CN112016348A - 一种人脸真伪识别方法和装置 - Google Patents

Abstract

本发明公开了一种人脸真伪识别方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取待识别图像的图像信息，确定所述图像信息中的彩色图像信息和深度图像信息；根据所述彩色图像信息和深度图像信息分别确定待识别图像的三维曲面识别和像素识别的真伪结果；根据所述三维曲面识别和像素识别的真伪结果确定所述待识别图像的真伪结果。该实施方式能够利用图像信息中的彩色图像信息和深度图像信息，确定三维点数据和像素数据，进而结合神经网络进行人脸防伪识别，并且受图像样本的数量、光照影响较小。

Description

一种人脸真伪识别方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种人脸真伪识别方法和装置。

背景技术

近些年，随着AI技术的发展，人脸识别应用已经进入很多行业了。银行刷脸认证、刷脸支付等都在使用人脸识别。人脸作为一种信息特征再带来便捷的同时，相应的也会更容易引起人们对其安全性的担忧。针对这种问题，最好的办法就是人脸防攻击检测了。

现今，人脸防攻击主要技术有彩色RGB图像防攻击、红外双目防攻击和配合式人脸防攻击。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

(1)彩色RGB图像防攻击：该方式利用卷积神经网络图像分类技术。首先把真人脸和假人脸进行二分类打标，要完成这一步就必须尽可能收集设备上的各种场景下的图像。这一步是非常耗费时间的，且很难穷尽搜集。更为严重的是，判定是否防攻击非常依赖设备，因为每一种设备产生图像都是不同的，比如苹果系统终端上收集的图片训练的模型很难在安卓系统终端上使用。

(2)红外双目防攻击：红外双目防攻击利用了红外摄像头的特点，能够使得视频类人脸攻击失效，因为视频在红外下显示不出人脸来。但是对于非视频类攻击，类似彩色图像防攻击技术，很难应付诸如曲面假人脸的攻击。

(3)配合式人脸防攻击：该技术主要利用人脸运动的特征进防伪判断，比如眨眼、摇头等，通过指令配合来达到防攻击。这种方式需要使用者主动配合，比较繁琐体验较差，且人脸指令动作容易被仿造。

发明内容

有鉴于此，本发明实施例提供一种人脸真伪识别方法和装置，能够利用图像信息中的彩色图像信息和深度图像信息，确定三维点数据和像素数据，进而结合神经网络进行人脸防伪识别，并且受图像样本的数量、光照影响较小。

为实现上述目的，根据本发明实施例的一个方面，提供了一种人脸真伪识别方法，包括：

获取待识别图像的图像信息，确定所述图像信息中的彩色图像信息和深度图像信息；

根据所述彩色图像信息和深度图像信息分别确定待识别图像的三维曲面识别和像素识别的真伪结果；

根据所述三维曲面识别和像素识别的真伪结果确定所述待识别图像的真伪结果。

可选地，在根据所述彩色图像信息和深度图像信息分别确定待识别图像的三维曲面识别和像素识别的真伪结果之前，还包括：

根据所述彩色图像信息，基于预设的第一识别模型确认所述待识别图像中包含人脸画面。

可选地，根据所述三维曲面识别和像素识别的真伪结果确定识别图像的真伪结果，包括：

在所述三维曲面识别和所述像素识别的结果都为真的情况下，确定所述待识别图像中的人脸画面为真；

否则，确定所述待识别图像中的人脸画面为假。

可选地，根据所述彩色图像信息和深度图像信息确定待识别图像的三维曲面识别结果，包括：

根据训练好的三维曲面识别模型对所述待识别图像进行识别，输出待识别图像中的人脸画面为真或为假的结果信息；

其中，所述三维曲面识别模型是基于二分类训练得到的；用于训练所述三维曲面识别模型的训练样本包括：根据包含人脸画面的图像信息确定出的图像中各个点的三维坐标数据、每个图像中人脸的真或假的信息。

可选地，确定图像各个点的三维坐标数据，包括：

根据所述彩色图像信息确定图像中各个点的平面坐标(x,y)的数据信息；以及根据深度图像信息确定各个点的深度坐标z的数据信息；

将各个点的(x,y)的数据信息和z的数据信息进行匹配，确定出各个点的空间坐标(x,y,z)的数据信息，作为图像各个点的三维坐标数据。

可选地，根据所述彩色图像信息和深度图像信息确定待识别图像的像素识别结果，包括：

根据训练好的像素识别模型对所述待识别图像进行识别，输出待识别图像中的人脸画面为真或为假的结果信息；

其中，所述像素识别模型是基于二分类训练得到的；用于训练所述像素识别模型的训练样本包括：根据所述彩色图像信息确定出的各个点的RGB三色色彩数据以及与该点相对应的根据所述彩色图像信息确定出的像素深度数据、每个图像中人脸的真或假的信息。

根据本发明实施例的再一个方面，提供了一种人脸真伪识别装置，其特征在于，包括：

获取模块，用于获取待识别图像的图像信息，确定所述图像信息中的彩色图像信息和深度图像信息；

识别模块，用于根据所述彩色图像信息和深度图像信息分别确定待识别图像的三维曲面识别和像素识别的真伪结果；

确定结果模块，用于根据所述三维曲面识别和像素识别的真伪结果确定所述待识别图像的真伪结果。

可选地，所述识别模块在根据所述彩色图像信息和深度图像信息分别确定待识别图像的三维曲面识别和像素识别的真伪结果之前，还包括：

根据所述彩色图像信息，基于预设的第一识别模型确认所述待识别图像中包含人脸画面。

可选地，所述确定结果模块根据所述三维曲面识别和像素识别的真伪结果确定识别图像的真伪结果，包括：

在所述三维曲面识别和所述像素识别的结果都为真的情况下，确定所述待识别图像中的人脸画面为真；

否则，确定所述待识别图像中的人脸画面为假。

可选地，所述识别模块根据所述彩色图像信息和深度图像信息确定待识别图像的三维曲面识别结果，包括：

根据训练好的三维曲面识别模型对所述待识别图像进行识别，输出待识别图像中的人脸画面为真或为假的结果信息；

其中，所述三维曲面识别模型是基于二分类训练得到的；用于训练所述三维曲面识别模型的训练样本包括：根据包含人脸画面的图像信息确定出的图像中各个点的三维坐标数据、每个图像中人脸的真或假的信息。

可选地，所述识别模块确定图像各个点的三维坐标数据，包括：

根据所述彩色图像信息确定图像中各个点的平面坐标(x,y)的数据信息；以及根据深度图像信息确定各个点的深度坐标z的数据信息；

将各个点的(x,y)的数据信息和z的数据信息进行匹配，确定出各个点的空间坐标(x,y,z)的数据信息，作为图像各个点的三维坐标数据。

可选地，所述识别模块根据所述彩色图像信息和深度图像信息确定待识别图像的像素识别结果，包括：

根据训练好的像素识别模型对所述待识别图像进行识别，输出待识别图像中的人脸画面为真或为假的结果信息；

其中，所述像素识别模型是基于二分类训练得到的；用于训练所述像素识别模型的训练样本包括：根据所述彩色图像信息确定出的各个点的RGB三色色彩数据以及与该点相对应的根据所述彩色图像信息确定出的像素深度数据、每个图像中人脸的真或假的信息。

根据本发明实施例的另一个方面，提供了一种人脸真伪识别电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明提供的人脸真伪识别方法。

根据本发明实施例的还一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明提供的人脸真伪识别方法。

上述发明中的一个实施例具有如下优点或有益效果：因为采用根据图像信息中的彩色图像信息和深度图像信息，确定三维点数据和像素数据信息，进而结合神经网络进行人脸防伪识别的技术手段，所以克服了受图像样本的数量、光照影响导致人脸识别不准确的技术问题，进而达到快速、准确识别人脸真伪，并且受图像样本的数量、光照影响较小的技术效果。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的人脸真伪识别方法的主要流程的示意图；

图2(a)，图2(b)是根据本发明实施例的人脸真伪识别方法中的彩色RGB图的图像效果展示图；

图3是根据本发明实施例的人脸真伪识别方法中的深度图的图像效果展示图；

图4(a)，图4(b)，图4(c)是根据本发明实施例的人脸真伪识别方法中的点云坐标与曲面拟合的效果展示图；

图5是根据本发明实施例的人脸真伪识别装置的主要模块的示意图；

图6是本发明实施例可以应用于其中的示例性系统架构图；

图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明实施例的人脸真伪识别方法的主要流程的示意图；如图1所示，本发明实施例的一种人脸真伪识别方法包括：

步骤S101：获取待识别图像的图像信息，确定所述图像信息中的彩色图像信息和深度图像信息；

步骤S102：根据所述彩色图像信息和深度图像信息分别确定待识别图像的三维曲面识别和像素识别的真伪结果；

步骤S103：根据所述三维曲面识别和像素识别的真伪结果确定所述待识别图像的真伪结果。

所述图像信息可以是由深度摄像头获取到的一帧图像的数据流信息，可以同时从中获取到图像的彩色流数据和深度流数据，进而获取到图像数据中的彩色图像信息和深度图像信息；

图2是根据本发明实施例的人脸真伪识别方法中的彩色RGB图的图像效果展示图，包括：图2(a)，图2(b)；

如图2(a)所示，为真人效果展示图；如图2(b)所示，为真人举着包含人脸的平面图的效果展示图；彩色图可以用于初步判断图像中是否存在人脸，以及用于获取人脸图像二维平面下的坐标信息。

图3是根据本发明实施例的人脸真伪识别方法中的深度图的图像效果展示图；如图3所示，深度图中每一点的像素值对应着该点到摄像头的距离，其数值大小可以反映出该点到摄像头距离的大小。

本发明通过图像信息中的彩色图像信息和深度图像信息进行三维曲面识别和像素识别，多重识别后确定图像中人脸的真伪结果，能够达到快速、准确识别人脸的真伪的技术效果。

在一些实施例中，在根据所述彩色图像信息和深度图像信息分别确定待识别图像的三维曲面识别和像素识别的真伪结果之前，还包括：

根据所述彩色图像信息，基于预设的第一识别模型确认所述待识别图像中包含人脸画面。

可以通过深度学习的方式训练出人脸检测模型，作为第一识别模型，用于第一次判断，以识别出图像中是否存在人脸；具体地，可以以有人脸的图像和没有人脸的图像作为样本输入数据，以是否出现人脸作为输出数据来进行学习。当输出为“否”时，就可以确定待识别图像中的人脸识别结果为伪。该步骤用于初步地简单地过滤掉没有人脸出现的图像。

在一些实施例中，根据所述三维曲面识别和像素识别的真伪结果确定识别图像的真伪结果，包括：

在所述三维曲面识别和所述像素识别的结果都为真的情况下，确定所述待识别图像中的人脸画面为真；

否则，确定所述待识别图像中的人脸画面为假。

该步骤中，三维曲面识别和像素识别可以串行进行，也可以并行进行；具体地：

可以先进行三维曲面识别，当通过三维曲面识别判断出图像中人脸画面为假，则终止判断，直接确定图像中人脸画面为假的结果；当通过三维曲面识别判断出图像中人脸画面为真，则继续进行像素识别，最后以通过像素识别判断出的真或假的结果作为图像中人脸画面的真或假的结果。

类似的，也可以先进行像素识别，再进行三维曲面识别；

或者，也可以同步进行三维曲面识别和像素识别，当识别结果都为真时，确定被识别的图像中的人脸画面为真；否则，确定被识别的图像中的人脸画面为假。

多重识别使得本发明中的识别方法更加准确；并且由于两种识别方式互不干预，因此在实际实行时更加灵活，可以设置多种顺序来实现，满足不同实际需求。

在一些实施例中，根据所述彩色图像信息和深度图像信息确定待识别图像的三维曲面识别结果，包括：

根据训练好的三维曲面识别模型对所述待识别图像进行识别，输出待识别图像中的人脸画面为真或为假的结果信息；

其中，所述三维曲面识别模型是基于二分类训练得到的；用于训练所述三维曲面识别模型的训练样本包括：根据包含人脸画面的图像信息确定出的图像中各个点的三维坐标数据、每个图像中人脸的真或假的信息。

在该步骤中，在训练所述三维曲面识别模型时，可以输入尽量多的点的三维坐标数据；可以用这些点进行双曲面拟合，拟合出具体的曲面；由于人脸具有共性，比如鼻子、嘴唇、眉骨等部位总是比周围面部要突出，眼睛部位要比周围面部向内凹，故使用样本数据拟合出的曲面也是具有共性的。在此基础上使用二分类训练三维曲面识别模型是具有可信度的。

当使用训练好的三维曲面识别模型时，可以从图像中各个点的三维坐标数据中挑选出一些具有代表性的点作为输入数据；在条件允许的情况下，比如存储容量大、不追求识别效率时，选取的点越多，识别结果越准确。

在一些实施例中，确定图像各个点的三维坐标数据，包括：

根据所述彩色图像信息确定图像中各个点的平面坐标(x,y)的数据信息；以及根据深度图像信息确定各个点的深度坐标z的数据信息；

将各个点的(x,y)的数据信息和z的数据信息进行匹配，确定出各个点的空间坐标(x,y,z)的数据信息，作为图像各个点的三维坐标数据。

该步骤中获得的的平面坐标(x,y)和深度坐标z是相对于同一空间坐标系的。

在一些具体实施例中，在确定出大量点的三维坐标数据之后，还可以进行清洗数据、筛选数据等工作；具体地：

清洗数据：由于所使用的深度摄像头得到的深度值未必都是准确的，且有时会出现0值。为了避免造成干扰，可以使用插值法进行补填。具体做法是，对于距离明显过大或者过小的异常深度值进行排除；例如，根据当前常用摄像头设备，可以设置最小阈值为1050mm，最大阈值为3300mm。排除之后，该点就缺失了深度值，此处可以使用插值法：以该异常点为中心，周围3x3格子的深度值的平均值，作为矫正之后该点的深度值。深度值为0的情况，也采用此种方法进行补齐。

筛选数据：可以选择常用的能代表人脸曲面高低起伏的点，作为关键特征点带入拟合，效率更高。

图4是根据本发明实施例的人脸真伪识别方法中的点云坐标与曲面拟合的效果展示图，包括：图4(a)，图4(b)，图4(c)；

如图4(a)所示，为根据真实人脸得到的大量确定三维坐标数据的点；图4(b)中，为根据图2(b)中的平面照片确定的点在图4(a)中的拟合效果；图4(c)中，为根据图2(a)中的真实人脸确定的点在图4(a)中的拟合效果；可以看出，图4(b)中拟合的图像形状不规则，图4(c)中的点在图4(a)中拟合得非常契合。

在一些实施例中，根据所述彩色图像信息和深度图像信息确定待识别图像的像素识别结果，包括：

根据训练好的像素识别模型对所述待识别图像进行识别，输出待识别图像中的人脸画面为真或为假的结果信息；

其中，所述像素识别模型是基于二分类训练得到的；用于训练所述像素识别模型的训练样本包括：根据所述彩色图像信息确定出的各个点的RGB三色色彩数据以及与该点相对应的根据所述彩色图像信息确定出的像素深度数据、每个图像中人脸的真或假的信息。

本步骤中，可以选择一个轻型网络mobilenet，在人脸数据集上做训练，基于彩色图像信息和深度图像信息，让模型学习到人脸的基本特征。在预处理样本数据集时，可以将彩色RGB图和深度图，按照通道(channel)叠在一起形成4通道，其中前三维是RGB通道，第四维是以深度值，再共同作为样本输入数据进行二分类训练。

图5是根据本发明实施例的人脸真伪识别装置的主要模块的示意图；如图5所示，看本发明实施例的一种人脸真伪识别装置500，包括：

获取模块501，用于获取待识别图像的图像信息，确定所述图像信息中的彩色图像信息和深度图像信息；

识别模块502，用于根据所述彩色图像信息和深度图像信息分别确定待识别图像的三维曲面识别和像素识别的真伪结果；

确定结果模块503，用于根据所述三维曲面识别和像素识别的真伪结果确定所述待识别图像的真伪结果。

所述图像信息可以是由深度摄像头获取到的一帧图像的数据流信息，可以同时从中获取到图像的彩色流数据和深度流数据，进而获取到图像数据中的彩色图像信息和深度图像信息；

其中彩色图可以用于初步判断图像中是否存在人脸，以及用于获取人脸图像二维平面下的坐标信息；

深度图中每一点的像素值对应着该点到摄像头的距离，其数值大小可以反映出该点到摄像头距离的大小。

本发明通过图像信息中的彩色图像信息和深度图像信息进行三维曲面识别和像素识别，多重识别后确定图像中人脸的真伪结果，能够达到快速、准确识别人脸的真伪的技术效果。

在一些实施例中，所述识别模块502在根据所述彩色图像信息和深度图像信息分别确定待识别图像的三维曲面识别和像素识别的真伪结果之前，还包括：

根据所述彩色图像信息，基于预设的第一识别模型确认所述待识别图像中包含人脸画面。

可以通过深度学习的方式训练出人脸检测模型，作为第一识别模型，用于识别出图像中是否存在人脸；具体地，可以以有人脸的图像和没有人脸的图像作为样本输入数据，以是否出现人脸作为输出数据来进行学习。该步骤用于初步地简单地过滤掉没有人脸出现的图像。

在一些实施例中，所述确定结果模块503根据所述三维曲面识别和像素识别的真伪结果确定识别图像的真伪结果，包括：

在所述三维曲面识别和所述像素识别的结果都为真的情况下，确定所述待识别图像中的人脸画面为真；

否则，确定所述待识别图像中的人脸画面为假。

该步骤中，三维曲面识别和像素识别可以串行进行，也可以并行进行；具体地：

可以先进行三维曲面识别，当通过三维曲面识别判断出图像中人脸画面为假，则终止判断，直接确定图像中人脸画面为假的结果；当通过三维曲面识别判断出图像中人脸画面为真，则继续进行像素识别，最后以通过像素识别判断出的真或假的结果作为图像中人脸画面的真或假的结果。

类似的，也可以先进行像素识别，再进行三维曲面识别；

或者，也可以同步进行三维曲面识别和像素识别，当识别结果都为真时，确定被识别的图像中的人脸画面为真；否则，确定被识别的图像中的人脸画面为假。

多重识别使得本发明中的识别方法更加准确；并且由于两种识别方式互不干预，因此在实际实行时更加灵活，可以设置多种顺序来实现，满足不同实际需求。

在一些实施例中，所述识别模块502根据所述彩色图像信息和深度图像信息确定待识别图像的三维曲面识别结果，包括：

根据训练好的三维曲面识别模型对所述待识别图像进行识别，输出待识别图像中的人脸画面为真或为假的结果信息；

其中，所述三维曲面识别模型是基于二分类训练得到的；用于训练所述三维曲面识别模型的训练样本包括：根据包含人脸画面的图像信息确定出的图像中各个点的三维坐标数据、每个图像中人脸的真或假的信息。

在该步骤中，在训练所述三维曲面识别模型时，可以输入尽量多的点的三维坐标数据；可以用这些点进行双曲面拟合，拟合出具体的曲面；由于人脸具有共性，比如鼻子、嘴唇、眉骨等部位总是比周围面部要突出，眼睛部位要比周围面部向内凹，故使用样本数据拟合出的曲面也是具有共性的。在此基础上使用二分类训练三维曲面识别模型是具有可信度的。

当使用训练好的三维曲面识别模型时，可以从图像中各个点的三维坐标数据中挑选出一些具有代表性的点作为输入数据；在条件允许的情况下，比如存储容量大、不追求识别效率时，选取的点越多，识别结果越准确。

在一些实施例中，所述识别模块502确定图像各个点的三维坐标数据，包括：

根据所述彩色图像信息确定图像中各个点的平面坐标(x,y)的数据信息；以及根据深度图像信息确定各个点的深度坐标z的数据信息；

将各个点的(x,y)的数据信息和z的数据信息进行匹配，确定出各个点的空间坐标(x,y,z)的数据信息，作为图像各个点的三维坐标数据。

该步骤中获得的的平面坐标(x,y)和深度坐标z是相对于同一空间坐标系的。

在一些具体实施例中，在确定出大量点的三维坐标数据之后，还可以进行清洗数据、筛选数据等工作；具体地：

清洗数据：由于所使用的深度摄像头得到的深度值未必都是准确的，且有时会出现0值。为了避免造成干扰，可以使用插值法进行补填。具体做法是，对于距离明显过大或者过小的异常深度值进行排除；例如，根据当前常用摄像头设备，可以设置最小阈值为1050mm，最大阈值为3300mm。排除之后，该点就缺失了深度值，此处可以使用插值法：以该异常点为中心，周围3x3格子的深度值的平均值，作为矫正之后该点的深度值。深度值为0的情况，也采用此种方法进行补齐。

筛选数据：可以选择常用的能代表人脸曲面高低起伏的点，作为关键特征点带入拟合，效率更高。

在一些实施例中，所述识别模块502根据所述彩色图像信息和深度图像信息确定待识别图像的像素识别结果，包括：

根据训练好的像素识别模型对所述待识别图像进行识别，输出待识别图像中的人脸画面为真或为假的结果信息；

其中，所述像素识别模型是基于二分类训练得到的；用于训练所述像素识别模型的训练样本包括：根据所述彩色图像信息确定出的各个点的RGB三色色彩数据以及与该点相对应的根据所述彩色图像信息确定出的像素深度数据、每个图像中人脸的真或假的信息。

本步骤中，可以选择一个轻型网络mobilenet，在人脸数据集上做训练，基于彩色图像信息和深度图像信息，让模型学习到人脸的基本特征。在预处理样本数据集时，可以将彩色RGB图和深度图，按照通道(channel)叠在一起形成4通道，其中前三维是RGB通道，第四维是以深度值，再共同作为样本输入数据进行二分类训练。

图6示出了可以应用本发明实施例的人脸真伪识别方法或人脸真伪识别装置的示例性系统架构600。

如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用，例如网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果反馈给终端设备。

需要说明的是，本发明实施例所提供的人脸真伪识别方法一般由服务器605执行，相应地，人脸真伪识别装置一般设置于服务器605中。

应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图7，其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、识别模块、确定结果模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取单元还可以被描述为“向所连接的服务端发送图片获取请求的单元”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：步骤S101：获取待识别图像的图像信息，确定所述图像信息中的彩色图像信息和深度图像信息；步骤S102：根据所述彩色图像信息和深度图像信息分别确定待识别图像的三维曲面识别和像素识别的真伪结果；步骤S103：根据所述三维曲面识别和像素识别的真伪结果确定所述待识别图像的真伪结果。

根据本发明实施例的技术方案，因为采用根据图像信息中的彩色图像信息和深度图像信息，确定三维点数据和像素数据信息，进而结合神经网络进行人脸防伪识别的技术手段，所以克服了受图像样本的数量、光照影响导致人脸识别不准确的技术问题，进而达到快速、准确识别人脸真伪，并且受图像样本的数量、光照影响较小的技术效果。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (14)

1.一种人脸真伪识别方法，其特征在于，包括：

获取待识别图像的图像信息，确定所述图像信息中的彩色图像信息和深度图像信息；

根据所述彩色图像信息和深度图像信息分别确定待识别图像的三维曲面识别和像素识别的真伪结果；

根据所述三维曲面识别和像素识别的真伪结果确定所述待识别图像的真伪结果。

2.根据权利要求1所述的方法，其特征在于，在根据所述彩色图像信息和深度图像信息分别确定待识别图像的三维曲面识别和像素识别的真伪结果之前，还包括：

根据所述彩色图像信息，基于预设的第一识别模型确认所述待识别图像中包含人脸画面。

3.根据权利要求2所述的方法，其特征在于，根据所述三维曲面识别和像素识别的真伪结果确定识别图像的真伪结果，包括：

在所述三维曲面识别和所述像素识别的结果都为真的情况下，确定所述待识别图像中的人脸画面为真；

否则，确定所述待识别图像中的人脸画面为假。

4.根据权利要求3所述的方法，其特征在于，根据所述彩色图像信息和深度图像信息确定待识别图像的三维曲面识别结果，包括：

根据训练好的三维曲面识别模型对所述待识别图像进行识别，输出待识别图像中的人脸画面为真或为假的结果信息；

其中，所述三维曲面识别模型是基于二分类训练得到的；用于训练所述三维曲面识别模型的训练样本包括：根据包含人脸画面的图像信息确定出的图像中各个点的三维坐标数据、每个图像中人脸的真或假的信息。

5.根据权利要求4所述的方法，其特征在于，确定图像各个点的三维坐标数据，包括：

根据所述彩色图像信息确定图像中各个点的平面坐标(x,y)的数据信息；以及根据深度图像信息确定各个点的深度坐标z的数据信息；

将各个点的(x,y)的数据信息和z的数据信息进行匹配，确定出各个点的空间坐标(x,y,z)的数据信息，作为图像各个点的三维坐标数据。

6.根据权利要求3所述的方法，其特征在于，根据所述彩色图像信息和深度图像信息确定待识别图像的像素识别结果，包括：

根据训练好的像素识别模型对所述待识别图像进行识别，输出待识别图像中的人脸画面为真或为假的结果信息；

其中，所述像素识别模型是基于二分类训练得到的；用于训练所述像素识别模型的训练样本包括：根据所述彩色图像信息确定出的各个点的RGB三色色彩数据以及与该点相对应的根据所述彩色图像信息确定出的像素深度数据、每个图像中人脸的真或假的信息。

7.一种人脸真伪识别装置，其特征在于，包括：

获取模块，用于获取待识别图像的图像信息，确定所述图像信息中的彩色图像信息和深度图像信息；

识别模块，用于根据所述彩色图像信息和深度图像信息分别确定待识别图像的三维曲面识别和像素识别的真伪结果；

确定结果模块，用于根据所述三维曲面识别和像素识别的真伪结果确定所述待识别图像的真伪结果。

8.根据权利要求7所述的装置，其特征在于，所述识别模块在根据所述彩色图像信息和深度图像信息分别确定待识别图像的三维曲面识别和像素识别的真伪结果之前，还包括：

根据所述彩色图像信息，基于预设的第一识别模型确认所述待识别图像中包含人脸画面。

9.根据权利要求8所述的装置，其特征在于，所述确定结果模块根据所述三维曲面识别和像素识别的真伪结果确定识别图像的真伪结果，包括：

在所述三维曲面识别和所述像素识别的结果都为真的情况下，确定所述待识别图像中的人脸画面为真；

否则，确定所述待识别图像中的人脸画面为假。

10.根据权利要求9所述的装置，其特征在于，所述识别模块根据所述彩色图像信息和深度图像信息确定待识别图像的三维曲面识别结果，包括：

根据训练好的三维曲面识别模型对所述待识别图像进行识别，输出待识别图像中的人脸画面为真或为假的结果信息；

其中，所述三维曲面识别模型是基于二分类训练得到的；用于训练所述三维曲面识别模型的训练样本包括：根据包含人脸画面的图像信息确定出的图像中各个点的三维坐标数据、每个图像中人脸的真或假的信息。

11.根据权利要求10所述的装置，其特征在于，所述识别模块确定图像各个点的三维坐标数据，包括：

根据所述彩色图像信息确定图像中各个点的平面坐标(x,y)的数据信息；以及根据深度图像信息确定各个点的深度坐标z的数据信息；

将各个点的(x,y)的数据信息和z的数据信息进行匹配，确定出各个点的空间坐标(x,y,z)的数据信息，作为图像各个点的三维坐标数据。

12.根据权利要求9所述的装置，其特征在于，所述识别模块根据所述彩色图像信息和深度图像信息确定待识别图像的像素识别结果，包括：

根据训练好的像素识别模型对所述待识别图像进行识别，输出待识别图像中的人脸画面为真或为假的结果信息；

其中，所述像素识别模型是基于二分类训练得到的；用于训练所述像素识别模型的训练样本包括：根据所述彩色图像信息确定出的各个点的RGB三色色彩数据以及与该点相对应的根据所述彩色图像信息确定出的像素深度数据、每个图像中人脸的真或假的信息。

13.一种人脸真伪识别的电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

14.一种计算机可读介质，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如权利要求1-7中任一所述的方法。

Images