CN112818918A - 一种活体检测方法、装置、电子设备及存储介质 - Google Patents
一种活体检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112818918A CN112818918A CN202110209258.2A CN202110209258A CN112818918A CN 112818918 A CN112818918 A CN 112818918A CN 202110209258 A CN202110209258 A CN 202110209258A CN 112818918 A CN112818918 A CN 112818918A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- living body
- body detection
- width
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 173
- 238000004364 calculation method Methods 0.000 claims description 42
- 238000012417 linear regression Methods 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 38
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 10
- 238000001727 in vivo Methods 0.000 claims description 9
- 230000000717 retained effect Effects 0.000 claims description 8
- 230000001960 triggered effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 16
- 238000001574 biopsy Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 101100412102 Haemophilus influenzae (strain ATCC 51907 / DSM 11121 / KW20 / Rd) rec2 gene Proteins 0.000 description 2
- 238000005462 in vivo assay Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种活体检测方法、装置、电子设备及存储介质，本发明实施例中，在进行活体检测时，首先获取双目摄像机采集的第一图像和第二图像，然后计算第一图像和第二图像中的目标人脸的视差和宽度。将目标人脸的视差和宽度带入预先确定的活体检测关系式，判断是否满足活体检测关系式。如果满足，确定目标人脸为活体人脸，否则确定目标人脸为非活体人脸。本发明实施例基于目标人脸的视差和宽度以及预先确定的活体检测关系式进行活体检测，提高了戴口罩人员的活体检测正确率，解决了戴口罩人员极易被误识别为非活体从而无法鉴权成功的问题。
Description
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、电子设备及存储介质。
背景技术
随着人脸识别技术的普及，越来越多人脸识别设备出现在各种各样的场景。人们在享受科技带来便利的同时，也越来越注重设备的安全性，对设备的防假要求也越来越高。目前，市面上的人脸识别设备基本都带有防假技术，能够自动过滤非活体(假人)，防止歹徒使用有权限的人员的手机照片，大头照等进行识别鉴权，从而达到非法目的。然而，若人们戴口罩出行时，人脸识别设备对于戴口罩的人员几乎都判别为非活体(假人)，导致明明是有权限的带口罩人员确无法鉴权成功，导致用户体验较差。
发明内容
本发明实施例提供了一种活体检测方法、装置、电子设备及存储介质，用以解决戴口罩人员极易被误识别为非活体从而无法鉴权成功的问题。
本发明实施例提供了一种活体检测方法，所述方法包括：
获取双目摄像机第一路通道采集的第一图像和第二路通道采集的第二图像；
分别确定所述第一图像和第二图像中的目标人脸的区域位置信息；
根据所述第一图像和第二图像中的目标人脸的区域位置信息，确定所述目标人脸的视差和宽度；
根据所述目标人脸的视差和宽度，判断所述目标人脸是否满足预先确定的活体检测关系式，如果是，确定所述目标人脸为活体人脸，如果否，确定所述目标人脸为非活体人脸。
进一步地，所述预先确定活体检测关系式的过程包括：
预先获取第一数量的图像组，其中，每个图像组中包括所述双目摄像机第一路通道采集的第三图像和第二路通道采集的第四图像；
针对所述每个图像组，分别确定该图像组中第三图像和第四图像中的相同人脸的区域位置信息；根据所述第三图像和第四图像中的相同人脸的区域位置信息，确定所述人脸的视差和宽度；
根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式。
进一步地，所述根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式包括：
根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到候选活体检测关系式；
根据所述候选活体检测关系式和预设的第一阈值，对所述每个图像组确定出的人脸的视差和宽度进行过滤，得到保留的第二数量的图像组；
根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式。
进一步地，所述根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式包括：
根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式中的斜率和截距；
根据所述保留的第二数量的图像组确定出的人脸的视差和宽度、所述活体检测关系式和预设的拒真率，确定所述活体检测关系式中的第二阈值。
进一步地，如果判断所述目标人脸满足预先确定的活体检测关系式，确定所述目标人脸为活体人脸之前，所述方法还包括：
通过人脸属性检测算法，判断所述目标人脸是否佩戴口罩，如果是，确定所述目标人脸为活体人脸；
如果判断所述目标人脸未佩戴口罩，所述方法还包括：
通过人脸活体检测算法，确定所述目标人脸是否为活体人脸。
另一方面，本发明实施例提供了一种活体检测装置，所述装置包括：
获取模块，用于获取双目摄像机第一路通道采集的第一图像和第二路通道采集的第二图像；
第一确定模块，用于分别确定所述第一图像和第二图像中的目标人脸的区域位置信息；
第二确定模块，用于根据所述第一图像和第二图像中的目标人脸的区域位置信息，确定所述目标人脸的视差和宽度；
第三确定模块，用于根据所述目标人脸的视差和宽度，判断所述目标人脸是否满足预先确定的活体检测关系式，如果是，确定所述目标人脸为活体人脸，如果否，确定所述目标人脸为非活体人脸。
进一步地，所述装置还包括：
第四确定模块，用于预先获取第一数量的图像组，其中，每个图像组中包括所述双目摄像机第一路通道采集的第三图像和第二路通道采集的第四图像；针对所述每个图像组，分别确定该图像组中第三图像和第四图像中的相同人脸的区域位置信息；根据所述第三图像和第四图像中的相同人脸的区域位置信息，确定所述人脸的视差和宽度；根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式。
进一步地，所述第四确定模块，具体用于根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到候选活体检测关系式；根据所述候选活体检测关系式和预设的第一阈值，对所述每个图像组确定出的人脸的视差和宽度进行过滤，得到保留的第二数量的图像组；根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式。
进一步地，所述第四确定模块，具体用于根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式中的斜率和截距；根据所述保留的第二数量的图像组确定出的人脸的视差和宽度、所述活体检测关系式和预设的拒真率，确定所述活体检测关系式中的第二阈值。
进一步地，所述装置还包括：
判断模块，用于通过人脸属性检测算法，判断所述目标人脸是否佩戴口罩，如果是，触发所述第三确定模块，确定所述目标人脸为活体人脸；
如果所述判断模块的判断结果为否，触发第五确定模块；
所述第五确定模块，用于通过人脸活体检测算法，确定所述目标人脸是否为活体人脸。
另一方面，本发明实施例提供了一种电子设备，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，实现上述任一项所述的方法步骤。
另一方面，本发明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内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法步骤。
本发明实施例提供了一种活体检测方法、装置、电子设备及存储介质，所述方法包括：获取双目摄像机第一路通道采集的第一图像和第二路通道采集的第二图像；分别确定所述第一图像和第二图像中的目标人脸的区域位置信息；根据所述第一图像和第二图像中的目标人脸的区域位置信息，确定所述目标人脸的视差和宽度；根据所述目标人脸的视差和宽度，判断所述目标人脸是否满足预先确定的活体检测关系式，如果是，确定所述目标人脸为活体人脸，如果否，确定所述目标人脸为非活体人脸。
由于在本发明实施例中，在进行活体检测时，首先获取双目摄像机采集的第一图像和第二图像，然后计算第一图像和第二图像中的目标人脸的视差和宽度。将目标人脸的视差和宽度带入预先确定的活体检测关系式，判断是否满足活体检测关系式。如果满足，确定目标人脸为活体人脸，否则确定目标人脸为非活体人脸。本发明实施例基于目标人脸的视差和宽度以及预先确定的活体检测关系式进行活体检测，提高了戴口罩人员的活体检测正确率，解决了戴口罩人员极易被误识别为非活体从而无法鉴权成功的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的活体检测过程示意图；
图2为本发明实施例5提供的确定活体检测关系式的过程示意图；
图3为本发明实施例5提供的活体检测过程示意图；
图4为本发明实施例6提供的活体检测装置结构示意图；
图5为本发明实施例7提供的电子设备结构示意图。
具体实施方式
下面将结合附图对本发明作进一步地详细描述，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。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前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1：
图1为本发明实施例提供的活体检测过程示意图，该过程包括以下步骤：
S101：获取双目摄像机第一路通道采集的第一图像和第二路通道采集的第二图像。
S102：分别确定所述第一图像和第二图像中的目标人脸的区域位置信息。
S103：根据所述第一图像和第二图像中的目标人脸的区域位置信息，确定所述目标人脸的视差和宽度。
S104：根据所述目标人脸的视差和宽度，判断所述目标人脸是否满足预先确定的活体检测关系式，如果是，确定所述目标人脸为活体人脸，如果否，确定所述目标人脸为非活体人脸。
本发明实施例提供的活体检测方法应用于电子设备，该电子设备可以是PC、平板电脑等设备。
活体检测场景中一般会安装双目摄像机，双目摄像机可以是两路通道都采集可见光图像的摄像机，也可以是一路通道采集可见光图像，另一路通道采集红外光图像的摄像机。本发明实施例中将双目摄像机的任意一路通道作为第一路通道，将另一路通道作为第二路通道，将第一路通道采集到的图像作为第一图像，将第二路通道采集到的图像作为第二图像。双目摄像机与电子设备网络连接，双目摄像机采集到第一图像和第二图像之后，可以将第一图像和第二图像发送至电子设备，也可以是电子设备获取双目摄像机采集的第一图像和第二图像。
电子设备获取到第一图像和第二图像之后，通过人脸识别算法分别确定第一图像和第二图像中的目标人脸，进而确定出目标人脸分别在第一图像和第二图像中的区域位置信息。其中，通过人脸识别算法检测出的目标人脸的区域为包含目标人脸在内的一个矩形框区域。根据第一图像和第二图像中的目标人脸的区域位置信息，确定目标人脸的视差和宽度。
其中，目标人脸的视差计算公式如下：
视差＝(rect1.lr.x+rect1.ul.x)/2.0-(rect2.lr.x+rect2.ul.x)/2.0；
rect1.lr.x：第一图像中的目标人脸区域右下角像素点的横坐标；
rect1.ul.x：第一图像中的目标人脸区域左下角像素点的横坐标；
rect2.lr.x：第二图像中的目标人脸区域右下角像素点的横坐标；
rect2.ul.x：第二图像中的目标人脸区域左下角像素点的横坐标。
目标人脸的宽度计算公式如下：
宽度＝abs(rect1.lr.x-rect1.ul.x)；
rect1.lr.x：第一图像中的目标人脸区域右下角像素点的横坐标；
rect1.ul.x：第一图像中的目标人脸区域左下角像素点的横坐标；
abs()：求绝对值。
或者，宽度＝abs(rect2.lr.x–rect2.ul.x)；
Rect2.lr.x：第二图像中的目标人脸区域右下角像素点的横坐标；
Rect2.ul.x：第二图像中的目标人脸区域左下角像素点的横坐标；
abs()：求绝对值。
电子设备中预先确定有活体检测关系式，在确定出目标人脸的视差和宽度之后，根据目标人脸的视差和宽度，判断目标人脸是否满足预先确定的活体检测关系式。也就是将目标人脸的视差和宽度代入活体检测关系式，判断活体检测关系式是否成立，如果成立，则确定目标人脸满足活体检测关系式，此时确定目标人脸为活体人脸；如果不成立，则确定目标人脸不满足活体检测关系式，此时确定目标人脸为非活体人脸。
由于在本发明实施例中，在进行活体检测时，首先获取双目摄像机采集的第一图像和第二图像，然后计算第一图像和第二图像中的目标人脸的视差和宽度。将目标人脸的视差和宽度带入预先确定的活体检测关系式，判断是否满足活体检测关系式。如果满足，确定目标人脸为活体人脸，否则确定目标人脸为非活体人脸。本发明实施例基于目标人脸的视差和宽度以及预先确定的活体检测关系式进行活体检测，提高了戴口罩人员的活体检测正确率，解决了戴口罩人员极易被误识别为非活体从而无法鉴权成功的问题。
实施例2：
在上述实施例的基础上，在本发明实施例中，所述预先确定活体检测关系式的过程包括：
预先获取第一数量的图像组，其中，每个图像组中包括所述双目摄像机第一路通道采集的第三图像和第二路通道采集的第四图像；
针对所述每个图像组，分别确定该图像组中第三图像和第四图像中的相同人脸的区域位置信息；根据所述第三图像和第四图像中的相同人脸的区域位置信息，确定所述人脸的视差和宽度；
根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式。
本发明实施例中，电子设备预先获取有第一数量的图像组，每个图像组中包括双目摄像机第一路通道采集的第三图像和第二路通道采集的第四图像。针对每个图像组，通过人脸识别算法分别确定该图像组中第三图像和第四图像中的相同人脸的区域位置信息，根据第三图像和第四图像中的相同人脸的区域位置信息，确定人脸的视差和宽度。
电子设备针对每个图像组确定出人脸的视差和宽度之后，根据每个图像组确定出的人脸的视差和宽度，进行线性回归计算。假设人脸宽度与视差分别为x和y，人脸宽度与视差的关系式为y＝b0+b1*x，将每个图像组确定出的人脸的视差和宽度代入上述关系式，进行线性回归计算得到b0和b1的值。b0和b1对应的分别是上述关系式的截距和斜率。
b1＝∑(Xi-X)*(Yi-Y)/∑(Xi-X)*(Xi-X)；
b0＝Y–b1*X；
X:人脸宽度的平均值；
Y：视差的平均值。
确定出b0和b1的值之后，确定活体检测关系式为y-(b0+b1*x)<error。Error为预设的活体检测阈值。
实施例3：
为了使确定活体检测关系式更准确，进而使得活体检测更准确，在上述各实施例的基础上，本发明实施例中，所述根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式包括：
根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到候选活体检测关系式；
根据所述候选活体检测关系式和预设的第一阈值，对所述每个图像组确定出的人脸的视差和宽度进行过滤，得到保留的第二数量的图像组；
根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式。
在本发明实施例中，将根据每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到的活体检测关系式先作为候选活体检测关系式。确定候选活体检测关系式为y-(b0+b1*x)<error1，本发明实施例中Error1为预设的第一阈值。
针对每个图像组，将该图像组确定出的人脸的视差和宽度代入候选活体检测关系式为y-(b0+b1*x)<error1，判断候选活体检测关系式为y-(b0+b1*x)<error1是否成立，如果成立，保留该图像组，如果不成立，滤除该图像组。通过上述方法对每个图像组确定出的人脸的视差和宽度进行过滤，得到保留的第二数量的图像组。
然后再根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式。其中，根据保留的第二数量的图像组确定活体检测关系式的过程与上述确定活体检测关系式的过程类似，在此不再进行赘述。
由于在本发明实施例中，根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到候选活体检测关系式；根据所述候选活体检测关系式和预设的第一阈值，对所述每个图像组确定出的人脸的视差和宽度进行过滤，得到保留的第二数量的图像组；根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式。减少了无效图像组的干扰，使确定活体检测关系式更准确，进而使得活体检测更准确。
实施例4：
为了进一步使确定活体检测关系式更准确，在上述各实施例的基础上，在本发明实施例中，所述根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式包括：
根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式中的斜率和截距；
根据所述保留的第二数量的图像组确定出的人脸的视差和宽度、所述活体检测关系式和预设的拒真率，确定所述活体检测关系式中的第二阈值。
在本发明实施例中，根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式中的斜率b1和截距b0。然后根据保留的第二数量的图像组确定出的人脸的视差和宽度、活体检测关系式y-(b0+b1*x)<error2和预设的拒真率，确定活体检测关系式中的第二阈值error2。
其中，预设的拒真率例如是5％，第二阈值error2从0开始增加，将保留的第二数量的图像组确定出的人脸的视差和宽度，依次代入活体检测关系式y-(b0+b1*x)<error2。针对保留的每个图像组，将该图像组确定出的人脸的视差和宽度代入活体检测关系式y-(b0+b1*x)<error2，如果不成立，则拒真数加1，确定的拒真率＝拒真数/第二数量。第二阈值error2从0开始增加，找到一个第二阈值error2，使得确定的拒真率小于预设的拒真率5％。这样也就确定出了第二阈值error2。最终得到的活体检测关系式即为y-(b0+b1*x)<error2。
由于在本发明实施例中，根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式中的斜率和截距；根据所述保留的第二数量的图像组确定出的人脸的视差和宽度、所述活体检测关系式和预设的拒真率，确定所述活体检测关系式中的第二阈值，使确定活体检测关系式更准确，进而使得活体检测更准确。
实施例5：
为了进一步使活体检测更准确，在上述各实施例的基础上，在本发明实施例中，如果判断所述目标人脸满足预先确定的活体检测关系式，确定所述目标人脸为活体人脸之前，所述方法还包括：
通过人脸属性检测算法，判断所述目标人脸是否佩戴口罩，如果是，确定所述目标人脸为活体人脸；
如果判断所述目标人脸未佩戴口罩，所述方法还包括：
通过人脸活体检测算法，确定所述目标人脸是否为活体人脸。
在本发明实施例中，如果判断所述目标人脸满足预先确定的活体检测关系式，确定目标人脸为活体人脸之前，通过人脸属性检测算法，判断目标人脸是否佩戴口罩，如果佩戴口罩，则确定目标人脸为活体人脸。如果目标人脸未佩戴口罩，进一步通过现有的人脸活体检测算法，确定目标人脸是否为活体人脸。其中，通过人脸属性检测算法，判断目标人脸是否佩戴口罩的过程是现有技术，在此不再进行赘述。
由于本发明实施例中，如果目标人脸佩戴口罩，通过本发明实施例提供的方案确定目标人脸是否为活体人脸。如果目标人脸未佩戴口罩，通过本发明实施例提供的方案结合现有的人脸活体检测算法，确定目标人脸是否为活体人脸。从而使得活体检测更准确。
图2为本发明实施例提供的确定活体检测关系式的过程示意图，包括以下步骤：
S201：预先获取第一数量的图像组，其中，每个图像组中包括所述双目摄像机第一路通道采集的第三图像和第二路通道采集的第四图像。
S202：针对所述每个图像组，分别确定该图像组中第三图像和第四图像中的相同人脸的区域位置信息；根据所述第三图像和第四图像中的相同人脸的区域位置信息，确定所述人脸的视差和宽度。
S203：根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到候选活体检测关系式。
S204：根据所述候选活体检测关系式和预设的第一阈值，对所述每个图像组确定出的人脸的视差和宽度进行过滤，得到保留的第二数量的图像组。
S205：根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式中的斜率和截距；根据所述保留的第二数量的图像组确定出的人脸的视差和宽度、所述活体检测关系式和预设的拒真率，确定所述活体检测关系式中的第二阈值。
图3为本发明实施例提供的活体检测过程示意图，包括双路摄像头进行视频数据采集送入视频同步。视频同步对双路视频进行同步进行人脸检测。根据检测结果计算双路视频的视差以及人脸宽度。用户设置是否开始活体自动标定，若是，保存当前计算的视差以及人脸宽度数值，直到存的数据个数到达设置的数值，开始计算视差与人脸宽度之间的活体检测关系式，清除活体自动标定标志；若否，获取预先确定的活体检测关系式。判断当前识别的目标人脸的视差和宽度是否满足活体检测关系式，如果否，确定所述目标人脸为非活体人脸，如果是，通过人脸属性检测算法判断是否佩戴口罩，若戴口罩，确定所述目标人脸为活体人脸；若未戴口罩，通过人脸活体检测算法，确定目标人脸是否为活体人脸。
实施例6：
图4为本发明实施例提供的活体检测装置结构示意图，该装置包括：
获取模块41，用于获取双目摄像机第一路通道采集的第一图像和第二路通道采集的第二图像；
第一确定模块42，用于分别确定所述第一图像和第二图像中的目标人脸的区域位置信息；
第二确定模块43，用于根据所述第一图像和第二图像中的目标人脸的区域位置信息，确定所述目标人脸的视差和宽度；
第三确定模块44，用于根据所述目标人脸的视差和宽度，判断所述目标人脸是否满足预先确定的活体检测关系式，如果是，确定所述目标人脸为活体人脸，如果否，确定所述目标人脸为非活体人脸。
所述装置还包括：
第四确定模块45，用于预先获取第一数量的图像组，其中，每个图像组中包括所述双目摄像机第一路通道采集的第三图像和第二路通道采集的第四图像；针对所述每个图像组，分别确定该图像组中第三图像和第四图像中的相同人脸的区域位置信息；根据所述第三图像和第四图像中的相同人脸的区域位置信息，确定所述人脸的视差和宽度；根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式。
所述第四确定模块45，具体用于根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到候选活体检测关系式；根据所述候选活体检测关系式和预设的第一阈值，对所述每个图像组确定出的人脸的视差和宽度进行过滤，得到保留的第二数量的图像组；根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式。
所述第四确定模块45，具体用于根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式中的斜率和截距；根据所述保留的第二数量的图像组确定出的人脸的视差和宽度、所述活体检测关系式和预设的拒真率，确定所述活体检测关系式中的第二阈值。
所述装置还包括：
判断模块46，用于通过人脸属性检测算法，判断所述目标人脸是否佩戴口罩，如果是，触发所述第三确定模块44，确定所述目标人脸为活体人脸；
如果所述判断模块46的判断结果为否，触发第五确定模块47；
所述第五确定模块47，用于通过人脸活体检测算法，确定所述目标人脸是否为活体人脸。
实施例7：
在上述各实施例的基础上，本发明实施例中还提供了一种电子设备，如图5所示，包括：处理器301、通信接口302、存储器303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信；
所述存储器303中存储有计算机程序，当所述程序被所述处理器301执行时，使得所述处理器301执行如下步骤：
获取双目摄像机第一路通道采集的第一图像和第二路通道采集的第二图像；
分别确定所述第一图像和第二图像中的目标人脸的区域位置信息；
根据所述第一图像和第二图像中的目标人脸的区域位置信息，确定所述目标人脸的视差和宽度；
根据所述目标人脸的视差和宽度，判断所述目标人脸是否满足预先确定的活体检测关系式，如果是，确定所述目标人脸为活体人脸，如果否，确定所述目标人脸为非活体人脸。
基于同一发明构思，本发明实施例中还提供了一种电子设备，由于上述电子设备解决问题的原理与活体检测方法相似，因此上述电子设备的实施可以参见方法的实施，重复之处不再赘述。
本发明实施例提供的电子设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant，PDA)、网络侧设备等。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、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302用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括中央处理器、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路、现场可编程门陈列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。
在本发明实施例中处理器执行存储器上所存放的程序时，实现获取双目摄像机第一路通道采集的第一图像和第二路通道采集的第二图像；分别确定所述第一图像和第二图像中的目标人脸的区域位置信息；根据所述第一图像和第二图像中的目标人脸的区域位置信息，确定所述目标人脸的视差和宽度；根据所述目标人脸的视差和宽度，判断所述目标人脸是否满足预先确定的活体检测关系式，如果是，确定所述目标人脸为活体人脸，如果否，确定所述目标人脸为非活体人脸。由于在本发明实施例中，在进行活体检测时，首先获取双目摄像机采集的第一图像和第二图像，然后计算第一图像和第二图像中的目标人脸的视差和宽度。将目标人脸的视差和宽度带入预先确定的活体检测关系式，判断是否满足活体检测关系式。如果满足，确定目标人脸为活体人脸，否则确定目标人脸为非活体人脸。本发明实施例基于目标人脸的视差和宽度以及预先确定的活体检测关系式进行活体检测，提高了戴口罩人员的活体检测正确率，解决了戴口罩人员极易被误识别为非活体从而无法鉴权成功的问题。
实施例8：
在上述各实施例的基础上，本发明实施例还提供了一种计算机存储可读存储介质，所述计算机可读存储介质内存储有可由电子设备执行的计算机程序，当所述程序在所述电子设备上运行时，使得所述电子设备执行时实现如下步骤：
获取双目摄像机第一路通道采集的第一图像和第二路通道采集的第二图像；
分别确定所述第一图像和第二图像中的目标人脸的区域位置信息；
根据所述第一图像和第二图像中的目标人脸的区域位置信息，确定所述目标人脸的视差和宽度；
根据所述目标人脸的视差和宽度，判断所述目标人脸是否满足预先确定的活体检测关系式，如果是，确定所述目标人脸为活体人脸，如果否，确定所述目标人脸为非活体人脸。
基于同一发明构思，本发明实施例中还提供了一种计算机可读存储介质，由于处理器在执行上述计算机可读存储介质上存储的计算机程序时解决问题的原理与活体检测方法相似，因此处理器在执行上述计算机可读存储介质存储的计算机程序的实施可以参见方法的实施，重复之处不再赘述。
上述计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(MO)等、光学存储器如CD、DVD、BD、HVD等、以及半导体存储器如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD)等。
在本发明实施例中提供的计算机可读存储介质内存储计算机程序，计算机程序被处理器执行时实现获取双目摄像机第一路通道采集的第一图像和第二路通道采集的第二图像；分别确定所述第一图像和第二图像中的目标人脸的区域位置信息；根据所述第一图像和第二图像中的目标人脸的区域位置信息，确定所述目标人脸的视差和宽度；根据所述目标人脸的视差和宽度，判断所述目标人脸是否满足预先确定的活体检测关系式，如果是，确定所述目标人脸为活体人脸，如果否，确定所述目标人脸为非活体人脸。由于在本发明实施例中，在进行活体检测时，首先获取双目摄像机采集的第一图像和第二图像，然后计算第一图像和第二图像中的目标人脸的视差和宽度。将目标人脸的视差和宽度带入预先确定的活体检测关系式，判断是否满足活体检测关系式。如果满足，确定目标人脸为活体人脸，否则确定目标人脸为非活体人脸。本发明实施例基于目标人脸的视差和宽度以及预先确定的活体检测关系式进行活体检测，提高了戴口罩人员的活体检测正确率，解决了戴口罩人员极易被误识别为非活体从而无法鉴权成功的问题。
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。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (12)
1.一种活体检测方法，其特征在于，所述方法包括：
获取双目摄像机第一路通道采集的第一图像和第二路通道采集的第二图像；
分别确定所述第一图像和第二图像中的目标人脸的区域位置信息；
根据所述第一图像和第二图像中的目标人脸的区域位置信息，确定所述目标人脸的视差和宽度；
根据所述目标人脸的视差和宽度，判断所述目标人脸是否满足预先确定的活体检测关系式，如果是，确定所述目标人脸为活体人脸，如果否，确定所述目标人脸为非活体人脸。
2.如权利要求1所述的方法，其特征在于，所述预先确定活体检测关系式的过程包括：
预先获取第一数量的图像组，其中，每个图像组中包括所述双目摄像机第一路通道采集的第三图像和第二路通道采集的第四图像；
针对所述每个图像组，分别确定该图像组中第三图像和第四图像中的相同人脸的区域位置信息；根据所述第三图像和第四图像中的相同人脸的区域位置信息，确定所述人脸的视差和宽度；
根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式。
3.如权利要求2所述的方法，其特征在于，所述根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式包括：
根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到候选活体检测关系式；
根据所述候选活体检测关系式和预设的第一阈值，对所述每个图像组确定出的人脸的视差和宽度进行过滤，得到保留的第二数量的图像组；
根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式。
4.如权利要求3所述的方法，其特征在于，所述根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式包括：
根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式中的斜率和截距；
根据所述保留的第二数量的图像组确定出的人脸的视差和宽度、所述活体检测关系式和预设的拒真率，确定所述活体检测关系式中的第二阈值。
5.如权利要求1所述的方法，其特征在于，如果判断所述目标人脸满足预先确定的活体检测关系式，确定所述目标人脸为活体人脸之前，所述方法还包括：
通过人脸属性检测算法，判断所述目标人脸是否佩戴口罩，如果是，确定所述目标人脸为活体人脸；
如果判断所述目标人脸未佩戴口罩，所述方法还包括：
通过人脸活体检测算法，确定所述目标人脸是否为活体人脸。
6.一种活体检测装置，其特征在于，所述装置包括：
获取模块，用于获取双目摄像机第一路通道采集的第一图像和第二路通道采集的第二图像；
第一确定模块，用于分别确定所述第一图像和第二图像中的目标人脸的区域位置信息；
第二确定模块，用于根据所述第一图像和第二图像中的目标人脸的区域位置信息，确定所述目标人脸的视差和宽度；
第三确定模块，用于根据所述目标人脸的视差和宽度，判断所述目标人脸是否满足预先确定的活体检测关系式，如果是，确定所述目标人脸为活体人脸，如果否，确定所述目标人脸为非活体人脸。
7.如权利要求6所述的装置，其特征在于，所述装置还包括：
第四确定模块，用于预先获取第一数量的图像组，其中，每个图像组中包括所述双目摄像机第一路通道采集的第三图像和第二路通道采集的第四图像；针对所述每个图像组，分别确定该图像组中第三图像和第四图像中的相同人脸的区域位置信息；根据所述第三图像和第四图像中的相同人脸的区域位置信息，确定所述人脸的视差和宽度；根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式。
8.如权利要求7所述的装置，其特征在于，所述第四确定模块，具体用于根据所述每个图像组确定出的人脸的视差和宽度，进行线性回归计算，得到候选活体检测关系式；根据所述候选活体检测关系式和预设的第一阈值，对所述每个图像组确定出的人脸的视差和宽度进行过滤，得到保留的第二数量的图像组；根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式。
9.如权利要求8所述的装置，其特征在于，所述第四确定模块，具体用于根据保留的第二数量的图像组确定出的人脸的视差和宽度，进行线性回归计算，得到活体检测关系式中的斜率和截距；根据所述保留的第二数量的图像组确定出的人脸的视差和宽度、所述活体检测关系式和预设的拒真率，确定所述活体检测关系式中的第二阈值。
10.如权利要求6所述的装置，其特征在于，所述装置还包括：
判断模块，用于通过人脸属性检测算法，判断所述目标人脸是否佩戴口罩，如果是，触发所述第三确定模块，确定所述目标人脸为活体人脸；
如果所述判断模块的判断结果为否，触发第五确定模块；
所述第五确定模块，用于通过人脸活体检测算法，确定所述目标人脸是否为活体人脸。
11.一种电子设备，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1-5任一项所述的方法步骤。
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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110209258.2A CN112818918B (zh) | 2021-02-24 | 2021-02-24 | 一种活体检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110209258.2A CN112818918B (zh) | 2021-02-24 | 2021-02-24 | 一种活体检测方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112818918A true CN112818918A (zh) | 2021-05-18 |
| CN112818918B CN112818918B (zh) | 2024-03-26 |
Family
ID=75865361
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110209258.2A Active CN112818918B (zh) | 2021-02-24 | 2021-02-24 | 一种活体检测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112818918B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113822238A (zh) * | 2021-11-22 | 2021-12-21 | 深圳佑驾创新科技有限公司 | 活体检测方法及其模组、设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104301633A (zh) * | 2014-11-03 | 2015-01-21 | 倪蔚民 | 移动终端可见光和生物识别组合光电成像系统及方法 |
| WO2019127262A1 (zh) * | 2017-12-28 | 2019-07-04 | 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 |
| CN110956114A (zh) * | 2019-11-25 | 2020-04-03 | 展讯通信（上海）有限公司 | 人脸活体检测方法、装置、检测系统及存储介质 |
| CN111383255A (zh) * | 2018-12-29 | 2020-07-07 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
| CN111723626A (zh) * | 2019-03-22 | 2020-09-29 | 北京地平线机器人技术研发有限公司 | 用于活体检测的方法、装置和电子设备 |
| CN112257538A (zh) * | 2020-10-15 | 2021-01-22 | 杭州锐颖科技有限公司 | 基于双目深度信息的活体检测方法、设备及存储介质 |
-
2021
- 2021-02-24 CN CN202110209258.2A patent/CN112818918B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104301633A (zh) * | 2014-11-03 | 2015-01-21 | 倪蔚民 | 移动终端可见光和生物识别组合光电成像系统及方法 |
| WO2019127262A1 (zh) * | 2017-12-28 | 2019-07-04 | 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 |
| CN111383255A (zh) * | 2018-12-29 | 2020-07-07 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
| CN111723626A (zh) * | 2019-03-22 | 2020-09-29 | 北京地平线机器人技术研发有限公司 | 用于活体检测的方法、装置和电子设备 |
| CN110956114A (zh) * | 2019-11-25 | 2020-04-03 | 展讯通信（上海）有限公司 | 人脸活体检测方法、装置、检测系统及存储介质 |
| CN112257538A (zh) * | 2020-10-15 | 2021-01-22 | 杭州锐颖科技有限公司 | 基于双目深度信息的活体检测方法、设备及存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113822238A (zh) * | 2021-11-22 | 2021-12-21 | 深圳佑驾创新科技有限公司 | 活体检测方法及其模组、设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112818918B (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101560866B1 (ko) | 피부색 영역 및 얼굴 영역에 기초한 뷰포인트 검출기 | |
| KR20200081450A (ko) | 생체 검출 방법, 장치 및 시스템, 전자 기기 및 저장 매체 | |
| EP3385880B1 (en) | Passenger flow information collection method and apparatus, and passenger flow information processing method and apparatus | |
| CN105872399B (zh) | 逆光检测方法和逆光检测系统 | |
| CN111583118B (zh) | 图像拼接方法、装置、存储介质及电子设备 | |
| TW201727537A (zh) | 人臉識別系統及人臉識別方法 | |
| CN104601876B (zh) | 路人侦测方法与装置 | |
| CN110245645B (zh) | 人脸活体识别方法、装置、设备及存储介质 | |
| US10659680B2 (en) | Method of processing object in image and apparatus for same | |
| WO2022057719A1 (zh) | 识别对象确定方法、装置、设备及存储介质 | |
| CN111307331A (zh) | 一种温度校准方法、装置、设备及存储介质 | |
| CN107832598B (zh) | 解锁控制方法及相关产品 | |
| CN107977636B (zh) | 人脸检测方法及装置、终端、存储介质 | |
| CN107333107A (zh) | 监控拍摄方法、装置及其设备 | |
| WO2022227548A1 (zh) | 抛洒事件检测方法、装置、电子设备、存储介质及计算机程序产品 | |
| CN110458870B (zh) | 一种图像配准、融合、遮挡检测方法、装置和电子设备 | |
| CN112818918A (zh) | 一种活体检测方法、装置、电子设备及存储介质 | |
| CN109068060B (zh) | 图像处理方法和装置、终端设备、计算机可读存储介质 | |
| CN104376323A (zh) | 一种确定目标距离的方法及装置 | |
| CN108154090B (zh) | 人脸识别方法及装置 | |
| CN109308704B (zh) | 背景剔除方法、装置、计算机设备及存储介质 | |
| CN112446254A (zh) | 人脸追踪的方法及相关装置 | |
| CN110689565B (zh) | 一种深度图确定的方法、装置及电子设备 | |
| CN106469446B (zh) | 深度图像的分割方法和分割装置 | |
| CN110826045B (zh) | 认证方法及装置、电子设备和存储介质 |
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 |