CN112906619A - 活体检测方法、装置、电子设备及存储介质 - Google Patents

活体检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112906619A
CN112906619A CN202110257069.2A CN202110257069A CN112906619A CN 112906619 A CN112906619 A CN 112906619A CN 202110257069 A CN202110257069 A CN 202110257069A CN 112906619 A CN112906619 A CN 112906619A
Authority
CN
China
Prior art keywords
eye
target detection
living body
features
detection image
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
CN202110257069.2A
Other languages
English (en)
Inventor
刘以勒
张为义
罗士杰
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.)
Fujian Cook Intelligent Technology Co ltd
Original Assignee
Fujian Cook Intelligent Technology Co ltd
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 Fujian Cook Intelligent Technology Co ltd filed Critical Fujian Cook Intelligent Technology Co ltd
Priority to CN202110257069.2A priority Critical patent/CN112906619A/zh
Publication of CN112906619A publication Critical patent/CN112906619A/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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/197—Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Ophthalmology & Optometry (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Image Processing (AREA)

Abstract

本申请提供一种活体检测方法、装置、电子设备及存储介质，活体检测方法，包括：获取待检测对象的目标检测图像，所述目标检测图像包含所述待检测对象的脸部；基于所述目标检测图像，提取得到对应的脸部材质反光特征；基于所述目标检测图像，提取得到对应的眼部特征；根据所述脸部材质反光特征及所述眼部特征，检测确定所述待检测对象是否为活体。本申请活体检测方法、装置、电子设备及存储介质，可有效地提高活体检测的准确率，从而能较为准确地确认检测对象是否为活体。

Description

活体检测方法、装置、电子设备及存储介质
技术领域
本申请涉及活体检测技术领域，具体而言，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
目前，在活体检测中，可能会遇到千奇百怪的假体道具、各式各类材质的假体道具，大多活体检测的方式是通过检测对象脸部材质反射的光来确认检测对象是否为活体，而此种方式在遇到假体道具的材质与人脸的材质相像时，难以较为准确地确认检测对象是否为活体，并且，此种方式对未遇到的假体道具的类型或材质，也难以较为准确地确认检测对象是否为活体。
发明内容
本申请实施例的目的在于提供一种活体检测方法、装置、电子设备及存储介质，可有效地提高活体检测的准确率，从而能较为准确地确认检测对象是否为活体。
第一方面，本申请实施例提供了一种活体检测方法，包括：
获取待检测对象的目标检测图像，所述目标检测图像包含所述待检测对象的脸部；
基于所述目标检测图像，提取得到对应的脸部材质反光特征；
基于所述目标检测图像，提取得到对应的眼部特征；
根据所述脸部材质反光特征及所述眼部特征，检测确定所述待检测对象是否为活体。
在上述实现过程中，本申请实施例的活体检测方法，通过获取的待检测对象的目标检测图像，提取得到对应的脸部材质反光特征及眼部特征；根据脸部材质反光特征及眼部特征，检测确定待检测对象是否为活体，结合了待检测对象的脸部材质反光特征及眼部特征，可有效地提高活体检测的准确率，从而能较为准确地确认检测对象是否为活体。
进一步地，所述目标检测图像为近红外图像。
在上述实现过程中，该方法中的目标检测图像采用近红外图像，可以较好地提取得到对应的眼部特征，进而可以更为准确地确认检测对象是否为活体。
进一步地，所述基于所述目标检测图像，提取得到对应的脸部材质反光特征，包括：
基于所述目标检测图像，提取得到对应的五官线条及脸部边缘线条；
基于所述目标检测图像、所述五官线条及所述脸部边缘线条，提取得到对应的脸部材质反光特征。
在上述实现过程中，该方法通过目标检测图像、五官线条及脸部边缘线条，提取得到对应的脸部材质反光特征，可以较为快速、准确、完整地提取得到对应的脸部材质反光特征。
进一步地，所述眼部特征包括眼睛细微特征及眼睛周遭特征；
所述基于所述目标检测图像，提取得到对应的眼部特征，包括：
基于所述目标检测图像，提取得到对应的所述眼睛细微特征及所述眼睛周遭特征；
所述根据所述脸部材质反光特征及所述眼部特征，检测确定所述待检测对象是否为活体，包括：
根据所述脸部材质反光特征、所述眼睛细微特征及所述眼睛周遭特征，检测确定所述待检测对象是否为活体。
在上述实现过程中，该方法中的眼部特征包括眼睛细微特征及眼睛周遭特征，可更好地提高活体检测的准确率，从而能更为准确地确认检测对象是否为活体。
进一步地，所述基于所述目标检测图像，提取得到对应的所述眼睛细微特征及所述眼睛周遭特征，包括：
基于所述目标检测图像，提取得到对应的五官线条及脸部边缘线条；
基于所述目标检测图像、所述五官线条及所述脸部边缘线条，提取得到对应的所述眼睛细微特征；
基于所述目标检测图像，提取得到对应的含有眼部的局部图像；
基于所述局部图像，提取得到对应的所述眼睛周遭特征。
在上述实现过程中，该方法通过目标检测图像、五官线条及脸部边缘线条提取得到对应的所述眼睛细微特征，以及通过来自目标检测图像的含有眼部的局部图像提取得到对应的所述眼睛周遭特征，可以较为便于、利于眼睛细微特征及眼睛周遭特征的提取。
进一步地，所述眼睛细微特征包括眼睛的瞳孔特征、眼睛的眼白特征及眼睛的虹膜特征。
在上述实现过程中，该方法中的眼睛细微特征包括眼睛的瞳孔特征、眼睛的眼白特征及眼睛的虹膜特征，可更好地提高活体检测的准确率，从而能更为准确地确认检测对象是否为活体。
第二方面，本申请实施例提供了一种活体检测装置，包括：
获取模块，用于获取待检测对象的目标检测图像，所述目标检测图像包含所述待检测对象的脸部；
特征提取模块，用于基于所述目标检测图像，提取得到对应的脸部材质反光特征；
以及，用于基于所述目标检测图像，提取得到对应的眼部特征；
检测模块，用于根据所述脸部材质反光特征及所述眼部特征，检测确定所述待检测对象是否为活体。
在上述实现过程中，本申请实施例的活体检测装置，通过获取的待检测对象的目标检测图像，提取得到对应的脸部材质反光特征及眼部特征；根据脸部材质反光特征及眼部特征，检测确定待检测对象是否为活体，结合了待检测对象的脸部材质反光特征及眼部特征，可有效地提高活体检测的准确率，从而能较为准确地确认检测对象是否为活体。
进一步地，所述特征提取模块在基于所述目标检测图像，提取得到对应的脸部材质反光特征时，具体用于：
基于所述目标检测图像，提取得到对应的五官线条及脸部边缘线条；
基于所述目标检测图像、所述五官线条及所述脸部边缘线条，提取得到对应的脸部材质反光特征。
在上述实现过程中，该装置通过目标检测图像、五官线条及脸部边缘线条，提取得到对应的脸部材质反光特征，可以较为快速、准确、完整地提取得到对应的脸部材质反光特征。
第三方面，本申请实施例提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的活体检测方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的活体检测方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。
图1为本申请实施例一提供的活体检测方法的流程示意图；
图2为本申请实施例一提供的步骤S120的流程示意图；
图3为本申请实施例一提供的步骤S130的流程示意图；
图4为本申请实施例二提供的活体检测装置的结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
目前，在活体检测中，大多活体检测的方式是通过检测对象脸部材质反射的光来确认检测对象是否为活体，而此种方式在遇到假体道具的材质与人脸的材质相像时，难以较为准确地确认检测对象是否为活体，并且，此种方式对未遇到的假体道具的类型或材质，也难以较为准确地确认检测对象是否为活体。
针对上述现有技术中的问题，本申请提供了一种活体检测方法、装置、电子设备及存储介质，可有效地提高活体检测的准确率，从而能较为准确地确认检测对象是否为活体。
实施例一
参见图1，图1为本申请实施例提供的活体检测方法的流程示意图。本申请实施例中下述的活体检测方法可应用于服务器。
本申请实施例的活体检测方法，包括如下步骤：
步骤S110，获取待检测对象的目标检测图像，目标检测图像包含待检测对象的脸部。
在本实施例中，待检测对象可以是人脸或假体道具，假体道具可以是假体面具。
步骤S120，基于上述目标检测图像，提取得到对应的脸部材质反光特征。
在本实施例中，可通过预设的多层卷积网络模型提取得到待检测对象的脸部材质反光特征，预设的多层卷积网络模型为预先训练好的多层卷积网络模型。
待检测对象的脸部材质反光特征可以是待检测对象的脸部材质的反光率。
步骤S130，基于上述目标检测图像，提取得到对应的眼部特征。
在本实施例中，可通过上述预设的多层卷积网络模型提取得到待检测对象的眼部特征。
待检测对象的眼部特征可以包括待检测对象的眼睛细微特征等特征。
步骤S140，根据脸部材质反光特征及眼部特征，检测确定待检测对象是否为活体。
在本实施例中，在根据待检测对象的脸部材质反光特征检测确定待检测对象为活体，且根据待检测对象的眼部特征检测确定待检测对象为活体时，才最终检测确定待检测对象为活体。
本申请实施例的活体检测方法，通过获取的待检测对象的目标检测图像，提取得到对应的脸部材质反光特征及眼部特征；根据脸部材质反光特征及眼部特征，检测确定待检测对象是否为活体，结合了待检测对象的脸部材质反光特征及眼部特征，可有效地提高活体检测的准确率，从而能较为准确地确认检测对象是否为活体。
需要说明的是，在其他实施例中，本申请实施例的活体检测方法，步骤S120与步骤S130也可同时执行；或者，也可先执行步骤S130，再执行步骤S120。
作为一种可选的实施方式，待检测对象的目标检测图像可为近红外图像。
在上述过程中，由于假体眼睛与活体眼睛在近红外图像中的差异较大，该方法中的目标检测图像采用近红外图像，可以较好地提取得到对应的眼部特征，进而可以更为准确地确认检测对象是否为活体。
为了可以较为快速、准确、完整地提取得到对应的脸部材质反光特征，本申请实施例提供一种可能的实施方式，参见图2，图2为本申请实施例提供的步骤S120的流程示意图，本申请实施例的活体检测方法，步骤S120，基于上述目标检测图像，提取得到对应的脸部材质反光特征，可包括如下步骤：
步骤S121，基于上述目标检测图像，提取得到对应的五官线条及脸部边缘线条；
步骤S122，基于上述目标检测图像、五官线条及脸部边缘线条，提取得到对应的脸部材质反光特征。
在上述过程中，该方法通过目标检测图像、五官线条及脸部边缘线条，提取得到对应的脸部材质反光特征，可以较为快速、准确、完整地提取得到对应的脸部材质反光特征。
作为一种可选的实施方式，待检测对象的眼部特征包括待检测对象的眼睛细微特征及待检测对象的眼睛周遭特征。
步骤S130，基于上述目标检测图像，提取得到对应的眼部特征，即基于上述目标检测图像，提取得到对应的眼睛细微特征及眼睛周遭特征。
步骤S140，根据脸部材质反光特征及眼部特征，检测确定待检测对象是否为活体，即根据脸部材质反光特征、眼睛细微特征及眼睛周遭特征，检测确定待检测对象是否为活体。
在根据脸部材质反光特征、眼睛细微特征及眼睛周遭特征，检测确定待检测对象是否为活体时，在根据待检测对象的脸部材质反光特征检测确定待检测对象为活体，且根据待检测对象的眼睛细微特征检测确定待检测对象为活体，以及根据待检测对象的眼睛周遭特征检测确定待检测对象为活体时，才最终检测确定待检测对象为活体。
在上述过程中，该方法中的眼部特征包括眼睛细微特征及眼睛周遭特征，可更好地提高活体检测的准确率，从而能更为准确地确认检测对象是否为活体。
为了可以较为便于、利于眼睛细微特征及眼睛周遭特征的提取，本申请实施例提供一种可能的实施方式，参见图3，图3为本申请实施例提供的步骤S130的流程示意图，本申请实施例的活体检测方法，步骤S130，基于上述目标检测图像，提取得到对应的眼部特征，即基于上述目标检测图像，提取得到对应的眼睛细微特征及眼睛周遭特征，可包括如下步骤：
步骤S131，基于上述目标检测图像，提取得到对应的五官线条及脸部边缘线条；
步骤S132，基于上述目标检测图像、五官线条及脸部边缘线条，提取得到对应的眼睛细微特征；
步骤S133，基于上述目标检测图像，提取得到对应的含有眼部的局部图像；
步骤S134，基于上述局部图像，提取得到对应的眼睛周遭特征。
在上述过程中，该方法通过目标检测图像、五官线条及脸部边缘线条提取得到对应的所述眼睛细微特征，以及通过来自目标检测图像的含有眼部的局部图像提取得到对应的所述眼睛周遭特征，可以较为便于、利于眼睛细微特征及眼睛周遭特征的提取。
需要说明的是，本申请实施例的活体检测方法，在先执行步骤S120，再执行步骤S130的情况下，步骤S131可不用执行，直接执行步骤S132至步骤S134即可。
可选地，待检测对象的眼睛细微特征可包括眼睛的瞳孔特征、眼睛的眼白特征及眼睛的虹膜特征。
在上述过程中，该方法中的眼睛细微特征包括眼睛的瞳孔特征、眼睛的眼白特征及眼睛的虹膜特征，可更好地提高活体检测的准确率，从而能更为准确地确认检测对象是否为活体。
可选地，待检测对象的眼睛周遭特征可包含待检测对象眼睛周围的线条，进而可用于根据待检测对象眼睛周围的线条确定待检测对象是否为眼睛部位抠洞的假体道具。
实施例二
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种活体检测装置。
参见图4，图4为本申请实施例提供的活体检测装置的结构框图。
本申请实施例的活体检测装置，包括：
获取模块210，用于获取待检测对象的目标检测图像，目标检测图像包含待检测对象的脸部；
特征提取模块220，用于基于上述目标检测图像，提取得到对应的脸部材质反光特征；
以及，用于基于上述目标检测图像，提取得到对应的眼部特征；
检测模块230，用于根据脸部材质反光特征及眼部特征，检测确定待检测对象是否为活体。
本申请实施例的活体检测装置，通过获取的待检测对象的目标检测图像，提取得到对应的脸部材质反光特征及眼部特征；根据脸部材质反光特征及眼部特征，检测确定待检测对象是否为活体，结合了待检测对象的脸部材质反光特征及眼部特征，可有效地提高活体检测的准确率，从而能较为准确地确认检测对象是否为活体。
作为一种可选的实施方式，特征提取模块220在基于上述目标检测图像，提取得到对应的脸部材质反光特征时，可具体用于：
基于上述目标检测图像，提取得到对应的五官线条及脸部边缘线条；
基于上述目标检测图像、五官线条及脸部边缘线条，提取得到对应的脸部材质反光特征。
作为一种可选的实施方式，特征提取模块220在基于上述目标检测图像，提取得到对应的眼部特征时，可具体用于：
基于上述目标检测图像，提取得到对应的眼睛细微特征及眼睛周遭特征。
可选地，特征提取模块220在基于上述目标检测图像，提取得到对应的眼睛细微特征及眼睛周遭特征时，可：
基于上述目标检测图像，提取得到对应的五官线条及脸部边缘线条；
基于上述目标检测图像、五官线条及脸部边缘线条，提取得到对应的眼睛细微特征；
基于上述目标检测图像，提取得到对应的含有眼部的局部图像；
基于上述局部图像，提取得到对应的眼睛周遭特征。
上述的活体检测装置可实施上述实施例一的活体检测方法。上述实施例一中的可选项也适用于本实施例，这里不再详述。
本申请实施例的其余内容可参照上述实施例一的内容，在本实施例中，不再进行赘述。
实施例三
本申请实施例提供一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的活体检测方法。
可选地，上述电子设备可以是服务器。
另外，本申请实施例还提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的活体检测方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、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，所述模块、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方式中，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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种活体检测方法，其特征在于，包括：
获取待检测对象的目标检测图像，所述目标检测图像包含所述待检测对象的脸部；
基于所述目标检测图像，提取得到对应的脸部材质反光特征；
基于所述目标检测图像，提取得到对应的眼部特征；
根据所述脸部材质反光特征及所述眼部特征，检测确定所述待检测对象是否为活体。
2.根据权利要求1所述的活体检测方法，其特征在于，所述目标检测图像为近红外图像。
3.根据权利要求1所述的活体检测方法，其特征在于，所述基于所述目标检测图像，提取得到对应的脸部材质反光特征，包括：
基于所述目标检测图像，提取得到对应的五官线条及脸部边缘线条；
基于所述目标检测图像、所述五官线条及所述脸部边缘线条，提取得到对应的脸部材质反光特征。
4.根据权利要求1或3所述的活体检测方法，其特征在于，所述眼部特征包括眼睛细微特征及眼睛周遭特征；
所述基于所述目标检测图像，提取得到对应的眼部特征，包括：
基于所述目标检测图像，提取得到对应的所述眼睛细微特征及所述眼睛周遭特征；
所述根据所述脸部材质反光特征及所述眼部特征，检测确定所述待检测对象是否为活体，包括：
根据所述脸部材质反光特征、所述眼睛细微特征及所述眼睛周遭特征，检测确定所述待检测对象是否为活体。
5.根据权利要求4所述的活体检测方法，其特征在于，所述基于所述目标检测图像，提取得到对应的所述眼睛细微特征及所述眼睛周遭特征，包括：
基于所述目标检测图像，提取得到对应的五官线条及脸部边缘线条；
基于所述目标检测图像、所述五官线条及所述脸部边缘线条，提取得到对应的所述眼睛细微特征；
基于所述目标检测图像，提取得到对应的含有眼部的局部图像；
基于所述局部图像，提取得到对应的所述眼睛周遭特征。
6.根据权利要求4所述的活体检测方法，其特征在于，所述眼睛细微特征包括眼睛的瞳孔特征、眼睛的眼白特征及眼睛的虹膜特征。
7.一种活体检测装置，其特征在于，包括：
获取模块，用于获取待检测对象的目标检测图像，所述目标检测图像包含所述待检测对象的脸部；
特征提取模块，用于基于所述目标检测图像，提取得到对应的脸部材质反光特征；
以及，用于基于所述目标检测图像，提取得到对应的眼部特征；
检测模块，用于根据所述脸部材质反光特征及所述眼部特征，检测确定所述待检测对象是否为活体。
8.根据权利要求7所述的活体检测装置，其特征在于，所述特征提取模块在基于所述目标检测图像，提取得到对应的脸部材质反光特征时，具体用于：
基于所述目标检测图像，提取得到对应的五官线条及脸部边缘线条；
基于所述目标检测图像、所述五官线条及所述脸部边缘线条，提取得到对应的脸部材质反光特征。
9.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至6中任一项所述的活体检测方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的活体检测方法。
CN202110257069.2A 2021-03-09 2021-03-09 活体检测方法、装置、电子设备及存储介质 Pending CN112906619A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110257069.2A CN112906619A (zh) 2021-03-09 2021-03-09 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
CN202110257069.2A CN112906619A (zh) 2021-03-09 2021-03-09 活体检测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112906619A true CN112906619A (zh) 2021-06-04

Family

ID=76108089

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110257069.2A Pending CN112906619A (zh) 2021-03-09 2021-03-09 活体检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112906619A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106372601A (zh) * 2016-08-31 2017-02-01 上海依图网络科技有限公司 一种基于红外可见双目图像的活体检测方法及装置
CN109522798A (zh) * 2018-10-16 2019-03-26 平安科技（深圳）有限公司 基于活体识别的视频防伪方法、系统、装置及可存储介质
JP2020191089A (ja) * 2019-05-20 2020-11-26 ベイジン バイドゥ ネットコム サイエンス アンド テクノロジー カンパニー リミテッド 顔生体の検出方法及び検出装置、電子機器、並びにコンピュータ読み取り可能な媒体
CN112329612A (zh) * 2020-11-03 2021-02-05 北京百度网讯科技有限公司 活体检测方法、装置及电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106372601A (zh) * 2016-08-31 2017-02-01 上海依图网络科技有限公司 一种基于红外可见双目图像的活体检测方法及装置
CN109522798A (zh) * 2018-10-16 2019-03-26 平安科技（深圳）有限公司 基于活体识别的视频防伪方法、系统、装置及可存储介质
JP2020191089A (ja) * 2019-05-20 2020-11-26 ベイジン バイドゥ ネットコム サイエンス アンド テクノロジー カンパニー リミテッド 顔生体の検出方法及び検出装置、電子機器、並びにコンピュータ読み取り可能な媒体
CN112329612A (zh) * 2020-11-03 2021-02-05 北京百度网讯科技有限公司 活体检测方法、装置及电子设备

Similar Documents

Publication Publication Date Title
Zhang et al. Detection of microaneurysms using multi-scale correlation coefficients
CN107292877B (zh) 一种基于眼底图像特征的左右眼识别方法
JP5061645B2 (ja) 情報抽出方法、情報抽出装置、プログラム、登録装置及び照合装置
CN107301408B (zh) 人体掩膜提取方法及装置
KR101141312B1 (ko) 영상의 융합 기법을 이용한 의료용 혈관영상 처리방법
CN109697716B (zh) 青光眼图像识别方法、设备和筛查系统
WO2022088665A1 (zh) 病灶分割方法、装置及存储介质
Morales et al. Automatic detection of optic disc based on PCA and stochastic watershed
CN112487921A (zh) 一种用于活体检测的人脸图像预处理方法及系统
CN105761229B (zh) 超声穿刺针图像的增强方法及装置
CN113920078A (zh) 一种针对眼底图像的血管分割方法和电子设备
EP3724848A1 (en) Image processing method for glaucoma detection and computer program products thereof
KR100376415B1 (ko) 눈 영상을 이용한 동공추출방법
CN112541900B (zh) 基于卷积神经网络的检测方法、装置、计算机设备及存储介质
Lamani et al. Early detection of glaucoma through retinal nerve fiber layer analysis using fractal dimension and texture feature
Mahfouz et al. Ultrafast localization of the optic disc using dimensionality reduction of the search space
Niemeijer et al. Automated localization of the optic disc and the fovea
CN112906619A (zh) 活体检测方法、装置、电子设备及存储介质
CN112861588B (zh) 一种活体检测的方法、装置
JP2008046691A (ja) 顔画像処理装置及びコンピュータのプログラム
CN110276333B (zh) 眼底身份识别模型训练方法、眼底身份识别方法和设备
Zaidi et al. Retinal image analysis for diagnosis of macular edema using digital fundus images
Athab et al. Localization of the Optic Disc in Retinal Fundus Image using Appearance Based Method andVasculature Convergence
CN113256625A (zh) 一种电子设备和识别装置
Kanimozhi Comparative thresholding analysis for keratoconus detection using probability density function

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