CN111931544B - 活体检测的方法、装置、计算设备及计算机存储介质 - Google Patents
活体检测的方法、装置、计算设备及计算机存储介质 Download PDFInfo
- Publication number
- CN111931544B CN111931544B CN201910394977.9A CN201910394977A CN111931544B CN 111931544 B CN111931544 B CN 111931544B CN 201910394977 A CN201910394977 A CN 201910394977A CN 111931544 B CN111931544 B CN 111931544B
- Authority
- CN
- China
- Prior art keywords
- face
- user
- determining
- video
- flow field
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
- G06V40/176—Dynamic expression
-
- 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
Abstract
本发明实施例涉及活体检测技术领域,公开了一种活体检测的方法、装置、计算设备及计算机存储介质,该方法包括:获取用户的脸部视频;识别所述脸部视频中人脸是否为实体人脸;若不为所述实体人脸,则确定所述用户不为活体;若为所述实体人脸,识别所述脸部视频是否包含有所述用户的微表情;若包含有,则确定所述用户为活体。通过上述方式,本发明实施例既保证检测的准确性,又保证检测的效率。
Description
技术领域
本发明实施例涉及活体检测技术领域,具体涉及一种活体检测的方法、装置、计算设备及计算机存储介质。
背景技术
随着计算机视觉技术的发展,越来越多的认证系统使用人脸识别作为身份认证的手段,例如:电商开店的实名认证、电子支付的刷脸支付等等。而随着人脸识别技术应用的领域越来越广,不法分子对人脸识别系统攻击方式也越来越多,例如:照片攻击、播放视频攻击和3D面具攻击等等。而为了应对不法分子的人脸攻击,人脸识别系统一般会先对用户进行活体检测,当活体检测通过之后,再执行人脸识别。
在实现本发明实施例的过程中,发明人发现:目前,大多数人脸识别系统都是采用单一检测方式进行活体检测,例如:基于运动的活体分析算法、基于纹理的活体分析算法,单一检测方式不是检测复杂,用户等待时间过长,影响用户体验,就是检测精度不高,容易出错。
发明内容
鉴于上述问题,本发明实施例提供了一种活体检测的方法、装置、计算设备及计算机存储介质,克服了上述问题或者至少部分地解决了上述问题。
根据本发明实施例的一个方面,提供了一种活体检测的方法,所述方法包括:获取用户的脸部视频;识别所述脸部视频中人脸是否为实体人脸;若不为所述实体人脸,则确定所述用户不为活体;若为所述实体人脸,识别所述脸部视频是否包含有所述用户的微表情;若包含有,则确定所述用户为活体。
在一种可选的方式中,所述识别所述脸部视频中人脸是否为实体人脸,进一步包括:从所述脸部视频提取一帧图像;识别所述一帧图像中一脸部器官,并且定位所述一脸部器官的边界;获取所述边界中相邻的像素组;判断所述像素组的像素值的差值是否大于或者等于第一预设阈值;若是,则确定所述脸部视频中人脸为实体人脸;若否,则确定所述脸部视频中人脸不为实体人脸。
在一种可选的方式中,所述识别所述脸部视频是否包含有所述用户的微表情,进一步包括:获取所述脸部视频中各帧图像的眼部的参数;根据所述各帧图像的眼部的参数,判断所述眼部是否存在变化;若存在,则确定所述脸部视频包含有所述用户的微表情;若不存在,则确定所述脸部视频没包含有所述用户的微表情。
在一种可选的方式中,所述眼部的参数包括眼部的张合度,所述根据所述各帧图像的眼部的参数,判断所述眼部是否存在变化,进一步包括:判断所述各帧图像中眼部的张合度是否均相同;若否,则确定所述眼部存在变化;若是,则确定所述眼部不存在变化。
在一种可选的方式中,所述眼部的参数包括眼珠的位置,所述根据所述各帧图像的眼部的参数,判断所述眼部是否存在变化,进一步包括:判断所述各帧图像中眼部的位置是否均相同;若是,则确定所述眼部没有存在变化;若否,则确定所述眼部存在变化。
在一种可选的方式中,所述识别所述脸部视频是否包含有所述用户的微表情,进一步包括:获取同一所述脸部器官前后存在变化的两帧图像;分别获取所述两帧图像中所述脸部器官周边预设区域的第一光流场和第二光流场;计算所述第一光流场和第二光流场的相似度;判断所述相似度是否大于或者等于第二预设阈值;若是,则确定所述脸部视频没有包含有所述用户的微表情;若否,则确定所述脸部视频没有包含有所述用户的微表情。
在一种可选的方式中,所述计算所述第一光流场和第二光流场的相似度,进一步包括:获取所述第一光流场和第二光流场中特征参数相同的像素点的数量;根据所述特征参数相同的像素点的数量,以及,所述第一光流场和所述第二光流场中像素点的数量,计算所述第一光流场和第二光流场的相似度。
根据本发明实施例的另一方面,提供了一种活体检测的装置,包括:获取模块,用于获取用户的脸部视频;第一识别模块,用于识别所述脸部视频中人脸是否为实体人脸;第二识别模块,用于在所述第一识别模块识别到所述人脸为所述实体人脸时,识别所述脸部视频是否包含有所述用户的微表情;确定模块,用于在所述第二识别模块识别到所述脸部视频包含有所述用户的微表情时,确定所述用户为活体。
根据本发明实施例的又一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述方法对应的操作。
根据本发明实施例的还一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行上述方法对应的操作。
在本发明实施例中,先识别脸部视频中人脸是否实体人脸,当脸部视频中人脸不为实体人脸时,则直接确定用户不为活体,当为实体人脸时,再通过识别脸部视频是否包含有微表情的方式确定该用户是否为活体,而相比于识别脸部视频是否包含有微表情的识别算法,识别脸部视频中人脸是否为实体人脸的识别算法其复杂度更低、运行效率更高,优先运行复杂度更低、运行效率更高的识别算法进行活体排除,在无法排除时,再根据复杂度更高、运行效率更低的识别算法进行检测,既保证检测的准确性,又保证检测的效率。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
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,而并不认为是对本发明的限制。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示出了本发明活体检测的方法的应用环境的示意图;
图2示出了本发明活体检测则的方法实施例的流程图;
图3示出了本发明活体检测则的方法实施例中确定人脸是否为实体人脸的流程图;
图4示出了本发明活体检测则的方法实施例中确定人脸是否包含微表情的流程图;
图5示出了本发明活体检测则的方法实施例中根据光流场确定人脸是否包含微表情的流程图;
图6示出了本发明活体检测则的装置实施例示意图;
图7示出了本发明计算设备实施例示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明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发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
请参阅图1,图1示出了本发明活体检测的方法的应用环境的示意图,应用环境10包括服务器101和摄像头102。服务器101与摄像头102通信连接。摄像头102用于采集用户的脸部视频,并且将采集到的脸部视频发送至服务器101。服务器101根据脸部视频,识别位于摄像头102前方的用户是否活体,当为活体时,可对所述用户进行人脸识别。服务器101先识别摄像头102前方的用户是否活体,当为活体时,再可对所述用户进行人脸识别,可以很好地避免用户使用人脸图片、人脸模具等进行人脸欺骗的情况。
在一些实施例中,服务器101可选为云端集群服务器,云端集群服务器可根据不同业务需求,配置不同处理资源,云端集群服务器对业务的适应性更好,用户体验更好。
请参阅图2,图2示出了本发明活体检测的方法实施例的流程图,方法应用于上述服务器,具体包括:
步骤201:获取用户的脸部视频;
脸部视频是指包含用户的脸部的视频。其中,脸部视频可由摄像头采集到,例如:用户在摄像头前面,并且用户的脸部正对摄像头,摄像头采集用户的脸部视频。
步骤202:识别所述脸部视频中人脸是否为实体人脸,若为实体人脸,则执行步骤203,否则,执行步骤205;
实体人脸是指实实在在的人脸。实体人脸的表面不是平整的,实体人脸各个点,尤其是脸部器官,对光的反射率是不相同的,但是,脸部照片的表面是平整的,脸部照片对光的反射率是相同的,因此,脸部照片在摄像头中进行二次成像时,脸部照片中的脸部器官的边缘就会变得平滑化,但是,真实人脸在摄像头中进行成像时,脸部器官的边界具有明显的梯度特征差异,因此,可以根据脸部视频中用户的脸部器官的边界的梯度特征差异来判断脸部视频中人脸是否为实体人脸,如图3所示,步骤202又包括:
步骤2021:从所述脸部视频提取一帧图像;
该一帧图像是指脸部视频中的任意一帧的并且包含有用户脸部的图像。该一帧图像的格式可以为bmp、jpg、tiff、gif、pcx、tga、exif、fpx、svg、psd、cdr、pcd、dxf、ufo、eps、ai、raw任意一种。
步骤2022:识别所述一帧图像中脸部器官,并且定位所述脸部器官的边界;
对于从图像中识别脸部器官的算法可以采用现有技术实现,此处不作限定。而所识别的脸部器官可以为位于脸部的任意一种器官,例如:眼睛、鼻子、耳朵等。
步骤2023:获取所述边界中相邻的像素组的像素值;
步骤2024:判断所述像素组的像素值的差值是否大于或者等于第一预设阈值,若是,则执行步骤2025,否则,执行步骤2026;
当该像素组的像素值的差值大于或者等于第一预设阈值时,则说明脸部器官的边界具有的梯度特征差异,该一帧图像是通过采集实体人脸得到的。而对于第一预设阈值的具体数值不作限定,可以根据实际情况设定。
步骤2025:确定所述脸部图像中人脸为实体人脸;
步骤2026:确定所述脸部图像中人脸不为实体人脸。
可以理解的是:在另一些实施例,也可以从脸部器官中采集多个像素组,分别比较每一组像素的像素值的差值是否大于或者等于第一预设阈值,当差值大于或者等于第一预设阈值像素组的数量与所提取的像素组的总数的比例大于预设比例时,才确定为实体人脸,否则,确定不为实体人脸。
步骤203:识别所述脸部视频是否包含有所述用户的微表情,若包含有,则执行步骤204,否则确定所述用户不为活体;
步骤204:确定所述用户为活体;
活体是指用户为真实的活人。
步骤205:确定所述用户不为活体。
当用户使用人脸模具进行欺骗时,而人脸模具也是属于实体人脸,人脸模具的脸部器官在摄像头中成像时,其脸部器官的边界梯度特征差异也是很明显的,因此,仅仅通过实体人脸识别方式来甄别用户是否为活体时,容易出现错误,但是人脸模具通常不具有表情,尤其是微表情,因此,还可以对脸部视频上人脸的微表情进行识别,来判断用户是否活体,从而保证识别的准确性。
在本发明实施例中,当脸部视频中人脸不是实体人脸时,直接确定用户不为活体,当为实体人脸时,再通过微表情的方式确定用户是否为活体,而相比于通过微表情的方式确定用户是否为活体的算法,确定人脸是否为实体人脸的算法的复杂度更低、运行效率更高,优先运行复杂度更低、运行效率更高的识别算法进行非活体排除,在无法排除时,再根据复杂度更高、运行效率更低的识别算法进行检测,既保证检测的准确性,又保证检测的效率。
具体的,活人的眼睛通常是不断变化的,反而言之,可以通过识别脸部视频中用户的眼部的变化来确定用户是否具有微表情,具体的,如图4所示,步骤203识别所述脸部视频是否包含有所述用户的微表情,进一步包括:
步骤2031:获取所述脸部视频中各帧图像的眼部的参数;
步骤2032:根据所述各帧图像的眼部的参数,判断所述眼部是否存在变化,若是,则执行步骤2033,若否,则执行步骤2034;
在一些实施例中,可以通过眼部的张合度来确定眼部是否存在变化,则步骤2032又可以具体为:判断各帧图像中眼部的张合度是否均相同,若否,则确定所述眼部存在变化,若是,则确定所述眼部不存在变化。
在另一些实施例中,也可以根据眼珠的位置来确定眼部是否存在变化,则步骤2032又可以具体为:判断各帧图像中眼部的位置是否均相同,若是,则确定所述眼部没有存在变化,否则,则确定所述眼部存在变化。
值得说明的是:为了保证顺利采集到用户的微变情,在采集用户的脸部视频时,需要规定所采集的脸部视频的时长,例如:1分钟、3分钟等等。当规定的时长内,用户的脸部离开摄像头,则提示用户重新正对摄像头,重新采集。
步骤2033:确定脸部视频包含有所述用户的微表情。
步骤2034:确定所述脸部视频没包含有所述用户的微表情;
模拟人脸的眼睛是固定的,其在脸部视频中眼睛不会有变化的,反而言之,当脸部视频中的眼睛存在变化时,则可以确定摄像头所采集到人脸为真实人脸,否则为模拟人脸。
进一步,当活人的脸部器官在运动时,该脸部器官会拉扯其周边的脸部肌肉,造成周边肌肉跟随变化,因此,在一脸部器官出现变化时,可以检测其周边的的微变化来确定该用户是否存在微表情,则如图5所示,步骤203识别所述脸部视频是否包含有所述用户的微表情,进一步包括:
步骤2035:获取同一所述脸部器官前后存在变化的两帧图像;
同一所述脸部器官前后存在变化的两帧图像是指在该两帧图像中该脸部器官的形状的表现形式是不一样的,例如:该脸部器官为嘴部,在前一帧图像中该嘴部是闭合的,在后一帧图像中该嘴部是张开的,又或者,该脸部器官为眼部,在前一帧图像中该眼部是闭合的,在后一帧图像中该眼部是张开的,类似于眨眼动作。
步骤2036:分别获取所述两帧图像中所述脸部器官周边预设区域的第一光流场和第二光流场;
步骤2037:计算所述第一光流场和第二光流场的相似度;
在一些实施例中,计算第一光流场和第二光流场的相似度可以为:获取所述第一光流场和第二光流场中特征参数相同的像素点的数量,根据所述特征参数相同的像素点的数量,以及,所述第一光流场和所述第二光流场中像素点的数量,计算所述第一光流场和第二光流场的相似度,其计算公式如下:
K为特征参数相同的像素点的数量,L1为第一光流场的像素点,L2为第二光流场的像素点。
在另一些实施例中,也可以提取第一光流场和第二光流场中参数相同的像素点出现的频次,并且根据频次计算第一光流场和第二光流场的相似度。又或者,分别获取第一光流场的第一灰度共生矩阵,第二光流场的第二灰度共生矩阵,再提取第一灰度共生矩阵的熵、能量、相关度、对比度四个值作为特征,形成第一特征向量,以及,提取第二灰度共生矩阵的熵、能量、相关度、对比度四个值作为特征,形成第二特征向量,最后根据第一特征向量和第二特征向量计算相似度。
可以理解的是:在另一些实施例中,也可以获取该脸部器官前后存在变化的多帧图像,并且根据多帧图像中脸部器官周边预设区域的光流场的相似度来确定该用户是否存在微表情。
步骤2038:判断所述相似度是否大于或者等于第二预设阈值,若小于,则执行步骤2039,否则,执行步骤2040;
对于第二预设阈值的具体数值不作限定,可以根据实际情况设定。
步骤2039:确定所述脸部视频包含有所述用户的微表情;
步骤2040:确定所述脸部视频没有包含有所述用户的微表情;
当相大于或者等于第二预设阈值时,则说明在该脸部器官出现变化时,但是脸部器官对其周边的脸部肌肉没有任何拉扯,脸部器官对其周边没有呈现出微变化,没有具有微表情,此种情况主要是因为用户通过佩戴3D面具,并且进行检测时造成的,因此通过上述方式,可以检测用户佩戴面具进行人脸欺骗的情况。
值得说明的是:当用户佩戴3D面具进行检测时,用户眼睛的转动或眨眼依然是可以检测到的,但是,此时如果认为当前用户是真实活体,而进行人脸识别时,仍然会造成人脸识别错误的情况,因此,在一些实施例中,可以取消步骤2033,在步骤2032中根据所述各帧图像的眼部的参数,判断到所述眼部存在变化时,执行步骤2035至步骤2038,在步骤2038中判断到所述相似度大于或者等于第二预设阈值时,才确定所述脸部视频包含有所述用户的微表情。相比于通过光场确定用户是否为活体的算法,通过眼睛变化确定用户是否为活体的算法的复杂度更低、运行效率更高,因此,优先运行复杂度更低、运行效率更高的识别算法进行活体排除,在无法排除时,再根据复杂度更高、运行效率更低的识别算法进行检测,既保证微表情检测的准确性,又保证微表情检测的效率。
在本发明实施例中,先识别脸部视频中人脸是否实体人脸,当脸部视频中人脸不为实体人脸时,则直接确定用户不为活体,当为实体人脸时,再通过识别脸部视频是否包含有微表情的方式确定该用户是否为活体,而相比于识别脸部视频是否包含有微表情的识别算法,识别脸部视频中人脸是否为实体人脸的识别算法其复杂度更低、运行效率更高,优先运行复杂度更低、运行效率更高的识别算法进行活体排除,在无法排除时,再根据复杂度更高、运行效率更低的识别算法进行检测,既保证检测的准确性,又保证检测的效率。
本发明又提供活体检测的装置实施例。如图6所示,活体检测的装置包括获取模块401、第一识别模块402、第二识别模块403和确定模块404。
获取模块401,用于获取用户的脸部视频。第一识别模块402,用于识别所述脸部视频中人脸是否为实体人脸。第一确定模块405,用于在所述第一识别模块402识别到所述人脸不为所述实体人脸时,确定所述用户不为活体。第二识别模块403,用于在所述第一识别模块402识别到所述人脸为所述实体人脸时,识别所述脸部视频是否包含有所述用户的微表情。第二确定模块404,用于在所述第二识别模块403识别到所述脸部视频包含有所述用户的微表情时,确定所述用户为活体。
在一些实施例中,第一识别模块402又可以具体用于:从所述脸部视频提取一帧图像,识别所述一帧图像中一脸部器官,并且定位所述一脸部器官的边界,获取所述边界中相邻的像素组,判断所述像素组的像素值的差值是否大于或者等于第一预设阈值,若是,则确定所述脸部视频中人脸为实体人脸,若否,则确定所述脸部视频中人脸不为实体人脸。
在一些实施例中,第二识别模块403具体用于获取所述脸部视频中各帧图像的眼部的参数,根据所述各帧图像的眼部的参数,判断所述眼部是否存在变化,若存在,则确定所述脸部视频包含有所述用户的微表情,若不存在,则确定所述脸部视频没包含有所述用户的微表情。
在一些实施例中,眼部的参数包括眼部的张合度,第二识别模块403根据所述各帧图像的眼部的参数,判断所述眼部是否存在变化又可以具体为:判断所述各帧图像中眼部的张合度是否均相同;若否,则确定所述眼部存在变化;若是,则确定所述眼部不存在变化。
在一些实施例中,所述眼部的参数包括眼珠的位置,所述根据所述各帧图像的眼部的参数,判断所述眼部是否存在变化,进一步包括:判断所述各帧图像中眼部的位置是否均相同;若是,则确定所述眼部没有存在变化;若否,则确定所述眼部存在变化。
在一些实施例中,第二识别模块403又可具体用于获取同一所述脸部器官前后存在变化的两帧图像;分别获取所述两帧图像中所述脸部器官周边预设区域的第一光流场和第二光流场;计算所述第一光流场和第二光流场的相似度;判断所述相似度是否大于或者等于第二预设阈值;若是,则确定所述脸部视频没有包含有所述用户的微表情;若否,则确定所述脸部视频没有包含有所述用户的微表情。其中,计算所述第一光流场和第二光流场的相似度,进一步包括:获取所述第一光流场和第二光流场中特征参数相同的像素点的数量;根据所述特征参数相同的像素点的数量,以及,所述第一光流场和所述第二光流场中像素点的数量,计算所述第一光流场和第二光流场的相似度。
在本发明实施例中,第一识别模块402识别脸部视频中人脸是否实体人脸,当脸部视频中人脸不为实体人脸时,则直接确定用户不为活体,当为实体人脸时,再通过第二识别模块识别脸部视频是否包含有微表情的方式确定该用户是否为活体,而相比于识别脸部视频是否包含有微表情的识别算法,识别脸部视频中人脸是否为实体人脸的识别算法其复杂度更低、运行效率更高,优先运行复杂度更低、运行效率更高的识别算法进行活体排除,在无法排除时,再根据复杂度更高、运行效率更低的识别算法进行检测,既保证检测的准确性,又保证检测的效率。
本发明实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的活体检测的方法的操作。
本发明实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的活体检测的方法的操作。
图7示出了本发明计算设备实施例的结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图7所示,该计算设备可以包括:处理器(processor)502、通信接口(Communications Interface)504、存储器(memory)506、以及通信总线508。
其中:处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。通信接口504,用于与其它设备比如客户端或其它服务器等的网元通信。处理器502,用于执行程序510,具体可以执行上述用于计算设备的图形绘制方法实施例中的相关步骤。
具体地,程序510可以包括程序代码,该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器506,用于存放程序510。存储器506可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行以下操作:
获取用户的脸部视频;
识别所述脸部视频中人脸是否为实体人脸;
若不为所述实体人脸,则确定所述用户不为活体;
若为所述实体人脸,识别所述脸部视频是否包含有所述用户的微表情;
若包含有,则确定所述用户为活体。
在一种可选的方式中,所述程序510使所述处理器执行识别所述脸部视频中人脸是否为实体人脸的操作包括:
从所述脸部视频提取一帧图像;
识别所述一帧图像中一脸部器官,并且定位所述一脸部器官的边界;
获取所述边界中相邻的像素组;
判断所述像素组的像素值的差值是否大于或者等于第一预设阈值;
若是,则确定所述脸部视频中人脸为实体人脸;
若否,则确定所述脸部视频中人脸不为实体人脸
在一种可选的方式中,所述程序510使所述处理器执行识别所述脸部视频是否包含有所述用户的微表情的操作,包括:
获取所述脸部视频中各帧图像的眼部的参数;
根据所述各帧图像的眼部的参数,判断所述眼部是否存在变化;
若存在,则确定所述脸部视频包含有所述用户的微表情;
若不存在,则确定所述脸部视频没包含有所述用户的微表情。
在一种可选的方式中,所述眼部的参数包括眼部的张合度,所述程序510使所述处理器执行根据所述各帧图像的眼部的参数,判断所述眼部是否存在变化的操作,包括:判断所述各帧图像中眼部的张合度是否均相同,若否,则确定所述眼部存在变化,若是,则确定所述眼部不存在变化。
在一种可选的方式中,所述眼部的参数包括眼珠的位置,所述程序510使所述处理器执行根据所述各帧图像的眼部的参数,判断所述眼部是否存在变化的操作包括:判断所述各帧图像中眼部的位置是否均相同,若是,则确定所述眼部没有存在变化,若否,则确定所述眼部存在变化。
在一种可选的方式中,所述程序510使所述处理器执行识别所述脸部视频是否包含有所述用户的微表情的操作包括:
获取同一所述脸部器官前后存在变化的两帧图像;
分别获取所述两帧图像中所述脸部器官周边预设区域的第一光流场和第二光流场;
计算所述第一光流场和第二光流场的相似度;
判断所述相似度是否大于或者等于第二预设阈值;
若是,则确定所述脸部视频没有包含有所述用户的微表情;
若否,则确定所述脸部视频没有包含有所述用户的微表情。
在一种可选的方式中,所述程序510使所述处理器执行计算所述第一光流场和第二光流场的相似度的操作包括:
获取所述第一光流场和第二光流场中特征参数相同的像素点的数量;
根据所述特征参数相同的像素点的数量,以及,所述第一光流场和所述第二光流场中像素点的数量,计算所述第一光流场和第二光流场的相似度
在本发明实施例中,先识别脸部视频中人脸是否实体人脸,当脸部视频中人脸不为实体人脸时,则直接确定用户不为活体,当为实体人脸时,再识别脸部视频是否包含有微表情的方式确定该用户是否为活体,而相比于识别脸部视频是否包含有微表情的识别算法,识别脸部视频中人脸是否为实体人脸的识别算法其复杂度更低、运行效率更高,优先运行复杂度更低、运行效率更高的识别算法进行活体排除,在无法排除时,再根据复杂度更高、运行效率更低的识别算法进行检测,既保证检测的准确性,又保证检测的效率。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例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发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
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,本发明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,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例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:即所要求保护的本发明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,发明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发明的单独实施例。
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发明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。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,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。本发明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。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (9)
1.一种活体检测的方法,其特征在于,所述方法包括:
获取用户的脸部视频;
识别所述脸部视频中人脸是否为实体人脸;
若不为所述实体人脸,则确定所述用户不为活体;
若为所述实体人脸,识别所述脸部视频是否包含有所述用户的微表情;所述识别所述脸部视频是否包含有所述用户的微表情,包括:
获取同一所述脸部器官前后存在变化的两帧图像;
分别获取所述两帧图像中所述脸部器官周边预设区域的第一光流场和第二光流场;
计算所述第一光流场和第二光流场的相似度;
判断所述相似度是否大于或者等于第二预设阈值;
若是,则确定所述脸部视频没有包含有所述用户的微表情;
若否,则确定所述脸部视频没有包含有所述用户的微表情;
若包含有,则确定所述用户为活体。
2.根据权利要求1所述的方法,其特征在于,所述识别所述脸部视频中人脸是否为实体人脸,进一步包括:
从所述脸部视频提取一帧图像;
识别所述一帧图像中一脸部器官,并且定位所述一脸部器官的边界;
获取所述边界中相邻的像素组;
判断所述像素组的像素值的差值是否大于或者等于第一预设阈值;
若是,则确定所述脸部视频中人脸为实体人脸;
若否,则确定所述脸部视频中人脸不为实体人脸。
3.根据权利要求1所述的方法,其特征在于,所述识别所述脸部视频是否包含有所述用户的微表情,进一步包括:
获取所述脸部视频中各帧图像的眼部的参数;
根据所述各帧图像的眼部的参数,判断所述眼部是否存在变化;
若存在,则确定所述脸部视频包含有所述用户的微表情;
若不存在,则确定所述脸部视频没包含有所述用户的微表情。
4.根据权利要求3所述的方法,其特征在于,
所述眼部的参数包括眼部的张合度,所述根据所述各帧图像的眼部的参数,判断所述眼部是否存在变化,进一步包括:
判断所述各帧图像中眼部的张合度是否均相同;
若否,则确定所述眼部存在变化;
若是,则确定所述眼部不存在变化。
5.根据权利要求3所述的方法,其特征在于,
所述眼部的参数包括眼珠的位置,所述根据所述各帧图像的眼部的参数,判断所述眼部是否存在变化,进一步包括:
判断所述各帧图像中眼部的位置是否均相同;
若是,则确定所述眼部没有存在变化;
若否,则确定所述眼部存在变化。
6.根据权利要求1所述的方法,其特征在于,所述计算所述第一光流场和第二光流场的相似度,进一步包括:
获取所述第一光流场和第二光流场中特征参数相同的像素点的数量;
根据所述特征参数相同的像素点的数量,以及,所述第一光流场和所述第二光流场中像素点的数量,计算所述第一光流场和第二光流场的相似度。
7.一种活体检测的装置,其特征在于,所述装置包括:
获取模块,用于获取用户的脸部视频;
第一识别模块,用于识别所述脸部视频中人脸是否为实体人脸;
第一确定模块,用于在所述第一识别模块识别到所述人脸不为所述实体人脸时,确定所述用户不为活体;
第二识别模块,用于在所述第一识别模块识别到所述人脸为所述实体人脸时,识别所述脸部视频是否包含有所述用户的微表情;所述识别所述脸部视频是否包含有所述用户的微表情,包括:
获取同一所述脸部器官前后存在变化的两帧图像;
分别获取所述两帧图像中所述脸部器官周边预设区域的第一光流场和第二光流场;
计算所述第一光流场和第二光流场的相似度;
判断所述相似度是否大于或者等于第二预设阈值;
若是,则确定所述脸部视频没有包含有所述用户的微表情;
若否,则确定所述脸部视频没有包含有所述用户的微表情;
第二确定模块,用于在所述第二识别模块识别到所述脸部视频包含有所述用户的微表情时,确定所述用户为活体。
8.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-6中任意一项所述方法对应的操作。
9.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-6中任意一项所述方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910394977.9A CN111931544B (zh) | 2019-05-13 | 2019-05-13 | 活体检测的方法、装置、计算设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910394977.9A CN111931544B (zh) | 2019-05-13 | 2019-05-13 | 活体检测的方法、装置、计算设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111931544A CN111931544A (zh) | 2020-11-13 |
CN111931544B true CN111931544B (zh) | 2022-11-15 |
Family
ID=73282915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910394977.9A Active CN111931544B (zh) | 2019-05-13 | 2019-05-13 | 活体检测的方法、装置、计算设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111931544B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990113A (zh) * | 2021-04-20 | 2021-06-18 | 北京远鉴信息技术有限公司 | 一种基于人脸面部表情的活体检测方法、装置及电子设备 |
CN114863515A (zh) * | 2022-04-18 | 2022-08-05 | 厦门大学 | 基于微表情语义的人脸活体检测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886301A (zh) * | 2014-03-28 | 2014-06-25 | 中国科学院自动化研究所 | 一种人脸活体检测方法 |
CN104361326A (zh) * | 2014-11-18 | 2015-02-18 | 新开普电子股份有限公司 | 一种判别活体人脸的方法 |
CN108124486A (zh) * | 2017-12-28 | 2018-06-05 | 深圳前海达闼云端智能科技有限公司 | 基于云端的人脸活体检测方法、电子设备和程序产品 |
CN108537131A (zh) * | 2018-03-15 | 2018-09-14 | 中山大学 | 一种基于人脸特征点和光流场的人脸识别活体检测方法 |
-
2019
- 2019-05-13 CN CN201910394977.9A patent/CN111931544B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886301A (zh) * | 2014-03-28 | 2014-06-25 | 中国科学院自动化研究所 | 一种人脸活体检测方法 |
CN104361326A (zh) * | 2014-11-18 | 2015-02-18 | 新开普电子股份有限公司 | 一种判别活体人脸的方法 |
CN108124486A (zh) * | 2017-12-28 | 2018-06-05 | 深圳前海达闼云端智能科技有限公司 | 基于云端的人脸活体检测方法、电子设备和程序产品 |
CN108537131A (zh) * | 2018-03-15 | 2018-09-14 | 中山大学 | 一种基于人脸特征点和光流场的人脸识别活体检测方法 |
Non-Patent Citations (1)
Title |
---|
基于梯度方向直方图的人脸活体检测方法;孔月萍等;《激光与光电子学进展》;20171020(第03期);摘要 * |
Also Published As
Publication number | Publication date |
---|---|
CN111931544A (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102319177B1 (ko) | 이미지 내의 객체 자세를 결정하는 방법 및 장치, 장비, 및 저장 매체 | |
WO2018166525A1 (zh) | 人脸防伪检测方法和系统、电子设备、程序和介质 | |
TW202006602A (zh) | 三維臉部活體檢測方法、臉部認證識別方法及裝置 | |
EP3287943A1 (en) | Liveness test method and liveness test computing apparatus | |
CN105740780B (zh) | 人脸活体检测的方法和装置 | |
WO2020199577A1 (zh) | 活体检测方法和装置、设备和存储介质 | |
CN107590430A (zh) | 活体检测方法、装置、设备及存储介质 | |
CN111626163B (zh) | 一种人脸活体检测方法、装置及计算机设备 | |
CN112052831A (zh) | 人脸检测的方法、装置和计算机存储介质 | |
CN108416291B (zh) | 人脸检测识别方法、装置和系统 | |
CN111783629B (zh) | 一种面向对抗样本攻击的人脸活体检测方法及装置 | |
CN108388889B (zh) | 用于分析人脸图像的方法和装置 | |
CN111931544B (zh) | 活体检测的方法、装置、计算设备及计算机存储介质 | |
CN115240280A (zh) | 人脸活体检测分类模型的构建方法、检测分类方法及装置 | |
CN110276314A (zh) | 人脸识别方法及人脸识别摄像机 | |
CN112633217A (zh) | 基于三维眼球模型计算视线方向的人脸识别活体检测方法 | |
Nikitin et al. | Face anti-spoofing with joint spoofing medium detection and eye blinking analysis | |
CN111860057A (zh) | 人脸图像模糊和活体检测方法、装置、存储介质及设备 | |
CN113298158A (zh) | 数据检测方法、装置、设备及存储介质 | |
CN113807237B (zh) | 活体检测模型的训练、活体检测方法、计算机设备及介质 | |
CN113723310B (zh) | 基于神经网络的图像识别方法及相关装置 | |
CN110580451A (zh) | 一种基于三维优化子曲面的人脸识别方法及系统 | |
CN113221909B (zh) | 图像处理方法、装置及计算机可读存储介质 | |
Mohammed et al. | Performance Evolution Ear Biometrics Based on Features from Accelerated Segment Test | |
CN112766065A (zh) | 一种移动端考生身份认证方法、装置、终端及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |