CN112580433A - 一种活体检测的方法及设备 - Google Patents

一种活体检测的方法及设备 Download PDF

Info

Publication number
CN112580433A
CN112580433A CN202011327958.3A CN202011327958A CN112580433A CN 112580433 A CN112580433 A CN 112580433A CN 202011327958 A CN202011327958 A CN 202011327958A CN 112580433 A CN112580433 A CN 112580433A
Authority
CN
China
Prior art keywords
gray value
face
target
region
value ratio
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
CN202011327958.3A
Other languages
English (en)
Inventor
黄泽铗
师少光
张丁军
江隆业
黄源浩
肖振中
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.)
Orbbec Inc
Original Assignee
Orbbec Inc
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 Orbbec Inc filed Critical Orbbec Inc
Priority to CN202011327958.3A priority Critical patent/CN112580433A/zh
Publication of CN112580433A publication Critical patent/CN112580433A/zh
Priority to PCT/CN2021/107937 priority patent/WO2022110846A1/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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06V40/10—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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive

Abstract

本申请适用于活体检测技术领域，提供了一种活体检测的方法，包括：通过获取多个人脸光谱图像，获取多个人脸光谱图像中的目标特征区域和参考特征区域，计算目标特征区域的第一灰度值和参考特征区域的第二灰度值的比值，得到目标灰度值比值；将目标灰度值比值与预设灰度值比值进行匹配，若匹配成功，则判定人脸光谱图像的人脸为活体人脸。上述方法，无需采用主动光源和光谱仪就可以实现多光谱的人脸活体检测，不需要借助可见光，不会被环境光所影响，可以避免复杂多变的环境光影响，提高了活体检测的精度，并且集成度高、算力要求低、成本低。

Description

一种活体检测的方法及设备
技术领域
本申请属于活体检测的技术领域，尤其涉及一种活体检测的方法及设备。
背景技术
现有的活体检测方法一般包括面部检测、眼部检测、手部检测等；其中，基于面部的活体检测是当前的主流，基于人脸的活体检测主要包括面部特征检测、人脸三维信息检测、面部光流估计以及人脸光谱图像检测。
在多光谱的活体检测中，一般是根据反射率来区别真实人脸和伪造人脸；而获取精确的反射率信息的前提是需要预先确定光源的光谱曲线。获取光源的光谱曲线主要有两种途径，一种是打出一个已知光谱曲线的主动光源；另一种是增加一个光谱仪，实时测量环境光的光谱曲线。上述两种方式均需要增加附加模组，增加了系统的复杂性和成本，并且容易受到环境光的影响，这样就会影响到活体检测的精度。
发明内容
本申请实施例提供了一种活体检测的方法及设备，可以解决现有活体检测方法均需要增加附加模组，系统复杂性和成本高，并且容易受到环境光的影响，导致活体检测的精度低的问题。
第一方面，本申请实施例提供了一种活体检测的方法，包括：
获取多个人脸光谱图像；
获取所述多个人脸光谱图像中的目标特征区域和参考特征区域；所述目标特征区域的数量大于或者等于2；所述目标特征区域包括人脸特征区域；
计算所述目标特征区域的第一灰度值和所述参考特征区域的第二灰度值的比值，得到目标灰度值比值；
将所述目标灰度值比值与预设灰度值比值进行匹配，其中，所述预设灰度值比值为与多个人脸光谱图像对应的多个真实人脸光谱图像中所述目标特征区域的第三灰度值和所述参考特征区域的第四灰度值的比值；
若匹配成功，则判定所述人脸光谱图像的人脸为活体人脸。
进一步地，所述获取所述多个人脸光谱图像中的目标特征区域和参考特征区域，包括：
获取所述多个人脸光谱图像中每一人脸光谱图像的特征区域；
将满足预设筛选条件的所述特征区域作为参考特征区域，将除所述参考特征区域以外的所述特征区域作为目标特征区域。
进一步地，所述获取多个人脸光谱图像中每一人脸光谱图像的特征区域，包括：
根据预设清晰度条件和预设亮度条件，从所述多个人脸光谱图像中的每一人脸光谱图像中提取特征区域。
进一步地，所述将所述目标灰度值比值与所述预设灰度值比值进行匹配，包括：
根据所述多个人脸光谱图像中的所述目标灰度值比值和所述预设灰度值比值，确定各光谱波段下的误差信息；
根据所述误差信息确定所述目标灰度值比值与所述目标特征区域对应的预设灰度值比值之间的匹配结果。
进一步地，在所述根据所述多个人脸光谱图像中的所述目标灰度值比值和所述预设灰度值比值，确定各光谱波段下的误差信息之前，还包括：
获取在所述各光谱波段下真实人脸光谱图像中所述目标特征区域的第一真实人脸反射率和所述参考特征区域的第二真实人脸反射率；
根据所述第一真实人脸反射率和所述第二真实人脸反射率，确定预设灰度值比值。
进一步地，所述根据所述第一真实人脸反射率和所述第二真实人脸反射率，确定预设灰度值比值，包括：
根据所述第一真实人脸反射率和所述第二真实人脸反射率，确定所述各光谱波段下多个人脸光谱图像对应的初始灰度值比值；
将所有所述初始灰度值比值的平均值作为预设灰度值比值；
或者，
将所有所述初始灰度值比值中出现次数最多的所述初始灰度值比值作为预设灰度值比值。
进一步地，所述目标特征区域还包括背景特征区域。
进一步地，所述参考特征区域为光谱曲线波动小于预设阈值的人脸特征区域或者背景特征区域。
第二方面，本申请实施例提供了一种活体检测的装置，包括：
第一获取单元，用于获取多个人脸光谱图像；
第二获取单元，用于获取所述多个人脸光谱图像中的目标特征区域和参考特征区域；所述目标特征区域的数量大于或者等于2；所述目标特征区域包括人脸特征区域；
第一计算单元，用于计算所述目标特征区域的第一灰度值和所述参考特征区域的第二灰度值的比值，得到目标灰度值比值；
匹配单元，用于将所述目标灰度值比值与预设灰度值比值进行匹配，其中，所述预设灰度值比值为与多个人脸光谱图像对应的多个真实人脸光谱图像中所述目标特征区域的第三灰度值和所述参考特征区域的第四灰度值的比值；
判定单元，用于若匹配成功，则判定所述人脸光谱图像的人脸为活体人脸。
进一步地，所述第二获取单元，包括：
第三获取单元，用于获取所述多个人脸光谱图像中每一人脸光谱图像的特征区域；
第一处理单元，用于将满足预设筛选条件的所述特征区域作为参考特征区域，将除所述参考特征区域以外的所述特征区域作为目标特征区域。
进一步地，所述第三获取单元，具体用于：
根据预设清晰度条件和预设亮度条件，从所述多个人脸光谱图像中的每一人脸光谱图像中提取特征区域。
进一步地，所述匹配单元，具体用于：
根据所述多个人脸光谱图像中的所述目标灰度值比值和所述预设灰度值比值，确定各光谱波段下的误差信息；
根据所述误差信息确定所述目标灰度值比值与所述目标特征区域对应的预设灰度值比值之间的匹配结果。
进一步地，所述匹配单元，具体还用于：
获取在所述各光谱波段下真实人脸光谱图像中所述目标特征区域的第一真实人脸反射率和所述参考特征区域的第二真实人脸反射率；
根据所述第一真实人脸反射率和所述第二真实人脸反射率，确定预设灰度值比值。
进一步地，所述匹配单元，具体还用于：
根据所述第一真实人脸反射率和所述第二真实人脸反射率，确定所述各光谱波段下多个人脸光谱图像对应的初始灰度值比值；
将所有所述初始灰度值比值的平均值作为预设灰度值比值；
或者，
将所有所述初始灰度值比值中出现次数最多的所述初始灰度值比值作为预设灰度值比值。
进一步地，所述目标特征区域还包括背景特征区域。
进一步地，所述参考特征区域为光谱曲线波动小于预设阈值的人脸特征区域或者背景特征区域。
第三方面，本申请实施例提供了一种活体检测的设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的活体检测的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的活体检测的方法。
本申请实施例与现有技术相比存在的有益效果是：通过获取多个人脸光谱图像，获取多个人脸光谱图像中的目标特征区域和参考特征区域，计算目标特征区域的第一灰度值和参考特征区域的第二灰度值的比值，得到目标灰度值比值；将目标灰度值比值与预设灰度值比值进行匹配，若匹配成功，则判定人脸光谱图像的人脸为活体人脸。上述方法，无需采用主动光源和光谱仪就可以实现多光谱的人脸活体检测，不需要借助可见光，不会被环境光所影响，可以避免复杂多变的环境光影响，提高了活体检测的精度，并且集成度高、算力要求低、成本低。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有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申请的一些实施例，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是本申请第一实施例提供的一种活体检测的方法的示意流程图；
图2是本申请第一实施例提供的一种活体检测的方法中S102细化的示意流程图；
图3是本申请第一实施例提供的一种活体检测的方法中S104细化的示意流程图；
图4是本申请第一实施例提供的一种活体检测的方法中S1043～1044的示意流程图；
图5是本申请第二实施例提供的活体检测的装置的示意图；
图6是本申请第二实施例提供的活体检测的设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
请参见图1，图1是本申请第一实施例提供的一种活体检测的方法的示意流程图。本实施例中一种活体检测的方法的执行主体为具有活体检测的功能的设备，例如，移动设备、服务器、处理器等等。如图1所示的活体检测的方法可以包括：
S101：获取多个人脸光谱图像。
设备获取多个人脸光谱图像。其中，光谱图像可以包括：多光谱图像，高光谱图像，超光谱图像。人脸光谱图像即为人脸图像在各光谱波段下的图像。由于本实施例中的活体检测是基于人脸进行检测，所以本实施例中需要获取人脸图像，人脸图像为包含人脸的图像。
由于需要获取人脸光谱图像，所以，该人脸图像应当是由光谱相机采集的。其中，人脸图像可以是设备通过摄像装置采集的，也可以是设备从其他设备接收到的，此处不做限制。
以多光谱相机为例，多光谱相机的通道对应了光谱波段，即，假设多光谱相机有n个通道，分别对应n个目标光谱波段，则人脸图像对应了n个目标人脸光谱图像。举例来说，光谱芯片以普通CMOS sensor为基础，将其按照每3*3个像素划分为一组，每组内部的不同像素上镀上光谱透过特性不同的宽谱段滤光片，首先获取原始数据，再利用原始数据与各滤光片的透过特性计算得到目标人脸光谱图像。
S102：获取所述多个人脸光谱图像中的目标特征区域和参考特征区域；所述目标特征区域的数量大于或者等于2；所述目标特征区域包括人脸特征区域。
设备获取多个人脸光谱图像中的目标特征区域。其中，目标特征区域为目标人脸光谱图像中具有特征的区域，该特征可以有助于后续对活体检测的判断。为了保证检测精度，目标特征区域的数量大于或者等于2，也就是说，目标特征区域不少于两个。
由于本实施例中是基于人脸进行的活体检测，所以，目标特征区域包括人脸特征区域，人脸特征区域即为人脸部的区域，包括但不限于头发区域、额头区域、眉毛区域、瞳孔区域、脸颊区域、鼻子区域、嘴唇区域等等。
进一步地，目标特征区域还可以包括背景特征区域。背景特征区域包括但不限于白墙区域、绿植区域等。
本实施例中，设备还获取多个人脸光谱图像中的参考特征区域，参考特征区域即为可以作为目标特征区域参考的区域。既然是作为参考，就要求参考特征区域是一个具有参考价值的局域，在选择时，可以选择一些预设参数稳定的区域作为参考特征区域。例如，可以选择皮肤区域作为参考特征区域，因为即使化妆了的话，皮肤的变化也不会很大。如果选择嘴唇区域作为参考特征区域的话，当人脸的嘴唇涂抹口红时，嘴唇的会变化很大，所以，嘴唇区域并不适合作为参考特征区域。
进一步地，为了保证参考特征区域具有高度的稳定性，参考特征区域可以为光谱曲线波动小于预设阈值的人脸特征区域或者背景特征区域，也就是说，可以选择光谱的反射率比较不受外界影响的区域作为参考特征区域。
设备在获取参考特征区域时，可以同时从人脸光谱图像中获取目标特征区域和参考特征区域；也可以设备先从人脸光谱图像中获取目标特征区域，然后从目标特征区域中选出一个区域作为参考特征区域，此处不做限制。
下面，就设备先从人脸光谱图像中获取目标特征区域，然后从目标特征区域中选出一个区域作为参考特征区域为一个实施例，具体说明设备是如何确定目标特征区域和参考特征区域，S102可以包括S1021～S1022，如图2所示，S1021～S1022具体如下：
S1021：获取所述多个人脸光谱图像中每一人脸光谱图像的特征区域。
设备获取多个人脸光谱图像中每一人脸光谱图像的特征区域。同样，特征区域至少为两个。并且特征区域至少包括人脸区域。
进一步地，在进行特征区域选取时，需要保证特征区域的清晰度，及亮度适宜，所以，设备中存储了预设清晰度条件和预设亮度条件，设备根据预设清晰度条件和预设亮度条件，从每一人脸光谱图像中提取特征区域。
此外，在不同的光照条件下还需要调整目标特征区域的曝光参数。
可以理解的是，这一选择特征区域的方法同样适用于上文中确定目标特征区域。
S1022：将满足预设筛选条件的所述特征区域作为参考特征区域，将除所述参考特征区域以外的所述特征区域作为目标特征区域。
设备中存储预设筛选条件，设备将满足预设筛选条件的特征区域作为参考特征区域。举例来说，参考特征区域可以为光谱曲线波动小于预设阈值的人脸特征区域或者背景特征区域，参考特征区域可以为光谱的反射率不受外界影响的区域。此处对于预设筛选条件不做限制，预设筛选条件可以包括参考特征区域的参数条件，也可以包括参考特征区域的区域类型条件。
设备将除参考特征区域以外的特征区域作为目标特征区域。
S103：计算所述目标特征区域的第一灰度值和所述参考特征区域的第二灰度值的比值，得到目标灰度值比值。
设备计算目标特征区域的第一灰度值和参考特征区域的第二灰度值的比值，得到目标灰度值比值，该目标灰度值比值为目标特征区域与参考特征区域在每个目标光谱波段下的灰度值比值。
可以理解的是，对于同一人脸光谱图像，不同目标特征区域计算得出的目标灰度值比值不同；对于不同的人脸光谱图像，相同目标特征区域计算得出目标灰度值比值不同。
S104：将所述目标灰度值比值与预设灰度值比值进行匹配，其中，所述预设灰度值比值为与多个人脸光谱图像对应的多个真实人脸光谱图像中所述目标特征区域的第三灰度值和所述参考特征区域的第四灰度值的比值。
对于真实人脸来说，真实人脸灰度值比值变化不大，可以认定为确定不变的值，所以设备提前获取预设灰度值比值，用来和待检测的人脸图像对应的目标灰度值比值进行匹配。
设备中预先存储预设灰度值比值，预设灰度值比值为与多个人脸光谱图像对应的多个真实人脸光谱图像中目标特征区域的第三灰度值和参考特征区域的第四灰度值的比值。设备将目标灰度值比值与预设灰度值比值进行匹配，匹配的过程即为比较的过程。
下面说明一下，具体匹配的过程以及需要匹配的次数，假设获取了n个人脸光谱图像，在每一人脸光谱图像中取两个目标特征区域，那么需要计算每一人脸光谱图像中参考特征区域与另一目标特征区域的目标灰度值比值，并将目标灰度值比值与预设灰度值比值一一进行匹配，总共需要匹配n次；若在每一人脸光谱图像中取x个目标特征区域(包括参考特征区域)，同理地，在每一人脸光谱图像中需要计算参考特征区域与其余目标特征区域的灰度值比值并将其与预设灰度值比值一一进行匹配，即需要进行(X-1)次匹配，因为总共存在n个人脸光谱图像，所以总共需要匹配n*(X-1)次，当x＝2时，即为n次。
此外，灰度值比值等于光谱相机在每个波段下的量子效率(quantum efficiency，QE)值乘以反射率比值，而QE值是固定的，因此可以计算多个目标特征区域与参考特征区域的反射率比值，该反射率比值可以用于区分真假人脸，又不受环境光影响。
多光谱相机上每个通道的QE值，可以表示为QE1,QE2…QEn，…，对于同样的多光谱相机，QE值是固定的且已知的。而不同通道的QE值是不一样的。环境光在上述n个目标光谱波段下的光强可以表示为L1,L2…Ln，在不同的光照条件下，每个波段的光强是变化的。
假设选取人脸的两个目标特征区域，分别表示为a，b，从人脸光谱图像F1,F2…Fn中，可以提取出目标特征区域在每个光谱波段下的灰度值，a区域的灰度值可以表示为Ia1,Ia2…Ian；b区域的灰度值可以表示为Ib1,Ib2…Ibn。
灰度值与环境光强度、QE值以及反射率存在如下关系：I＝k·L·QE·R，其中，k取决于相机传感器的增益系数、模数转换系数等，对于同一帧人脸图像，k为定值，I为灰度值，L为光强，R为反射率。
将a区域作为参考特征区域，那么b区域与a区域的灰度值比值可以表示为
Figure BDA0002794907470000111
其中，下标i表示第i个通道，即b区域与a区域的反射率比值，与b区域与a区域的灰度值比值相等，与环境光无关。
所以，本实施例中，用目标灰度值比值与预设灰度值比值进行匹配，实际上也是对待检测人脸和真实人脸两者的反射率进行匹配。由于不同材质的反射率比值是不同的，所以根据这一性质，可以确定待检测人脸是否为活体人脸，检测人脸光谱图像对应的人脸是否为活体人脸。
进一步地，为了提高匹配的精度，可以采用以下方式进行匹配，S104可以包括S1041～S1042，如图3所示，S1041～S1042具体如下：
S1041：根据所述多个人脸光谱图像中的所述目标灰度值比值和所述预设灰度值比值，确定各光谱波段下的误差信息。
设备先获取预设灰度值比值，设备中存储了预设特征区域与预设灰度值比值之间的对应关系，设备根据预设特征区域与预设灰度值比值之间的对应关系，确定目标特征区域对应的预设真实人脸灰度值比值。
设备将多个人脸光谱图像中的目标灰度值比值和预设灰度值比值逐一对比匹配，计算两者之间的差值，确定了各光谱波段下的误差信息。
S1042：根据所述误差信息确定所述目标灰度值比值与所述目标特征区域对应的预设灰度值比值之间的匹配结果。
设备对各人脸光谱图像中的目标灰度值比值和预设灰度值比值逐一对比匹配，获取了各目标人脸光谱图像对应的目标误差信息。
设备可以对所有误差信息进行整合处理，确定目标灰度值比值与预设灰度值比值之间的匹配结果。举例来说，设备可以求得所有误差信息的均值，当均值小于预设均值阈值时，得到匹配结果为匹配成功；当均值大于或者等于预设均值阈值时，得到匹配结果为匹配失败。
进一步地，设备在确定预设特征区域与真实人脸灰度值比值之间的对应关系时，可以通过反射率比值来确定。所以，为了确定真实人脸灰度值比值，在S1041之前，还可以包括S1043～1044，如图4所示，S1043～1044具体如下：
S1043：获取在所述各光谱波段下真实人脸光谱图像中所述目标特征区域的第一真实人脸反射率和所述参考特征区域的第二真实人脸反射率。
设备获取在各光谱波段下真实人脸光谱图像中目标特征区域的第一真实人脸反射率和参考特征区域的第二真实人脸反射率。同一反射率在特定波段下的值是固定的，但对不同的波段，反射率是不一样的，所以需要获取多个波段下的反射率。真实人脸光谱图像中目标特征区域和参考特征区域与上文中的提到的人脸光谱图像中的目标特征区域和参考特征区域相同。第一真实人脸反射率和第二真实人脸反射率即为真实人脸在对应区域的反射率。
为了提高活体检测的成功率，在获取第一真实人脸反射率和第二真实人脸反射率时，可以采集不同肤色、不同发色和不同年龄的人脸作为样本，如果光谱相机本身能出彩色图像，通过彩色图像先对人脸的肤色、发色和年龄等先进行一个分类，这样可以区别不同的人种，因为不同人种的皮肤对同一光谱波段的反射率存在差异。
S1044：根据所述第一真实人脸反射率和所述第二真实人脸反射率，确定预设灰度值比值。
设备根据第一真实人脸反射率和第二真实人脸反射率，确定预设灰度值比值。由于预设灰度值比值是一个固定的值，不同的目标光谱波段，反射率是不一样的，所以，不同的目标光谱波段下的第一真实人脸反射率和第二真实人脸反射率之间的比值是不一样的，设备可以根据所有光谱波段下的第一真实人脸反射率和第二真实人脸反射率之间的比值来确定预设灰度值比值。
具体地说，设备根据第一真实人脸反射率和第二真实人脸反射率，确定预设灰度值比值。一种实施方式中，设备将所有初始真实人脸灰度值比值的平均值作为预设特征区域对应的真实人脸灰度值比值；另一种实施方式中，设备将所有初始真实人脸灰度值比值中出现次数最多的初始真实人脸灰度值比值作为预设特征区域对应的真实人脸灰度值比值。
S105：若匹配成功，则判定所述人脸光谱图像的人脸为活体人脸。
若匹配结果为匹配成功，则判定人脸光谱图像的人脸为活体人脸，完成活体检测；若匹配结果为匹配失败，则判定人脸光谱图像的人脸为假脸。
本申请实施例与现有技术相比存在的有益效果是：通过获取多个人脸光谱图像，获取多个人脸光谱图像中的目标特征区域和参考特征区域，计算目标特征区域的第一灰度值和参考特征区域的第二灰度值的比值，得到目标灰度值比值；将目标灰度值比值与预设灰度值比值进行匹配，若匹配成功，则判定人脸光谱图像的人脸为活体人脸。上述方法，无需采用主动光源和光谱仪就可以实现多光谱的人脸活体检测，不需要借助可见光，不会被环境光所影响，可以避免复杂多变的环境光影响，提高了活体检测的精度，并且集成度高、算力要求低、成本低。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
请参见图5，图5是本申请第二实施例提供的活体检测的装置的示意图。包括的各单元用于执行图1～图4对应的实施例中的各步骤。具体请参阅图1～图4各自对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图5，活体检测的装置5包括：
第一获取单元510，用于获取多个人脸光谱图像；
第二获取单元520，用于获取所述多个人脸光谱图像中的目标特征区域和参考特征区域；所述目标特征区域的数量大于或者等于2；所述目标特征区域包括人脸特征区域；
第一计算单元530，用于计算所述目标特征区域的第一灰度值和所述参考特征区域的第二灰度值的比值，得到目标灰度值比值；
匹配单元540，用于将所述目标灰度值比值与预设灰度值比值进行匹配，其中，所述预设灰度值比值为与多个人脸光谱图像对应的多个真实人脸光谱图像中所述目标特征区域的第三灰度值和所述参考特征区域的第四灰度值的比值；
判定单元550，用于若匹配成功，则判定所述人脸光谱图像的人脸为活体人脸。
进一步地，所述第二获取单元520，包括：
第三获取单元，用于获取所述多个人脸光谱图像中每一人脸光谱图像的特征区域；
第一处理单元，用于将满足预设筛选条件的所述特征区域作为参考特征区域，将除所述参考特征区域以外的所述特征区域作为目标特征区域。
进一步地，所述第三获取单元，具体用于：
根据预设清晰度条件和预设亮度条件，从所述多个人脸光谱图像中的每一人脸光谱图像中提取特征区域。
进一步地，所述匹配单元540，具体用于：
根据所述多个人脸光谱图像中的所述目标灰度值比值和所述预设灰度值比值，确定各光谱波段下的误差信息；
根据所述误差信息确定所述目标灰度值比值与所述目标特征区域对应的预设灰度值比值之间的匹配结果。
进一步地，所述匹配单元540，具体还用于：
获取在所述各光谱波段下真实人脸光谱图像中所述目标特征区域的第一真实人脸反射率和所述参考特征区域的第二真实人脸反射率；
根据所述第一真实人脸反射率和所述第二真实人脸反射率，确定预设灰度值比值。
进一步地，所述匹配单元540，具体还用于：
根据所述第一真实人脸反射率和所述第二真实人脸反射率，确定所述各光谱波段下多个人脸光谱图像对应的初始灰度值比值；
将所有所述初始灰度值比值的平均值作为预设灰度值比值；
或者，
将所有所述初始灰度值比值中出现次数最多的所述初始灰度值比值作为预设灰度值比值。
进一步地，所述目标特征区域还包括背景特征区域。
进一步地，所述参考特征区域为光谱曲线波动小于预设阈值的人脸特征区域或者背景特征区域。
图6是本申请第三实施例提供的活体检测的设备的示意图。如图6所示，该实施例的活体检测的设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62，例如活体检测的程序。所述处理器60执行所述计算机程序62时实现上述各个活体检测的方法实施例中的步骤，例如图1所示的步骤101至105。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块510至550的功能。
示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述活体检测的设备6中的执行过程。例如，所述计算机程序62可以被分割成第一获取单元、第二获取单元、第一计算单元、匹配单元、判定单元，各单元具体功能如下：
第一获取单元，用于获取多个人脸光谱图像；
第二获取单元，用于获取所述多个人脸光谱图像中的目标特征区域和参考特征区域；所述目标特征区域的数量大于或者等于2；所述目标特征区域包括人脸特征区域；
第一计算单元，用于计算所述目标特征区域的第一灰度值和所述参考特征区域的第二灰度值的比值，得到目标灰度值比值；
匹配单元，用于将所述目标灰度值比值与预设灰度值比值进行匹配，其中，所述预设灰度值比值为与多个人脸光谱图像对应的多个真实人脸光谱图像中所述目标特征区域的第三灰度值和所述参考特征区域的第四灰度值的比值；
判定单元，用于若匹配成功，则判定所述人脸光谱图像的人脸为活体人脸。
所述活体检测的设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是活体检测的设备6的示例，并不构成对活体检测的设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述活体检测的设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述活体检测的设备6的内部存储单元，例如活体检测的设备6的硬盘或内存。所述存储器61也可以是所述活体检测的设备6的外部存储设备，例如所述活体检测的设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述活体检测的设备6还可以既包括所述活体检测的设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述活体检测的设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种网络设备，该网络设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种活体检测的方法，其特征在于，包括：
获取多个人脸光谱图像；
获取所述多个人脸光谱图像中的目标特征区域和参考特征区域；所述目标特征区域的数量大于或者等于2；所述目标特征区域包括人脸特征区域；
计算所述目标特征区域的第一灰度值和所述参考特征区域的第二灰度值的比值，得到目标灰度值比值；
将所述目标灰度值比值与预设灰度值比值进行匹配，其中，所述预设灰度值比值为与多个人脸光谱图像对应的多个真实人脸光谱图像中所述目标特征区域的第三灰度值和所述参考特征区域的第四灰度值的比值；
若匹配成功，则判定所述人脸光谱图像的人脸为活体人脸。
2.如权利要求1所述的活体检测的方法，其特征在于，所述获取所述多个人脸光谱图像中的目标特征区域和参考特征区域，包括：
获取所述多个人脸光谱图像中每一人脸光谱图像的特征区域；
将满足预设筛选条件的所述特征区域作为参考特征区域，将除所述参考特征区域以外的所述特征区域作为目标特征区域。
3.如权利要求2所述的活体检测的方法，其特征在于，所述获取多个人脸光谱图像中每一人脸光谱图像的特征区域，包括：
根据预设清晰度条件和预设亮度条件，从所述多个人脸光谱图像中的每一人脸光谱图像中提取特征区域。
4.如权利要求1所述的活体检测的方法，其特征在于，所述将所述目标灰度值比值与所述预设灰度值比值进行匹配，包括：
根据所述多个人脸光谱图像中的所述目标灰度值比值和所述预设灰度值比值，确定各光谱波段下的误差信息；
根据所述误差信息确定所述目标灰度值比值与所述目标特征区域对应的预设灰度值比值之间的匹配结果。
5.如权利要求4所述的活体检测的方法，其特征在于，在所述根据所述多个人脸光谱图像中的所述目标灰度值比值和所述预设灰度值比值，确定各光谱波段下的误差信息之前，还包括：
获取在所述各光谱波段下真实人脸光谱图像中所述目标特征区域的第一真实人脸反射率和所述参考特征区域的第二真实人脸反射率；
根据所述第一真实人脸反射率和所述第二真实人脸反射率，确定预设灰度值比值。
6.如权利要求5所述的活体检测的方法，其特征在于，所述根据所述第一真实人脸反射率和所述第二真实人脸反射率，确定预设灰度值比值，包括：
根据所述第一真实人脸反射率和所述第二真实人脸反射率，确定所述各光谱波段下多个人脸光谱图像对应的初始灰度值比值；
将所有所述初始灰度值比值的平均值作为预设灰度值比值；
或者，
将所有所述初始灰度值比值中出现次数最多的所述初始灰度值比值作为预设灰度值比值。
7.如权利要求1所述的活体检测的方法，其特征在于，所述目标特征区域还包括背景特征区域。
8.如权利要求1所述的活体检测的方法，其特征在于，所述参考特征区域为光谱曲线波动小于预设阈值的人脸特征区域或者背景特征区域。
9.一种活体检测的设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的方法。
CN202011327958.3A 2020-11-24 2020-11-24 一种活体检测的方法及设备 Pending CN112580433A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011327958.3A CN112580433A (zh) 2020-11-24 2020-11-24 一种活体检测的方法及设备
PCT/CN2021/107937 WO2022110846A1 (zh) 2020-11-24 2021-07-22 一种活体检测的方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011327958.3A CN112580433A (zh) 2020-11-24 2020-11-24 一种活体检测的方法及设备

Publications (1)

Publication Number Publication Date
CN112580433A true CN112580433A (zh) 2021-03-30

Family

ID=75124109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011327958.3A Pending CN112580433A (zh) 2020-11-24 2020-11-24 一种活体检测的方法及设备

Country Status (2)

Country Link
CN (1) CN112580433A (zh)
WO (1) WO2022110846A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113297978A (zh) * 2021-05-26 2021-08-24 奥比中光科技集团股份有限公司 活体检测方法、装置及电子设备
CN113297977A (zh) * 2021-05-26 2021-08-24 奥比中光科技集团股份有限公司 活体检测方法、装置及电子设备
CN113533256A (zh) * 2021-06-30 2021-10-22 奥比中光科技集团股份有限公司 一种光谱反射率的确定方法、装置及设备
CN113554578A (zh) * 2021-07-23 2021-10-26 奥比中光科技集团股份有限公司 一种光谱图像的确定方法、装置、终端和存储介质
WO2022110846A1 (zh) * 2020-11-24 2022-06-02 奥比中光科技集团股份有限公司 一种活体检测的方法及设备
WO2023273411A1 (zh) * 2021-07-01 2023-01-05 奥比中光科技集团股份有限公司 一种多光谱数据的获取方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6081612A (en) * 1997-02-28 2000-06-27 Electro Optical Sciences Inc. Systems and methods for the multispectral imaging and characterization of skin tissue
CN102831400A (zh) * 2012-07-31 2012-12-19 西北工业大学 一种多光谱人脸识别方法及其系统
CN103268499A (zh) * 2013-01-23 2013-08-28 北京交通大学 基于多光谱成像的人体皮肤检测方法
CN111814564A (zh) * 2020-06-09 2020-10-23 广州视源电子科技股份有限公司 基于多光谱图像的活体检测方法、装置、设备和存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10990808B2 (en) * 2016-02-09 2021-04-27 Aware, Inc. Face liveness detection using background/foreground motion analysis
CN107862247B (zh) * 2017-10-13 2018-09-11 平安科技（深圳）有限公司 一种人脸活体检测方法及终端设备
CN111353326A (zh) * 2018-12-20 2020-06-30 上海聚虹光电科技有限公司 基于多光谱人脸差值图的活体检测方法
CN112580433A (zh) * 2020-11-24 2021-03-30 奥比中光科技集团股份有限公司 一种活体检测的方法及设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6081612A (en) * 1997-02-28 2000-06-27 Electro Optical Sciences Inc. Systems and methods for the multispectral imaging and characterization of skin tissue
CN102831400A (zh) * 2012-07-31 2012-12-19 西北工业大学 一种多光谱人脸识别方法及其系统
CN103268499A (zh) * 2013-01-23 2013-08-28 北京交通大学 基于多光谱成像的人体皮肤检测方法
CN111814564A (zh) * 2020-06-09 2020-10-23 广州视源电子科技股份有限公司 基于多光谱图像的活体检测方法、装置、设备和存储介质

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022110846A1 (zh) * 2020-11-24 2022-06-02 奥比中光科技集团股份有限公司 一种活体检测的方法及设备
CN113297978A (zh) * 2021-05-26 2021-08-24 奥比中光科技集团股份有限公司 活体检测方法、装置及电子设备
CN113297977A (zh) * 2021-05-26 2021-08-24 奥比中光科技集团股份有限公司 活体检测方法、装置及电子设备
CN113297977B (zh) * 2021-05-26 2023-12-22 奥比中光科技集团股份有限公司 活体检测方法、装置及电子设备
CN113297978B (zh) * 2021-05-26 2024-05-03 奥比中光科技集团股份有限公司 活体检测方法、装置及电子设备
CN113533256A (zh) * 2021-06-30 2021-10-22 奥比中光科技集团股份有限公司 一种光谱反射率的确定方法、装置及设备
CN113533256B (zh) * 2021-06-30 2024-03-12 奥比中光科技集团股份有限公司 一种光谱反射率的确定方法、装置及设备
WO2023273411A1 (zh) * 2021-07-01 2023-01-05 奥比中光科技集团股份有限公司 一种多光谱数据的获取方法、装置及设备
CN113554578A (zh) * 2021-07-23 2021-10-26 奥比中光科技集团股份有限公司 一种光谱图像的确定方法、装置、终端和存储介质

Also Published As

Publication number Publication date
WO2022110846A1 (zh) 2022-06-02

Similar Documents

Publication Publication Date Title
CN112580433A (zh) 一种活体检测的方法及设备
Nguyen et al. Training-based spectral reconstruction from a single RGB image
CN108197546B (zh) 人脸识别中光照处理方法、装置、计算机设备及存储介质
KR101140533B1 (ko) 이미지로부터 추정된 피부색에 기초해서 제품을 추천하는 컴퓨터 구현된 방법
CN110660088A (zh) 一种图像处理的方法和设备
CN107911625A (zh) 测光方法、装置、可读存储介质和计算机设备
US20080080766A1 (en) Apparatus and Method for Analyzing Skin Using L*a*b* Colorspace
CN107993209A (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
CN113340817B (zh) 光源光谱和多光谱反射率图像获取方法、装置及电子设备
CN110691226A (zh) 图像处理方法、装置、终端及计算机可读存储介质
CN110520768B (zh) 高光谱光场成像方法和系统
CN113676639A (zh) 图像处理方法、处理装置、电子设备及介质
CN113554578A (zh) 一种光谱图像的确定方法、装置、终端和存储介质
CN113609907B (zh) 一种多光谱数据的获取方法、装置及设备
Lecca et al. An image contrast measure based on Retinex principles
US8854501B2 (en) Image processing apparatus and image processing method for processing spectral image data
CN113642358B (zh) 肤色检测方法、装置、终端和存储介质
US20230162354A1 (en) Artificial intelligence-based hyperspectrally resolved detection of anomalous cells
CN113297977B (zh) 活体检测方法、装置及电子设备
CN116012895A (zh) 一种手掌特征识别设备及其识别方法、存储介质
CN110332991B (zh) 一种光谱的重构方法、装置和电子设备
CN113340816A (zh) 光源光谱和多光谱反射率图像获取方法、装置及电子设备
Choi et al. Performance of the 14 skin-colored patches in accurately estimating human skin color
CN113297978B (zh) 活体检测方法、装置及电子设备
Yoo et al. Estimation of reflectance based on properties of selective spectrum with adaptive Wiener estimation

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