CN111325175A - 活体检测方法、装置、电子设备及存储介质 - Google Patents
活体检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111325175A CN111325175A CN202010139814.9A CN202010139814A CN111325175A CN 111325175 A CN111325175 A CN 111325175A CN 202010139814 A CN202010139814 A CN 202010139814A CN 111325175 A CN111325175 A CN 111325175A
- Authority
- CN
- China
- Prior art keywords
- detection
- image
- images
- living body
- face
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 415
- 238000000034 method Methods 0.000 claims abstract description 79
- 230000009471 action Effects 0.000 claims abstract description 72
- 230000000875 corresponding effect Effects 0.000 claims description 24
- 238000012795 verification Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 8
- 238000001727 in vivo Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 abstract description 32
- 230000008901 benefit Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 10
- 210000000887 face Anatomy 0.000 description 10
- 210000003128 head Anatomy 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000004397 blinking Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 239000002131 composite material Substances 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 4
- 210000004709 eyebrow Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 210000004209 hair Anatomy 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003993 interaction 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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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)
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种活体检测方法、装置、电子设备及存储介质，该方法包括：获取用于活体检测的连续多帧图像；对各帧图像分别进行人脸检测，根据各帧图像的人脸检测结果进行动作检测；从连续多帧图像中抽取多帧作为一致性检测图像，根据一致性检测图像进行人脸一致性检测；从一致性检测图像中抽取若干帧作为静默检测图像，根据静默检测图像进行静默活体检测；若动作检测、人脸一致性检测和静默活体检测中有一项检测失败，则判断为假活体。本申请的有益效果在于，将多种检测手段有机结合，显著提高了对高质量图片、视频以及镜头切换攻击的拦截成功率，且实施成本低，大幅度降低高精度检测的硬件成本，适用范围广。
Description
技术领域
本申请涉及数据处理技术领域，具体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
电子商务为人们日常生活提供极大便利的同时，也对交易过程中的安全性提出了很大的挑战。如人脸支付技术，将人脸与用户的支付渠道绑定，支付阶段无须出示银行卡、手机等，直接在商户进行刷脸即可完成付款；又如在银行的自动柜员机办理业务时，由于安全性要求较高，往往需要进行人脸登录，在这些过程中都需要对用户的身份加以检测，检测在网络上进行操作的对象是否是活人，但是现有的人脸检测技术存在很多不足之处，如采用图像的人脸检测系统一般会在检测视频中抽取人脸质量较好一帧用于人脸识别，如果用于攻击的照片质量较高，极大可能骗过人脸检测系统，因此对高质量照片攻击拦截效果较差，而采用视频的人脸检测系统容易受到镜头切换的攻击。
发明内容
鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的一种活体检测方法、装置、电子设备及存储介质。
依据本申请的一个方面，提供了一种活体检测方法，该方法包括：
获取用于活体检测的连续多帧图像；
对各帧图像分别进行人脸检测，根据各帧图像的人脸检测结果进行动作检测；
从连续多帧图像中抽取多帧作为一致性检测图像，根据一致性检测图像进行人脸一致性检测；
从一致性检测图像中抽取若干帧作为静默检测图像，根据静默检测图像进行静默活体检测；
若动作检测、人脸一致性检测和静默活体检测中有一项检测失败，则判断为假活体。
可选的，在上述方法中，获取用于活体检测的连续多帧图像包括：
通过移动终端的屏幕依次展示多条动作指示信息，并通过移动终端的摄像头采集连续多帧图像，以拍摄被测对象按照动作指示信息完成的相应动作；
根据各帧图像的人脸检测结果进行动作检测包括：
根据各帧图像的人脸检测结果，确定多个图像序列，各图像序列分别对应一类动作；若图像序列与动作指示信息一一匹配，则动作检测成功，否则动作检测失败。
可选的，在上述方法中，从连续多帧图像中抽取多帧作为一致性检测图像包括：
从各图像序列中分别抽取图像作为一致性检测图像；
其中，在抽取到不包含人脸的图像时，舍弃掉从该图像序列中已抽取的所有图像，并在该图像序列的剩余部分中重新抽取一致性检测图像；所述剩余部分为该图像序列中，在已抽取的不包含人脸的图像之后的序列部分；
在抽取到不包含人脸的图像次数大于第一阈值时，直接判断为非活体。
可选的，在上述方法中，从连续多帧图像中抽取多帧作为一致性检测图像包括：
对已抽取的图像进行背景一致性检测，如果检测到已抽取的图像的背景不一致，则舍弃掉已抽取的所有图像，并在该图像序列的剩余部分中重新抽取一致性检测图像；所述剩余部分为该图像序列中，在已抽取的背景不一致的图像之后的序列部分；
在检测出背景不一致的次数大于第二阈值时，直接判断为非活体。
可选的，在上述方法中，人脸一致性检测以及静默活体检测在移动终端本地执行；
根据静默检测图像进行静默活体检测包括：将静默检测图像发送至服务器，以使服务器根据静默检测图像进行静默活体检测。
可选的，在上述方法中，将静默检测图像发送至服务器包括：
根据字符串生成静默检测图像的校验信息，字符串是对服务器下发的加密字符串进行解密得到的；
将静默检测图像和校验信息对应发送至服务器，以使服务器根据校验信息校验静默检测图像是否被篡改。
可选的，在上述方法中，根据字符串生成静默检测图像的校验信息包括：
生成静默检测图像的图片编码；
基于字符串对图片编码进行加密，得到加密编码；
将动作检测的检测结果嵌入加密编码中，得到校验信息。
依据本申请的另一个方面，提供了一种活体检测装置，该装置包括：
获取单元，用于获取用于活体检测的连续多帧图像；
检测单元，用于对各帧图像分别进行人脸检测，根据各帧图像的人脸检测结果进行动作检测；
用于从所述连续多帧图像中抽取多帧作为一致性检测图像，根据所述一致性检测图像进行人脸一致性检测；以及
还用于从所述一致性检测图像中抽取若干帧作为静默检测图像，根据所述静默检测图像进行静默活体检测；
分析单元，用于根据检测结果判断活体的真假，若所述动作检测、所述人脸一致性检测和所述静默活体检测中有一项检测失败，则判断为假活体。
可选的，在上述装置中，获取单元，用于通过移动终端的屏幕依次展示多条动作指示信息，并通过移动终端的摄像头采集连续多帧图像，以拍摄被测对象按照动作指示信息完成的相应动作；
检测单元用于根据各帧图像的人脸检测结果，确定多个图像序列，各图像序列分别对应一类动作；若图像序列与动作指示信息一一匹配，则动作检测成功，否则动作检测失败。
可选的，在上述装置中，检测单元，用于从各图像序列中分别抽取图像作为一致性检测图像；
其中，在抽取到不包含人脸的图像时，舍弃掉从该图像序列中已抽取的所有图像，并在该图像序列的剩余部分中重新抽取一致性检测图像；所述剩余部分为该图像序列中，在已抽取的不包含人脸的图像之后的序列部分；
在抽取到不包含人脸的图像次数大于第一阈值时，直接判断为非活体。
可选的，在上述装置中，检测单元，用于对已抽取的图像进行背景一致性检测，如果检测到已抽取的图像的背景不一致，则舍弃掉已抽取的所有图像，并在该图像序列的剩余部分中重新抽取一致性检测图像；所述剩余部分为该图像序列中，在已抽取的背景不一致的图像之后的序列部分；
在检测出背景不一致的次数大于第二阈值时，直接判断为非活体。
可选的，在上述装置中，检测单元，用于根据静默检测图像进行静默活体检测，包括：
将静默检测图像发送至服务器，以使服务器根据静默检测图像进行静默活体检测。
可选的，在上述装置中，检测单元，用于根据字符串生成静默检测图像的校验信息，字符串是对服务器下发的加密字符串进行解密得到的；以及
用于将静默检测图像和校验信息对应发送至服务器，以使服务器根据校验信息校验静默检测图像是否被篡改。
可选的，在上述装置中，检测单元，用于生成静默检测图像的图片编码；
基于字符串对图片编码进行加密，得到加密编码；
将动作检测的检测结果嵌入加密编码中，得到校验信息。
依据本申请的又一方面，提供了一种电子设备，其中，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，可执行指令在被执行时使处理器执行如上任一的方法。
依据本申请的再一方面，提供了一种计算机可读存储介质，其中，计算机可读存储介质存储一个或多个程序，一个或多个程序当被处理器执行时，实现如上任一的方法。
由上述可知，本申请的技术方案，通过获取用于活体检测的连续多帧图像；对各帧图像分别进行人脸检测，根据各帧图像的人脸检测结果进行动作检测；从连续多帧图像中抽取多帧作为一致性检测图像，根据一致性检测图像进行人脸一致性检测；从一致性检测图像中抽取若干帧作为静默检测图像，根据静默检测图像进行静默活体检测；若动作检测、人脸一致性检测和静默活体检测中有一项检测失败，则判断为假活体。本申请的有益效果在于，将多种检测手段有机结合，显著提高了对高质量图片、视频以及镜头切换攻击的拦截成功率，且实施成本低，大幅度降低高精度检测的硬件成本，适用范围广。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本申请一个实施例的活体检测方法的流程示意图；
图2示出了根据本申请另一个实施例的活体检测方法的流程示意图；
图3示出了根据本申请一个实施例的活体检测装置的结构示意图；
图4示出了根据本申请一个实施例的电子设备的结构示意图；
图5示出了根据本申请一个实施例的计算机可读存储介质的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
图1示出了根据本申请一个实施例的活体检测方法的流程示意图。如图1所示，该活体检测方法包括：
步骤S110，获取用于活体检测的连续多帧图像。
本实施例基于连续多帧图像，将多种检测手段有机结合进行活体检测。获取用于活体检测的连续多帧图像可通过移动终端完成，如通过移动终端的屏幕提示被测对象对准镜头，在拍摄过程中，还可以通过移动终端的屏幕给出某些动作指示信息，并提示被测对象配合完成，连续多帧图像的拍摄可通过移动终端的摄像设备完成，如可采用照片连拍方法，也可采用小视频录制方法，小视频的时长可为但不限于5s-10s。
以客户在银行办理业务为例，当用户需要办理大额取款业务或者修改支付密码时，就需要对用户是否为真活体进行高精度检测，以免发生用户攻击或者有人冒充用户办理业务，给用户造成损失。此时，移动终端接到指令启动摄像设备，并同时可以通过移动终端的屏幕给出一些具体动作指示信息，如依次提示被测对象向左转头、向右转头、抬头、眨眼等，使得被测对象配合完成，动作指示信息可以为一条也可以为多条，摄像设备通过录制或者连拍方法获得连续多帧图像，以供后续活体检测步骤使用。需要说明的是，这里的连续多帧图像并不是严格意义上的每一帧都不可或缺，比如因为卡顿等原因，某些帧图像可能发生丢失，这并不影响实施本申请，这种情况下，可以直接忽略掉丢失的各帧。
步骤S120，对各帧图像分别进行人脸检测，根据各帧图像的人脸检测结果进行动作检测。
对上述获得的用于人脸检测的连续多帧图像分别进行人脸检测，得到人脸检测结果，再根据人脸检测结果对被测对象进行动作检测。
其中，人脸检测任务的目标主要是对获取到的用于人脸检测的连续多帧图像，使用机器自动判定各帧图像中是否存在人脸，且在存在人脸的情况下，找出其位置和大小。人脸检测可以选用现有技术中的一种或几种，目前最常见的办法就是在图像中画出矩形，然后给出矩形四个顶点或者两个对角顶点的坐标，就可以确定人脸位置了。大小可以根据矩形与整个图像的面积比给出，人脸检测还可以包括但不限于不同的外貌如脸形、肤色等，甚至包括人脸的遮挡，如眼镜、头发和头部饰物以及其他外部物体等。
人脸检测任务还可以包括人脸关键点的检测，来作为后续人脸动作检测的基础，人脸关键点包括但不限于眉毛、眼睛、鼻子、嘴巴，以及不同的表情如眼、嘴的开与闭等，以上各部位可以分别检测出，也可以依据一般眼睛在脸中的位置，比如三庭五眼的比例，直接从人脸图像中画出来。人脸关键点的检测可以采用现有技术中的任意一种或几种的组合，如基于模型的ASM(Active Shape Model，业内暂无中文名)、AAM(Active AppearanceModel，业内暂无中文名)、基于级联形状回归CPR(Cascaded pose regression)或基于深度学习的方法。
根据各帧图像的人脸检测结果进行动作检测主要是指对图像中的人脸姿态进行估计，根据人脸姿态估计结果判断被测对象的动作与相应的动作指示信息是否相符。
人脸姿态估计可以选用现有技术中的一种或几种的组合。人脸姿态检测主要是为了获得脸部朝向的角度信息，一般可以用旋转矩阵、旋转向量、四元数或欧拉角表示。以下以欧拉角为例，欧拉角可读性强，使用比较广泛，本实施例中获得的人脸姿态信息用三个欧拉角表示，分别为俯仰角(pitch)，表示物体绕x轴旋转、偏航角(yaw)，表示物体绕y轴旋转、以及翻滚角(roll)，表示物体绕z轴旋转。计算过程可以为但不限于：(1)首先定义一个具有n个关键点的3D脸部模型，n可以根据自己对准确度的容忍程度进行定义，如定义6个关键点的3D脸部模型，关键点可以分别为左眼角，右眼角，鼻尖，左嘴角，右嘴角，下颌；(2)采用人脸检测以及面部关键点检测得到上述3D脸部对应的2D人脸关键点；(3)采用开源计算机视觉库(Open Source Computer Vision Library)的solvePnP(业内暂无中文名)函数解出旋转向量；(4)将旋转向量转换为欧拉角。
步骤S130，从连续多帧图像中抽取多帧作为一致性检测图像，根据一致性检测图像进行人脸一致性检测。
为了进一步提高检测精度，在获取的用于活体检测的连续多帧图像中选取两帧或以上的图像进行一致性检测，一致性检测主要指检测不同图像中的人脸是否为同一人。在抽取用于一致性检测的图像时，可以根据人脸识别结果，抽取清晰、脸部正对镜头的帧。
以下以两帧图像的一致性检测作为实施例进行说明，两帧图像分别记为第一图像和第二图像，可以但不限于基于卷积神经网络分别对第一图像和第二图像进行特征提取，记为第一特征和第二特征，特征提取可以但不限于人脸的整体特征和/或人脸的局部特征，人脸整体特征可以包含但不限于人脸的轮廓、肤色等，人脸的局部特征可以包含但不限于眼睛、眉毛。嘴唇等。相对应的第一特征和第二特征中就会包含多项特征，如分别包含脸部轮廓、眼睛、嘴唇，将第一特征每一项特征与第二特征中的相应特征进行匹配比对，在每一项特征相似度大于某一阈值的情况下，可以给最终结论为同一人计1分，否则，记为0分，将所有特征对比完毕，得出一综合得分，如果综合得分大于某一阈值，可以判断第一图像和第二图像中为同一人，如本实施例中的特征为脸部轮廓、眼睛、嘴唇，那综合得分为2分，即可判断为同一人。为了使图像对比更加快速、准确，也可以对第一图像和第二图像的人脸图像进行预处理，如将其进行标准化后在进行比对。
步骤S140，从一致性检测图像中抽取若干帧作为静默检测图像，根据静默检测图像进行静默活体检测。
为了更进一步提高检测精度，从一致性检测图像中抽取若干帧作为静默检测图像，根据静默检测图像进行静默活体检测。静默活体检测就是在没有眨眼、张嘴、数数等一系列的动作配合下来判断到底是不是一个真活人。
静默活体检测可以采用现有技术中的任意一种或几种，静默活体检测技术不需要用户做任何动作，只需要自然正对摄像头三、四秒钟，就可以完成整个检测过程。本申请的技术方案从一致性检测图像中进行静默检测图像的抽取，不需要用户进行额外操作，更加简单。
具体而言，该技术可以精准的捕捉到真实人脸与攻击的假脸在成像上的微小不同，如拍摄屏幕留下的摩尔纹，图片反光，扭曲，以及其他人眼无法区分的微小特征，静默活体检测技术正是利用这些微小差异对被测对象是否为活体进行判断。
步骤S150，若动作检测、人脸一致性检测和静默活体检测中有一项检测失败，则判断为假活体。
以上三种检测中，如果有一项检测结果显示为假活体，则判断为假活体。上述三种检测技术可以同时进行，也可以按照一定顺序进行，如先执行动作检测，若其结果显示为假活体则不执行后续的人脸一致性检测和静默活体检测，这样可以大幅度节省计算资源。
由图1所述的方法可以看出，本申请将多种检测手段有机结合，显著提高了对高质量图片、视频以及镜头切换攻击的拦截成功率，且实施成本低，大幅度降低高精度检测的硬件成本，适用范围广。
在本案的一个实施例中，在上述方法中，获取用于活体检测的连续多帧图像包括：通过移动终端的屏幕依次展示多条动作指示信息，并通过移动终端的摄像头采集连续多帧图像，以拍摄被测对象按照动作指示信息完成的相应动作；根据各帧图像的人脸检测结果进行动作检测包括：根据各帧图像的人脸检测结果，确定多个图像序列，各图像序列分别对应一类动作；若图像序列与动作指示信息一一匹配，则动作检测成功，否则动作检测失败。
在本实施例中，通过移动终端的屏幕依次展示多条动作指示信息，如依次为向左转头、向右转头、眨眼、张嘴，并提示被测对象按照动作指示信息，依次完成以上动作，同时启动移动终端的摄影设备，以拍摄被测对象按照动作指示信息完成的相应动作的连续多帧图像，根据动作检测结果，将连续多帧图像分类为多个图像序列，每个图像序列对应一类动作，可以认为向左转头、向右转头、眨眼、张嘴分别为一类动作，若在本实施例中连续多帧图像被分为4个图像序列，分别对应向左转头、向右转头、眨眼、张嘴，则动作检测成功，否则动作检测失败。
本实施例通过展示多条动作指示信息，以使被测对象进行配合，能够满足很多场景中检测的高精度要求。
在本案的一个实施例中，在上述方法中，从连续多帧图像中抽取多帧作为一致性检测图像包括：从各图像序列中分别抽取图像作为一致性检测图像；其中，在抽取到不包含人脸的图像时，舍弃掉从该图像序列中已抽取的所有图像，并在该图像序列的剩余部分中重新抽取一致性检测图像；所述剩余部分为该图像序列中，在已抽取的不包含人脸的图像之后的序列部分；在抽取到不包含人脸的图像次数大于第一阈值时，直接判断为非活体。
在从连续多帧图像中抽取多帧作为一致性检测图像时，可以从所有图像中任意抽取，这就存在着可能在一个动作指示信息对应的图像序列中抽取多张图像用于检测，而在某些动作指示信息对应的图像序列中没有抽取，在进行一致性检测的时候，如果所抽取到的图像均来自同一个动作指示信息对应的图像序列，容易受到视频攻击。
本实施例从各图像序列中分别抽取图像作为一致性检测图像，其中，每个图像序列对应一个动作指示信息，如共选取两帧图像作为一致性检测的基础，一帧来自于“眨眼”所对应的图像序列，另一帧来自于“张嘴”所对应的图像序列，这样从不同角度对人脸进行识别和对比，进一步提高了检测精度。在进行一致性检测时，也可以将图片进行预处理，再进行一致性检测，如一帧来自于“向左转头”所对应的图像序列，另一帧来自于“向右转头”所对应的图像序列，可将上述这两帧中的一帧做镜像处理后再进行一致性检测。
此外，本实施在抽取到不包含人脸的图像时，舍弃掉从该图像序列中已抽取的所有图像，并在该图像序列的剩余部分中重新抽取一致性检测图像；所述剩余部分为该图像序列中，在已抽取的不包含人脸的图像之后的序列部分；在抽取到不包含人脸的图像次数大于第一阈值时，直接判断为非活体。
在进行人脸检测时，不仅存在着单一的照片或者视频攻击，还会镜头切换攻击的可能，例如用户在银行的自动柜员机进行取款时，存在被人冒充的可能，在网络上进行操作的对象可以先用照片/视频应对图像采集，在进行动作检测时，快速切换到真人进行动作识别，但并非真正的用户本人，如果照片/视频的质量较高，抽取的用于人脸识别以的帧可能是照片/视频，可能骗过人脸识别系统。
网络上进行操作的对象进行镜头切换的时候，人脸就有可能脱离摄像头可获取到的范围，因此获取到的用于活体检测的连续多帧图像中的某一帧或者几帧中就可能不含有人脸图像，因此本实施在抽取到不包含人脸的图像时，舍弃掉从该图像序列中已抽取的所有图像，并在该图像序列的剩余部分中重新抽取一致性检测图像；所述剩余部分为该图像序列中，在已抽取的不包含人脸的图像之后的序列部分；在抽取到不包含人脸的图像次数大于第一阈值时，直接判断为非活体。
如设置第一阈值为2，在某一图像序列中有15帧图像，随机抽取三帧进行图像检测，该三帧图像分别为第1帧、第2帧和第4帧，经人脸检测发现其中一帧不含人脸，说明潜在着镜头切换攻击的可能，则将前4帧图像全部都舍弃，从剩余的11帧图像中再随机抽取两帧，该两帧为剩余的11帧图像序列中的第2帧和第5帧，经人脸检测发现其中一帧仍不含人脸，则将前5帧序列全部都舍弃，再从剩余的6帧图像中再随机抽取两帧，如果经人脸检测发现其中一帧仍不含人脸，则直接判断被测对象为假活体，检测程序结束。
目前，外卖业务、网上约车业务蓬勃发展，为了防止出现骑手或者网约车司机被冒充的可能，通常在骑手或者网约车司机开始业务前对其身份进行检测，本实施例所述的方法显著地提高了对镜头切换攻击的拦截成功率，尤其在防止用户在上述场景中身份被他人盗用上效果显著。
在本案的一个实施例中，在上述方法中，从连续多帧图像中抽取多帧作为一致性检测图像包括：对已抽取的图像进行背景一致性检测，如果检测到已抽取的图像的背景不一致，则舍弃掉已抽取的所有图像，并在该图像序列的剩余部分中重新抽取一致性检测图像；所述剩余部分为该图像序列中，在已抽取的背景不一致的图像之后的序列部分；在检测出背景不一致的次数大于第二阈值时，直接判断为非活体。
承上所述，如果网络上进行操作的对象采用镜头切换对，那么图像是提前准备好的照片，与当前所处背景存在着较大差异，本实施例利用这种差异，对已抽取的图像进行背景一致性检测如果检测到已抽取的图像的背景不一致，则舍弃掉已抽取的所有图像，并在该图像序列的剩余部分中重新抽取一致性检测图像；所述剩余部分为该图像序列中，在已抽取的背景不一致的图像之后的序列部分；在检测出背景不一致的次数大于第二阈值时，直接判断为非活体。具体实施方式可参考上述实施例。
本实施例利用镜头切换前后背景差异大的特点，对各帧图像进行背景一致性检测，更进一步地提高了对镜头切换攻击的拦击成功率。
此外，针对部分用户的机型配置较低处理速度慢或者网络上进行操作的对象动作切换速度足够快的实际情况，无法成功检测到获取的连续多帧图像中不含有人脸，这种情况可以轻量级计算方法，进行多帧图像的人脸快速比对，从而进行补偿，进一步提高攻击难度和成本。
在本申请的一个实施例中，在上述方法中，人脸一致性检测以及静默活体检测在移动终端本地执行；根据静默检测图像进行静默活体检测包括：将静默检测图像发送至服务器，以使服务器根据静默检测图像进行静默活体检测。
由于移动终端的计算资源有限，如果计算量较大，会影响移动终端的速度，因此某些情况下，会将一些复杂的运算发送至服务器，服务器经运算后给移动终端返回计算结果，以节省移动终端的计算资源。
基于上述情况，本实施例提供一种活体检测系统，该系统包括服务器和移动终端，服务器作为大型计算器，具有计算能力强、能够长时间可靠运行、强大的数据吞吐能力。本实施例中，人脸一致性检测以及静默活体检测可以在移动终端本地执行；移动终端也可以将静默检测图像发送至服务器，以使服务器根据静默检测图像进行静默活体检测。
本实施例能够大幅度降低移动终端的计算量，提高移动终端的运行速率。
在本申请的一个实施例中，在上述方法中，将静默检测图像发送至服务器包括：根据字符串生成静默检测图像的校验信息，字符串是对服务器下发的加密字符串进行解密得到的；将静默检测图像和校验信息对应发送至服务器，以使服务器根据校验信息校验静默检测图像是否被篡改。
承上所述，在移动终端将静默检测图像发送至服务器的过程中，图像可能被篡改，为了防止这种现象发生，本实施例引入了一种验签机制，具体而言，根据字符串生成静默检测图像的校验信息，字符串是对服务器下发的加密字符串进行解密得到的；将静默检测图像和校验信息对应发送至服务器，以使服务器根据校验信息校验静默检测图像是否被篡改。
例如，服务器随机生成字符串，并对字符串加密，对于加密方法可以采用现有技术中的任意一种或几种，例如，若字符串为一列数字，可以通过特定运算生成另外一列数字，然后服务器将加密后的字串符下发移动终端，移动终端对接收到的加密后的字串符进行上述特定运算的逆运算，即得到服务器下发的原始字符串，该过程即为对服务器下发的加密字符串进行解密，移动终端根据解密后的字符串对图片进行加密，例如，可以将图片打包为一压缩包，并采用解密后的字符串作为压缩包打开的密码，然后再通过另一特定运算过程将解密后的字符串计算，如得到再一列数字，将再一列数字作为校验信息，同与其相对应的图像压缩包一起发生给服务器，服务器对校验信息即再一列数字进行另一特定运算的逆运算，并得到一列数字，用这列数字作为密码去打开图像压缩包，如果能够打开，则说明图像没有被篡改，否则，表明图像被篡改。
在此过程中，如果发生断网或弱网的情况，用户可能请求多个字符串，而最终只采用了一个字符串进行加密，为了使服务器快速确定解密是否匹配，可将加密的字符串和用户进行关联，此时还可以将用于加密的字符串也上传服务器，以便服务器校验加密与相应客户是否匹配。
对于服务器而言，其可以在移动终端进行活体检测时下发与该移动终端，或者与登录该移动终端的账户相绑定的字符串，从而支持与多个移动终端在同一时段进行交互，并确保校验的准确性。
本实施例针对图像在移动终端与服务器之间传输过程中存在被篡改的可能，引入了一种验签机制，极大程度上避免了图像被篡改的可能，进一步保障了检测结果的可靠性。
在本申请的一个实施例中，在上述方法中，根据字符串生成静默检测图像的校验信息包括：生成静默检测图像的图片编码；基于字符串对图片编码进行加密，得到加密编码；将动作检测的检测结果嵌入加密编码中，得到校验信息。
对于校验信息的生成有很多方法，本实施例中将静默检测图像进行编码为12，移动终端接收到服务器下发的字串符并解密，得到一串数字123456，基于字符串对图片编码进行加密，如将123456直接后缀在12，得到12123456即为加密编码，最后将动作检测的检测结果嵌入加密编码，如动作检测结果为真活体表示为1，为假活体表示为0，将其在直接后缀在加密编码后，如得到121234560，即为校验信息。上述举例仅为说明本申请，实际的加密过程远比这复杂，例如，可通过散列函数等方式。
校验信息越复杂被篡改的可能性越小，但同时也应该考虑计算资源，本实施例提供的生成方法简单、计算量小、且不易被篡改。
上述实施例可以分别单独实施，也可以结合实施，具体地，图2示出了根据本申请再一个实施例的一种活体检测方法的流程示意图。
以用户到银行自助柜员机办理业务为例，首先柜员机启动摄影设备，同时，由柜员机的屏幕依次显示4个动作指示信息，分别为眨眼、向左转头、向右转头、张嘴，并提示被测对象配合完成，从未完成了获取用于活体检测的连续多帧图像。然后对连续多帧图像进行动作检测，如果4个动作检测，有任意一项没有通过，直接判断被测对象为假活体，检测程序结束。若全部通过，根据各帧图像的人脸检测结果，确定4个图像序列，各图像序列分别对应一类动作，从上述4个图像序列中的2个图像序列中分别抽取若干帧进行一致性检测，一致性检测可以包括人脸一致性检测和背景一致性检测，如果其中有一项未通过，则直接判断为非活体，若全部通过，则从一致性检测图像中抽取若干帧作为静默活体检测图像，将静默活体检测图像发送给服务器进行校验和静默活体检测，如果校验和静默活体检测均通过则判断为真活体，否则为假活体。
图3示出了根据本申请一个实施例的活体检测装置的结构示意图，如图3所示，活体检测装置300包括：
获取单元310，用于获取用于活体检测的连续多帧图像。
本装置基于连续多帧图像，将多种检测手段有机结合进行活体检测。获取用于活体检测的连续多帧图像可通过移动终端完成，如通过移动终端的屏幕提示被测对象对准镜头，在拍摄过程中，还可以通过移动终端的屏幕给出某些动作指示信息，并提示被测对象配合完成，连续多帧图像的拍摄可通过移动终端的摄像设备完成，如可采用照片连拍方法，也可采用小视频录制方法，小视频的时长可为但不限于5s-10s。
以客户在银行办理业务为例，当用户需要办理大额取款业务或者修改支付密码时，就需要对用户是否为真活体进行高精度检测，以免发生用户攻击或者有人冒充用户办理业务，给用户造成损失。此时，移动终端接到指令启动摄像设备，并同时可以通过移动终端的屏幕给出一些具体动作指示信息，如依次提示被测对象向左转头、向右转头、抬头、眨眼等，使得被测对象配合完成，动作指示信息可以为一条也可以为多条，摄像设备通过录制或者连拍方法获得连续多帧图像，以供后续活体检测步骤使用。需要说明的是，这里的连续多帧图像并不是严格意义上的每一帧都不可或缺，比如因为卡顿等原因，某些帧图像可能发生丢失，这并不影响实施本申请，这种情况下，可以直接忽略掉丢失的各帧。
检测单元310，用于对各帧图像分别进行人脸检测，根据各帧图像的人脸检测结果进行动作检测。
对上述获得的用于人脸检测的连续多帧图像分别进行人脸检测，得到人脸检测结果，再根据人脸检测结果对被测对象进行动作检测。
其中，人脸检测任务的目标主要是对获取到的用于人脸检测的连续多帧图像，使用机器自动判定各帧图像中是否存在人脸，且在存在人脸的情况下，找出其位置和大小。人脸检测可以选用现有技术中的一种或几种，目前最常见的办法就是在图像中画出矩形，然后给出矩形四个顶点或者两个对角顶点的坐标，就可以确定人脸位置了。大小可以根据矩形与整个图像的面积比给出，人脸检测还可以包括但不限于不同的外貌如脸形、肤色等，甚至包括人脸的遮挡，如眼镜、头发和头部饰物以及其他外部物体等。
人脸检测任务还可以包括人脸关键点的检测，来作为后续人脸动作检测的基础，人脸关键点包括但不限于眉毛、眼睛、鼻子、嘴巴，以及不同的表情如眼、嘴的开与闭等，以上各部位可以分别检测出，也可以依据一般眼睛在脸中的位置，比如三庭五眼的比例，直接从人脸图像中画出来。人脸关键点的检测可以采用现有技术中的任意一种或几种的组合，如基于模型的ASM(Active Shape Model，业内暂无中文名)、AAM(Active AppearanceModel，业内暂无中文名)、基于级联形状回归CPR(Cascaded pose regression)或基于深度学习的方法。
根据各帧图像的人脸检测结果进行动作检测主要是指对图像中的人脸姿态进行估计，根据人脸姿态估计结果判断被测对象的动作与相应的动作指示信息是否相符。
人脸姿态估计可以选用现有技术中的一种或几种的组合。人脸姿态检测主要是为了获得脸部朝向的角度信息，一般可以用旋转矩阵、旋转向量、四元数或欧拉角表示。以下以欧拉角为例，欧拉角可读性强，使用比较广泛，本实施例中获得的人脸姿态信息用三个欧拉角表示，分别为俯仰角(pitch)，表示物体绕x轴旋转、偏航角(yaw)，表示物体绕y轴旋转、以及翻滚角(roll)，表示物体绕z轴旋转。计算过程可以为但不限于：(1)首先定义一个具有n个关键点的3D脸部模型，n可以根据自己对准确度的容忍程度进行定义，如定义6个关键点的3D脸部模型，关键点可以分别为左眼角，右眼角，鼻尖，左嘴角，右嘴角，下颌；(2)采用人脸检测以及面部关键点检测得到上述3D脸部对应的2D人脸关键点；(3)采用开源计算机视觉库(Open Source Computer Vision Library)的solvePnP(业内暂无中文名)函数解出旋转向量；(4)将旋转向量转换为欧拉角。
检测单元310，用于从所述连续多帧图像中抽取多帧作为一致性检测图像，根据所述一致性检测图像进行人脸一致性检测。
为了进一步提高检测精度，在获取的用于活体检测的连续多帧图像中选取两帧或以上的图像进行一致性检测，一致性检测主要指检测不同图像中的人脸是否为同一人。在抽取用于一致性检测的图像时，可以根据人脸识别结果，抽取清晰、脸部正对镜头的帧。
以下以两帧图像的一致性检测作为实施例进行说明，两帧图像分别记为第一图像和第二图像，可以但不限于基于卷积神经网络分别对第一图像和第二图像进行特征提取，记为第一特征和第二特征，特征提取可以但不限于人脸的整体特征和/或人脸的局部特征，人脸整体特征可以包含但不限于人脸的轮廓、肤色等，人脸的局部特征可以包含但不限于眼睛、眉毛。嘴唇等。相对应的第一特征和第二特征中就会包含多项特征，如分别包含脸部轮廓、眼睛、嘴唇，将第一特征每一项特征与第二特征中的相应特征进行匹配比对，在每一项特征相似度大于某一阈值的情况下，可以给最终结论为同一人计1分，否则，记为0分，将所有特征对比完毕，得出一综合得分，如果综合得分大于某一阈值，可以判断第一图像和第二图像中为同一人，如本实施例中的特征为脸部轮廓、眼睛、嘴唇，那综合得分为2分，即可判断为同一人。为了使图像对比更加快速、准确，也可以对第一图像和第二图像的人脸图像进行预处理，如将其进行标准化后在进行比对。
检测单元310，还用于从所述一致性检测图像中抽取若干帧作为静默检测图像，根据所述静默检测图像进行静默活体检测。
为了更进一步提高检测精度，从一致性检测图像中抽取若干帧作为静默检测图像，根据静默检测图像进行静默活体检测。静默活体检测就是在没有眨眼、张嘴、数数等一系列的动作配合下来判断到底是不是一个真活人。
静默活体检测可以采用现有技术中的任意一种或几种，静默活体检测技术不需要用户做任何动作，只需要自然正对摄像头三、四秒钟，就可以完成整个检测过程。本申请的技术方案从一致性检测图像中进行静默检测图像的抽取，不需要用户进行额外操作，更加简单。
具体而言，该技术可以精准的捕捉到真实人脸与攻击的假脸在成像上的些微不同，如拍摄屏幕留下的摩尔纹，图片反光，扭曲，以及其他人眼无法区分的微小特征，静默活体检测技术正是利用这些微小差异对被测对象是否为活体进行判断。
分析单元320，用于根据检测结果判断活体的真假，若所述动作检测、所述人脸一致性检测和所述静默活体检测中有一项检测失败，则判断为假活体。
以上三种检测中，如果有一项检测结果显示为假活体，则判断为假活体。上述三种检测技术可以同时进行，也可以按照一定顺序进行，如先执行动作检测，若其结果显示为假活体则不执行后续的人脸一致性检测和静默活体检测，这样可以大幅度节省计算资源。
在本申请的一个实施例中，在上述装置中，获取单元310，用于通过移动终端的屏幕依次展示多条动作指示信息，并通过移动终端的摄像头采集连续多帧图像，以拍摄被测对象按照动作指示信息完成的相应动作。
检测单元320，用于根据各帧图像的人脸检测结果，确定多个图像序列，各图像序列分别对应一类动作；若图像序列与动作指示信息一一匹配，则动作检测成功，否则动作检测失败。
在本申请的一个实施例中，在上述装置中，检测单元320，用于从各图像序列中分别抽取图像作为一致性检测图像；其中，在抽取到不包含人脸的图像时，舍弃掉从该图像序列中已抽取的所有图像，并在该图像序列的剩余部分中重新抽取一致性检测图像；所述剩余部分为该图像序列中，在已抽取的不包含人脸的图像之后的序列部分；在抽取到不包含人脸的图像次数大于第一阈值时，直接判断为非活体。
在本申请的一个实施例中，在上述装置中，检测单元320，用于对已抽取的图像进行背景一致性检测，如果检测到已抽取的图像的背景不一致，则舍弃掉已抽取的所有图像，并在该图像序列的剩余部分中重新抽取一致性检测图像；所述剩余部分为该图像序列中，在已抽取的背景不一致的图像之后的序列部分；在检测出背景不一致的次数大于第二阈值时，直接判断为非活体。
在本申请的一个实施例中，在上述装置中，检测单元320，用于根据静默检测图像进行静默活体检测，包括：将静默检测图像发送至服务器，以使服务器根据静默检测图像进行静默活体检测。
在本申请的一个实施例中，在上述装置中，检测单元320，用于根据字符串生成静默检测图像的校验信息，字符串是对服务器下发的加密字符串进行解密得到的；以及用于将静默检测图像和校验信息对应发送至服务器，以使服务器根据校验信息校验静默检测图像是否被篡改。
在本申请的一个实施例中，在上述装置中，检测单元320，用于生成静默检测图像的图片编码；基于字符串对图片编码进行加密，得到加密编码；将动作检测的检测结果嵌入加密编码中，得到校验信息。
需要说明的是，上述各装置实施例的具体实施方式可以参照前述对应方法实施例的具体实施方式进行，在此不再赘述。
由上述可知，本申请的技术方案，通过获取用于活体检测的连续多帧图像；对各帧图像分别进行人脸检测，根据各帧图像的人脸检测结果进行动作检测；从连续多帧图像中抽取多帧作为一致性检测图像，根据一致性检测图像进行人脸一致性检测；从一致性检测图像中抽取若干帧作为静默检测图像，根据静默检测图像进行静默活体检测；若动作检测、人脸一致性检测和静默活体检测中有一项检测失败，则判断为假活体。本申请的有益效果在于，将多种检测手段有机结合，显著提高了对高质量图片、视频以及镜头切换攻击的拦截成功率，且实施成本低，大幅度降低高精度检测的硬件成本，适用范围广。
需要说明的是：
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本申请并帮助理解各个申请方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，申请方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的配送线路的生成装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图4示出了根据本申请一个实施例的电子设备的结构示意图。该电子设备400包括处理器410和被安排成存储计算机可执行指令(计算机可读程序代码)的存储器420。存储器420可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器420具有存储用于执行上述方法中的任何方法步骤的计算机可读程序代码431的存储空间430。例如，用于存储计算机可读程序代码的存储空间430可以包括分别用于实现上面的方法中的各种步骤的各个计算机可读程序代码431。计算机可读程序代码431可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图5所述的计算机可读存储介质。图5示出了根据本申请一个实施例的一种计算机可读存储介质的结构示意图。该计算机可读存储介质500存储有用于执行根据本申请的方法步骤的计算机可读程序代码431，可以被电子设备400的处理器410读取，当计算机可读程序代码431由电子设备400运行时，导致该电子设备400执行上面所描述的方法中的各个步骤，具体来说，该计算机可读存储介质存储的计算机可读程序代码431可以执行上述任一实施例中示出的方法。计算机可读程序代码431可以以适当形式进行压缩。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种活体检测方法，其特征在于，包括：
获取用于活体检测的连续多帧图像；
对各帧图像分别进行人脸检测，根据各帧图像的人脸检测结果进行动作检测；
从所述连续多帧图像中抽取多帧作为一致性检测图像，根据所述一致性检测图像进行人脸一致性检测；
从所述一致性检测图像中抽取若干帧作为静默检测图像，根据所述静默检测图像进行静默活体检测；
若所述动作检测、所述人脸一致性检测和所述静默活体检测中有一项检测失败，则判断为假活体。
2.根据权利要求1所述的方法，其特征在于，所述获取用于活体检测的连续多帧图像包括：
通过移动终端的屏幕依次展示多条动作指示信息，并通过移动终端的摄像头采集连续多帧图像，以拍摄被测对象按照动作指示信息完成的相应动作；
所述根据各帧图像的人脸检测结果进行动作检测包括：
根据各帧图像的人脸检测结果，确定多个图像序列，各图像序列分别对应一类动作；若所述图像序列与所述动作指示信息一一匹配，则动作检测成功，否则动作检测失败。
3.如权利要求2所述的方法，其特征在于，所述从所述连续多帧图像中抽取多帧作为一致性检测图像包括：
从各图像序列中分别抽取图像作为一致性检测图像；
其中，在抽取到不包含人脸的图像时，舍弃掉从该图像序列中已抽取的所有图像，并在该图像序列的剩余部分中重新抽取一致性检测图像；所述剩余部分为该图像序列中，在已抽取的不包含人脸的图像之后的序列部分；
在抽取到不包含人脸的图像次数大于第一阈值时，直接判断为非活体。
4.如权利要求2所述的方法，其特征在于，所述从所述连续多帧图像中抽取多帧作为一致性检测图像包括：
对已抽取的图像进行背景一致性检测，如果检测到已抽取的图像的背景不一致，则舍弃掉已抽取的所有图像，并在该图像序列的剩余部分中重新抽取一致性检测图像；所述剩余部分为该图像序列中，在已抽取的背景不一致的图像之后的序列部分；
在检测出背景不一致的次数大于第二阈值时，直接判断为非活体。
5.如权利要求1所述的方法，其特征在于，所述人脸一致性检测以及所述静默活体检测在移动终端本地执行；
所述根据所述静默检测图像进行静默活体检测包括：将所述静默检测图像发送至服务器，以使服务器根据所述静默检测图像进行静默活体检测。
6.如权利要求5所述的方法，其特征在于，所述将所述静默检测图像发送至服务器包括：
根据字符串生成静默检测图像的校验信息，所述字符串是对服务器下发的加密字符串进行解密得到的；
将所述静默检测图像和校验信息对应发送至服务器，以使服务器根据所述校验信息校验所述静默检测图像是否被篡改。
7.如权利要求6所述的方法，其特征在于，所述根据字符串生成静默检测图像的校验信息包括：
生成静默检测图像的图片编码；
基于所述字符串对所述图片编码进行加密，得到加密编码；
将动作检测的检测结果嵌入所述加密编码中，得到所述校验信息。
8.一种活体检测装置，其特征在于，该装置包括：
获取单元，用于获取用于活体检测的连续多帧图像；
检测单元，用于对各帧图像分别进行人脸检测，根据各帧图像的人脸检测结果进行动作检测；
用于从所述连续多帧图像中抽取多帧作为一致性检测图像，根据所述一致性检测图像进行人脸一致性检测；以及
还用于从所述一致性检测图像中抽取若干帧作为静默检测图像，根据所述静默检测图像进行静默活体检测；
分析单元，用于根据检测结果判断活体的真假，若所述动作检测、所述人脸一致性检测和所述静默活体检测中有一项检测失败，则判断为假活体。
9.一种电子设备，其中，该电子设备包括：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执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010139814.9A CN111325175A (zh) | 2020-03-03 | 2020-03-03 | 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 |
|---|---|---|---|
| CN202010139814.9A CN111325175A (zh) | 2020-03-03 | 2020-03-03 | 活体检测方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111325175A true CN111325175A (zh) | 2020-06-23 |
Family
ID=71169532
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010139814.9A Pending CN111325175A (zh) | 2020-03-03 | 2020-03-03 | 活体检测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111325175A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111898529A (zh) * | 2020-07-29 | 2020-11-06 | 北京字节跳动网络技术有限公司 | 脸部检测方法、装置、电子设备和计算机可读介质 |
| CN112149553A (zh) * | 2020-09-21 | 2020-12-29 | 西安工程大学 | 一种考试作弊行为识别方法 |
| CN113011385A (zh) * | 2021-04-13 | 2021-06-22 | 深圳市赛为智能股份有限公司 | 人脸静默活体检测方法、装置、计算机设备及存储介质 |
| CN113255529A (zh) * | 2021-05-28 | 2021-08-13 | 支付宝(杭州)信息技术有限公司 | 一种生物特征的识别方法、装置及设备 |
| CN113792701A (zh) * | 2021-09-24 | 2021-12-14 | 北京市商汤科技开发有限公司 | 一种活体检测方法、装置、计算机设备和存储介质 |
| WO2022033220A1 (zh) * | 2020-08-14 | 2022-02-17 | 腾讯科技（深圳）有限公司 | 人脸活体检测方法、系统、装置、计算机设备和存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007325038A (ja) * | 2006-06-01 | 2007-12-13 | Canon Inc | 画像処理装置およびその方法 |
| CN105426815A (zh) * | 2015-10-29 | 2016-03-23 | 北京汉王智远科技有限公司 | 活体检测方法及装置 |
| CN106557726A (zh) * | 2015-09-25 | 2017-04-05 | 北京市商汤科技开发有限公司 | 一种带静默式活体检测的人脸身份认证系统及其方法 |
| CN108875333A (zh) * | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 终端解锁方法、终端和计算机可读存储介质 |
| CN109145563A (zh) * | 2018-08-13 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 一种身份验证方法及装置 |
| CN109508706A (zh) * | 2019-01-04 | 2019-03-22 | 江苏正赫通信息科技有限公司 | 一种基于微表情识别和无感人脸识别的静默活体检测方法 |
| WO2019071739A1 (zh) * | 2017-10-13 | 2019-04-18 | 平安科技（深圳）有限公司 | 人脸活体检测方法、装置、可读存储介质及终端设备 |
| 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 |
| CN110119719A (zh) * | 2019-05-15 | 2019-08-13 | 深圳前海微众银行股份有限公司 | 活体检测方法、装置、设备及计算机可读存储介质 |
| CN110298230A (zh) * | 2019-05-06 | 2019-10-01 | 深圳市华付信息技术有限公司 | 静默活体检测方法、装置、计算机设备及存储介质 |
-
2020
- 2020-03-03 CN CN202010139814.9A patent/CN111325175A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007325038A (ja) * | 2006-06-01 | 2007-12-13 | Canon Inc | 画像処理装置およびその方法 |
| CN106557726A (zh) * | 2015-09-25 | 2017-04-05 | 北京市商汤科技开发有限公司 | 一种带静默式活体检测的人脸身份认证系统及其方法 |
| CN105426815A (zh) * | 2015-10-29 | 2016-03-23 | 北京汉王智远科技有限公司 | 活体检测方法及装置 |
| CN108875333A (zh) * | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 终端解锁方法、终端和计算机可读存储介质 |
| WO2019071739A1 (zh) * | 2017-10-13 | 2019-04-18 | 平安科技（深圳）有限公司 | 人脸活体检测方法、装置、可读存储介质及终端设备 |
| CN109145563A (zh) * | 2018-08-13 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 一种身份验证方法及装置 |
| 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 |
| CN109508706A (zh) * | 2019-01-04 | 2019-03-22 | 江苏正赫通信息科技有限公司 | 一种基于微表情识别和无感人脸识别的静默活体检测方法 |
| CN110298230A (zh) * | 2019-05-06 | 2019-10-01 | 深圳市华付信息技术有限公司 | 静默活体检测方法、装置、计算机设备及存储介质 |
| CN110119719A (zh) * | 2019-05-15 | 2019-08-13 | 深圳前海微众银行股份有限公司 | 活体检测方法、装置、设备及计算机可读存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111898529A (zh) * | 2020-07-29 | 2020-11-06 | 北京字节跳动网络技术有限公司 | 脸部检测方法、装置、电子设备和计算机可读介质 |
| WO2022033220A1 (zh) * | 2020-08-14 | 2022-02-17 | 腾讯科技（深圳）有限公司 | 人脸活体检测方法、系统、装置、计算机设备和存储介质 |
| CN112149553A (zh) * | 2020-09-21 | 2020-12-29 | 西安工程大学 | 一种考试作弊行为识别方法 |
| CN113011385A (zh) * | 2021-04-13 | 2021-06-22 | 深圳市赛为智能股份有限公司 | 人脸静默活体检测方法、装置、计算机设备及存储介质 |
| CN113255529A (zh) * | 2021-05-28 | 2021-08-13 | 支付宝(杭州)信息技术有限公司 | 一种生物特征的识别方法、装置及设备 |
| CN113792701A (zh) * | 2021-09-24 | 2021-12-14 | 北京市商汤科技开发有限公司 | 一种活体检测方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111325175A (zh) | 活体检测方法、装置、电子设备及存储介质 | |
| US11195037B2 (en) | Living body detection method and system, computer-readable storage medium | |
| US11936647B2 (en) | Identity verification method and apparatus, storage medium, and computer device | |
| Siddiqui et al. | Face anti-spoofing with multifeature videolet aggregation | |
| WO2018166524A1 (zh) | 人脸检测方法和系统、电子设备、程序和介质 | |
| CN108805047B (zh) | 一种活体检测方法、装置、电子设备和计算机可读介质 | |
| EP3528156B1 (en) | Virtual reality environment-based identity authentication method and apparatus | |
| CN108197586B (zh) | 脸部识别方法和装置 | |
| US10339402B2 (en) | Method and apparatus for liveness detection | |
| CN106850648B (zh) | 身份验证方法、客户端和服务平台 | |
| WO2019047897A1 (zh) | 人脸解锁及其信息注册方法和装置、设备、介质 | |
| US10924476B2 (en) | Security gesture authentication | |
| KR102655949B1 (ko) | 3d 영상 기반의 얼굴 인증 방법 및 장치 | |
| US11042725B2 (en) | Method for selecting frames used in face processing | |
| CN110348193A (zh) | 验证方法、装置、设备和存储介质 | |
| US20220139116A1 (en) | System and method for liveness detection | |
| US20230306792A1 (en) | Spoof Detection Based on Challenge Response Analysis | |
| CN108647650B (zh) | 一种基于角膜反射和光学编码的人脸活体检测方法及系统 | |
| JP3970573B2 (ja) | 顔画像認識装置および方法 | |
| CN110688878B (zh) | 活体识别检测方法、装置、介质及电子设备 | |
| EP4343689A1 (en) | Body part authentication system and authentication method | |
| CN114299569A (zh) | 一种基于眼球运动的安全人脸认证方法 | |
| CN114913575A (zh) | 活体验证方法、装置以及计算机可读存储介质 | |
| CN112132046A (zh) | 一种静态活体检测方法及系统 | |
| CN111353388A (zh) | 活体检测方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200623 |