CN111460970A - 活体检测方法和装置、人脸识别设备 - Google Patents

活体检测方法和装置、人脸识别设备 Download PDF

Info

Publication number
CN111460970A
CN111460970A CN202010231976.5A CN202010231976A CN111460970A CN 111460970 A CN111460970 A CN 111460970A CN 202010231976 A CN202010231976 A CN 202010231976A CN 111460970 A CN111460970 A CN 111460970A
Authority
CN
China
Prior art keywords
camera
human face
face
living body
images
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
CN202010231976.5A
Other languages
English (en)
Inventor
马骏生
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.)
Shenzhen Sensetime Technology Co Ltd
Original Assignee
Shenzhen Sensetime 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 Shenzhen Sensetime Technology Co Ltd filed Critical Shenzhen Sensetime Technology Co Ltd
Priority to CN202010231976.5A priority Critical patent/CN111460970A/zh
Publication of CN111460970A publication Critical patent/CN111460970A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • 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
    • G06V40/168—Feature extraction; Face representation
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本公开实施例提供一种活体检测方法和装置、人脸识别设备，其中，活体检测方法包括：接收摄像头采集的待检测对象的至少两张人脸图像，所述至少两张人脸图像是所述摄像头在多个曝光控制信号的控制下采集得到；对所述至少两张人脸图像进行图像处理；在至少两张人脸图像之间的人脸亮度差异特征符合预设的活体人脸差异条件的情况下，确定所述待检测对象通过活体检测。

Description

活体检测方法和装置、人脸识别设备
技术领域
本公开涉及计算机视觉技术，具体涉及一种活体检测方法和装置、人脸识别设备。
背景技术
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，通常使用摄像头采集含有人脸的图像，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别。
在低成本低安全等级要求的应用中，人脸识别设备常采用单摄像头来实现，例如可以使用一个摄像头和一个点光源或面光源补光灯(用于在摄像头拍摄时进行补光)组成，然而单摄像头的设备抗平面攻击能力差，活体检测能力局限性大，并且常常需要被检测人员的动作配合进行活体验证，体验不好。
发明内容
本公开实施例至少提供一种活体检测方法和装置、人脸识别设备。
第一方面，提供一种活体检测方法，所述方法包括：
接收摄像头采集的待检测对象的至少两张人脸图像，所述至少两张人脸图像是所述摄像头在多个曝光控制信号的控制下采集得到；
对所述至少两张人脸图像进行图像处理；
在所述至少两张人脸图像之间的人脸亮度差异特征符合预设的活体人脸差异条件的情况下，确定所述待检测对象通过活体检测。
在一些实施例中，在所述接收摄像头采集的待检测对象的至少两张人脸图像之前，还包括：分时输出多个曝光控制信号，其中所述分时输出多个曝光控制信号包括：接收所述摄像头的采集图像；在确定所述采集图像中存在人脸时，执行所述分时输出多个曝光控制信号。
在一些实施例中，所述对所述至少两张人脸图像进行图像处理，包括：将所述至少两张人脸图像处理成相同的图像尺寸。
在一些实施例中，所述在所述至少两张人脸图像之间的人脸亮度差异特征符合预设的活体人脸差异条件的情况下，确定所述待检测对象通过活体检测，包括：将所述至少两张人脸图像中的两张人脸图像之间进行图像像素亮度比较，得到所述两张图像之间的人脸亮度差异特征；若所述人脸亮度差异特征满足预设的活体人脸差异条件，则确定所述待检测对象通过活体检测。
在一些实施例中，所述若所述人脸亮度差异特征满足预设的活体人脸差异条件，则确定所述待检测对象通过活体检测，包括：将所述两张图像之间的人脸亮度差异特征输入预先训练的神经网络，得到所述神经网络输出的检测结果值；若所述检测结果值满足预设的检测阈值条件，确定所述人脸亮度差异特征满足预设的活体人脸差异条件，则确定所述待检测对象通过活体检测。
在一些实施例中，当所述人脸图像的数量多于两张时，所述若所述人脸亮度差异特征满足预设的活体人脸差异条件，则确定所述待检测对象通过活体检测，包括：将多张所述人脸图像中的任意两张进行两两组合，得到多组图像对；对于每一组图像对，执行所述图像像素亮度比较，得到所述图像对中的两张图像之间的人脸亮度差异特征；获取各组图像对分别对应的识别结果，所述识别结果用于表示人脸亮度差异特征是否满足预设的活体人脸差异条件；若识别结果是确定所述人脸亮度差异特征满足预设的活体人脸差异条件的图像对的数量达到预定条件，确定所述待检测对象通过活体检测。
在一些实施例中，所述接收摄像头采集的待检测对象的至少两张人脸图像之前，所述方法还包括：向至少两个补光光源和摄像头分时输出多个曝光控制信号，其中每一个所述曝光控制信号用于同时启动所述至少两个补光光源中的其中一个补光光源和摄像头；接收的所述至少两张人脸图像，是由所述摄像头同步采集的分别由不同补光光源补光下的人脸图像。
在一些实施例中，所述向至少两个补光光源和摄像头分时输出多个曝光控制信号，包括：向曝光控制电路分时输出所述多个曝光控制信号；所述曝光控制电路根据所述曝光控制信号，同时启动所述至少两个补光光源中的其中一个补光光源和所述摄像头同时启动。
第二方面，提供一种活体检测装置，所述装置包括：
图像接收模块，用于接收摄像头采集的待检测对象的至少两张人脸图像，所述至少两张人脸图像是所述摄像头在多个曝光控制信号的控制下采集得到；
图像处理模块，用于对所述至少两张人脸图像进行图像处理，并在所述至少两张人脸图像之间的人脸亮度差异特征符合预设的活体人脸差异条件的情况下，确定所述待检测对象通过活体检测。
在一些实施例中，所述装置还包括：信号控制模块，用于分时输出多个曝光控制信号。
第三方面，提供一种人脸识别设备，所述设备包括：
摄像头，用于采集待识别人脸的人脸图像；
至少两个补光光源，用于在所述摄像头采集所述人脸图像时进行补光；
处理器，用于向所述摄像头和至少两个补光光源分时输出多个曝光控制信号，所述多个曝光控制信号用于控制所述至少两个补光光源分时启动且摄像头同步采集补光光源启动时的人脸图像；还用于对接收的所述摄像头采集的至少两张人脸图像进行图像处理，所述至少两张人脸图像的采集分别由不同的补光光源补光；若所述至少两张人脸图像之间的人脸亮度差异特征符合预设的活体人脸差异条件，则确定所述待检测对象通过活体检测。
在一些实施例中，所述人脸识别设备，还包括：曝光控制电路；所述曝光控制电路分别连接所述至少两个补光光源、所述摄像头和所述处理器；所述处理器，用于向所述摄像头和至少两个补光光源分时输出多个曝光控制信号，包括：所述处理器，用于向所述曝光控制电路分时输出多个所述曝光控制信号；所述曝光控制电路，用于根据所述曝光控制信号，同时启动所述一个补光光源和所述摄像头，多个所述曝光控制信号分别用于启动所述至少两个补光光源中的不同补光光源。
在一些实施例中，所述曝光控制电路，包括：逻辑或门电路；所述逻辑或门电路包括：多个输入端和一个输出端，其中，每一个输入端连接所述处理器和一个补光光源，所述输出端连接所述摄像头，以使所述曝光控制信号控制所述一个补光光源和所述摄像头同时启动。
在一些实施例中，所述摄像头的数量为一个或者多个。
在一些实施例中，所述补光光源是点光源，所述摄像头是红外摄像头。
在一些实施例中，所述摄像头的视场角FOV小于所述补光光源的半功率角。
在一些实施例中，任一所述补光光源与所述摄像头之间的直线连接距离，满足如下条件：当所述补光光源和摄像头启动时，所述补光光源对应的补光照射区域覆盖所述摄像头对应的人脸图像采集区域。
在一些实施例中，所述至少两个补光光源中的其中两个补光光源之间的直线连接距离大于预设的距离阈值。
在一些实施例中，所述处理器，在用于对接收的所述摄像头采集的至少两张人脸图像进行图像处理时，包括：对所述至少两张图像中的其中两张图像进行图像像素亮度比较，得到所述两张图像之间的人脸亮度差异特征；根据所述两张图像之间的人脸亮度差异特征，确定是否符合预设的活体人脸差异条件，并在所述人脸亮度差异特征符合活体人脸差异条件的情况下，确定所述待检测对象通过活体检测。
第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开任一实施例所述的活体检测方法。
本公开实施例提供的活体检测方法和装置、人脸识别设备，通过根据至少两张图像之间的人脸亮度特征来进行活体检测，使得只要采集图像进行图像亮度检测即可确定是否是活体，而不再需要待检测对象进行动作配合，从而使得活体检测更加简单方便；并且该方法还能够抵抗照片、视频等平面攻击能力。
附图说明
为了更清楚地说明本公开一个或多个实施例或相关技术中的技术方案，下面将对实施例或相关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公开一个或多个实施例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示出了本公开至少一个实施例提供的一种活体检测方法的流程图；
图2示出了本公开至少一个实施例提供的一种人脸识别设备的结构示意图；
图3示出了本公开至少一个实施例提供的一种活体检测方法的流程图；
图4示出了本公开至少一个实施例提供的一种人脸识别设备的结构示意图；
图5示出了本公开至少一个实施例提供的一种曝光控制电路的可选结构；
图6示出了本公开至少一个实施例提供的一种活体检测方法的流程图；
图7示出了本公开至少一个实施例提供的一种人脸检测距离的示意图；
图8示出了本公开至少一个实施例提供的一种距离最大值的确定原理图；
图9示出了本公开至少一个实施例提供的一种人脸识别设备的示意图；
图10示出了本公开至少一个实施例提供的另一种人脸识别设备的示意图；
图11示出了本公开至少一个实施例提供的又一种人脸识别设备的示意图；
图12示出了本公开至少一个实施例提供的一种活体检测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本公开一个或多个实施例中的技术方案，下面将结合本公开一个或多个实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开一个或多个实施例，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，都应当属于本公开保护的范围。
本公开实施例提供了一种活体检测方法，该方法可以应用于人脸识别的场景中对待检测对象进行活体验证。如图1所示，图1示出了本公开至少一个实施例提供的一种活体检测方法的流程图。该方法例如可以由人脸识别设备的处理器执行，当然也可以由其他装置执行。该活体检测方法可以包括如下流程：
在步骤100中，接收摄像头采集的待检测对象的至少两张人脸图像，所述至少两张人脸图像是所述摄像头在多个曝光控制信号的控制下采集得到。
例如，摄像头可以是人脸识别设备上设置的摄像头，该摄像头可以在多个曝光控制信号的控制下采集到至少两张人脸图像。其中，该至少两张人脸图像例如可以是在不同照射角度的补光光源的补光下采集得到。
示例性的，摄像头两侧可以分别设置有补光光源A和补光光源B，这两个补光光源分别以不同的照射角度对待检测对象进行补光。以待检测对象的角度来说，可以是补光光源A由该对象的左侧补光，补光光源B由该对象的右侧补光。在上述补光光源补光时，摄像头可以同步启动采集到该补光光源照射下的人脸图像。而上述摄像头的与补光光源同步启动可以由曝光控制信号控制。
在步骤102中，对所述至少两张人脸图像进行图像处理。
例如，可以对人脸图像进行预处理，包括但不限于：将图像处理成相同的尺寸，对采集的图像进行人脸抠图，将人脸图像处理成灰度图像等。该图像处理还可以包括对所述至少两张人脸图像进行图像之间的人脸亮度的比较，得到图像之间的人脸亮度差异特征。
示例性的，所述的人脸亮度差异特征可以是将两张图像进行逐像素的计算亮度差值，得到这两张图像之间的各个像素位置的亮度差，作为人脸亮度差异特征。该人脸亮度差异特征体现了不同图像之间的亮度差异的特点。
在步骤104中，在所述至少两张人脸图像之间的人脸亮度差异特征符合预设的活体人脸差异条件的情况下，确定所述待检测对象通过活体检测。
本步骤中，所述的活体人脸差异条件可以是：若待检测对象是活体，采集的人脸图像之间的人脸亮度差异特征应满足的亮度差异的特点。
比如，上面的例子中，若待检测对象是活体，那么当由补光光源A和补光光源B分别由不同角度照射该对象并采集图像时，图像之间的亮度差异应该是在图像的中间位置像素的亮度差值达到某个一定的数值，或者图像的某两个部位的亮度差值之间满足某个特点。并且，该活体人脸差异条件是与待检测对象的活体特征关联的，活体人脸的立体人脸形状形成其对应的活体人脸差异条件，该活体人脸差异条件是活体人脸立体形状造成的特定条件。而如果是平面照片、视频等平面的人脸，所对应采集的多张图像之间就不会形成活体人脸立体形状造成的特定亮度差异，即使平面人脸的采集图像之间也会有亮度差异，但这种亮度差异与活体人脸立体形状造成的亮度差异是不同的。
在通过图像处理确定所述至少两张人脸图像之间的人脸亮度差异特征符合预设的活体人脸差异条件的情况下，可以确定所述待检测对象通过活体检测。
本实施例的活体检测方法，通过根据至少两张图像之间的人脸亮度特征来进行活体检测，使得只要采集图像进行图像亮度检测即可确定是否是活体，而不再需要待检测对象进行动作配合，从而使得活体检测更加简单方便；并且该方法还能够抵抗照片、视频等平面攻击能力，对平面照片采集的多张图像之间不会符合预设的活体人脸差异条件，从而可以据此区分是平面照片还是真正的活体。
根据如上的活体检测方法，本公开实施例提供了一种人脸识别设备，该人脸识别设备可以执行图1所示的活体检测方法，在人脸识别时对待识别的人员进行活体检测。如下将结合该人脸识别设备来详细描述活体检测的执行过程，图2示出了本公开至少一个实施例提供的一种人脸识别设备的结构示意图，如图2所示，该设备可以包括：摄像头21、至少两个补光光源，图1中示例了两个补光光源22和23，还包括处理器24。
其中，两个补光光源22和23分散设置在所述摄像头21的周边，用于在所述摄像头采集人脸图像时进行补光。
处理器24分别与摄像头21和各个补光光源连接，能够用于向摄像头和至少两个补光光源分时输出多个曝光控制信号，其中，所述多个曝光控制信号用于控制所述至少两个补光光源分时启动且摄像头同步采集补光光源启动时的人脸图像。
例如，处理器24可以分时输出了两个曝光控制信号，具体可以是，在时刻t1输出一个曝光控制信号S1，在时刻t2输出另一个曝光控制信号S2。该曝光控制信号S1能够控制图2中的补光光源22和摄像头21同时启动，曝光控制信号S2可以控制补光光源23和摄像头21同时启动。当补光光源22和摄像头21同时启动时，摄像头21采集到补光光源22照射下的人脸图像；当补光光源23和摄像头21同时启动时，摄像头21采集到补光光源23照射下的人脸图像。
并且，摄像头21采集到的人脸图像可以传输至处理器24，由处理器24根据这些采集的人脸图像进行图像处理，以进行活体检测。本公开实施例中，活体检测的原理是：上述的至少两个补光光源分散在摄像头21的周边，分别以不同的投射角度照射待检测对象，那么对应采集到的人脸图像是分别从不同光源角度照射的图像。由于投射光源的角度不同，对于3D活体人脸的多张成像将产生不同的亮度分布，而不同投射角度下的亮度分布差异和人脸特征强烈相关。平面照片、弯曲照片、视频等物体在不同点光源下不会形成人脸相关的特异性的典型差异特征，从而能够被识别出来，提高了抗攻击能力。
上述原理可以如下理解：人脸是凹凸不平的3D立体形状的人脸，比如，脸部的鼻子突出，而两侧的脸颊从前向后逐渐倾斜。这种人脸凹凸的立体形状会使得当光源以不同的投射角度照射时，会使得人脸的亮度分布不一致，这种人脸不同位置的像素亮度差异是与人脸的这种立体形状相关的。
举例来说，以人脸部的某个特定部位为例，比如，鼻梁侧边的某个像素点，当在鼻梁左侧光源照射时，该像素点的亮度较高，而当在鼻梁右侧光源照射时，该同一像素点的亮度较低，并且亮度的差异是由于突出的鼻梁对光线的遮挡的影响造成。而如果是平面的物体，当同样是由左右光源照射时，由于并没有实际凹凸结构物体对光线遮挡的影响，即使同样的像素点也可能存在亮度差异，但这种亮度差异与上述人脸凹凸形状导致的差异也是不同的，比如亮度差异数值不同。因此，不同光源以不同的投射角度照射待检测对象时，人脸的成像的亮度分布差异是与人脸立体状态相关的差异。
上述是以人脸的某个特定部位为例来说明该原理，人脸的其他部位道理类似，对于不同投射角度光源照射下采集的人脸图像，两张图像的人脸对应相同部位的像素亮度差异是与人脸的立体形状相关的，正是由于人脸的这种立体形状，比如鼻子突出，脸颊由前向后倾斜等，才形成了这种人脸立体形状导致的亮度分布差异。也可以这么说，如果换成另一种立体形状的物体，不同投射角度光源照射时，采集图像也会有亮度分布差异，但是差异的特征与人脸立体形状导致的亮度分布差异是不同的。
基于上述原理，处理器24可以根据摄像头21采集的多张人脸图像，比较图像之间的人脸亮度分布差异，若该图像之间的人脸亮度差异特征符合预设的活体人脸差异条件，即确定这种差异是由活体人脸形状造成，则确定所述待检测对象通过活体检测。
而实际实施中，处理器24具体根据人脸图像确定人脸亮度差异特征是否符合预设的活体人脸差异条件，可以有多种方式。例如，可以设定某些条件，如某个特定像素点的亮度值差异是否在预设阈值范围内，或者，人脸某个区域的亮度分布的差异是否符合预定的差异特征，而该阈值或者预定的差异特征可以根据人脸形状预先分析确定，通过比较判断来确定是否符合。或者，还可以是利用神经网络的方式，预先训练用于识别是否符合差异条件的神经网络，并部署在处理器中，以加快分析的速度。
基于上述图2的人脸识别设备，执行如下图3的人脸识别方法：
在步骤300中，处理器分时输出多个曝光控制信号，其中每一个所述曝光控制信号用于同时启动至少两个补光光源中的其中一个补光光源和摄像头。
例如，初始时可以将各个补光光源的曝光控制信号全部开启，即各个补光光源都启动照射，并且，摄像头21开始采集图像。并且，摄像头21采集到的图像可以传输至处理器24，以供处理器24进行人脸检测和追踪。
一旦处理器24检测到摄像头拍摄的图像中存在符合要求的人脸，可以先进行人脸识别和比对，比如，识别该人脸是否是已注册人脸库中的人脸。若人脸身份验证通过，可以进一步进行活体检测，是否是真人。当然，这只是一种示例性的处理步骤，实际实施中不局限于此。
在进行活体检测之前，可以先采集检测所需要的多个人脸图像。其中，处理器24在确定摄像头采集的图像中存在人脸时，可以开始分时输出多个曝光控制信号，该多个曝光控制信号依次分别控制各个补光光源开启和关闭，即所述至少两个补光光源在该多个曝光控制信号的控制下分时启动。并且，在每一个所述补光光源启动时，摄像头同步采集所述补光光源照射下的待检测对象的人脸图像。比如，控制摄像头21也与各个补光光源同时启动，摄像头21的曝光时间与补光光源的启动同步，从而使得摄像头21采集获取到不同补光光源照射下的人脸图像。
在步骤302中，处理器接收所述摄像头采集的至少两张人脸图像，对所述人脸图像进行图像处理。
例如，处理器24可以对摄像头21采集到的多张图像进行人脸抠图，截取其中的人脸图像，并缩放为相同的图像尺寸，以修正运动造成的差异。处理器24还可以把不同角度的多张人脸图像处理为灰度图片。
在进行上述预处理后，处理器24可以两两组合比较，计算两张图像之间的像素亮度的差值，获得当前人脸亮度差异特征值。
在步骤306中，处理器在所述至少两张人脸图像之间的人脸亮度差异特征符合预设的活体人脸差异条件时，则确定所述待检测对象通过活体检测。
本实施例的活体检测方法，通过设置一个摄像头和多个补光光源，并控制多个补光光源分时依序开启，采集到多张图像，并基于不同光源下采集的不同图像间的亮度差异来确定活体检测，使得仅通过很小的改进成本就可以实现对人脸的活体检测。比如，不需要再设置多个摄像头，成本降低，并且，该活体检测方法基于不同图像间的亮度差异就可以实现活体检测，不需要待识别对象的动作配合，实现非常简单方便；再者，该基于活体人脸差异条件的活体检测方式能够有效的提高抗平面攻击的能力，使得平面照片无法通过活体检测。
在一个例子中，图4示例了一种处理器分时控制摄像头和各补光光源同步曝光的设备结构。该例子的结构中增加了曝光控制电路，处理器通过该曝光控制电路来控制摄像头和各个补光光源同步启动。可选的，实际实施中，处理器也可以直接连接摄像头和补光光源，并直接控制，比如，处理器可以直接控制各个补光光源分时启动，并控制摄像头在补光光源启动时同步曝光采集图像。
如图4所示，该人脸识别设备中可以包括一个摄像头21。可选的，该设备中也可以包括其他的摄像头，不过一个摄像头21就可以实现本实施例中的图像采集。补光光源的数量可以是至少两个，例如，该设备中可以包括三个、四个甚至更多的补光光源。图4中示例了两个补光光源12和13。
本实施例中，图像采集尽可能使得待检测对象的成像所使用的光源绝大部分来自于补光光源的照射。因此，摄像头21可以采用能够滤除大部分环境光的摄像头，例如，可以采用红外摄像头，该红外摄像头的低通滤波器可以滤除大部分环境光。补光光源可以是红外LED(light emitting diode，发光二极管)补光灯，红外LED是一种将电能转换为光能的近红外发光器件，它具有体积小、功耗低、指向性好等一系列优点。通过红外LED补光，可将待检测对象显著照亮，并且配合摄像头21滤除环境光，使得待检测对象的人脸成像所使用的光源绝大部分来自于补光光源的照射。
在一个例子中，补光光源可以采用点光源。点光源可以由一个投射角度来照射待检测对象，进而结合该投射角度以及3D活体人脸的凹凸立体形状，可以使得待检测对象的脸部不同部位呈现不同的亮度。当不同的点光源由不同的投射角度照射待检测对象时，人脸部成像的亮度分布不一致。而人脸的平面照片、弯曲照片等不会形成这种跟3D活体人脸的凹凸立体形状相关的亮度分布，因此，由不同的点光源作为补光光源时，采集的多张图像能够有助于根据上述原理对待检测对象进行活体检测。
该人脸识别设备中还可以包括曝光控制电路25，该曝光控制电路25分别连接所述至少两个补光光源和摄像头21。其中，处理器24可以向曝光控制电路25分时输出多个曝光控制信号，该曝光控制电路25根据所述曝光控制信号同时启动其中一个补光光源和摄像头21。
例如，处理器24可以在时刻t1输出一个曝光控制信号S1，在时刻t2输出另一个曝光控制信号S2。而曝光控制电路25可以根据上述处理器24发送的曝光控制信号，分别控制各个补光光源启动，并在每个补光光源启动时同时控制摄像头21同步启动。例如，曝光控制电路25接收到曝光控制信号S1时，该曝光控制信号S1可以输出至其中一个补光光源22，使得该补光光源22开启补光，同时，曝光控制电路25还会控制摄像头21同步启动曝光，使得补光光源22和摄像头21的曝光时刻同步。这样，摄像头21采集到的图像是对该补光光源22照射的人脸成像。又例如，当曝光控制电路25接收到另一个曝光控制信号S2时，该曝光控制信号S2可以输出至另一个补光光源23，同理会控制该另一个补光光源23和摄像头21同步曝光，摄像头21采集到该另一个补光光源23照射下的人脸。
图5还示例了该曝光控制电路25的一种可选的电路结构。请参见图5所示，该图5以人脸识别设备设置两个补光光源为例。并且，摄像头21以红外摄像头为例，补光光源以红外LED为例，包括红外LED121和红外LED122。
该曝光控制电路25中包括：逻辑或门电路。逻辑或门电路是具有逻辑功能的逻辑电路(logical circuit)，也称门电路，利用门电路可以组成所需的各种逻辑功能电路。本实施例的逻辑或门电路包括两个输入端，分别是连接红外LED121的输入端251、以及连接红外LED122的输入端252。该逻辑或门电路还包括一个输出端253，该输出端253连接摄像头。可以理解的是，当人脸识别设备中设置的补光光源的数量多于两个时，则可以使用多输入的逻辑或门电路，并将该逻辑或门电路的多个输入端分别连接各个补光光源。
如下结合图6举例说明上述结构的人脸识别设备通过逻辑或门电路进行分时同步控制和活体检测的处理过程：
在步骤600中，处理器检测到摄像头拍摄的图像中存在人脸。
本步骤中，初始时可以将各个补光光源的曝光控制信号全部开启，即各个补光光源都启动照射，并且，摄像头21开始采集图像。并且，摄像头21采集到的图像可以传输至处理器24，以供处理器24进行人脸检测和追踪。
一旦处理器24检测到摄像头拍摄的图像中存在符合要求的人脸，可以先进行人脸识别和比对，比如，识别该人脸是否是已注册人脸库中的人脸。若人脸身份验证通过，可以进一步进行活体检测，是否是真人。当然，这只是一种示例性的处理步骤，实际实施中不局限于此。
在步骤602中，处理器向曝光控制电路分时输出多个曝光控制信号，所述曝光控制电路根据所述曝光控制信号同时启动其中一个补光光源和所述摄像头。
例如，在进行活体检测之前，可以先采集检测所需要的多个人脸图像。当处理器24检测到摄像头21拍摄到的图像中存在人脸时，可以开始向曝光控制电路25分时输出多个曝光控制信号，该多个曝光控制信号分别用于启动不同的补光光源。
示例性的，在时刻t1，处理器24可以向输入端251输出一个曝光控制信号，该信号可以控制红外LED121启动照射，同时，逻辑或门电路的输出端253也会输出该曝光控制信号，同步控制摄像头21启动。摄像头21采集到红外LED121照射下的人脸图像。
在时刻t2，处理器244可以向输入端252输出一个曝光控制信号，该信号可以控制红外LED122启动照射，同时，逻辑或门电路的输出端253也会输出该曝光控制信号，同步控制摄像头21启动。摄像头21采集到红外LED122照射下的人脸图像。
在步骤604中，处理器对多张图像进行预处理，处理成相同的图像尺寸。
在步骤606中，处理器将不同角度多张人脸图像处理为灰度图片，两两组合比较，对多张图像中的每两张图像进行两两组合比较，得到该两张图像之间的人脸亮度差异特征。
例如，人脸图像T1和人脸图像T2分别是由不同的红外LED照射下摄像头采集得到，可以将这两张图像进行比较，相同位置的像素的亮度比较得出亮度差异值，从而得出该不同投射角度下的人脸图像的亮度分布之间的差异，该经过比较后得到的两张图像之间的亮度差异值就可以称为两张图像之间的人脸亮度差异特征。
在步骤608中，处理器将所述两张图像之间的人脸亮度差异特征输入预先训练的神经网络，得到所述神经网络输出的检测结果值；若所述检测结果值达到预设的检测阈值条件，确定所述人脸亮度差异特征满足预设的活体人脸差异条件，则确定所述待检测对象通过活体检测。
本实施例以在处理器上部署神经网络推理为例：
例如，在神经网络的训练阶段，可以采集大量的样本，每一样本包括以不同投射角度照射下采集的同一人脸的两张人脸图像，比如，某个训练样本包括图像A和图像B，这两张人脸图像是对某个待检测对象分别以两个不同角度的光源照射采集得到。并且，每一样本还可以设置标签值，以进行有监督训练，比如，以活体人脸采集的图像对，标签值可以设为“1”，即是活体。而以平面照片上的人脸采集的不同投射角度照射下的图像对，其标签值可以设为“0”，即非活体。
在训练过程中，将每个样本中的两张图像之间的亮度差异值作为网络输入，比如，上述的图像A和图像B可以将对应相同位置的像素之间求取亮度差值，例如，其中一个对应相同位置的像素在图像A中的亮度值是240，在图像B中的亮度值是190，那么240-190＝50即该像素点的亮度差值，同理求出图像A和图像B中其他各个对应位置的像素点的亮度差值，即该两张图像之间的亮度差异值。待训练的神经网络的输出可以是一个表示是否为活体的概率值，通过将该输出值与样本的标签值比较得到损失，并反向传播调整神经网络的网络参数。该神经网络的具体网络结构本实施例不限制，比如可以设计为包括卷积层、池化层等结构。再者，为了提高神经网络的泛化能力，可以采集多种投射角度下的图像对，并尽可能增大训练样本的丰富性和数量。经过网络训练后，该神经网络可以部署在处理器上。
处理器得到两两图像对之间的比较亮度差异值后，可以输入该神经网络，神经网络可以输出一个概率值，例如，“0.9”、“0.8”等，该概率值可以称为神经网络输出的检测结果值。可以设定一个概率阈值，设置的检测阈值条件可以是“检测结果值高于该概率阈值”，只要满足该条件，则可以认为待检测对象是活体，通过活体检测。例如，上述例子提到的图像A和图像B通过比较计算得到图像之间的亮度差异后，可以输入神经网络，若输出的检测结果值是0.96，高于预设阈值0.8，则确认该检测结果值满足预设的检测阈值条件，则可以确认待检测对象是活体。
为了更进一步的提高验证的准确性，可以多采集几个图像对，并综合判断。当处理器接收的人脸图像的数量多于两张时，可以将多张所述人脸图像中的任意两张进行两两组合，得到多组图像对；对于每一组图像对，执行所述图像像素亮度比较，得到所述图像对中的两张图像之间的人脸亮度差异特征；获取各组图像对分别对应的识别结果，所述识别结果用于表示人脸亮度差异特征是否满足预设的活体人脸差异条件；若识别结果是确定所述人脸亮度差异特征满足预设的活体人脸差异条件的图像对的数量达到预定条件，确定所述待检测对象通过活体检测。
比如，摄像头11的周边设置了四个红外LED，那么两两图像比较共可以得到6个图像对，将这6个图像对比较得到的人脸亮度差异特征分别输入到神经网络后，可以得到6个输出的概率值。假设要求是至少80％的数量比例的图像对的概率值大于预定的概率阈值0.9，才认为待检测对象通过活体检测。那么，假设该6个输出的概率值都大于预定的概率阈值0.9，则确认通过活体检测；若该6个输出的概率值中有5个都不合格，即合格的图像对的数量比例小于80％，则认为待检测对象是非活体。其中，若某个图像对对应输出的概率值大于预定的概率阈值0.9，则可以认为该图像对对应的识别结果是“确定所述人脸亮度差异特征满足预设的活体人脸差异条件”，而6个图像对的识别结果都是确定所述人脸亮度差异特征满足预设的活体人脸差异条件，则满足条件的图像对的数量达到了总数量的80％以上，即数量达到预定的数量条件要求，最终确定待检测对象通过活体检测。
在一个例子中，所述处理器中在对摄像头采集的图像进行图像处理时，可以包括如下处理：对所述至少两张图像中的其中两张图像进行图像像素亮度比较，得到所述两张图像之间的人脸亮度差异特征；根据所述两张图像之间的人脸亮度差异特征，确定是否符合预设的活体人脸差异条件，并在所述人脸亮度差异特征符合活体人脸差异条件的情况下，确定所述待检测对象通过活体检测。
例如，上述的“根据所述两张图像之间的人脸亮度差异特征，确定是否符合预设的活体人脸差异条件”可以是通过神经网络处理。但可以理解的是，上述是以神经网络的处理方式为例，不局限于此，可以采用其他方式判断差异值是否满足预设的活体人脸差异条件。
本实施例的人脸识别设备，通过在摄像头周边设置多个补光光源，并通过曝光控制电路控制该多个补光光源分时与摄像头同步曝光，使得可以通过分时启动不同补光光源的方式配合摄像头同步采集，即能够采集到不同补光光源照射下的多张图像，该多张图像是由不同补光光源由不同投射角度照射下的人脸图像。该设备结构使得摄像头的数量设置更为灵活，能够使用较少的摄像头就可以采集到活体检测所需的多张图像，比如，可以使用一个摄像头和多个补光光源，辅以简单的分时同步控制，就实现多张图像的采集，设备成本较低。并且，该人脸识别方法利用人脸立体形状导致的图像亮度分布差异来进行活体识别，识别效果也更好更准确，而且该方式通过根据至少两张图像之间的人脸亮度特征来进行活体检测，使得只要采集图像进行图像亮度检测即可确定是否是活体，而不再需要待检测对象进行动作配合，从而使得活体检测更加简单方便；并且该方法还能够抵抗照片、视频等平面攻击能力，对平面照片采集的多张图像之间不会符合预设的活体人脸差异条件，从而可以据此区分是平面照片还是真正的活体。
如下示例几种至少两个补光光源在摄像头的周边设置时的布局方案：
在一个例子中，由于摄像头和补光光源之间存在一定的距离，因此，摄像头的视场角(Field Of View，FOV)的角度应小于补光光源的半功率角的角度θ。例如，红外摄像头的FOV角度为70°，红外LED的半功率角θ为90°。又例如，红外LED的半功率角θ为120度，红外摄像头的FOV为70°。
这主要是考虑到，补光光源的半功率角的角度θ大于摄像头的FOV的角度时，才能使得补光光源的照射范围较大，能够完全覆盖摄像头的拍摄范围，为摄像头的采集拍摄提供较好的光源照射条件，避免影响摄像头的成像质量。
如果将补光光源在人脸识别设备上的自身位置以半功率角照射时，在人脸检测平面的补光照射区域称为第一区域，该人脸检测平面是所述待检测对象的所在平面，将摄像头在人脸识别设备上的自身位置以FOV成像照射时在人脸检测平面的人脸图像采集区域称为第二区域，那么，任一补光光源与所述摄像头之间的直线连接距离可以满足：上述第一区域覆盖第二区域。也就是说，任一补光光源与所述摄像头之间的直线连接距离不论距离远近，只要满足上述条件，就可以为摄像头的采集拍摄提供较好的光源照射条件，保证较好的摄像头的成像质量。
为了方便确定该任一补光光源与所述摄像头之间的直线连接距离应处于何种范围，可以按照如下方式确定该直线连接距离对应的距离最大值，该直线连接距离只要位于所述距离最大值的范围内均可：
当所述第一区域和第二区域各自在人脸检测平面的最大直径投影线由一侧重合时，所述距离最大值根据D、所述摄像头的视场角FOV和所述补光光源的半功率角依据几何关系确定；所述D是摄像头和补光光源所在的设备平面与人脸检测平面之间的距离。
如下结合图7的示例来说明上述距离最大值的确定：请参见图7的示例，人脸识别设备31可以安装在墙体上(当然，也可以是放置在桌子上等方式)，一个待进行人脸识别的人体32站在该人脸识别设备31的前方，等待进行人脸识别。通常人体与人脸识别设备之间都会存在一个人脸检测距离，该人脸检测距离即待识别的人体32与人脸识别设备之间的距离。
如下说明根据该人脸检测距离，来确定人脸识别设备上的摄像头与补光光源之间的距离及其参数的设置。
请继续参见图8，图8是对应图7的原理示意图。摄像头和补光光源在同一个设备平面P1，待检测的人脸所在的平面可以称为人脸检测平面P2，该设备平面P1与人脸检测平面P2之间的距离可以称为人脸检测距离D。
以摄像头是红外摄像头，补光光源是红外LED为例，该红外LED与红外摄像头之间的间距d与人脸检测距离D，满足以下关系：
Figure BDA0002429545330000181
其中，所述D是摄像头和补光光源所在的设备平面与人脸检测平面之间的距离，所述FOV是所述摄像头的视场角，θ是所述补光光源的半功率角。
如图8所示，补光光源以半功率角照射时，在人脸检测平面P2上显示的第一投射线S1就是第一区域在人脸检测平面的最大直径投射线；摄像头以FOV照射时在P2上显示的第二投射线S2就是第二区域在人脸检测平面的最大直径投射线。这两条投射线可以在一侧重合，比如，可以在图8中所示的重合点一侧对齐，然后就可以根据D、FOV和补光光源的半功率角θ依据公式(1)所示的几何关系确定距离最大值，该距离最大值即图8中所示的d。
如上述公式(1)，这是根据几何关系计算出来的红外LED与红外摄像头之间的间距d。例如，假设红外摄像头的FOV为70°，红外补光灯的半功率角是90°，人脸检测距离D是30cm，根据上述公式(1)可以计算得到，红外LED与红外摄像头之间的间距d是9cm。
如图8所示，如果红外摄像头和红外补光灯之间的距离再加大，大于上述的9cm，那么红外LED的照射范围将不能完全覆盖红外摄像头的拍摄范围，可能会影响到红外摄像头的图像拍摄。而如果红外摄像头和红外补光灯之间的距离减小，比如减小为7cm，红外LED的照射范围仍然能够完全覆盖红外摄像头的拍摄范围。因此，上述公式(1)计算得到的红外LED与红外摄像头之间的间距可以作为是红外摄像头和红外补光灯之间的距离最大值。
也就是说，对于某个特定参数的摄像头和补光光源(例如，FOV为70°的红外摄像头，半功率角是90°的红外补光灯)，任一所述补光光源与所述摄像头之间的直线连接距离小于或等于距离最大值。将摄像头与补光光源之间的间距保持在该距离最大值的范围内，能够更好的保证摄像头的成像质量，保证为摄像头拍摄提供更好的光源条件。
例如，请参见图9，该图9是一个具有4颗红外LED(红外LED1至红外LED4)的人脸识别一体机(例如，该一体机可以是一个考勤面板机)。其中，该人脸识别一体机可以包括显示屏幕，该显示屏幕能够显示采集的人脸图像；摄像头和至少两个补光光源分布设置在所述显示屏幕的周边，例如，红外摄像头和四个红外LED分布设置在显示屏幕周边。其中，红外摄像头的FOV为70°，红外LED的半功率角是90°，红外LED1和红外LED2与红外摄像头的间距是70mm，红外LED3和红外LED4与红外摄像头的间距是89.6mm，均在距离最大值90mm的范围内。
此外，图9示例的是人脸识别设备是考勤面板机等人脸识别一体机上的摄像头和补光光源的布局方案，在其他的实施例中，该人脸上识别设备还可以是其他类型的设备，例如，还可以是独立摄像头，独立摄像头可以没有屏幕。
请参见图10所示，图10示例了一个独立摄像头中的摄像头和补光光源的布局方案。该例子中的红外摄像头的FOV为70°，红外LED的半功率角是90°。该独立摄像头中可以设置一个红外摄像头和两个红外LED的补光灯(例如，包括红外LED1和红外LED2)，其中，红外摄像头居中放置，两个红外LED的补光灯与该红外摄像头在一条直线上，并分布在红外摄像头的两边，并且红外LED的补光灯与红外摄像头之间的距离均为距离最大值90mm。
可选的，图9中所示的考勤面板机也可以设置与图10类似的两个红外LED补光灯的布局，同样将两个红外LED补光灯分别设置在考勤面板机的两个相对侧面的中间。本公开实施例不限制红外LED补光灯的数量，至少两个即可。
在另一个实施例中，假设人脸检测距离增大，比如有些人脸识别的场景属于远距离人脸检测应用，人脸检测距离通常会超过1米。这种情况下，根据公式(1)的几何关系，当人脸检测距离D增大时，假设FOV和θ不变，补光光源与摄像头之间的距离最大值d可以增加，那么就可以将人脸识别设备上的补光光源与摄像头之间的距离设置的更远一些。
也就是说，这种远距离人脸识别的场景，可以将人脸识别的屏幕面板设置的大一些，加大补光光源与摄像头之间的距离，而且，在远距离人脸识别的场景中，增加补光光源与摄像头之间的距离也有助于加大不同投射角度的成像差异，提高后续人脸检测的准确性。
此外，还有一种情况是，即使人脸检测距离D不变，当仍然期望增加补光光源与摄像头之间的距离来加大不同投射角度的成像差异时，比如在根据不同投射角度的成像图像之间的亮度分布差异来检测时，成像差异的加大有助于提高人脸检测的准确性，那么此时，就可以辅助以加大补光光源的半功率角θ与摄像头的FOV之间的差异，来使得补光光源与摄像头之间的距离最大值进一步增大，比如，可以增加补光光源的半功率角θ。
例如，可以参见图11所示，这可以是一种远距离人脸识别的大型门禁机的场景。可以设置红外LED的半功率角是120度，红外摄像头的FOV是70°，人脸检测距离D是1米，此时摄像头与红外LED的直线连接距离的距离最大值可以达到300mm。
由上述可知，该人脸识别设备可以应用于多种距离场合的人脸检测，并且，在不同的距离场合下可以灵活设置补光光源与摄像头之间的相距，比如，人脸检测距离较大时可以相应加大补光光源与摄像头之间的距离，以加大图像差异。
此外，上述的实施例是以人脸识别设备中包括一个摄像头和至少两个补光光源为例，可以使得大量具有超低成本的单图像传感器接口芯片方案，提高抗活体攻击能力。
实际实施中，人脸识别设备可以包括其他的摄像头，比如，对于RGB+IR双目方案，无法识别3D图像，利用本公开的方案后，可以采用极低的附加成本，使得以上方案具有简单的3D物体鉴别能力。比如，对于包括多个摄像头的人脸识别设备，可以使用其中的一个摄像头和多个补光光源按照本公开任一实施例所述的活体检测方法进行多张图像的采集以及活体的检测。此外，还可以是，对于一个人脸识别设备来说，可以在该人脸识别设备已有的活体检测功能的基础上增加本公开实施例的活体检测方法，将本公开实施例的活体检测方法与人脸识别设备已有的活体检测功能综合起来进行活体识别，识别效果更准确。
本公开实施例适用于采用无感知的人脸识别考勤机、门禁机或其他身份认证设备中。在不增加硬件成本的基础上，充分利用现有装置中的单红外摄像头和补光光源，结合结构设计和算法，提高单镜头应用场景下的活体识别能力，增强抗平面攻击能力。对于主流的RGB+IR双目人脸识别方案，同样也可以区分2D/3D物体，提高红外摄像头的抗活体攻击能力。
本公开实施例还提供了一种活体检测装置，如图12所示，该装置可以包括：图像接收模块1201和图像处理模块1202。
图像接收模块1201，用于接收摄像头采集的待检测对象的至少两张人脸图像，至少两张人脸图像是所述摄像头在多个曝光控制信号的控制下采集得到。
图像处理模块1202，用于对所述至少两张人脸图像进行图像处理，并在所述至少两张人脸图像之间的人脸亮度差异特征符合预设的活体人脸差异条件的情况下，确定所述待检测对象通过活体检测。
在一个例子中，该装置还可以包括：信号控制模块1203，用于分时输出多个曝光控制信号。
在一些实施例中，上述装置可以用于执行上文所述的对应任意方法，为了简洁，这里不再赘述。
本公开实施例还提供了一种电子设备，所述设备包括存储器、处理器，所述存储器用于存储计算机可读指令，所述处理器用于调用所述计算机指令，实现本说明书任一实施例的方法。
本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本说明书任一实施例的方法。
本领域技术人员应明白，本公开一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本公开一个或多个实施例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，本公开一个或多个实施例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。
本公开实施例还提供一种计算机可读存储介质，该存储介质上可以存储有计算机程序，所述程序被处理器执行时实现本公开任一实施例描述的用于文字识别的神经网络的训练方法的步骤，和/或，实现本公开任一实施例描述的文字识别方法的步骤。
其中，本公开实施例所述的“和/或”表示至少具有两者中的其中一个，例如，“多和/或B”包括三种方案：多、B、以及“多和B”。
本公开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，对于数据处理设备实施例而言，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。
上述对本公开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行为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。
本公开中描述的主题及功能操作的实施例可以在以下中实现：数字电子电路、有形体现的计算机软件或固件、包括本公开中公开的结构及其结构性等同物的计算机硬件、或者它们中的一个或多个的组合。本公开中描述的主题的实施例可以实现为一个或多个计算机程序，即编码在有形非暂时性程序载体上以被数据处理装置执行或控制数据处理装置的操作的计算机程序指令中的一个或多个模块。可替代地或附加地，程序指令可以被编码在人工生成的传播信号上，例如机器生成的电、光或电磁信号，该信号被生成以将信息编码并传输到合适的接收机装置以由数据处理装置执行。计算机存储介质可以是机器可读存储设备、机器可读存储基板、随机或串行存取存储器设备、或它们中的一个或多个的组合。
本公开中描述的处理及逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程计算机执行，以通过根据输入数据进行操作并生成输出来执行相应的功能。所述处理及逻辑流程还可以由专用逻辑电路—例如FPG多(现场可编程门阵列)或多SIC(专用集成电路)来执行，并且装置也可以实现为专用逻辑电路。
适合用于执行计算机程序的计算机包括，例如通用和/或专用微处理器，或任何其他类型的中央处理单元。通常，中央处理单元将从只读存储器和/或随机存取存储器接收指令和数据。计算机的基本组件包括用于实施或执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器设备。通常，计算机还将包括用于存储数据的一个或多个大容量存储设备，例如磁盘、磁光盘或光盘等，或者计算机将可操作地与此大容量存储设备耦接以从其接收数据或向其传送数据，抑或两种情况兼而有之。然而，计算机不是必须具有这样的设备。此外，计算机可以嵌入在另一设备中，例如移动电话、个人数字助理(PD多)、移动音频或视频播放器、游戏操纵台、全球定位系统(GPS)接收机、或例如通用串行总线(USB)闪存驱动器的便携式存储设备，仅举几例。
适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、媒介和存储器设备，例如包括半导体存储器设备(例如EPROM、EEPROM和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及CD ROM和DVD-ROM盘。处理器和存储器可由专用逻辑电路补充或并入专用逻辑电路中。
虽然本公开包含许多具体实施细节，但是这些不应被解释为限制任何公开的范围或所要求保护的范围，而是主要用于描述特定公开的具体实施例的特征。本公开内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面，在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外，虽然特征可以如上所述在某些组合中起作用并且甚至最初如此要求保护，但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除，并且所要求保护的组合可以指向子组合或子组合的变型。
类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中，或者封装成多个软件产品。
由此，主题的特定实施例已被描述。其他实施例在所附权利要求书的范围以内。在某些情况下，权利要求书中记载的动作可以以不同的顺序执行并且仍实现期望的结果。此外，附图中描绘的处理并非必需所示的特定顺序或顺次顺序，以实现期望的结果。在某些实现中，多任务和并行处理可能是有利的。
以上所述仅为本公开一个或多个实施例的较佳实施例而已，并不用以限制本公开一个或多个实施例，凡在本公开一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开一个或多个实施例保护的范围之内。

Claims (20)

1.一种活体检测方法，其特征在于，所述方法包括：
接收摄像头采集的待检测对象的至少两张人脸图像，所述至少两张人脸图像是所述摄像头在多个曝光控制信号的控制下采集得到；
对所述至少两张人脸图像进行图像处理；
在所述至少两张人脸图像之间的人脸亮度差异特征符合预设的活体人脸差异条件的情况下，确定所述待检测对象通过活体检测。
2.根据权利要求1所述的方法，其特征在于，在所述接收摄像头采集的待检测对象的至少两张人脸图像之前，还包括：
分时输出多个曝光控制信号，其中所述分时输出多个曝光控制信号包括：
接收所述摄像头的采集图像；
在确定所述采集图像中存在人脸时，执行所述分时输出多个曝光控制信号。
3.根据权利要求1所述的方法，其特征在于，所述对所述至少两张人脸图像进行图像处理，包括：
将所述至少两张人脸图像处理成相同的图像尺寸。
4.根据权利要求1～3任一所述的方法，其特征在于，所述在所述至少两张人脸图像之间的人脸亮度差异特征符合预设的活体人脸差异条件的情况下，确定所述待检测对象通过活体检测，包括：
将所述至少两张人脸图像中的两张人脸图像之间进行图像像素亮度比较，得到所述两张图像之间的人脸亮度差异特征；
若所述人脸亮度差异特征满足预设的活体人脸差异条件，则确定所述待检测对象通过活体检测。
5.根据权利要求4所述的方法，其特征在于，所述若所述人脸亮度差异特征满足预设的活体人脸差异条件，则确定所述待检测对象通过活体检测，包括：
将所述两张图像之间的人脸亮度差异特征输入预先训练的神经网络，得到所述神经网络输出的检测结果值；
若所述检测结果值满足预设的检测阈值条件，确定所述人脸亮度差异特征满足预设的活体人脸差异条件，则确定所述待检测对象通过活体检测。
6.根据权利要求4所述的方法，其特征在于，当所述人脸图像的数量多于两张时，所述若所述人脸亮度差异特征满足预设的活体人脸差异条件，则确定所述待检测对象通过活体检测，包括：
将多张所述人脸图像中的任意两张进行两两组合，得到多组图像对；
对于每一组图像对，执行所述图像像素亮度比较，得到所述图像对中的两张图像之间的人脸亮度差异特征；
获取各组图像对分别对应的识别结果，所述识别结果用于表示人脸亮度差异特征是否满足预设的活体人脸差异条件；
若识别结果是确定所述人脸亮度差异特征满足预设的活体人脸差异条件的图像对的数量达到预定条件，确定所述待检测对象通过活体检测。
7.根据权利要求1所述的方法，其特征在于，
所述接收摄像头采集的待检测对象的至少两张人脸图像之前，所述方法还包括：向至少两个补光光源和摄像头分时输出多个曝光控制信号，其中每一个所述曝光控制信号用于同时启动所述至少两个补光光源中的其中一个补光光源和摄像头；
接收的所述至少两张人脸图像，是由所述摄像头同步采集的分别由不同补光光源补光下的人脸图像。
8.根据权利要求7所述的方法，其特征在于，所述向至少两个补光光源和摄像头分时输出多个曝光控制信号，包括：
向曝光控制电路分时输出所述多个曝光控制信号；
所述曝光控制电路根据所述曝光控制信号，同时启动所述至少两个补光光源中的其中一个补光光源和所述摄像头同时启动。
9.一种活体检测装置，其特征在于，所述装置包括：
图像接收模块，用于接收摄像头采集的待检测对象的至少两张人脸图像，所述至少两张人脸图像是所述摄像头在多个曝光控制信号的控制下采集得到；
图像处理模块，用于对所述至少两张人脸图像进行图像处理，并在所述至少两张人脸图像之间的人脸亮度差异特征符合预设的活体人脸差异条件的情况下，确定所述待检测对象通过活体检测。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：
信号控制模块，用于分时输出多个曝光控制信号。
11.一种人脸识别设备，其特征在于，所述设备包括：
摄像头，用于采集待识别人脸的人脸图像；
至少两个补光光源，用于在所述摄像头采集所述人脸图像时进行补光；
处理器，用于向所述摄像头和至少两个补光光源分时输出多个曝光控制信号，所述多个曝光控制信号用于控制所述至少两个补光光源分时启动且摄像头同步采集补光光源启动时的人脸图像；还用于对接收的所述摄像头采集的至少两张人脸图像进行图像处理，所述至少两张人脸图像的采集分别由不同的补光光源补光；若所述至少两张人脸图像之间的人脸亮度差异特征符合预设的活体人脸差异条件，则确定所述待检测对象通过活体检测。
12.根据权利要求11所述的设备，其特征在于，
所述人脸识别设备，还包括：曝光控制电路；所述曝光控制电路分别连接所述至少两个补光光源、所述摄像头和所述处理器；
所述处理器，用于向所述摄像头和至少两个补光光源分时输出多个曝光控制信号，包括：
所述处理器，用于向所述曝光控制电路分时输出多个所述曝光控制信号；
所述曝光控制电路，用于根据所述曝光控制信号，同时启动所述一个补光光源和所述摄像头，多个所述曝光控制信号分别用于启动所述至少两个补光光源中的不同补光光源。
13.根据权利要求11所述的设备，其特征在于，
所述曝光控制电路，包括：逻辑或门电路；
所述逻辑或门电路包括：多个输入端和一个输出端，其中，每一个输入端连接所述处理器和一个补光光源，所述输出端连接所述摄像头，以使所述曝光控制信号控制所述一个补光光源和所述摄像头同时启动。
14.根据权利要求11所述的设备，其特征在于，所述摄像头的数量为一个或者多个。
15.根据权利要求11所述的设备，其特征在于，
所述补光光源是点光源，所述摄像头是红外摄像头。
16.根据权利要求11所述的设备，其特征在于，
所述摄像头的视场角FOV小于所述补光光源的半功率角。
17.根据权利要求11所述的设备，其特征在于，任一所述补光光源与所述摄像头之间的直线连接距离，满足如下条件：
当所述补光光源和摄像头启动时，所述补光光源对应的补光照射区域覆盖所述摄像头对应的人脸图像采集区域。
18.根据权利要求11所述的设备，其特征在于，所述至少两个补光光源中的其中两个补光光源之间的直线连接距离大于预设的距离阈值。
19.根据权利要求8所述的设备，其特征在于，
所述处理器，在用于对接收的所述摄像头采集的至少两张人脸图像进行图像处理时，包括：对所述至少两张图像中的其中两张图像进行图像像素亮度比较，得到所述两张图像之间的人脸亮度差异特征；根据所述两张图像之间的人脸亮度差异特征，确定是否符合预设的活体人脸差异条件，并在所述人脸亮度差异特征符合活体人脸差异条件的情况下，确定所述待检测对象通过活体检测。
20.一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，所述程序被处理器执行时实现权利要求1至8任一所述的方法。
CN202010231976.5A 2020-03-27 2020-03-27 活体检测方法和装置、人脸识别设备 Pending CN111460970A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010231976.5A CN111460970A (zh) 2020-03-27 2020-03-27 活体检测方法和装置、人脸识别设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010231976.5A CN111460970A (zh) 2020-03-27 2020-03-27 活体检测方法和装置、人脸识别设备

Publications (1)

Publication Number Publication Date
CN111460970A true CN111460970A (zh) 2020-07-28

Family

ID=71680119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010231976.5A Pending CN111460970A (zh) 2020-03-27 2020-03-27 活体检测方法和装置、人脸识别设备

Country Status (1)

Country Link
CN (1) CN111460970A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112597932A (zh) * 2020-12-28 2021-04-02 上海汽车集团股份有限公司 一种活体检测方法、装置及计算机可读存储介质
CN112926489A (zh) * 2021-03-17 2021-06-08 北京市商汤科技开发有限公司 活体检测方法、装置、设备、介质、系统及交通工具
CN113052035A (zh) * 2021-03-15 2021-06-29 上海商汤智能科技有限公司 活体检测方法、装置、电子设备及存储介质
CN113378688A (zh) * 2021-06-07 2021-09-10 支付宝(杭州)信息技术有限公司 一种人脸活体检测方法、系统、装置以及设备
CN113850214A (zh) * 2021-09-29 2021-12-28 支付宝(杭州)信息技术有限公司 针对活体检测的注入攻击识别方法及装置
CN114724257A (zh) * 2022-04-20 2022-07-08 北京快联科技有限公司 一种活体检测的方法及装置
CN114973426A (zh) * 2021-06-03 2022-08-30 中移互联网有限公司 活体检测方法、装置及设备
US12010466B2 (en) 2021-06-22 2024-06-11 Industrial Technology Research Institute Visual recognition based method and system for projecting patterned light, method and system applied to oral inspection, and machining system

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105518711A (zh) * 2015-06-29 2016-04-20 北京旷视科技有限公司 活体检测方法、活体检测系统以及计算机程序产品
CN106203305A (zh) * 2016-06-30 2016-12-07 北京旷视科技有限公司 人脸活体检测方法和装置
US20190354746A1 (en) * 2018-05-18 2019-11-21 Beijing Sensetime Technology Development Co., Ltd Method and apparatus for detecting living body, electronic device, and storage medium

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105518711A (zh) * 2015-06-29 2016-04-20 北京旷视科技有限公司 活体检测方法、活体检测系统以及计算机程序产品
CN106203305A (zh) * 2016-06-30 2016-12-07 北京旷视科技有限公司 人脸活体检测方法和装置
US20190354746A1 (en) * 2018-05-18 2019-11-21 Beijing Sensetime Technology Development Co., Ltd Method and apparatus for detecting living body, electronic device, and storage medium

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112597932A (zh) * 2020-12-28 2021-04-02 上海汽车集团股份有限公司 一种活体检测方法、装置及计算机可读存储介质
CN112597932B (zh) * 2020-12-28 2024-07-19 上海汽车集团股份有限公司 一种活体检测方法、装置及计算机可读存储介质
CN113052035A (zh) * 2021-03-15 2021-06-29 上海商汤智能科技有限公司 活体检测方法、装置、电子设备及存储介质
CN113052035B (zh) * 2021-03-15 2024-07-12 上海商汤智能科技有限公司 活体检测方法、装置、电子设备及存储介质
CN112926489A (zh) * 2021-03-17 2021-06-08 北京市商汤科技开发有限公司 活体检测方法、装置、设备、介质、系统及交通工具
CN114973426A (zh) * 2021-06-03 2022-08-30 中移互联网有限公司 活体检测方法、装置及设备
CN114973426B (zh) * 2021-06-03 2023-08-15 中移互联网有限公司 活体检测方法、装置及设备
CN113378688A (zh) * 2021-06-07 2021-09-10 支付宝(杭州)信息技术有限公司 一种人脸活体检测方法、系统、装置以及设备
CN113378688B (zh) * 2021-06-07 2022-07-01 支付宝(杭州)信息技术有限公司 一种人脸活体检测方法、系统、装置以及设备
US12010466B2 (en) 2021-06-22 2024-06-11 Industrial Technology Research Institute Visual recognition based method and system for projecting patterned light, method and system applied to oral inspection, and machining system
CN113850214A (zh) * 2021-09-29 2021-12-28 支付宝(杭州)信息技术有限公司 针对活体检测的注入攻击识别方法及装置
CN114724257B (zh) * 2022-04-20 2022-12-06 北京快联科技有限公司 一种活体检测的方法及装置
CN114724257A (zh) * 2022-04-20 2022-07-08 北京快联科技有限公司 一种活体检测的方法及装置

Similar Documents

Publication Publication Date Title
CN111460970A (zh) 活体检测方法和装置、人脸识别设备
JP6844038B2 (ja) 生体検出方法及び装置、電子機器並びに記憶媒体
CN108052878B (zh) 人脸识别设备和方法
US10002463B2 (en) Information processing apparatus, information processing method, and storage medium, for enabling accurate detection of a color
EP2596746B1 (en) Pupil detection device and pupil detection method
KR101550474B1 (ko) 양안을 찾아내어 추적하는 방법 및 장치
JP4642128B2 (ja) 画像処理方法、画像処理装置及びシステム
CN109086691A (zh) 一种三维脸部活体检测方法、脸部认证识别方法及装置
JP2013522754A (ja) 複数の虹彩テンプレートを用いた虹彩認識装置及び方法
US20170186170A1 (en) Facial contour recognition for identification
US9323989B2 (en) Tracking device
CN106524909B (zh) 三维图像采集方法及装置
EP3381015B1 (en) Systems and methods for forming three-dimensional models of objects
EP2787735A1 (en) Image processing device, image processing method and program
CN109074483A (zh) 多模态生物标识
EP3360075A1 (en) Iris recognition
CN111539311A (zh) 基于ir和rgb双摄的活体判别方法、装置及系统
CN102013007B (zh) 用于检测面部的装置和方法
CN211454632U (zh) 人脸识别设备
CN112801038B (zh) 一种多视点的人脸活体检测方法及系统
EP3360076A2 (en) Iris recognition
JP6525503B2 (ja) 画像処理装置および撮像装置
US20040057622A1 (en) Method, apparatus and system for using 360-degree view cameras to identify facial features
US20150178589A1 (en) Apparatus for processing digital image and method of controlling the same
US7653219B2 (en) System and method for image attribute recording an analysis for biometric applications

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200728

RJ01 Rejection of invention patent application after publication