模型可靠性的方法及装置 |
CN109766785A (zh) * | 2018-12-21 | 2019-05-17 | 中国银联股份有限公司 | 一种人脸的活体检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
Colored Transparent Object Matting from a Single Image Using Deep Learning;Jamal Ahmed Rahim;《arXiv》;20191005;正文1-6页 * |
人脸识别活体检测研究方法综述;邓雄;《计算机应用研究》;20190829;正文1-7页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111274879A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109815845B (zh) | 人脸识别的方法和装置、存储介质 | |
CN111768386B (zh) | 产品缺陷检测方法、装置、电子设备和存储介质 | |
CN111914628B (zh) | 人脸识别模型的训练方法和装置 | |
CN111291885B (zh) | 近红外图像的生成方法、生成网络的训练方法和装置 | |
US11321575B2 (en) | Method, apparatus and system for liveness detection, electronic device, and storage medium | |
EP3848853A2 (en) | Image detection method, apparatus, electronic device and storage medium | |
CN113361349B (zh) | 人脸活体检测方法、装置、电子设备和存储介质 | |
CN113205057B (zh) | 人脸活体检测方法、装置、设备及存储介质 | |
CN112883902B (zh) | 视频检测方法、装置、电子设备及存储介质 | |
CN102365645A (zh) | 通过关联面部来组织数字图像 | |
CN111709873B (zh) | 图像转换模型生成器的训练方法和装置 | |
CN111753701B (zh) | 应用程序的违规检测方法、装置、设备和可读存储介质 | |
KR101640456B1 (ko) | 디스플레이 패널의 각 픽셀들의 개구부를 통해 촬영하는 촬영 장치 및 방법 | |
CN107909569B (zh) | 一种花屏检测方法、花屏检测装置及电子设备 | |
CN112241716B (zh) | 训练样本的生成方法和装置 | |
CN111709875B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111783640A (zh) | 检测方法、装置、设备以及存储介质 | |
CN112489102A (zh) | 三维重建方法、装置、设备以及存储介质 | |
CN107704798A (zh) | 图像虚化方法、装置、计算机可读存储介质和计算机设备 | |
CN108198175A (zh) | 检测方法、检测装置、计算机设备和计算机可读存储介质 | |
CN111767840A (zh) | 用于验证图像的方法、装置、电子设备及计算机可读存储介质 | |
CN111291778B (zh) | 深度分类模型的训练方法、曝光异常检测方法以及装置 | |
CN111783644B (zh) | 检测方法、装置、设备和计算机存储介质 | |
CN111274879B (zh) | 检测活体检验模型可靠性的方法以及装置 | |
CN111489433B (zh) | 车辆损伤定位的方法、装置、电子设备以及可读存储介质 |
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 |