CN111767829B - 一种活体检测方法、装置、系统及存储介质 - Google Patents

一种活体检测方法、装置、系统及存储介质 Download PDF

Info

Publication number
CN111767829B
CN111767829B CN202010597529.1A CN202010597529A CN111767829B CN 111767829 B CN111767829 B CN 111767829B CN 202010597529 A CN202010597529 A CN 202010597529A CN 111767829 B CN111767829 B CN 111767829B
Authority
CN
China
Prior art keywords
change
color
brightness
preset
time point
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
Application number
CN202010597529.1A
Other languages
English (en)
Other versions
CN111767829A (zh
Inventor
颜文靖
郝硕
郭妍妍
张思维
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.)
Jingdong Technology Holding Co Ltd
Original Assignee
Jingdong Technology Holding 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 Jingdong Technology Holding Co Ltd filed Critical Jingdong Technology Holding Co Ltd
Priority to CN202010597529.1A priority Critical patent/CN111767829B/zh
Publication of CN111767829A publication Critical patent/CN111767829A/zh
Application granted granted Critical
Publication of CN111767829B publication Critical patent/CN111767829B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Ophthalmology & Optometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种活体检测方法、装置、系统及存储介质。检测方法包括：获取被检测对象的人脸处于预设环境光的待检测视频图像；获取待检测视频图像中的人脸的眼睛位置；根据眼睛位置从待检测视频图像中获取眼球上的反射光的颜色与亮度的变化特征；若变化特征与预设环境光的预设变化方式相似，则被检测对象为活体。本方案通过获取被检测对象的人脸处于预设环境光的待检测视频图像，并进一步获取待检测视频图像中眼球上的反射光的颜色与亮度的变化特征，通过确定反射光的变化特征与预设环境光的预设变化方式是否相似，判定被检测对象是否为活体，本方案通过捕捉用户眼球上反射的颜色与亮度变化并进行分析，从而实现人脸识别过程的活体验证。

Description

一种活体检测方法、装置、系统及存储介质
技术领域
本发明涉及人脸识别技术领域，尤其涉及一种活体检测方法、装置、系统及存储介质。
背景技术
近年来，随着人脸识别技术的发展，其在各类身份认证系统中的应用也越来越为普及。对于基于人脸识别的身份认证系统来说，一般需要解决两个问题，一是人脸验证，二是活体检测。所谓活体检测，主要是用来确认采集到的人脸图像等数据是来自用户本人，而不是回放或者伪造材料。针对目前活体检测的攻击手段，比如照片攻击、或视频回放攻击等。
发明内容
为了解决现有技术存在的问题，本发明的至少一个实施例提供了一种活体检测方法、装置、系统及存储介质。
第一方面，本发明实施例提供了一种活体检测方法，所述检测方法包括：
获取被检测对象的人脸处于预设环境光的待检测视频图像；其中，所述预设环境光包括：光的颜色和/或亮度以预设变化方式变化的预设环境光；
获取所述待检测视频图像中的人脸的眼睛位置；
根据所述眼睛位置从所述待检测视频图像中获取眼球上的反射光的颜色与亮度的变化特征；
将所述变化特征与所述预设环境光的预设变化方式进行比对，判断所述变化特征与所述预设环境光的预设变化方式是否相似；
若所述变化特征与所述预设环境光的预设变化方式相似，则所述被检测对象为活体。
基于上述技术方案，本发明实施例还可以做出如下改进。
结合第一方面，在第一方面的第一种实施例中，所述光的颜色和/或亮度以预设方式变化，具体包括：
所述预设环境光的颜色按预设颜色组中预设颜色的顺序每间隔第一预设时长变化一次；
和/或，所述预设环境光的亮度按预设亮度组中预设亮度的顺序每间隔第二预设时长变化一次；
其中，所述预设颜色组中相邻的预设颜色的颜色不一致，所述预设亮度组中相邻的预设亮度的亮度不一致。
结合第一方面，在第一方面的第二种实施例中，所述根据所述眼睛位置从所述待检测视频图像中获取眼球上的反射光的颜色与亮度的变化特征，包括：
根据所述眼睛位置，获取所述眼球上各个像素的颜色，将所述眼球的像素颜色均值随时间的变化曲线，作为所述第一变化特征；所述像素颜色均值为各个像素的颜色的平均值；
根据所述眼睛位置，获取所述眼球上各个像素的亮度，将所述眼球的像素亮度均值随时间的变化曲线，作为所述第二变化特征；所述像素亮度均值为各个像素的亮度的平均值；
将所述第一变化特征和所述第二变化特征作为所述颜色与亮度的变化特征。
结合第一方面的第二种实施例，在第一方面的第三种实施例中，所述将所述变化特征与所述预设环境光的预设变化方式进行比对，判断所述变化特征与所述预设环境光的预设变化方式是否相似，包括：
若所述预设环境光的颜色以预设变化方式变化；
根据颜色的变化特征，得到所述眼球上的反射光的第一颜色变化时间点组和第一颜色直方图组；所述第一颜色变化时间点组包括：所述反射光每次颜色变化的第一颜色变化时间点；所述第一颜色直方图组包括：所述反射光每次颜色变化后的颜色的第一颜色直方图；
根据所述预设变化方式，得到所述预设环境光的第二颜色变化时间点组和第二颜色直方图组；所述第二颜色变化时间点组包括：所述预设环境光每次颜色变化的第二颜色变化时间点；所述第二颜色直方图组包括：所述预设环境光每次颜色变化后的颜色的第二颜色直方图；
若所述第一颜色变化时间点组中的所述第一颜色变化时间点与所述第二颜色变化时间点组中的所述第二颜色变化时间点依次匹配，且所述第一颜色直方图组中的第一颜色直方图和第二颜色直方图组中的第二颜色直方图依次匹配；则所述变化特征与所述预设环境光的预设变化方式相似；
或者，若所述预设环境光的亮度以预设变化方式变化；
根据亮度的变化特征，得到所述眼球上的反射光的第一亮度变化时间点组和第一亮度组；所述第一亮度变化时间点组包括：所述反射光每次亮度变化的第一亮度变化时间点；所述第一亮度组包括：所述反射光每次亮度变化后的第一亮度；
根据所述预设变化方式，得到所述预设环境光的第二亮度变化时间点组和第二亮度组；所述第二亮度变化时间点组包括：所述预设环境光每次亮度变化的第二亮度变化时间点；所述第二亮度组包括：所述预设环境光每次亮度变化后的第二亮度；
若所述第一亮度变化时间点组中的所述第一亮度变化时间点与所述第二亮度变化时间点组中的所述第二亮度变化时间点依次匹配，且所述第一亮度组中的第一亮度和第二亮度组中的第二亮度的大小顺序相匹配；则所述变化特征与所述预设环境光的预设变化方式相似；
或者，若所述预设环境光的颜色和亮度以预设变化方式变化；
根据颜色的变化特征，得到所述眼球上的反射光的第三颜色变化时间点组和第三颜色直方图组；所述第三颜色变化时间点组包括：所述反射光每次颜色变化的第三颜色变化时间点；所述第三颜色直方图组包括：所述反射光每次颜色变化后的颜色的第三颜色直方图；
根据亮度的变化特征，得到所述眼球上的反射光的第三亮度变化时间点组和第三亮度组；所述第三亮度变化时间点组包括：所述反射光每次亮度变化的第三亮度变化时间点；所述第三亮度组包括：所述反射光每次亮度变化后的第三亮度；
根据所述预设变化方式，得到所述预设环境光的第四颜色变化时间点组和第四颜色直方图组；所述第四颜色变化时间点组包括：所述预设环境光每次颜色变化的第四颜色变化时间点；所述第四颜色直方图组包括：所述预设环境光每次颜色变化后的颜色的第四颜色直方图；
根据所述预设变化方式，得到所述预设环境光的第四亮度变化时间点组和第四亮度组；所述第四亮度变化时间点组包括：所述预设环境光每次亮度变化的第四亮度变化时间点；所述第四亮度组包括：所述预设环境光每次亮度变化后的第四亮度；
若所述第三颜色变化时间点组中的所述第三颜色变化时间点与所述第四颜色变化时间点组中的所述第四颜色变化时间点依次匹配、所述第三颜色直方图组中的第三颜色直方图和第四颜色直方图组中的第四颜色直方图依次匹配、所述第三亮度变化时间点组中的所述第三亮度变化时间点与所述第四亮度变化时间点组中的所述第四亮度变化时间点依次匹配、且所述第三亮度组中的第三亮度和第四亮度组中的第四亮度的大小顺序相匹配；则所述变化特征与所述预设环境光的预设变化方式相似。
结合第一方面的第三种实施例，在第一方面的第四种实施例中，所述活体检测方法，还包括：
针对所述第一颜色直方图中各个颜色的数值按大小进行排序，得到第一大小顺序；
针对所述第二颜色直方图中各个颜色的数值按大小进行排序，得到第二大小顺序；
若所述第一大小顺序与第二大小顺序相同，则所述第一颜色直方图和所述第二颜色直方图匹配；
所述活体检测方法，还包括：
针对所述第三颜色直方图中各个颜色的数值按大小进行排序，得到第三大小顺序；
针对所述第四颜色直方图中各个颜色的数值按大小进行排序，得到第四大小顺序；
若所述第三大小顺序与第四大小顺序相同，则所述第三颜色直方图和所述第四颜色直方图匹配。
结合第一方面的第三种实施例，在第一方面的第五种实施例中，所述活体检测方法，还包括：
针对所述第一亮度组中的第一亮度按大小进行排序，得到第五大小顺序；
针对所述第二亮度组中的第二亮度按大小进行排序，得到第六大小顺序；
若所述第五大小顺序与第六大小顺序相同，则所述第三亮度组中的第三亮度和第四亮度组中的第四亮度的大小顺序相匹配；
所述活体检测方法，还包括：
针对所述第三亮度组中的第三亮度按大小进行排序，得到第七大小顺序；
针对所述第四亮度组中的第四亮度按大小进行排序，得到第八大小顺序；
若所述第七大小顺序与第八大小顺序相同，则所述第三亮度组中的第三亮度和第四亮度组中的第四亮度的大小顺序相匹配。
结合第一方面的第二种实施例，在第一方面的第六种实施例中，所述将所述眼球的像素颜色均值随时间的变化曲线，作为所述第一变化特征，包括：
根据所述像素颜色均值得到颜色直方图，将所述颜色直方图随时间的变化，作为所述第一变化特征。
结合第一方面，在第一方面的第七种实施例中，所述根据所述眼睛位置从所述待检测视频图像中获取眼球上的反射光的颜色与亮度的变化特征之前，所述检测方法还包括：
根据所述眼睛位置，通过图像膨胀将所述眼睛位置的像素扩大。
结合第一方面，在第一方面的第八种实施例中，所述将所述变化特征与所述预设环境光的预设变化方式进行比对，判断所述变化特征与所述预设环境光的预设变化方式是否相似，包括：
将所述变化特征与所述预设环境光的预设变化方式输入预先训练的检测模型；
得到所述检测模型输出的所述变化特征与所述预设变化方式是否相似的识别结果。
结合第一方面或第一方面的第一、第二、第三、第四、第五、第六、第七或第八种实施例，在第一方面的第九种实施例中，所述获取所述待检测视频图像中的人脸的眼睛位置，包括：
基于人脸识别算法，识别所述待检测视频图像中的人脸特征点；
根据所述人脸特征点得到所述待检测视频图像中的人脸的眼睛位置。
第二方面，本发明实施例提供了一种活体检测装置，所述检测装置包括：
第一获取单元，用于获取被检测对象的人脸处于预设环境光的待检测视频图像；其中，所述预设环境光包括：光的颜色和/或亮度以预设变化方式变化的预设环境光；
第二获取单元，用于获取所述待检测视频图像中的人脸的眼睛位置；
第一处理单元，用于根据所述眼睛位置从所述待检测视频图像中获取眼球上的反射光的颜色与亮度的变化特征；
第二处理单元，用于将所述变化特征与所述预设环境光的预设变化方式进行比对，判断所述变化特征与所述预设环境光的预设变化方式是否相似；若所述变化特征与所述预设环境光的预设变化方式相似，则所述被检测对象为活体。
第三方面，本发明实施例提供了一种活体检测系统，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面中任一所述的活体检测方法。
第四方面，本发明实施例提供了，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现第一方面中任一所述的活体检测方法。
本发明的上述技术方案与现有技术相比具有如下优点：本发明实施例通过获取被检测对象的人脸处于预设环境光的待检测视频图像，并进一步获取待检测视频图像中眼球上的反射光的颜色与亮度的变化特征，通过确定反射光的变化特征与预设环境光的预设变化方式是否相似，判定被检测对象是否为活体，本方案通过捕捉用户眼球上反射的颜色与亮度变化并进行分析，从而实现人脸识别过程的活体验证。
附图说明
图1是本发明实施例提供的一种活体检测方法流程示意图；
图2是本发明另一实施例提供的一种活体检测方法流程示意图；
图3是本发明又一实施例提供的一种活体检测方法流程示意图其一；
图4是本发明又一实施例提供的一种活体检测方法流程示意图其二；
图5是本发明又一实施例提供的一种活体检测方法流程示意图其三；
图6是本发明又一实施例提供的一种活体检测装置结构示意图；
图7是本发明又一实施例提供的一种活体检测系统结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供了一种活体检测方法。参照图1，检测方法包括如下步骤：
S11、获取被检测对象的人脸处于预设环境光的待检测视频图像；其中，预设环境光包括：光的颜色和/或亮度以预设变化方式变化的预设环境光。
在本实施例中，开启摄像头后，可以先进行人脸检测或者人员识别，确定摄像头采集是视频图像中是否存在人脸，在未出现人脸时，让设备处于待机状态，以降低消耗，人脸检测可以通过现有技术来实现，本方案对此不做赘述，人员识别可以通过红外检测的方法实现，比如，由于人员具有红外辐射，通过检测摄像头前是否出现红外辐射来确定是否开启摄像头。在确认开启摄像头采集数据后，获取被检测对象的人脸的视频图像，视频图像中是否包含人脸可以通过现有技术实现，在确认视频图像中包括人脸后，可以通过开启预先设置的灯光装置发出光使得人脸处于预设环境光中，由于已经确认视频图像中存在人脸，而且摄像头所能拍摄的范围是确定的，所以灯光装置的光只需照射到摄像头所能拍摄的范围就可以让被检测对象的脸处于预设环境光中；还可以采用人脸追踪对脸部进行局部灯光照射，该方案可以通过现有技术实现，本方案对此不做赘述。
S12、获取待检测视频图像中的人脸的眼睛位置。
在本实施例中，可以通过检测人脸的特征点，然后根据特征点对人脸做对齐校准。可以使用卷积专家约束局部模型(Convolutional Experts restricted Local Model,CE-CLM)来进行人脸特征点的检测和跟踪，也可以通过根据用户选定的给定眼睛位置和相应样本视频图像进行训练的人脸识别模型来识别人脸的眼睛位置，得到待检测视频图像中的人脸的眼睛位置。
具体的，在本实施例中，基于人脸识别算法，识别待检测视频图像中的人脸特征点；根据人脸特征点得到待检测视频图像中的人脸的眼睛位置。
S13、根据眼睛位置从待检测视频图像中获取眼球上的反射光的颜色与亮度的变化特征。
在本实施例中，在通过上述步骤得到眼睛位置后，根据眼睛位置从待检测视频图像中获取眼球上的反射光的颜色与亮度的变化特征，比如，眼球上的像素的颜色变化情况和亮度变化情况，具体的，颜色的变化情况可以是颜色的变化时间、变化后的颜色、颜色的变化区域等，亮度的变化情况可以是亮度的变化时间、变化后的亮度、亮度的变化区域等。
S14、将变化特征与预设环境光的预设变化方式进行比对，判断变化特征与预设环境光的预设变化方式是否相似。
在本实施例中，由于本方案中获取的是待检测对象的人脸处于预设环境光中的图像，同时，基于眼睛的生理结构与光线反射的特点，通过使得被检测对象处于预设环境光中，捕捉用户眼球上反射的颜色与亮度变化，并将变化特征与预设环境光的变化方式进行比对，从而实现人脸识别过程的活体验证。
S15、若变化特征与预设环境光的预设变化方式相似，则被检测对象为活体。
在本实施例中，当获取到的眼球上的反射光的颜色与亮度的变化特征与预设环境光的预设变化方式相似，则判定被检测对象为活体，其中，可以通过比对颜色和亮度的变化时间来判定变化特征与预设环境光的预设变化方式是否相似，当颜色和亮度的变化时间均相同或者时间误差小于预设误差，则判定两者相似，由于，摄像装置可以实时获取到变化后的图像，所以预设误差会设置的非常小，具体数值可以根据摄像装置的反应时间设定，或者，眼球上反射光的颜色与预设环境光的颜色一致或者相类似且反射光的亮度变化与预设环境光的亮度变化相匹配时，则判定两者相似。
在一个具体的实施例中，步骤S11中光的颜色和/或亮度以预设方式变化，具体包括：预设环境光的颜色按预设颜色组中预设颜色的顺序每间隔第一预设时长变化一次；和/或，预设环境光的亮度按预设亮度组中预设亮度的顺序每间隔第二预设时长变化一次其中，预设颜色组中相邻的预设颜色的颜色不一致，预设亮度组中相邻的预设亮度的亮度不一致。
在本实施例中，为提高上述方案中反射光的变化特征与预设环境光的变化方式的匹配效率处理过程，可以使得预设环境光中的光的颜色和/或亮度分别以一预设时间间隔进行变化，每次颜色变化前后的颜色均不一致，每次亮度变化前后的亮度均不一致，当然，本方案中的每次颜色变化和/或亮度变化的时间间隔也可以设置的不一致，但是这样会提高后期的数据处理耗时，当然也可以进一步提高活体识别的准确性，比如，颜色变化的时间间隔的数量可以根据预设颜色组中颜色的数量减一得到，亮度变化的时间间隔的数量可以根据预设亮度组中亮度的数量减一得到，分别建立相应的时间间隔组，即可实现每次颜色的变化和/或亮度的变化的时间间隔不一致的方案。
在本实施例中，根据眼睛位置，通过图像膨胀将眼睛位置的像素扩大。为了使特征更加明显，可以通过图像膨胀使得眼睛的反射点扩大，使得到的颜色或者亮度的数值更加显著。
在本实施例中，为减少数据处理量，可以减少待检测视频图像中的帧数，比如，在获取到待检测视频图像后，摄像头在将待检测视频图像传输到处理系统之前，可以采用按预设时间间隔从待检测视频图像中抽帧删除，降低待检测视频图像中的帧数，或者从待检测视频图像中抽帧组成新的待检测视频图像，用于后续处理过程。
如图2所示，本发明实施例提供了一种活体检测方法。参照图2，活体检测方法包括：
S21、获取被检测对象的人脸处于预设环境光的待检测视频图像；其中，预设环境光包括：光的颜色和/或亮度以预设变化方式变化的预设环境光。
有关步骤S21，详细可参见步骤S11中的描述，本实施例在此不再赘述。
S22、获取待检测视频图像中的人脸的眼睛位置。
有关步骤S22，详细可参见步骤S12中的描述，本实施例在此不再赘述。
S23、根据眼睛位置，获取眼球上各个像素的颜色，将眼球的像素颜色均值随时间的变化曲线，作为第一变化特征；像素颜色均值为各个像素的颜色的平均值。
在本实施例中，通过将眼球各个像素的颜色进行平均，得到眼球的像素颜色均值，并将像素颜色均值随时间的变化曲线，作为第一变化特征，通过平均像素的颜色来降低数据处理量，避免对每个像素点进行数据处理降低处理效率，同时，将范围内的像素的颜色进行平均，也可以降低误差对结果的影响。
在本实施例中，由于眼球上的反射光是由于预设环境光被动产生的，所以当预设环境光中的光未进行颜色变化时，所得到的的像素颜色均值随时间的变化曲线应当是一条近似直线。
S24、根据眼睛位置，获取眼球上各个像素的亮度，将眼球的像素亮度均值随时间的变化曲线，作为第二变化特征；像素亮度均值为各个像素的亮度的平均值。
在本实施例中，同理，将像素亮度均值随时间的变化曲线，作为第二变化特征。
S25、将第一变化特征和第二变化特征作为颜色与亮度的变化特征。
在本实施例中，将第一变化特征与第二变化特征作为颜色与亮度的变化特征，考虑到眼睛反射的光点比较小的问题，我们可以通过图像膨胀使得眼睛的反射点扩大，使得检测时更加敏感。膨胀类似于“领域扩张”，将图像的高亮区域或白色部分进行扩张，其运行结果图比原图的高亮区域更大。
S26、将变化特征与预设环境光的预设变化方式进行比对，判断变化特征与预设环境光的预设变化方式是否相似。
有关步骤S26，详细可参见步骤S14中的描述，本实施例在此不再赘述。
S27、若变化特征与预设环境光的预设变化方式相似，则被检测对象为活体。
有关步骤S27，详细可参见步骤S15中的描述，本实施例在此不再赘述。
在本实施例中，根据像素颜色均值得到颜色直方图，将颜色直方图随时间的变化，作为第一变化特征。
本发明实施例还提供了一种活体检测方法，与图1所示检测方法相比，区别在于，将变化特征与预设环境光的预设变化方式进行比对，判断变化特征与预设环境光的预设变化方式是否相似，包括如下步骤：
S31、若预设环境光的颜色以预设变化方式变化。
在本实施例中，预设环境光的颜色以预设变化方式变化，此时，本方案中不考虑其他因素的干扰。
S32、根据颜色的变化特征，得到眼球上的反射光的第一颜色变化时间点组和第一颜色直方图组；第一颜色变化时间点组包括：反射光每次颜色变化的第一颜色变化时间点；第一颜色直方图组包括：反射光每次颜色变化后的颜色的第一颜色直方图。
在本实施例中，将颜色变化后的时间点进行记录组成第一颜色变化时间点组，将变化后的颜色的颜色直方图进行记录组成第一颜色直方图组；颜色直方图是在许多图像检索系统中被广泛采用的颜色特征。它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图特别适于描述那些难以进行自动分割的图像。
S33、根据预设变化方式，得到预设环境光的第二颜色变化时间点组和第二颜色直方图组；第二颜色变化时间点组包括：预设环境光每次颜色变化的第二颜色变化时间点；第二颜色直方图组包括：预设环境光每次颜色变化后的颜色的第二颜色直方图。
在本实施例中，同理，得到预设环境光的第二颜色变化时间点和预设环境光每次颜色变化后的颜色的第二颜色直方图组，由于，预设环境光是由用户进行设定，所以，本步骤中可以预先获取得到第二颜色变化时间点组和第二颜色直方图组。
S34、若第一颜色变化时间点组中的第一颜色变化时间点与第二颜色变化时间点组中的第二颜色变化时间点依次匹配，且第一颜色直方图组中的第一颜色直方图和第二颜色直方图组中的第二颜色直方图依次匹配；则变化特征与预设环境光的预设变化方式相似。
在本实施例中，当第一颜色变化时间点组和第二颜色变化时间点组中的各个时间点依次匹配时，则说明预设环境光的颜色变化时间和反射光的颜色变化时间均相匹配，而第一颜色直方图组和第二颜色直方图组中的颜色直方图依次匹配，则说明预设环境光每次颜色变化后，反射光的颜色也发生相匹配的颜色变化，此时，可以说明变化特征与预设环境光中的预设变化方式相似。
如图3所示，在本实施例中，第一颜色直方图组中的第一颜色直方图和第二颜色直方图组中的第二颜色直方图依次匹配，包括：
S341、针对第一颜色直方图中各个颜色的数值按大小进行排序，得到第一大小顺序。
S342、针对第二颜色直方图中各个颜色的数值按大小进行排序，得到第二大小顺序。
S343、若第一大小顺序与第二大小顺序相同，则第一颜色直方图和第二颜色直方图匹配。
在本实施例中，若是两个颜色直方图的颜色的排序得到的顺序相同，则认为两个颜色直方图匹配，比如，若本实施例中的颜色直方图是RGB直方图，在不同颜色情况下R、G、B、的数值是不一样的，但是其至少满足预设环境光为红色时，R通道的数值比B通道的数值更大，而光为蓝色时，B通道的数值比R通道的数值更大，所以，若第一大小顺序是R＞G＞B，第二大小顺序也是R＞G＞B，则第一大小顺序和第二大小顺序相同，此时，第一颜色直方图和第二颜色直方图匹配，若第一大小顺序是R＞G＞B，第二大小顺序是G＞B＞R，则第一大小顺序和第二大小顺序不相同，此时，第一颜色直方图和第二颜色直方图不匹配。
在本实施例中，第一颜色直方图组中的第一颜色直方图和第二颜色直方图组中的第二颜色直方图依次匹配，则需要两个颜色直方图组中的颜色直方图均满足上述大小顺序。
本发明实施例还提供了一种活体检测方法，与图1所示检测方法相比，区别在于，将变化特征与预设环境光的预设变化方式进行比对，判断变化特征与预设环境光的预设变化方式是否相似，包括如下步骤：
S41、若预设环境光的亮度以预设变化方式变化。
在本实施例中，预设环境光的亮度以预设变化方式变化，此时，本方案中不考虑其他因素的干扰。
S42、根据亮度的变化特征，得到眼球上的反射光的第一亮度变化时间点组和第一亮度组；第一亮度变化时间点组包括：反射光每次亮度变化的第一亮度变化时间点；第一亮度组包括：反射光每次亮度变化后的第一亮度。
在本实施例中，将亮度变化后的时间点进行记录组成第一亮度变化时间点组，将变化后的亮度进行记录组成第一亮度组。
S43、根据预设变化方式，得到预设环境光的第二亮度变化时间点组和第二亮度组；第二亮度变化时间点组包括：预设环境光每次亮度变化的第二亮度变化时间点；第二亮度组包括：预设环境光每次亮度变化后的第二亮度。
在本实施例中，同理，得到预设环境光的第二亮度变化时间点和预设环境光每次亮度变化后的亮度，由于，预设环境光是由用户进行设定，所以，本步骤中可以预先获取得到第二亮度变化时间点组和第二亮度组。
S44、若第一亮度变化时间点组中的第一亮度变化时间点与第二亮度变化时间点组中的第二亮度变化时间点依次匹配，且第一亮度组中的第一亮度和第二亮度组中的第二亮度的大小顺序相匹配；则变化特征与预设环境光的预设变化方式相似。
在本实施例中，当第一亮度变化时间点组和第二亮度变化时间点组中的各个时间点依次匹配时，则说明预设环境光的亮度变化时间和反射光的亮度变化时间均相匹配，而第一亮度组和第二亮度组中的亮度依次匹配，则说明预设环境光每次亮度变化后，反射光的亮度也发生相匹配的亮度变化，此时，可以说明变化特征与预设环境光的预设变化方式相似。
如图4所示，在本实施例中，第一亮度组中的第一亮度和第二亮度组中的第二亮度的大小顺序相匹配，包括如下步骤：
S441、针对第一亮度组中的第一亮度按大小进行排序，得到第五大小顺序。
S442、针对第二亮度组中的第二亮度按大小进行排序，得到第六大小顺序。
S443、若第五大小顺序与第六大小顺序相同，则第三亮度组中的第三亮度和第四亮度组中的第四亮度的大小顺序相匹配。
在本实施例中，由于预设环境光的亮度不可能与反射光的亮度完全一致，所以，在本实施例中，通过记录每次预设环境光亮度变化后的亮度和反射光亮度变化后的亮度，并分别进行排序得到大小顺序，当预设环境光的亮度的大小顺序与反射光的亮度的大小顺序相同，则可以判定变化特征与预设环境光的预设变化方式相似。
本发明实施例还提供了一种活体检测方法，与图1所示检测方法相比，区别在于，将变化特征与预设环境光的预设变化方式进行比对，判断变化特征与预设环境光的预设变化方式是否相似，包括如下步骤：
S51、若预设环境光的颜色和亮度以预设变化方式变化。
S52、根据颜色的变化特征，得到眼球上的反射光的第三颜色变化时间点组和第三颜色直方图组；第三颜色变化时间点组包括：反射光每次颜色变化的第三颜色变化时间点；第三颜色直方图组包括：反射光每次颜色变化后的颜色的第三颜色直方图。
在本实施例，参照步骤S32，得到第三颜色变化时间点组和第三颜色直方图组。
S53、根据亮度的变化特征，得到眼球上的反射光的第三亮度变化时间点组和第三亮度组；第三亮度变化时间点组包括：反射光每次亮度变化的第三亮度变化时间点；第三亮度组包括：反射光每次亮度变化后的第三亮度。
在本实施例，参照步骤S42，得到第三亮度变化时间点组和第三亮度组。
S54、根据预设变化方式，得到预设环境光的第四颜色变化时间点组和第四颜色直方图组；第四颜色变化时间点组包括：预设环境光每次颜色变化的第四颜色变化时间点；第四颜色直方图组包括：预设环境光每次颜色变化后的颜色的第四颜色直方图。
在本实施例，参照步骤S33，得到第四颜色变化时间点组和第四颜色直方图组。
S55、根据预设变化方式，得到预设环境光的第四亮度变化时间点组和第四亮度组；第四亮度变化时间点组包括：预设环境光每次亮度变化的第四亮度变化时间点；第四亮度组包括：预设环境光每次亮度变化后的第四亮度。
在本实施例，参照步骤S43，得到第四亮度变化时间点组和第四亮度组。
S56、若第三颜色变化时间点组中的第三颜色变化时间点与第四颜色变化时间点组中的第四颜色变化时间点依次匹配、第三颜色直方图组中的第三颜色直方图和第四颜色直方图组中的第四颜色直方图依次匹配、第三亮度变化时间点组中的第三亮度变化时间点与第四亮度变化时间点组中的第四亮度变化时间点依次匹配、且第三亮度组中的第三亮度和第四亮度组中的第四亮度的大小顺序相匹配；则变化特征与预设环境光的预设变化方式相似。
在本实施例中，由于预设环境光的颜色和亮度均以预设变化方式进行变化，所以，参照S34和S44，需要使得相关数据均相匹配，变化特征与预设环境光的预设变化方式相似。
在本实施例中，第三颜色直方图与第四颜色直方图相匹配的方法与图3所示实施例相同，本实施例对此不再赘述。
在本实施例中，第三亮度组与第四亮度组相匹配的方法与图4所示实施例相同，本实施例对此不再赘述。
如图5所示，本发明实施例提供了一种活体检测方法。参照图5，与图1所示活体检测方法相比，区别在于，将变化特征与预设环境光的预设变化方式进行比对，判断变化特征与预设环境光的预设变化方式是否相似，包括如下步骤：
S61、将变化特征与预设环境光的预设变化方式输入预先训练的检测模型。
S62、得到检测模型输出的变化特征与预设变化方式是否相似的识别结果。
在本实施例中，可以通过预先训练检测模型对获取到的反射光的变化特征和预设环境光的预设变化方式是否相识进行检测。
具体的，比如，可以通过卷积神经网络或者向量机等机器学习算法构建检测模型；输入样本变化特征和样本变化方式，其中，样本变化特征与样本变化方式是否相似的结果可以由用户输入；通过赝本变化特征和样本变化方式对检测模型进行训练，使得检测模型得出的样本变化特征和样本变化方式的预测结果与真实结果相同，或者误差小于一个预设范围，此时，即可得到训练完成的检测模型。
如图6所示，本发明实施例提供了一种活体检测装置，检测装置包括：第一获取单元11、第二获取单元12、第一处理单元13和第二处理单元14。
在本实施例中，第一获取单元11，用于获取被检测对象的人脸处于预设环境光的待检测视频图像；其中，预设环境光包括：光的颜色和/或亮度以预设变化方式变化的预设环境光。
在本实施例中，第二获取单元12，用于获取待检测视频图像中的人脸的眼睛位置。
在本实施例中，第一处理单元13，用于根据眼睛位置从待检测视频图像中获取眼球上的反射光的颜色与亮度的变化特征。
在本实施例中，第二处理单元14，用于将变化特征与预设环境光的预设变化方式进行比对，判断变化特征与预设环境光的预设变化方式是否相似；若变化特征与预设环境光的预设变化方式相似，则被检测对象为活体。
在本实施例中，检测装置还包括：光单元；
光单元，用于控制预设环境光的颜色按预设颜色组中预设颜色的顺序每间隔第一预设时长变化一次；和/或，预设环境光的亮度按预设亮度组中预设亮度的顺序每间隔第二预设时长变化一次；其中，预设颜色组中相邻的预设颜色的颜色不一致，预设亮度组中相邻的预设亮度的亮度不一致。
在本实施例中，第一处理单元13，具体用于根据眼睛位置，获取眼球上各个像素的颜色，将眼球的像素颜色均值随时间的变化曲线，作为第一变化特征；像素颜色均值为各个像素的颜色的平均值；根据眼睛位置，获取眼球上各个像素的亮度，将眼球的像素亮度均值随时间的变化曲线，作为第二变化特征；像素亮度均值为各个像素的亮度的平均值；将第一变化特征和第二变化特征作为颜色与亮度的变化特征。
在本实施例中，第二处理单元14，具体用于若预设环境光的颜色以预设变化方式变化；根据颜色的变化特征，得到眼球上的反射光的第一颜色变化时间点组和第一颜色直方图组；第一颜色变化时间点组包括：反射光每次颜色变化的第一颜色变化时间点；第一颜色直方图组包括：反射光每次颜色变化后的颜色的第一颜色直方图；根据预设变化方式，得到预设环境光的第二颜色变化时间点组和第二颜色直方图组；第二颜色变化时间点组包括：预设环境光每次颜色变化的第二颜色变化时间点；第二颜色直方图组包括：预设环境光每次颜色变化后的颜色的第二颜色直方图；若第一颜色变化时间点组中的第一颜色变化时间点与第二颜色变化时间点组中的第二颜色变化时间点依次匹配，且第一颜色直方图组中的第一颜色直方图和第二颜色直方图组中的第二颜色直方图依次匹配；则变化特征与预设环境光的预设变化方式相似。
在本实施例中，第二处理单元14，具体用于若预设环境光的亮度以预设变化方式变化；根据亮度的变化特征，得到眼球上的反射光的第一亮度变化时间点组和第一亮度组；第一亮度变化时间点组包括：反射光每次亮度变化的第一亮度变化时间点；第一亮度组包括：反射光每次亮度变化后的第一亮度；根据预设变化方式，得到预设环境光的第二亮度变化时间点组和第二亮度组；第二亮度变化时间点组包括：预设环境光每次亮度变化的第二亮度变化时间点；第二亮度组包括：预设环境光每次亮度变化后的第二亮度；若第一亮度变化时间点组中的第一亮度变化时间点与第二亮度变化时间点组中的第二亮度变化时间点依次匹配，且第一亮度组中的第一亮度和第二亮度组中的第二亮度的大小顺序相匹配；则变化特征与预设环境光的预设变化方式相似。
在本实施例中，第二处理单元14，具体用于若预设环境光的颜色和亮度以预设变化方式变化；根据颜色的变化特征，得到眼球上的反射光的第三颜色变化时间点组和第三颜色直方图组；第三颜色变化时间点组包括：反射光每次颜色变化的第三颜色变化时间点；第三颜色直方图组包括：反射光每次颜色变化后的颜色的第三颜色直方图；根据亮度的变化特征，得到眼球上的反射光的第三亮度变化时间点组和第三亮度组；第三亮度变化时间点组包括：反射光每次亮度变化的第三亮度变化时间点；第三亮度组包括：反射光每次亮度变化后的第三亮度；根据预设变化方式，得到预设环境光的第四颜色变化时间点组和第四颜色直方图组；第四颜色变化时间点组包括：预设环境光每次颜色变化的第四颜色变化时间点；第四颜色直方图组包括：预设环境光每次颜色变化后的颜色的第四颜色直方图；根据预设变化方式，得到预设环境光的第四亮度变化时间点组和第四亮度组；第四亮度变化时间点组包括：预设环境光每次亮度变化的第四亮度变化时间点；第四亮度组包括：预设环境光每次亮度变化后的第四亮度；若第三颜色变化时间点组中的第三颜色变化时间点与第四颜色变化时间点组中的第四颜色变化时间点依次匹配、第三颜色直方图组中的第三颜色直方图和第四颜色直方图组中的第四颜色直方图依次匹配、第三亮度变化时间点组中的第三亮度变化时间点与第四亮度变化时间点组中的第四亮度变化时间点依次匹配、且第三亮度组中的第三亮度和第四亮度组中的第四亮度的大小顺序相匹配；则变化特征与预设环境光的预设变化方式相似。
在本实施例中，第二处理单元14，具体用于针对第一颜色直方图中各个颜色的数值按大小进行排序，得到第一大小顺序；针对第二颜色直方图中各个颜色的数值按大小进行排序，得到第二大小顺序；若第一大小顺序与第二大小顺序相同，则第一颜色直方图和第二颜色直方图匹配。
在本实施例中，第二处理单元14，具体用于针对第三颜色直方图中各个颜色的数值按大小进行排序，得到第三大小顺序；针对第四颜色直方图中各个颜色的数值按大小进行排序，得到第四大小顺序；若第三大小顺序与第四大小顺序相同，则第三颜色直方图和第四颜色直方图匹配。
在本实施例中，第二处理单元14，具体用于针对第一亮度组中的第一亮度按大小进行排序，得到第五大小顺序；针对第二亮度组中的第二亮度按大小进行排序，得到第六大小顺序；若第五大小顺序与第六大小顺序相同，则第三亮度组中的第三亮度和第四亮度组中的第四亮度的大小顺序相匹配。
在本实施例中，第二处理单元14，具体用于针对第三亮度组中的第三亮度按大小进行排序，得到第七大小顺序；针对第四亮度组中的第四亮度按大小进行排序，得到第八大小顺序；若第七大小顺序与第八大小顺序相同，则第三亮度组中的第三亮度和第四亮度组中的第四亮度的大小顺序相匹配。
在本实施例中，第一处理单元13，具体用于根据像素颜色均值得到颜色直方图，将颜色直方图随时间的变化，作为第一变化特征。
在本实施例中，检测装置还包括：第三处理单元，具体用于根据眼睛位置，通过图像膨胀将眼睛位置的像素扩大。
在本实施例中，第二处理单元14，具体用于将变化特征与预设环境光的预设变化方式输入预先训练的检测模型；得到检测模型输出的变化特征与预设变化方式是否相似的识别结果。
如图7所示，本发明实施例提供了一种活体检测系统，包括处理器1110、通信接口1120、存储器1130和通信总线1140，其中，处理器1110，通信接口1120，存储器1130通过通信总线1140完成相互间的通信；
存储器1130，用于存放计算机程序；
处理器1110，用于执行存储器1130上所存放的程序时，实现如下所示的方法：
获取被检测对象的人脸处于预设环境光的待检测视频图像；其中，预设环境光包括：光的颜色和/或亮度以预设变化方式变化的预设环境光；
获取待检测视频图像中的人脸的眼睛位置；
根据眼睛位置从待检测视频图像中获取眼球上的反射光的颜色与亮度的变化特征；
将变化特征与预设环境光的预设变化方式进行比对，判断变化特征与预设环境光的预设变化方式是否相似；
若变化特征与预设环境光的预设变化方式相似，则被检测对象为活体。
本发明实施例提供的电子设备，处理器1110通过执行存储器1130上所存放的程序通过获取被检测对象的人脸处于预设环境光的待检测视频图像，并进一步获取待检测视频图像中眼球上的反射光的颜色与亮度的变化特征，通过确定反射光的变化特征与预设环境光的预设变化方式是否相似，判定被检测对象是否为活体，本方案通过捕捉用户眼球上反射的颜色与亮度变化并进行分析，从而实现人脸识别过程的活体验证。
上述电子设备提到的通信总线1140可以是外设部件互连标准(PeripheralComponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture，简称EISA)总线等。该通信总线1140可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口1120用于上述电子设备与其他设备之间的通信。
存储器1130可以包括随机存取存储器(RandomAccessMemory，简称RAM)，也可以包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。可选的，存储器1130还可以是至少一个位于远离前述处理器1110的存储装置。
上述的处理器1110可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例提供了计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述任一实施例的活体检测方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidStateDisk(SSD))等。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidStateDisk(SSD))等。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (12)

1.一种活体检测方法，其特征在于，所述检测方法包括：
获取被检测对象的人脸处于预设环境光的待检测视频图像；其中，所述预设环境光包括：光的颜色和/或亮度以预设变化方式变化的预设环境光；
获取所述待检测视频图像中的人脸的眼睛位置；
根据所述眼睛位置从所述待检测视频图像中获取眼球上的反射光的颜色与亮度的变化特征，包括：
根据所述眼睛位置，获取所述眼球上各个像素的颜色，将所述眼球的像素颜色均值随时间的变化曲线，作为第一变化特征；所述像素颜色均值为各个像素的颜色的平均值；
根据所述眼睛位置，获取所述眼球上各个像素的亮度，将所述眼球的像素亮度均值随时间的变化曲线，作为第二变化特征；所述像素亮度均值为各个像素的亮度的平均值；
将所述第一变化特征和所述第二变化特征作为所述颜色与亮度的变化特征；
将所述变化特征与所述预设环境光的预设变化方式进行比对，判断所述变化特征与所述预设环境光的预设变化方式是否相似；
若所述变化特征与所述预设环境光的预设变化方式相似，则所述被检测对象为活体。
2.根据权利要求1所述的活体检测方法，其特征在于，所述光的颜色和/或亮度以预设方式变化，具体包括：
所述预设环境光的颜色按预设颜色组中预设颜色的顺序每间隔第一预设时长变化一次；
和/或，所述预设环境光的亮度按预设亮度组中预设亮度的顺序每间隔第二预设时长变化一次；
其中，所述预设颜色组中相邻的预设颜色的颜色不一致，所述预设亮度组中相邻的预设亮度的亮度不一致。
3.根据权利要求1所述的活体检测方法，其特征在于，所述将所述变化特征与所述预设环境光的预设变化方式进行比对，判断所述变化特征与所述预设环境光的预设变化方式是否相似，包括：
若所述预设环境光的颜色以预设变化方式变化；
根据颜色的变化特征，得到所述眼球上的反射光的第一颜色变化时间点组和第一颜色直方图组；所述第一颜色变化时间点组包括：所述反射光每次颜色变化的第一颜色变化时间点；所述第一颜色直方图组包括：所述反射光每次颜色变化后的颜色的第一颜色直方图；
根据所述预设变化方式，得到所述预设环境光的第二颜色变化时间点组和第二颜色直方图组；所述第二颜色变化时间点组包括：所述预设环境光每次颜色变化的第二颜色变化时间点；所述第二颜色直方图组包括：所述预设环境光每次颜色变化后的颜色的第二颜色直方图；
若所述第一颜色变化时间点组中的所述第一颜色变化时间点与所述第二颜色变化时间点组中的所述第二颜色变化时间点依次匹配，且所述第一颜色直方图组中的第一颜色直方图和第二颜色直方图组中的第二颜色直方图依次匹配；则所述变化特征与所述预设环境光的预设变化方式相似；
或者，若所述预设环境光的亮度以预设变化方式变化；
根据亮度的变化特征，得到所述眼球上的反射光的第一亮度变化时间点组和第一亮度组；所述第一亮度变化时间点组包括：所述反射光每次亮度变化的第一亮度变化时间点；所述第一亮度组包括：所述反射光每次亮度变化后的第一亮度；
根据所述预设变化方式，得到所述预设环境光的第二亮度变化时间点组和第二亮度组；所述第二亮度变化时间点组包括：所述预设环境光每次亮度变化的第二亮度变化时间点；所述第二亮度组包括：所述预设环境光每次亮度变化后的第二亮度；
若所述第一亮度变化时间点组中的所述第一亮度变化时间点与所述第二亮度变化时间点组中的所述第二亮度变化时间点依次匹配，且所述第一亮度组中的第一亮度和第二亮度组中的第二亮度的大小顺序相匹配；则所述变化特征与所述预设环境光的预设变化方式相似；
或者，若所述预设环境光的颜色和亮度以预设变化方式变化；
根据颜色的变化特征，得到所述眼球上的反射光的第三颜色变化时间点组和第三颜色直方图组；所述第三颜色变化时间点组包括：所述反射光每次颜色变化的第三颜色变化时间点；所述第三颜色直方图组包括：所述反射光每次颜色变化后的颜色的第三颜色直方图；
根据亮度的变化特征，得到所述眼球上的反射光的第三亮度变化时间点组和第三亮度组；所述第三亮度变化时间点组包括：所述反射光每次亮度变化的第三亮度变化时间点；所述第三亮度组包括：所述反射光每次亮度变化后的第三亮度；
根据所述预设变化方式，得到所述预设环境光的第四颜色变化时间点组和第四颜色直方图组；所述第四颜色变化时间点组包括：所述预设环境光每次颜色变化的第四颜色变化时间点；所述第四颜色直方图组包括：所述预设环境光每次颜色变化后的颜色的第四颜色直方图；
根据所述预设变化方式，得到所述预设环境光的第四亮度变化时间点组和第四亮度组；所述第四亮度变化时间点组包括：所述预设环境光每次亮度变化的第四亮度变化时间点；所述第四亮度组包括：所述预设环境光每次亮度变化后的第四亮度；
若所述第三颜色变化时间点组中的所述第三颜色变化时间点与所述第四颜色变化时间点组中的所述第四颜色变化时间点依次匹配、所述第三颜色直方图组中的第三颜色直方图和第四颜色直方图组中的第四颜色直方图依次匹配、所述第三亮度变化时间点组中的所述第三亮度变化时间点与所述第四亮度变化时间点组中的所述第四亮度变化时间点依次匹配、且所述第三亮度组中的第三亮度和第四亮度组中的第四亮度的大小顺序相匹配；则所述变化特征与所述预设环境光的预设变化方式相似。
4.根据权利要求3所述的活体检测方法，其特征在于，所述活体检测方法，还包括：
针对所述第一颜色直方图中各个颜色的数值按大小进行排序，得到第一大小顺序；
针对所述第二颜色直方图中各个颜色的数值按大小进行排序，得到第二大小顺序；
若所述第一大小顺序与第二大小顺序相同，则所述第一颜色直方图和所述第二颜色直方图匹配；
所述活体检测方法，还包括：
针对所述第三颜色直方图中各个颜色的数值按大小进行排序，得到第三大小顺序；
针对所述第四颜色直方图中各个颜色的数值按大小进行排序，得到第四大小顺序；
若所述第三大小顺序与第四大小顺序相同，则所述第三颜色直方图和所述第四颜色直方图匹配。
5.根据权利要求3所述的活体检测方法，其特征在于，所述活体检测方法，还包括：
针对所述第一亮度组中的第一亮度按大小进行排序，得到第五大小顺序；
针对所述第二亮度组中的第二亮度按大小进行排序，得到第六大小顺序；
若所述第五大小顺序与第六大小顺序相同，则所述第三亮度组中的第三亮度和第四亮度组中的第四亮度的大小顺序相匹配；
所述活体检测方法，还包括：
针对所述第三亮度组中的第三亮度按大小进行排序，得到第七大小顺序；
针对所述第四亮度组中的第四亮度按大小进行排序，得到第八大小顺序；
若所述第七大小顺序与第八大小顺序相同，则所述第三亮度组中的第三亮度和第四亮度组中的第四亮度的大小顺序相匹配。
6.根据权利要求1所述的活体检测方法，其特征在于，所述将所述眼球的像素颜色均值随时间的变化曲线，作为所述第一变化特征，包括：
根据所述像素颜色均值得到颜色直方图，将所述颜色直方图随时间的变化，作为所述第一变化特征。
7.根据权利要求1所述的活体检测方法，其特征在于，所述根据所述眼睛位置从所述待检测视频图像中获取眼球上的反射光的颜色与亮度的变化特征之前，所述检测方法还包括：
根据所述眼睛位置，通过图像膨胀将所述眼睛位置的像素扩大。
8.根据权利要求1所述的活体检测方法，其特征在于，所述将所述变化特征与所述预设环境光的预设变化方式进行比对，判断所述变化特征与所述预设环境光的预设变化方式是否相似，包括：
将所述变化特征与所述预设环境光的预设变化方式输入预先训练的检测模型；
得到所述检测模型输出的所述变化特征与所述预设变化方式是否相似的识别结果。
9.根据权利要求1～8中任一项所述的活体检测方法，其特征在于，所述获取所述待检测视频图像中的人脸的眼睛位置，包括：
基于人脸识别算法，识别所述待检测视频图像中的人脸特征点；
根据所述人脸特征点得到所述待检测视频图像中的人脸的眼睛位置。
10.一种活体检测装置，其特征在于，所述检测装置包括：
第一获取单元，用于获取被检测对象的人脸处于预设环境光的待检测视频图像；其中，所述预设环境光包括：光的颜色和/或亮度以预设变化方式变化的预设环境光；
第二获取单元，用于获取所述待检测视频图像中的人脸的眼睛位置；
第一处理单元，用于根据所述眼睛位置从所述待检测视频图像中获取眼球上的反射光的颜色与亮度的变化特征，包括：根据所述眼睛位置，获取所述眼球上各个像素的颜色，将所述眼球的像素颜色均值随时间的变化曲线，作为第一变化特征；所述像素颜色均值为各个像素的颜色的平均值；根据所述眼睛位置，获取所述眼球上各个像素的亮度，将所述眼球的像素亮度均值随时间的变化曲线，作为第二变化特征；所述像素亮度均值为各个像素的亮度的平均值；将所述第一变化特征和所述第二变化特征作为所述颜色与亮度的变化特征；
第二处理单元，用于将所述变化特征与所述预设环境光的预设变化方式进行比对，判断所述变化特征与所述预设环境光的预设变化方式是否相似；若所述变化特征与所述预设环境光的预设变化方式相似，则所述被检测对象为活体。
11.一种活体检测系统，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1～9中任一所述的活体检测方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1～9中任一所述的活体检测方法。
CN202010597529.1A 2020-06-28 2020-06-28 一种活体检测方法、装置、系统及存储介质 Active CN111767829B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010597529.1A CN111767829B (zh) 2020-06-28 2020-06-28 一种活体检测方法、装置、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010597529.1A CN111767829B (zh) 2020-06-28 2020-06-28 一种活体检测方法、装置、系统及存储介质

Publications (2)

Publication Number Publication Date
CN111767829A CN111767829A (zh) 2020-10-13
CN111767829B true CN111767829B (zh) 2023-11-07

Family

ID=72722332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010597529.1A Active CN111767829B (zh) 2020-06-28 2020-06-28 一种活体检测方法、装置、系统及存储介质

Country Status (1)

Country Link
CN (1) CN111767829B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114596638A (zh) * 2020-11-30 2022-06-07 华为技术有限公司 人脸活体检测方法、装置及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016197389A1 (zh) * 2015-06-12 2016-12-15 北京释码大华科技有限公司 一种用于检测活体对象的方法、装置和移动终端
DE102016011992A1 (de) * 2016-09-30 2018-04-05 LÜTH & DÜMCHEN Automatisierungsprojekt GmbH Verfahren zur Lebenderkennung mittels Nachweis von planmäßig erzeugten Reflexionen im Auge einer Person für Vorrichtungen zur Erfassung personenspezifischer Daten
CN107886032A (zh) * 2016-09-30 2018-04-06 阿里巴巴集团控股有限公司 终端设备、智能手机、基于脸部识别的认证方法和系统
CN108021892A (zh) * 2017-12-06 2018-05-11 上海师范大学 一种基于极短视频的人脸活体检测方法
CN108537111A (zh) * 2018-02-26 2018-09-14 阿里巴巴集团控股有限公司 一种活体检测的方法、装置及设备
CN109657531A (zh) * 2018-09-18 2019-04-19 深圳先牛信息技术有限公司 一种基于眼球上光斑的人脸活体检测方法及检测装置
CN110516644A (zh) * 2019-08-30 2019-11-29 深圳前海微众银行股份有限公司 一种活体检测方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180336397A1 (en) * 2017-05-17 2018-11-22 Tandent Vision Science, Inc. Method for detecting a live face for access to an electronic device

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016197389A1 (zh) * 2015-06-12 2016-12-15 北京释码大华科技有限公司 一种用于检测活体对象的方法、装置和移动终端
DE102016011992A1 (de) * 2016-09-30 2018-04-05 LÜTH & DÜMCHEN Automatisierungsprojekt GmbH Verfahren zur Lebenderkennung mittels Nachweis von planmäßig erzeugten Reflexionen im Auge einer Person für Vorrichtungen zur Erfassung personenspezifischer Daten
CN107886032A (zh) * 2016-09-30 2018-04-06 阿里巴巴集团控股有限公司 终端设备、智能手机、基于脸部识别的认证方法和系统
CN108021892A (zh) * 2017-12-06 2018-05-11 上海师范大学 一种基于极短视频的人脸活体检测方法
CN108537111A (zh) * 2018-02-26 2018-09-14 阿里巴巴集团控股有限公司 一种活体检测的方法、装置及设备
CN109657531A (zh) * 2018-09-18 2019-04-19 深圳先牛信息技术有限公司 一种基于眼球上光斑的人脸活体检测方法及检测装置
CN110516644A (zh) * 2019-08-30 2019-11-29 深圳前海微众银行股份有限公司 一种活体检测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于Kinect的人脸眼部状态实时检测;朱真真;王伟;段晓东;王存睿;;大连民族学院学报(01);全文 *

Also Published As

Publication number Publication date
CN111767829A (zh) 2020-10-13

Similar Documents

Publication Publication Date Title
CN110543815B (zh) 人脸识别模型的训练方法、人脸识别方法、装置、设备及存储介质
KR102641115B1 (ko) 객체 검출을 위한 영상 처리 방법 및 장치
US11849998B2 (en) Method for pupil detection for cognitive monitoring, analysis, and biofeedback-based treatment and training
US8819015B2 (en) Object identification apparatus and method for identifying object
CN108269254B (zh) 图像质量评估方法和装置
US20230030267A1 (en) Method and apparatus for selecting face image, device, and storage medium
US10445590B2 (en) Image processing apparatus and method and monitoring system
CN110348385B (zh) 活体人脸识别方法和装置
CN107633237B (zh) 图像背景分割方法、装置、设备及介质
JP2007521572A (ja) フィーチャー認識のための装置及び方法
CN111598049B (zh) 作弊识别方法和装置、电子设备、以及介质
CN110059666B (zh) 一种注意力检测方法及装置
JP2013065119A (ja) 顔認証装置及び顔認証方法
CN114648354A (zh) 一种基于眼动追踪和情绪状态的广告测评方法和系统
CN110969045B (zh) 一种行为检测方法、装置、电子设备和存储介质
JP2020184331A (ja) ライブネス検査方法及び装置、顔認証方法及び装置
CN110568930A (zh) 注视点校准方法及相关设备
CN111027400A (zh) 一种活体检测方法及装置
CN111767829B (zh) 一种活体检测方法、装置、系统及存储介质
JP7446060B2 (ja) 情報処理装置、プログラム及び情報処理方法
CN111639582A (zh) 活体检测方法及设备
CN114387548A (zh) 视频及活体检测方法、系统、设备、存储介质及程序产品
Ashwinkumar et al. Deep learning based approach for facilitating online proctoring using transfer learning
CN111738043A (zh) 一种行人重识别方法及装置
CN116091963A (zh) 临床试验机构质量评估方法、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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Jingdong Technology Holding Co.,Ltd.

Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: Jingdong Digital Technology Holding Co.,Ltd.

Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Jingdong Digital Technology Holding Co.,Ltd.

Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd.

GR01 Patent grant
GR01 Patent grant