CN111860057A - 人脸图像模糊和活体检测方法、装置、存储介质及设备 - Google Patents

Abstract

本发明公开了一种人脸图像模糊和活体检测方法、装置、计算机可读存储介质及设备，属于人脸识别领域。该人脸图像模糊检测方法包括：按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点；计算预设帧数的人脸图像的相同位置的特征点的横坐标方差和纵坐标方差；根据所述横坐标方差和纵坐标方差判断人脸图像是否模糊；其中，若所述横坐标方差大于第一预设阈值且所述纵坐标方差大于第二预设阈值，则人脸图像模糊，否则，人脸图像不模糊。本发明能够很好的评价视频中人脸图像的模糊程度以及采集到较好的人脸图像，简单易用，准确率高，速度快，用户体验性好。

Description

人脸图像模糊和活体检测方法、装置、存储介质及设备

技术领域

本发明涉及人脸识别领域，特别是指一种人脸图像模糊和活体检测方法、装置、计算机可读存储介质及设备。

背景技术

当下随着智能手机等数字图像设备的普及，以及互联网服务的快速发展，图像已成为一种重要的传播媒介，人们每天都要接触大量的图像，如果图像的质量有了模糊、噪声、压缩失真等问题，会严重影响人们的视觉感官。

而在生物识别系统中，有研究指出：大部分的匹配错误都是由低质量的输入图像导致的，而高质量的图像会提高识别的精度。特别的，在人脸识别系统中，如果摄像头拍摄的人脸图像质量比较差，在进行人脸识别时会导致过多的识别失败、以致体验不好，所以必须保证采集的人脸图像有较好的质量。而影响人脸图像质量的主要因素是模糊。

现有的评价人脸模糊的方法有三种：基于边缘分析的方法、基于变换域的方法和基于像素统计信息的方法。其中，基于边缘分析的方法，一般是先计算图像的Sobel边缘或者Canny边缘，之后通过计算边缘像素的平均边缘宽度、边缘最大强度、平均强度以及边缘比率等信息来评价人脸的模糊程度。基于变换域的方法，主要是先将图像从空间域变换到频率域，基于在频率域中模糊图像的高频信息较少、低频较多的特点，这里的频率域变换有傅立叶变换、离散余弦变换或离散小波变换等，比如通过计算离散余弦变换后图像的8*8大小分块后,通过每一个块中非零系数的加权直方图来估计人脸的模糊程度。基于像素统计信息的方法，是基于图像像素的一些统计信息及其相对变化，比如通过计算图像协方差矩阵的某些特征值来估计人脸的模糊程度。

上面的基于边缘分析的方法、基于变换域和基于像素统计信息的评价方法都属于传统的评价方法，这里传统的方法是指基于一种手工设计的特征或数值来评估人脸的模糊程度，通常一种有效的手工特征需要经过很多实验以及改进。基于传统的评价方法，对于单一图像评价存在一定的误差，对于视频连续帧处理效率慢。

发明内容

为解决上述技术问题，本发明提供一种人脸图像模糊和活体检测方法、装置、存储介质及设备，本发明能够很好的评价视频中人脸图像的模糊程度以及采集到较好的人脸图像，简单易用，准确率高，速度快，用户体验性好。

本发明提供技术方案如下：

第一方面，本发明提供一种人脸图像模糊检测方法，所述方法包括：

按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点；

计算预设帧数的人脸图像的相同位置的特征点的横坐标方差和纵坐标方差；

根据所述横坐标方差和纵坐标方差判断人脸图像是否模糊；其中，若所述横坐标方差大于第一预设阈值且所述纵坐标方差大于第二预设阈值，则人脸图像模糊，否则，人脸图像不模糊。

进一步的，采集人脸图像时，提醒用户做出摇头、眨眼和/或点头动作；

当所述人脸图像不模糊时，所述人脸图像模糊检测方法还包括：

根据所述横坐标方差和纵坐标方差判断人脸图像是否来自活体；其中，若所述横坐标方差大于第三预设阈值且所述纵坐标方差小于第四预设阈值，或者所述横坐标方差小于第三预设阈值且所述纵坐标方差大于第四预设阈值，则人脸图像来自活体。

进一步的，所述按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点，包括：

读取摄像头采集的一帧人脸图像；

对该帧人脸图像进行人脸检测和特征点定位，得到预设数量的特征点的坐标；

将该帧人脸图像的特征点的坐标存储到先进先出链表存储器中；

判断先进先出链表存储器中存储的特征点的坐标对应的人脸图像的数量是否达到预设帧数，若是，则根据先进先出链表存储器中存储的人脸特征点的坐标计算相同位置的特征点的横坐标方差和纵坐标方差，若否，返回至所述读取摄像头采集的一帧人脸图像。

进一步的，所述特征点包括人脸图像中鼻子上的点。

进一步的，所述先进先出链表存储器达到预设容量时，将最先存入先进先出链表存储器中的人脸图像的特征点的坐标删除。

第二方面，本发明提供与第一方面的人脸图像模糊检测方法对应的一种人脸图像模糊检测装置，所述装置包括：

第一采集模块，用于按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点；

第一计算模块，用于计算预设帧数的人脸图像的相同位置的特征点的横坐标方差和纵坐标方差；

第一判断模块，用于根据所述横坐标方差和纵坐标方差判断人脸图像是否模糊；其中，若所述横坐标方差大于第一预设阈值且所述纵坐标方差大于第二预设阈值，则人脸图像模糊，否则，人脸图像不模糊。

进一步的，所述第一采集模块中采集人脸图像时，提醒用户做出摇头、眨眼和/或点头动作；

当所述人脸图像不模糊时，所述人脸图像模糊检测装置还包括：

第二判断模块，用于根据所述横坐标方差和纵坐标方差判断人脸图像是否来自活体；其中，若所述横坐标方差大于第三预设阈值且所述纵坐标方差小于第四预设阈值，或者所述横坐标方差小于第三预设阈值且所述纵坐标方差大于第四预设阈值，则人脸图像来自活体。

进一步的，所述第一采集模块包括：

第一读取单元，用于读取摄像头采集的一帧人脸图像；

第一检测和定位单元，用于对该帧人脸图像进行人脸检测和特征点定位，得到预设数量的特征点的坐标；

第一存储单元，用于将该帧人脸图像的特征点的坐标存储到先进先出链表存储器中；

第一判断单元，用于判断先进先出链表存储器中存储的特征点的坐标对应的人脸图像的数量是否达到预设帧数，若是，则根据先进先出链表存储器中存储的人脸特征点的坐标计算相同位置的特征点的横坐标方差和纵坐标方差，若否，返回至所述第一读取单元。

进一步的，所述特征点包括人脸图像中鼻子上的点。

进一步的，所述先进先出链表存储器达到预设容量时，将最先存入先进先出链表存储器中的人脸图像的特征点的坐标删除。

第三方面，本发明提供与第一方面的人脸图像模糊检测方法对应的一种用于人脸图像模糊检测的计算机可读存储介质，包括用于存储处理器可执行指令的存储器，所述可执行指令被所述处理器执行时实现包括第一方面所述的人脸图像模糊检测方法的步骤。

第四方面，本发明提供与第一方面的人脸图像模糊检测方法对应的一种用于人脸图像模糊检测的设备，其特征在于，包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述可执行指令时实现第一方面所述的人脸图像模糊检测方法的步骤。

第五方面，本发明提供一种人脸图像活体检测方法，所述方法包括：

按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点；其中，采集人脸图像时，提醒用户做出摇头、眨眼和/或点头动作；

计算预设帧数的人脸图像的相同位置的特征点的横坐标方差和纵坐标方差；

根据所述横坐标方差和纵坐标方差判断人脸图像是否来自活体；其中，若所述横坐标方差大于第三预设阈值且所述纵坐标方差小于第四预设阈值，或者所述横坐标方差小于第三预设阈值且所述纵坐标方差大于第四预设阈值，则人脸图像来自活体。

进一步的，所述按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点，包括：

读取摄像头采集的一帧人脸图像；

对该帧人脸图像进行人脸检测和特征点定位，得到预设数量的特征点的坐标；

将该帧人脸图像的特征点的坐标存储到先进先出链表存储器中；

判断先进先出链表存储器中存储的特征点的坐标对应的人脸图像的数量是否达到预设帧数，若是，则根据先进先出链表存储器中存储的人脸特征点的坐标计算相同位置的特征点的横坐标方差和纵坐标方差，若否，返回至所述读取摄像头采集的一帧人脸图像。

进一步的，所述特征点包括人脸图像中鼻子上的点。

进一步的，所述先进先出链表存储器达到预设容量时，将最先存入先进先出链表存储器中的人脸图像的特征点的坐标删除。

第六方面，本发明提供第五方面的人脸图像活体检测方法对应的一种人脸图像活体检测装置，所述装置包括：

第二采集模块，用于按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点；其中，采集人脸图像时，提醒用户做出摇头、眨眼和/或点头动作；

第二计算模块，用于计算预设帧数的人脸图像的相同位置的特征点的横坐标方差和纵坐标方差；

第三判断模块，用于根据所述横坐标方差和纵坐标方差判断人脸图像是否来自活体；其中，若所述横坐标方差大于第三预设阈值且所述纵坐标方差小于第四预设阈值，或者所述横坐标方差小于第三预设阈值且所述纵坐标方差大于第四预设阈值，则人脸图像来自活体。

进一步的，所述第二采集模块包括：

第二读取单元，用于读取摄像头采集的一帧人脸图像；

第二检测和定位单元，用于对该帧人脸图像进行人脸检测和特征点定位，得到预设数量的特征点的坐标；

第二存储单元，用于将该帧人脸图像的特征点的坐标存储到先进先出链表存储器中；

第二判断单元，用于判断先进先出链表存储器中存储的特征点的坐标对应的人脸图像的数量是否达到预设帧数，若是，则根据先进先出链表存储器中存储的人脸特征点的坐标计算相同位置的特征点的横坐标方差和纵坐标方差，若否，返回至所述第二读取单元。

进一步的，所述特征点包括人脸图像中鼻子上的点。

进一步的，所述先进先出链表存储器达到预设容量时，将最先存入先进先出链表存储器中的人脸图像的特征点的坐标删除。

第七方面，本发明提供与第五方面的人脸图像活体检测方法对应的一种用于人脸图像活体检测的计算机可读存储介质，包括用于存储处理器可执行指令的存储器，所述可执行指令被所述处理器执行时实现包括第五方面所述的人脸图像活体检测方法的步骤。

第八方面，本发明提供与第五方面的人脸图像活体检测方法对应的一种用于人脸图像活体检测的设备，其特征在于，包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述可执行指令时实现第五方面所述的人脸图像活体检测方法的步骤。

本发明具有以下有益效果：

本发明获取多帧人脸图像并定位出特征点坐标，根据多帧人脸图像的特征点坐标的方差值来判断视频中的人脸是否在晃动，进而根据人脸的晃动程度来判断人脸图像是否模糊。本发明通过方差衡量一组特征点坐标的离散程度，方差越大说明人晃动越厉害，图像越模糊，反之没在晃动，图像比较稳定，图像越清晰。并且本发明只需要计算多帧人脸图像的方差即可，处理速度快。本发明能够很好的评价视频中人脸图像的模糊程度以及采集到较好的人脸图像，简单易用，准确率高，速度快，用户体验性好。

附图说明

图1为本发明的人脸图像模糊检测方法一个示例的流程图；

图2为本发明的人脸图像模糊检测方法另一个示例的流程图；

图3为人脸68特征点示意图；

图4为本发明的人脸图像模糊检测装置一个示例的示意图；

图5为本发明的人脸图像模糊检测装置另一个示例的示意图；

图6为本发明的人脸图像活体检测方法的流程图；

图7为本发明的人脸图像活体检测方法的示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明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发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域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。

实施例1：

本发明实施提供了一种人脸图像模糊检测方法，如图1所示，该方法包括：

步骤S100：按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点。

本步骤用于按时间顺序实时采集连续多帧人脸图像，优选对视频进行解析，获得视频中的每一帧人脸图像。

本发明对特征点定位的方法不做限定。可以优选采用主动形状模型ASM(ActiveShape Model)进行特征点定位。该主动形状模型使用一系列训练样本图像，用一组特征点描述样本的形状信息，然后对所有样本在同一坐标系下对齐，利用主成分分析(PCA)建立物体的形状的统计学模型，最后利用建立的模型，通过一组参数来逼近当前需要匹配对象的形状，从而定位出目标物体。运用ASM能够实时完成对摄像头采集人脸图像特征点的定位，并且具有一定的鲁棒性。

在主动形状模型ASM建模过程中，需要定义好人脸特征点，考虑到在视频中，唇部和眼睛，眉毛的动作会相对较多，则在这些部位多定义特征点。通过大量手工标注好特征点的人脸图像样本训练出一个主动形状模型ASM，使用该主动形状模型ASM提取人脸特征点。

在提取人脸特征点过程中，为了防止ASM模型陷入局部最优，采用Adaboost方法提取出人脸的初始区域作为ASM搜索的初始区域，这样既能保证特征点提取的精确性，同时也提高了匹配的性能。针对提取的人脸特征点即可获取每个特征点对应的坐标值。

在本步骤中，所述人脸特征点可以是人脸图像中提取到的特征点中的一个或者多个，本发明对此不做限定。

步骤S200：计算预设帧数的人脸图像的相同位置的特征点的横坐标方差和纵坐标方差。

本发明通过多帧人脸图像判断人脸图像是否模糊，使用的人脸图像的数量可以预先设定(即预设帧数)。本发明在步骤S100中实时采集人脸图像，当采集的人脸图像达到预设帧数时，即使用这些人脸图像的特征点的坐标的方差来判断是否模糊。

例如，采集了N帧人脸图像，每帧人脸图像定位出了M个特征点，记为第一特征点、第二特征点、……、第M特征点。则计算N帧人脸图像的第一特征点(第二特征点、……、第M特征点)的横坐标方差和纵坐标方差，其中，第一特征点的横坐标方差的计算公式如下：

σ²表示第一特征点的横坐标方差，X表示每一帧图像中提取的第一特征点的横坐标，μ表示N帧人脸图像中第一特征点的横坐标的平均值，N表示预设帧数。

第一特征点的纵坐标方差的计算方法与横坐标方差的计算方法相同，第二特征点、……、第M特征点的横坐标方差和纵坐标方差的计算方法与第一特征点的横坐标方差和纵坐标方差的计算方法相同。

步骤S300：根据横坐标方差和纵坐标方差判断人脸图像是否模糊；其中，若横坐标方差大于第一预设阈值且纵坐标方差大于第二预设阈值，则人脸图像模糊，否则，人脸图像不模糊。

人脸模糊的原因之一通常由于拍摄时人脸的晃动等造成的。步骤S200得到的横坐标方差评价横向晃动的幅度，纵坐标方差值评价纵向晃动的幅度。横坐标方差和纵坐标方差越接近于0表示晃动程度越小，数值越大表示晃动程度越大，当X方向和Y方向的晃动程度均超过一定范围时，即认定人脸图像模糊。也就是说，如果特征点的横坐标方差大于第一预设阈值且纵坐标方差大于第二预设阈值(第一预设阈值和第二预设阈值可以相同也可以不同)，则判断采集的人脸图像模糊，此时可以提示用户正脸面对镜头，重新采集用户人脸图像，提取人脸特征点，重新进行前述的人脸图像模糊检测的步骤。如果特征点的横坐标方差小于第一预设阈值或纵坐标方差小于第二预设阈值时，则判断人脸不存在抖动，采集的图像较为清晰。当判断人脸不存在抖动时，使用前述采集的连续多帧人脸图像中的一帧人脸图像进行后续的人脸识别过程，优选的，使用最后采集的一帧人脸图像进行后续的人脸识别过程。

具体地，可以事先根据经验值在X方向和Y方向分别设定一定的阈值，例如：如果允许人脸模糊程度较大，可以将X方向和Y方向的阈值设为70，如果允许的人脸模糊程度较小，则可以将X方向和Y方向的阈值设为7，如果允许的人脸模糊程度一般，则可以将X方向和Y方向的阈值设为20-30。需要说明的是，此处模糊程度对应的阈值仅仅用于解释本发明，并不用于对本发明进行限定。

本发明获取多帧人脸图像并定位出特征点坐标，根据多帧人脸图像的特征点坐标的方差值来判断视频中的人脸是否在晃动，进而根据人脸的晃动程度来判断人脸图像是否模糊。本发明通过方差衡量一组特征点坐标的离散程度，方差越大说明人晃动越厉害，图像越模糊，反之没在晃动，图像比较稳定，图像越清晰。并且本发明只需要计算多帧人脸图像的方差即可，处理速度快。本发明能够很好的评价视频中人脸图像的模糊程度以及采集到较好的人脸图像，简单易用，准确率高，速度快，用户体验性好。

当人脸图像不模糊时，本发明还可以对人脸图像进行活体检测。要进行活体检测，步骤S100中采集人脸图像时，需要提醒用户做出摇头、眨眼和/或点头等动作。

如图2所示，活体检测方法包括：

步骤S400：根据横坐标方差和纵坐标方差判断人脸图像是否来自活体；其中，若横坐标方差大于第三预设阈值且纵坐标方差小于第四预设阈值，或者横坐标方差小于第三预设阈值且纵坐标方差大于第四预设阈值，则人脸图像来自活体。

当采用随机动作(摇头、眨眼和/或点头等)进行活体检测时，如果摄像头采集的人脸视频是真实的合法用户的人脸视频，则进行摇头、眨眼等操作时，真实的合法用户仅会在X方向或者Y方向存在波动，而不会同时在两个方向波动，因此，读取的帧图像中特征点的坐标值仅会在横坐标或者纵坐标的方向上的方差值大于阈值。如果摄像头采集的人脸视频是虚假使用者利用合法使用者的真实照片执行的摇头、眨眼等攻击操作，则由于非法使用者在模仿真实用户进行摇头、眨眼等操作时，通常会有大幅度的晃动才能模拟出真实合法使用者的动作，因此，在X方向方差和Y方向方差均会大于阈值。

也就是说，当横坐标方差大于第三预设阈值且纵坐标方差小于第四预设阈值，或者横坐标方差小于第三预设阈值且纵坐标方差大于第四预设阈值，则判断人脸图像来自活体，否则判断人脸图像来自假体攻击。

本发明是在人脸模糊检测通过(即判断人脸不模糊)后再进行人脸活体检测。因为当人脸模糊时，X方向方差和Y方向方差均会大于阈值，此时人脸活体检测肯定不能通过，因此，不能用来进行活体检测，可以提醒用户正脸面对摄像头，并发出摇头、眨眼等提示，重新采集用户人脸图像，重复执行上述步骤，进行人脸模糊的判断，直至判断人脸不模糊时进行活体检测。

本发明根据多帧人脸图像的特征点坐标的方差值来判断人脸图像是否来自活体，当仅在X方向或者Y方向的方差大于阈值时，说明人脸仅在X方向或Y方向动作，是真实的人脸，判断采集的图像来自活体。

作为本发明的一种改进，步骤S100包括：

步骤S110：读取摄像头采集的一帧人脸图像。

本步骤优选对视频进行解析，获得视频中的一帧人脸图像。

步骤S120：对该帧人脸图像进行人脸检测和特征点定位，得到预设数量的特征点的坐标。

本发明对人脸检测和特征点定位的方法不做限定，特征点定位的一个优选实施方式参见前述。

步骤S130：将该帧人脸图像的特征点的坐标存储到先进先出链表存储器中。

本发明使用先进先出链表存储器存储人脸图像的特征点坐标，当先进先出链表存储器中存储的人脸图像未达到预设帧数时，继续存入特征点坐标数据。

步骤S140：判断先进先出链表存储器中存储的特征点的坐标对应的人脸图像的数量是否达到预设帧数，若是，则根据先进先出链表存储器中存储的人脸特征点的坐标计算相同位置的特征点的横坐标方差和纵坐标方差，若否，返回至步骤S110，继续采集人脸图像并存入特征点坐标数据到链表存储器中。

先进先出链表存储器有预设容量，预设容量与人脸图像的预设帧数相同。每一帧采集到的人脸图像，提取到人脸特征点之后，都要将人脸特征点按照顺序存入链表存储器中。当链表存储器达到预设容量时，则计算链表存储器中存储的特征点坐标的方差，根据方差判断用户人脸图像是否模糊。并将最先存入先进先出链表存储器中的人脸图像的特征点的坐标删除。

以预设帧数为3帧来进行说明，采集第一帧人脸图像，提取人脸特征点，将第一帧图像的人脸特征点坐标存入链表存储器，采集第二帧人脸图像，提取人脸特征点，将第二帧图像的人脸特征点坐标插入到链表存储器中，采集第三帧人脸图像，提取人脸特征点，将第三帧图像的人脸特征点坐标存入链表存储器，此时链表存储器达到预设容量，采用链表存储器中存储的3帧数据计算统计值，并删掉最先存入链表存储器的第一帧人脸图像的特征点数据，之后根据统计值判断人脸是否晃动，如果不晃动，则进行活体检测；如果晃动，则提示用户正对摄像头，重新采集用户人脸图像，提取人脸图像的特征点，并将特征点坐标插入链表存储器中，此时链表存储器中存储的数据为当前帧人脸图像的特征点坐标，以及当前帧的前两帧人脸图像的特征点坐标，利用链表存储器中存储的这3帧人脸图像的特征点坐标计算统计值，根据统计值判断人脸是否抖动，如果不抖动，则进行活体检测。

本发明中，人脸特征点包括人脸眼睛、鼻子和嘴巴区域中的一个或几个区域的一个或者多个特征点。

如图3所示以提取到的特征点为68特征点为例来进行说明，由于人脸图像生的特征信息较多，特征点包括鼻子、眼睛、嘴巴、脸颊、眉毛等几个主要区域，每个区域又由多个特征点构成，因此提取的人脸特征信息较多。由于眼睛、鼻子、嘴巴三个区域分别位于人脸的上中下部，能够代表人脸的主要特征，且鼻子是人脸最突出的区域，当人脸发生晃动时，鼻子上的坐标点的变化最为显著，因此，优选人脸鼻子上的点作为特征点，例如：图3中点34作为特征点。或者，在本发明另一些实施例中，由于眼睛和鼻子区域分别是人脸最凹陷和最突出的区域，当人脸发生晃动时，眼睛和鼻子上的坐标点发生的变化较为显著，因此，可以选择人眼和鼻子上的点作为特征点，例如：图3中点38、点44和点34构成的三角形区域的点作为特征点；在本发明另一些实施例中，所述特征点还可以是人脸图像中提取到的其他特征点中的一个或者多个，本发明对此不做限定。

实施例2：

本发明实施例提供了与实施例1的人脸图像模糊检测方法对应的一种人脸图像模糊检测装置，如图4所示，该装置包括：

第一采集模块10，用于按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点。

第一计算模块20，用于计算预设帧数的人脸图像的相同位置的特征点的横坐标方差和纵坐标方差。

第一判断模块30，用于根据横坐标方差和纵坐标方差判断人脸图像是否模糊；其中，若横坐标方差大于第一预设阈值且纵坐标方差大于第二预设阈值，则人脸图像模糊，否则，人脸图像不模糊。

本发明获取多帧人脸图像并定位出特征点坐标，根据多帧人脸图像的特征点坐标的方差值来判断视频中的人脸是否在晃动，进而根据人脸的晃动程度来判断人脸图像是否模糊。本发明通过方差衡量一组特征点坐标的离散程度，方差越大说明人晃动越厉害，图像越模糊，反之没在晃动，图像比较稳定，图像越清晰。并且本发明只需要计算多帧人脸图像的方差即可，处理速度快。本发明能够很好的评价视频中人脸图像的模糊程度以及采集到较好的人脸图像，简单易用，准确率高，速度快，用户体验性好。

当人脸图像不模糊时，本发明还可以对人脸图像进行活体检测。此时，第一采集模块中采集人脸图像时，提醒用户做出摇头、眨眼和/或点头动作。如图5所示，人脸图像模糊检测装置还包括：

第二判断模块40，用于根据横坐标方差和纵坐标方差判断人脸图像是否来自活体；其中，若横坐标方差大于第三预设阈值且纵坐标方差小于第四预设阈值，或者横坐标方差小于第三预设阈值且纵坐标方差大于第四预设阈值，则人脸图像来自活体。

当采用随机动作(摇头、眨眼和/或点头等)进行活体检测时，如果摄像头采集的人脸视频是真实的合法用户的人脸视频，则进行摇头、眨眼等操作时，真实的合法用户仅会在X方向或者Y方向存在波动，而不会同时在两个方向波动，因此，读取的帧图像中特征点的坐标值仅会在横坐标或者纵坐标的方向上的方差值大于阈值。如果摄像头采集的人脸视频是虚假使用者利用合法使用者的真实照片执行的摇头、眨眼等攻击操作，则由于非法使用者在模仿真实用户进行摇头、眨眼等操作时，通常会有大幅度的晃动才能模拟出真实合法使用者的动作，因此，在X方向方差和Y方向方差均会大于阈值。

本发明是在人脸模糊检测通过(即判断人脸不模糊)后再进行人脸活体检测。因为当人脸模糊时，X方向方差和Y方向方差均会大于阈值，此时人脸活体检测肯定不能通过，因此，不能用来进行活体检测，可以提醒用户正脸面对摄像头，并发出摇头、眨眼等提示，重新采集用户人脸图像，重复执行上述各个模块，进行人脸模糊的判断，直至判断人脸不模糊时进行活体检测。

本发明根据多帧人脸图像的特征点坐标的方差值来判断人脸图像是否来自活体，当仅在X方向或者Y方向的方差大于阈值时，说明人脸仅在X方向或Y方向动作，是真实的人脸，判断采集的图像来自活体。

作为本发明的一种改进，第一采集模块包括：

第一读取单元，用于读取摄像头采集的一帧人脸图像。

第一检测和定位单元，用于对该帧人脸图像进行人脸检测和特征点定位，得到预设数量的特征点的坐标。

第一存储单元，用于将该帧人脸图像的特征点的坐标存储到先进先出链表存储器中。

第一判断单元，用于判断先进先出链表存储器中存储的特征点的坐标对应的人脸图像的数量是否达到预设帧数，若是，则根据先进先出链表存储器中存储的人脸特征点的坐标计算相同位置的特征点的横坐标方差和纵坐标方差，若否，返回至第一读取单元。

先进先出链表存储器有预设容量，预设容量与人脸图像的预设帧数相同。每一帧采集到的人脸图像，提取到人脸特征点之后，都要将人脸特征点按照顺序存入链表存储器中。当链表存储器达到预设容量时，则计算链表存储器中存储的特征点坐标的方差，根据方差判断用户人脸图像是否模糊。并将最先存入先进先出链表存储器中的人脸图像的特征点的坐标删除。

本发明中，人脸特征点包括人脸眼睛、鼻子和嘴巴区域中的一个或几个区域的一个或者多个特征点。

本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例1相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。

实施例3：

本说明书提供的上述实施例1所述的方法或实施例2所述的装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例1或实施例2所描述方案的效果。因此，本发明还提供用于人脸图像模糊检测的计算机可读存储介质，包括用于存储处理器可执行指令的存储器，可执行指令被处理器执行时实现包括实施例1的人脸图像模糊检测方法的步骤。

本发明获取多帧人脸图像并定位出特征点坐标，根据多帧人脸图像的特征点坐标的方差值来判断视频中的人脸是否在晃动，进而根据人脸的晃动程度来判断人脸图像是否模糊。本发明通过方差衡量一组特征点坐标的离散程度，方差越大说明人晃动越厉害，图像越模糊，反之没在晃动，图像比较稳定，图像越清晰。并且本发明只需要计算多帧人脸图像的方差即可，处理速度快。本发明能够很好的评价视频中人脸图像的模糊程度以及采集到较好的人脸图像，简单易用，准确率高，速度快，用户体验性好。

所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如RAM、ROM等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置如，CD或DVD。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。

上述所述的可读存储介质根据方法实施例1的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例1的描述，在此不作一一赘述。

实施例4：

本发明还提供一种用于人脸图像模糊检测的设备，所述的设备可以为单独的计算机，也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的实际操作装置等。所述用于人脸图像模糊检测的设备可以包括至少一个处理器以及存储计算机可执行指令的存储器，处理器执行所述指令时实现上述任意一个或者多个实施例1中所述人脸图像模糊检测方法的步骤。

本发明获取多帧人脸图像并定位出特征点坐标，根据多帧人脸图像的特征点坐标的方差值来判断视频中的人脸是否在晃动，进而根据人脸的晃动程度来判断人脸图像是否模糊。本发明通过方差衡量一组特征点坐标的离散程度，方差越大说明人晃动越厉害，图像越模糊，反之没在晃动，图像比较稳定，图像越清晰。并且本发明只需要计算多帧人脸图像的方差即可，处理速度快。本发明能够很好的评价视频中人脸图像的模糊程度以及采集到较好的人脸图像，简单易用，准确率高，速度快，用户体验性好。

上述所述的设备根据方法实施例1或装置实施例2的描述还可以包括其他的实施方式，具体的实现方式可以参照相关方法实施例1或装置实施例2的描述，在此不作一一赘述。

实施例5：

本发明实施提供了一种人脸图像活体检测方法，如图6所示，该方法包括：

步骤100’：按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点；其中，采集人脸图像时，提醒用户做出摇头、眨眼和/或点头动作。本发明实施例采集人脸图像的方法与实施例1的方法相同，只不过本实施例在采集时提醒用户做出摇头、眨眼和/或点头动作。

步骤200’：计算预设帧数的人脸图像的相同位置的特征点的横坐标方差和纵坐标方差。

本发明实施例的步骤200’与实施例1的步骤200相同，此处不再赘述。

步骤300’：根据横坐标方差和纵坐标方差判断人脸图像是否来自活体；其中，若横坐标方差大于第三预设阈值且纵坐标方差小于第四预设阈值，或者横坐标方差小于第三预设阈值且纵坐标方差大于第四预设阈值，则人脸图像来自活体。

本发明实施例用于对人脸图像进行活体检测。前述的实施例1中也包括活体检测的步骤，但是实施例1的活体检测是在人脸图像检测为不模糊后进行的，本实施例不进行模糊检测，直接进行活体检测。

当采用随机动作(摇头、眨眼和/或点头等)进行活体检测时，如果摄像头采集的人脸视频是真实的合法用户的人脸视频，则进行摇头、眨眼等操作时，真实的合法用户仅会在X方向或者Y方向存在波动，而不会同时在两个方向波动，因此，读取的帧图像中特征点的坐标值仅会在横坐标或者纵坐标的方向上的方差值大于阈值。如果摄像头采集的人脸视频是虚假使用者利用合法使用者的真实照片执行的摇头、眨眼等攻击操作，则由于非法使用者在模仿真实用户进行摇头、眨眼等操作时，通常会有大幅度的晃动才能模拟出真实合法使用者的动作，因此，在X方向方差和Y方向方差均会大于阈值。

本发明获取进行预设动作的多帧人脸图像并定位出特征点坐标，根据多帧人脸图像的特征点坐标的方差值来判断视频中的人脸是否只有一个方向上的波动，进而根据X方向和Y方向的波动来判断人脸图像是否来自活体。本发明通过方差衡量一组特征点坐标的离散程度，方差越大说明人脸晃动越厉害，反之没在晃动。并且本发明只需要计算多帧人脸图像的方差即可，处理速度快。本发明能够很好的评价视频中人脸图像的是否来自活体，简单易用，准确率高，速度快，用户体验性好。

作为本发明的一种改进，步骤S100’包括：

步骤S110’：读取摄像头采集的一帧人脸图像。本步骤优选对视频进行解析，获得视频中的一帧人脸图像。

步骤S120’：对该帧人脸图像进行人脸检测和特征点定位，得到预设数量的特征点的坐标。

本发明对人脸检测和特征点定位的方法不做限定，特征点定位的一个优选实施方式参见前述。

步骤S130’：将该帧人脸图像的特征点的坐标存储到先进先出链表存储器中。

本发明使用先进先出链表存储器存储人脸图像的特征点坐标，当先进先出链表存储器中存储的人脸图像未达到预设帧数时，继续存入特征点坐标数据。

步骤S140’：判断先进先出链表存储器中存储的特征点的坐标对应的人脸图像的数量是否达到预设帧数，若是，则根据先进先出链表存储器中存储的人脸特征点的坐标计算相同位置的特征点的横坐标方差和纵坐标方差，若否，返回至步骤S110’，继续采集人脸图像并存入特征点坐标数据到链表存储器中。

先进先出链表存储器有预设容量，预设容量与人脸图像的预设帧数相同。每一帧采集到的人脸图像，提取到人脸特征点之后，都要将人脸特征点按照顺序存入链表存储器中。当链表存储器达到预设容量时，则计算链表存储器中存储的特征点坐标的方差，根据方差判断用户人脸图像是否来自活体。并将最先存入先进先出链表存储器中的人脸图像的特征点的坐标删除。

以预设帧数为3帧来进行说明，采集第一帧人脸图像，提取人脸特征点，将第一帧图像的人脸特征点坐标存入链表存储器，采集第二帧人脸图像，提取人脸特征点，将第二帧图像的人脸特征点坐标插入到链表存储器中，采集第三帧人脸图像，提取人脸特征点，将第三帧图像的人脸特征点坐标存入链表存储器，此时链表存储器达到预设容量，采用链表存储器中存储的3帧数据计算统计值，并删掉最先存入链表存储器的第一帧人脸图像的特征点数据，之后根据统计值判断人脸是否来自活体，如果来自活体，则使用最新的人脸图像进行后续的人脸识别；如果来自非活体，则提示用户正对摄像头，重新采集用户人脸图像，提取人脸图像的特征点，并将特征点坐标插入链表存储器中，此时链表存储器中存储的数据为当前帧人脸图像的特征点坐标，以及当前帧的前两帧人脸图像的特征点坐标，利用链表存储器中存储的这3帧人脸图像的特征点坐标计算统计值，根据统计值判断人脸是否来自活体。

本发明中，人脸特征点包括人脸眼睛、鼻子和嘴巴区域中的一个或几个区域的一个或者多个特征点。

以提取到的特征点为68特征点为例来进行说明，由于人脸图像生的特征信息较多，特征点包括鼻子、眼睛、嘴巴、脸颊、眉毛等几个主要区域，每个区域又由多个特征点构成，因此提取的人脸特征信息较多。由于眼睛、鼻子、嘴巴三个区域分别位于人脸的上中下部，能够代表人脸的主要特征，且鼻子是人脸最突出的区域，当人脸发生晃动时，鼻子上的坐标点的变化最为显著，因此，优选人脸鼻子上的点作为特征点，例如：图3中点34作为特征点。或者，在本发明另一些实施例中，由于眼睛和鼻子区域分别是人脸最凹陷和最突出的区域，当人脸发生晃动时，眼睛和鼻子上的坐标点发生的变化较为显著，因此，可以选择人眼和鼻子上的点作为特征点，例如：图3中点38、点44和点34构成的三角形区域的点作为特征点；在本发明另一些实施例中，所述特征点还可以是人脸图像中提取到的其他特征点中的一个或者多个，本发明对此不做限定。

实施例6：

本发明实施例提供了与实施例5的人脸图像活体检测方法对应的一种人脸图像活体检测装置，如图7所示，该装置包括：

第二采集模块10’，用于按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点；其中，采集人脸图像时，提醒用户做出摇头、眨眼和/或点头动作。

第二计算模块20’，用于计算预设帧数的人脸图像的相同位置的特征点的横坐标方差和纵坐标方差。

第三判断模块30’，用于根据横坐标方差和纵坐标方差判断人脸图像是否来自活体；其中，若横坐标方差大于第三预设阈值且纵坐标方差小于第四预设阈值，或者横坐标方差小于第三预设阈值且纵坐标方差大于第四预设阈值，则人脸图像来自活体。

本发明获取进行预设动作的多帧人脸图像并定位出特征点坐标，根据多帧人脸图像的特征点坐标的方差值来判断视频中的人脸是否只有一个方向上的波动，进而根据X方向和Y方向的波动来判断人脸图像是否来自活体。本发明通过方差衡量一组特征点坐标的离散程度，方差越大说明人脸晃动越厉害，反之没在晃动。并且本发明只需要计算多帧人脸图像的方差即可，处理速度快。本发明能够很好的评价视频中人脸图像的是否来自活体，简单易用，准确率高，速度快，用户体验性好。

作为本发明的一种改进，第二采集模块包括：

第二读取单元，用于读取摄像头采集的一帧人脸图像。

第二检测和定位单元，用于对该帧人脸图像进行人脸检测和特征点定位，得到预设数量的特征点的坐标。

第二存储单元，用于将该帧人脸图像的特征点的坐标存储到先进先出链表存储器中。

第二判断单元，用于判断先进先出链表存储器中存储的特征点的坐标对应的人脸图像的数量是否达到预设帧数，若是，则根据先进先出链表存储器中存储的人脸特征点的坐标计算相同位置的特征点的横坐标方差和纵坐标方差，若否，返回至第二读取单元。

先进先出链表存储器有预设容量，预设容量与人脸图像的预设帧数相同。每一帧采集到的人脸图像，提取到人脸特征点之后，都要将人脸特征点按照顺序存入链表存储器中。当链表存储器达到预设容量时，则计算链表存储器中存储的特征点坐标的方差，根据方差判断用户人脸图像是否模糊。并将最先存入先进先出链表存储器中的人脸图像的特征点的坐标删除。

本发明中，人脸特征点包括人脸眼睛、鼻子和嘴巴区域中的一个或几个区域的一个或者多个特征点。

本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例5相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。

实施例7：

本说明书提供的上述实施例5所述的方法或实施例6所述的装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例5或实施例6所描述方案的效果。因此，本发明还提供用于人脸图像活体检测的计算机可读存储介质，包括用于存储处理器可执行指令的存储器，可执行指令被处理器执行时实现包括实施例1的人脸图像活体检测方法的步骤。

本发明获取进行预设动作的多帧人脸图像并定位出特征点坐标，根据多帧人脸图像的特征点坐标的方差值来判断视频中的人脸是否只有一个方向上的波动，进而根据X方向和Y方向的波动来判断人脸图像是否来自活体。本发明通过方差衡量一组特征点坐标的离散程度，方差越大说明人脸晃动越厉害，反之没在晃动。并且本发明只需要计算多帧人脸图像的方差即可，处理速度快。本发明能够很好的评价视频中人脸图像的是否来自活体，简单易用，准确率高，速度快，用户体验性好。

所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如RAM、ROM等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置如，CD或DVD。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。

上述所述的可读存储介质根据方法实施例5的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例5的描述，在此不作一一赘述。

实施例8：

本发明还提供一种用于人脸图像活体检测的设备，所述的设备可以为单独的计算机，也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的实际操作装置等。所述用于人脸图像活体检测的设备可以包括至少一个处理器以及存储计算机可执行指令的存储器，处理器执行所述指令时实现上述任意一个或者多个实施例5中所述人脸图像活体检测方法的步骤。

本发明获取进行预设动作的多帧人脸图像并定位出特征点坐标，根据多帧人脸图像的特征点坐标的方差值来判断视频中的人脸是否只有一个方向上的波动，进而根据X方向和Y方向的波动来判断人脸图像是否来自活体。本发明通过方差衡量一组特征点坐标的离散程度，方差越大说明人脸晃动越厉害，反之没在晃动。并且本发明只需要计算多帧人脸图像的方差即可，处理速度快。本发明能够很好的评价视频中人脸图像的是否来自活体，简单易用，准确率高，速度快，用户体验性好。

上述所述的设备根据方法实施例5或装置实施例6的描述还可以包括其他的实施方式，具体的实现方式可以参照相关方法实施例5或装置实施例6的描述，在此不作一一赘述。

需要说明的是，本说明书上述所述的装置或者系统根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照方法实施例的描述，在此不作一一赘述。本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类、存储介质+程序实施例而言，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。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个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，本说明书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。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述并不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (11)

1.一种人脸图像模糊检测方法，其特征在于，所述方法包括：

按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点；

计算预设帧数的人脸图像的相同位置的特征点的横坐标方差和纵坐标方差；

根据所述横坐标方差和纵坐标方差判断人脸图像是否模糊；其中，若所述横坐标方差大于第一预设阈值且所述纵坐标方差大于第二预设阈值，则人脸图像模糊，否则，人脸图像不模糊。

2.根据权利要求1所述的人脸图像模糊检测方法，其特征在于，采集人脸图像时，提醒用户做出摇头、眨眼和/或点头动作；

当所述人脸图像不模糊时，所述人脸图像模糊检测方法还包括：

根据所述横坐标方差和纵坐标方差判断人脸图像是否来自活体；其中，若所述横坐标方差大于第三预设阈值且所述纵坐标方差小于第四预设阈值，或者所述横坐标方差小于第三预设阈值且所述纵坐标方差大于第四预设阈值，则人脸图像来自活体。

3.根据权利要求1或2所述的人脸图像模糊检测方法，其特征在于，所述按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点，包括：

读取摄像头采集的一帧人脸图像；

对该帧人脸图像进行人脸检测和特征点定位，得到预设数量的特征点的坐标；

将该帧人脸图像的特征点的坐标存储到先进先出链表存储器中；

判断先进先出链表存储器中存储的特征点的坐标对应的人脸图像的数量是否达到预设帧数，若是，则根据先进先出链表存储器中存储的人脸特征点的坐标计算相同位置的特征点的横坐标方差和纵坐标方差，若否，返回至所述读取摄像头采集的一帧人脸图像。

4.根据权利要求3所述的人脸图像模糊检测方法，其特征在于，所述特征点包括人脸图像中鼻子上的点。

5.根据权利要求3所述的人脸图像模糊检测方法，其特征在于，所述先进先出链表存储器达到预设容量时，将最先存入先进先出链表存储器中的人脸图像的特征点的坐标删除。

6.一种人脸图像模糊检测装置，其特征在于，所述装置包括：

第一采集模块，用于按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点；

第一计算模块，用于计算预设帧数的人脸图像的相同位置的特征点的横坐标方差和纵坐标方差；

第一判断模块，用于根据所述横坐标方差和纵坐标方差判断人脸图像是否模糊；其中，若所述横坐标方差大于第一预设阈值且所述纵坐标方差大于第二预设阈值，则人脸图像模糊，否则，人脸图像不模糊。

7.根据权利要求6所述的人脸图像模糊检测装置，其特征在于，所述第一采集模块中采集人脸图像时，提醒用户做出摇头、眨眼和/或点头动作；

当所述人脸图像不模糊时，所述人脸图像模糊检测装置还包括：

第二判断模块，用于根据所述横坐标方差和纵坐标方差判断人脸图像是否来自活体；其中，若所述横坐标方差大于第三预设阈值且所述纵坐标方差小于第四预设阈值，或者所述横坐标方差小于第三预设阈值且所述纵坐标方差大于第四预设阈值，则人脸图像来自活体。

8.一种用于人脸图像模糊检测的计算机可读存储介质，其特征在于，包括用于存储处理器可执行指令的存储器，所述可执行指令被所述处理器执行时实现包括权利要求1-6任一所述人脸图像模糊检测方法的步骤。

9.一种用于人脸图像模糊检测的设备，其特征在于，包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述可执行指令时实现权利要求1-6中任意一项所述人脸图像模糊检测方法的步骤。

10.一种人脸图像活体检测方法，其特征在于，所述方法包括：

按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点；其中，采集人脸图像时，提醒用户做出摇头、眨眼和/或点头动作；

计算预设帧数的人脸图像的相同位置的特征点的横坐标方差和纵坐标方差；

根据所述横坐标方差和纵坐标方差判断人脸图像是否来自活体；其中，若所述横坐标方差大于第三预设阈值且所述纵坐标方差小于第四预设阈值，或者所述横坐标方差小于第三预设阈值且所述纵坐标方差大于第四预设阈值，则人脸图像来自活体。

11.一种人脸图像活体检测装置，其特征在于，所述装置包括：

第二采集模块，用于按时间顺序采集人脸图像，并在每帧人脸图像上定位出预设数量的特征点；其中，采集人脸图像时，提醒用户做出摇头、眨眼和/或点头动作；

第二计算模块，用于计算预设帧数的人脸图像的相同位置的特征点的横坐标方差和纵坐标方差；

第三判断模块，用于根据所述横坐标方差和纵坐标方差判断人脸图像是否来自活体；其中，若所述横坐标方差大于第三预设阈值且所述纵坐标方差小于第四预设阈值，或者所述横坐标方差小于第三预设阈值且所述纵坐标方差大于第四预设阈值，则人脸图像来自活体。

Images