CN113052035A - 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 PDFInfo
- Publication number
- CN113052035A CN113052035A CN202110278802.9A CN202110278802A CN113052035A CN 113052035 A CN113052035 A CN 113052035A CN 202110278802 A CN202110278802 A CN 202110278802A CN 113052035 A CN113052035 A CN 113052035A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- living body
- detected
- pair
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 138
- 238000001727 in vivo Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 38
- 230000001815 facial effect Effects 0.000 claims description 29
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000004590 computer program Methods 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 7
- 238000001574 biopsy Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research 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 Analysis (AREA)
Abstract
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,其中,该活体检测方法包括:获取双目摄像头同步采集的第一图像和第二图像;根据第一图像和第二图像,得到同一目标对象的至少一对待检测人脸图像;该至少一对待检测人脸图像中的每对待检测人脸图像包括根据第一图像得到的第一人脸区域图像和根据第二图像得到的第二人脸区域图像;对每对待检测人脸图像中的第一人脸区域图像和第二人脸区域图像进行活体检测,得到每对待检测人脸图像的初始活体检测结果;根据初始活体检测结果确定目标对象的属性。本申请实施例有利于提升活体检测的精度。
Description
技术领域
本申请涉及计算机视觉技术领域,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
活体检测是人脸识别中极为重要的一部分,其通过验证用户是否为真实活体本人来抵御“假脸”对人脸识别系统的攻击,在金融、门禁、考勤等领域有着广泛的应用。目前,不论是单目还是双目的活体检测,对活体检测模型的能力和人脸成像的质量都有着较高的依赖,为了在降低这种依赖性的同时还能保证活体检测的精度,相关人员从多方面展开了研究和尝试,但活体检测的精度仍然较低。
发明内容
针对上述问题,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,有利于提升活体检测的精度。
为实现上述目的,本申请实施例提供了一种活体检测方法,该方法包括:
获取双目摄像头同步采集的第一图像和第二图像;
根据第一图像和第二图像,得到同一目标对象的至少一对待检测人脸图像;该至少一对待检测人脸图像中的每对待检测人脸图像包括根据第一图像得到的第一人脸区域图像和根据第二图像得到的第二人脸区域图像;
对每对待检测人脸图像中的第一人脸区域图像和第二人脸区域图像进行活体检测,得到每对待检测人脸图像的初始活体检测结果;
根据初始活体检测结果确定目标对象的属性。
在一种可能的实施方式中,在根据初始活体检测结果确定目标对象的属性之后,该方法还包括:
对初始活体检测结果进行统计得到至少一对待检测人脸图像中未通过活体检测的对数;
根据未通过活体检测的对数、至少一对待检测人脸图像的对数以及第一预设通过率得到该至少一对待检测人脸图像的活体通过率;
根据未通过活体检测的对数、至少一对待检测人脸图像的对数以及第二预设通过率得到该至少一对待检测人脸图像的非活体通过率。
在一种可能的实施方式中,上述属性包括活体或非活体;上述根据初始活体检测结果确定目标对象的属性,包括:
在未通过活体检测的对数小于通过活体检测的对数的情况下,确定目标对象为活体;
在未通过活体检测的对数大于通过活体检测的对数的情况下,确定目标对象为非活体。
在一种可能的实施方式中,上述根据所述第一图像和所述第二图像,得到同一目标对象的至少一对待检测人脸图像,包括:
对第一图像中目标对象的第一人脸进行质量检测,以从第一图像中确定出目标对象的至少一帧人脸图像;所述至少一帧人脸图像的帧数与所述至少一对待检测人脸图像的对数相等;
从第二图像中确定出至少一帧人脸图像对应的目标人脸图像;
根据至少一帧人脸图像以及目标人脸图像得到至少一对待检测人脸图像。
在一种可能的实施方式中,上述根据至少一帧人脸图像以及目标人脸图像得到至少一对待检测人脸图像,包括:
基于第一人脸在至少一帧人脸图像的每一帧中的第一位置信息,从该每一帧中截取出第一人脸区域图像;
基于第一位置信息以及该每一帧与该每一帧对应的目标人脸图像之间的视场差,从该每一帧对应的目标人脸图像中截取出第二人脸区域图像;第二人脸区域图像中的第二人脸与第一人脸的相似度大于或等于相似度阈值;
由第一人脸区域图像和第二人脸区域图像构成待检测人脸图像对,得到至少一对待检测人脸图像。
在一种可能的实施方式中,上述基于第一位置信息以及该每一帧与该每一帧对应的目标人脸图像之间的视场差,从该每一帧对应的目标人脸图像中截取出第二人脸区域图像,包括:
基于第一位置信息以及视场差从该每一帧对应的目标人脸图像中确定出第一候选区域;
根据预设缩放比例和第一候选区域截取出第二人脸区域图像。
在一种可能的实施方式中,上述根据预设缩放比例和第一候选区域截取出第二人脸区域图像,包括:
按照预设缩放比例将第一候选区域放大,得到第一目标区域;第一目标区域中包括至少一张人脸;
将至少一张人脸与第一人脸进行匹配,以从至少一张人脸中确定出第二人脸;
基于第二人脸在该每一帧对应的目标人脸图像中的第二位置信息截取出第二人脸区域图像。
本申请另一些实施例提供了一种活体检测装置,该装置包括:
第一获取模块,用于获取双目摄像头同步采集的第一图像和第二图像;
质量检测模块,用于根据第一图像和第二图像,得到同一目标对象的至少一对待检测人脸图像;该至少一对待检测人脸图像中的每对待检测人脸图像包括根据第一图像得到的第一人脸区域图像和根据第二图像得到的第二人脸区域图像;
第二获取模块,用于对每对待检测人脸图像中的第一人脸区域图像和第二人脸区域图像进行活体检测,得到每对待检测人脸图像的初始活体检测结果;
结果确定模块,用于根据初始活体检测结果确定目标对象的属性。
本申请另一些实施例提供了一种电子设备,该电子设备包括输入设备和输出设备,还包括处理器,适于实现一条或多条指令;以及,计算机存储介质,所述计算机存储介质存储有一条或多条指令,所述一条或多条指令适于由所述处理器加载并执行以下步骤:
获取双目摄像头同步采集的第一图像和第二图像;
根据第一图像和第二图像,得到同一目标对象的至少一对待检测人脸图像;该至少一对待检测人脸图像中的每对待检测人脸图像包括根据第一图像得到的第一人脸区域图像和根据第二图像得到的第二人脸区域图像;
对每对待检测人脸图像中的第一人脸区域图像和第二人脸区域图像进行活体检测,得到每对待检测人脸图像的初始活体检测结果;
根据初始活体检测结果确定目标对象的属性。
本申请另一些实施例提供了一种计算机存储介质,所述计算机存储介质存储有一条或多条指令,所述一条或多条指令适于由处理器加载并执行以下步骤:
获取双目摄像头同步采集的第一图像和第二图像;
根据第一图像和第二图像,得到同一目标对象的至少一对待检测人脸图像;该至少一对待检测人脸图像中的每对待检测人脸图像包括根据第一图像得到的第一人脸区域图像和根据第二图像得到的第二人脸区域图像;
对每对待检测人脸图像中的第一人脸区域图像和第二人脸区域图像进行活体检测,得到每对待检测人脸图像的初始活体检测结果;
根据初始活体检测结果确定目标对象的属性。
可以看出,本申请实施例通过获取双目摄像头同步采集的第一图像和第二图像;根据第一图像和第二图像,得到同一目标对象的至少一对待检测人脸图像;该至少一对待检测人脸图像中的每对待检测人脸图像包括根据第一图像得到的第一人脸区域图像和根据第二图像得到的第二人脸区域图像;对每对待检测人脸图像中的第一人脸区域图像和第二人脸区域图像进行活体检测,得到每对待检测人脸图像的初始活体检测结果;根据初始活体检测结果确定目标对象的属性。这样从第一图像和第二图像中选取出目标对象的至少一对待检测人脸图像,利用至少一对待检测人脸图像中每对第一人脸区域图像和第二人脸区域图像的初始活体检测结果来确定目标对象的属性,即为活体或非活体,而不是仅凭一帧或一对人脸图像来确定的属性,有利于提升活体检测的精度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种应用环境的示意图;
图2为本申请实施例提供的一种活体检测方法的流程示意图;
图3为本申请实施例提供的一种获取至少一对待检测人脸图像的示意图;
图4为本申请实施例提供的一种截取第二人脸区域图像的示意图;
图5为本申请实施例提供的另一种活体检测方法的流程示意图;
图6为本申请实施例提供的一种活体检测装置的结构示意图;
图7为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都应当属于本申请保护的范围。
本申请说明书、权利要求书和附图中出现的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,术语“第一”、“第二”和“第三”等是用于区别不同的对象,而并非用于描述特定的顺序。
本申请实施例提出一种活体检测方法,可基于图1所示的应用环境实施,如图1所示,该应用环境包括双目摄像头和电子设备,双目摄像头和电子设备通信连接,应当理解的,双目摄像头通常是同步采集图像的,且两个摄像头采集的图像被实时传输至电子设备。电子设备可对其中一个摄像头采集的图像进行人脸检测和人脸跟踪,当然也可对两个摄像头采集的图像同时进行人脸检测和人脸跟踪,此处不作限定。
在对一摄像头采集的图像中的人脸进行跟踪时,电子设备可执行人脸质量检测操作,以确定出人脸质量较高的至少一帧人脸图像,然后执行人脸匹配操作,从另一摄像头采集的图像中确定出该至少一帧人脸图像对应的目标人脸图像,由该至少一帧人脸图像及其对应的目标人脸图像得到至少一对待检测人脸图像,对该至少一对待检测人脸图像进行活体检测,得到每对待检测人脸图像的活体检测结果,然后对该至少一对待检测人脸图像的初始活体检测结果进行投票表决,以表决结果作为最终的活体检测结果,相较于利用单帧或单对人脸图像进行活体检测,本申请实施例对至少一对待检测人脸图像的初始活体检测结果进行投票表决,以表决结果确定目标对象的最终活体检测结果,有利于提升活体检测的精度。
其中,双目摄像头可以是安防监控、门禁控制、考勤、银行业务办理等场景中的双目设备,电子设备可以是独立的物理服务器,也可以是服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、以及大数据和人工智能平台等基础云计算服务的云服务器。
以下结合相关附图对本申请实施例提供的活体检测方法进行详细阐述。
请参见图2,图2为本申请实施例提供的一种活体检测方法的流程示意图,该活体检测方法应用于电子设备,如图2所示,包括步骤S21-S24:
S21,获取双目摄像头同步采集的第一图像和第二图像。
本申请具体实施例中,第一图像是指双目摄像头的第一摄像头采集的图像,第二图像是指双目摄像头的第二摄像头采集的图像,该第一摄像头可以是双目摄像头的主摄像头,该第二摄像头可以是双目摄像头的副摄像头,第一图像和第二图像可以是连续抓拍的图像,也可以是视频,此处不作限定。
S22,根据第一图像和第二图像,得到同一目标对象的至少一对待检测人脸图像;该至少一对待检测人脸图像中的每对待检测人脸图像包括根据第一图像得到的第一人脸区域图像和根据第二图像得到的第二人脸区域图像。
本申请具体实施例中,电子设备对第一图像中出现的每一张人脸进行质量检测,比如针对目标对象的第一人脸,根据该第一人脸的大小、角度和清晰度得到该第一人脸的人脸质量评分,将该人脸质量评分作为该第一人脸的质量检测结果,基于该质量检测结果从第一图像中确定出第一人脸质量较高的至少一帧人脸图像,比如人脸质量检测结果达到预设值。然后从第二图像中确定出该至少一帧人脸图像对应的目标人脸图像,根据该至少一帧人脸图像以及目标人脸图像得到至少一对待检测人脸图像,其中,上述至少一帧人脸图像的帧数与上述至少一对待检测人脸图像的对数相等,比如均为n,n可以为大于1的奇数。该实施方式中,由于该至少一帧人脸图像中的人脸质量较高,且目标人脸图像是该至少一帧人脸图像中每一帧的对应图像帧,其人脸质量也相对较高,采用人脸质量较高的人脸图像进行活体检测,有利于提高活体检测的准确度。需要说明的是,影响人脸质量的因素包括但不限于人脸的大小、角度、清晰度,人脸质量评分可采用训练好的神经网络模型获取。
在一种可能的实施方式中,如图3所示,上述根据该至少一帧人脸图像以及目标人脸图像得到至少一对待检测人脸图像,包括步骤S31-S33:
S31,基于第一人脸在至少一帧人脸图像的每一帧中的第一位置信息,从该每一帧中截取出第一人脸区域图像;
S32,基于第一位置信息以及该每一帧与该每一帧对应的目标人脸图像之间的视场差,从该每一帧对应的目标人脸图像中截取出第二人脸区域图像;第二人脸区域图像中的第二人脸与第一人脸的相似度大于或等于相似度阈值;
其中,第一位置信息可以是第一人脸在上述每一帧中的左上角坐标和右下角坐标,电子设备可将该左上角坐标和右下角坐标构成的矩形区域确定为第一人脸区域图像截取出。示例性的,电子设备还可将该左上角坐标和右下角坐标构成的矩形区域作为候选区域,按照一定比例将该候选区域放大,将放大后的候选区域确定为第一人脸区域图像截取出,这样通过外扩抓图,有利于保证第一人脸区域图像中能够包括完整的第一人脸。
由于双目摄像头同步采集的图像存在一定视场差,在目标人脸图像中选取第一人脸的待匹配人脸时,需要结合第一位置信息和视场差来确定待匹配人脸的选取区域。
在一种可能的实施方式中,上述基于第一位置信息以及该每一帧与该每一帧对应的目标人脸图像之间的视场差,从该每一帧对应的目标人脸图像中截取出第二人脸区域图像,包括:
基于第一位置信息以及视场差从该每一帧对应的目标人脸图像中确定出第一候选区域;
根据预设缩放比例和第一候选区域截取出第二人脸区域图像。
在一种可能的实施方式中,如图4所示,上述根据预设缩放比例和第一候选区域截取出第二人脸区域图像,包括步骤S41-S43:
S41,按照预设缩放比例将第一候选区域放大,得到第一目标区域;第一目标区域中包括至少一张人脸;
S42,将至少一张人脸与第一人脸进行匹配,以从至少一张人脸中确定出第二人脸;
S43,基于第二人脸在该每一帧对应的目标人脸图像中的第二位置信息截取出第二人脸区域图像。
其中,第一候选区域是指第一位置在上述每一帧中构成的矩形区域,经过视场差计算得到的该每一帧对应的目标人脸图像中的区域,比如第一位置信息中左上角坐标为(90,100)、右下角坐标为(150,30),则经过视场差计算得到其在该目标人脸图像中的对应左上角坐标为(90,120)、对应右下角坐标为(150,50),如此,由第一位置信息中左上角坐标和右下角坐标在该目标人脸图像中的对应坐标构成的矩形区域,得到上述第一候选区域。
为了降低该每一帧对应的目标人脸图像中第二人脸的错误匹配率,提高匹配精度,现按照预设缩放比例将第一候选区域放大,放大后的第一目标区域中通常会包括至少一张人脸,将该至少一张人脸与第一人脸进行相似度计算,以从该至少一张人脸中确定出相似度大于或等于相似度阈值的第二人脸,需要说明的是,相似度大于或等于相似度阈值可以是相似度最高。第二位置信息可以是第二人脸在该每一帧对应的目标人脸图像中的左上角坐标和右下角坐标,电子设备可将该左上角坐标和右下角坐标构成的矩形区域确定为第二人脸区域图像截取出。与第一人脸区域图像类似的,电子设备还可将该左上角坐标和右下角坐标构成的矩形区域作为候选区域,按照一定比例将该候选区域放大,将放大后的候选区域确定为第二人脸区域图像截取出。
该实施方式中,将第一候选区域按照预设缩放比例放大,用放大后的第一目标区域中的至少一张人脸与第一人脸进行匹配,而不是将整个目标人脸图像中的人脸与第一人脸进行匹配,减少了需要做匹配的人脸的数量,有利于减少资源开销。
S33,由第一人脸区域图像和第二人脸区域图像构成待检测人脸图像对,得到至少一对待检测人脸图像。
将上述每一帧中截取出的第一人脸区域图像以及该每一帧对应的目标人脸图像中截取出的第二人脸区域图像作为一个待检测人脸图像对,由此得到至少一对待检测人脸图像。
S23,对每对待检测人脸图像中的第一人脸区域图像和第二人脸区域图像进行活体检测,得到每对待检测人脸图像的初始活体检测结果。
本申请具体实施例中,将每对待检测人脸图像中的第一人脸区域图像和第二人脸区域图像输入训练好的活体检测模型进行活体检测,得到每对待检测人脸图像的初始活体检测结果,即为活体或非活体,若为活体则该对待检测人脸图像通过活体检测,若为非活体则该对待检测人脸图像未通过活体检测。
S24,根据初始活体检测结果确定目标对象的属性。
本申请具体实施例中,每对待检测人脸图像的初始活体检测结果并不单独输出,电子设备对至少一对待检测人脸图像的初始活体检测结果进行投票表决,得到目标对象最终的属性,即为活体或非活体。具体的,在未通过活体检测的对数小于通过活体检测的对数的情况下,确定目标对象为活体;在未通过活体检测的对数大于通过活体检测的对数的情况下,确定目标对象为非活体。
可以看出,本申请实施例通过获取双目摄像头同步采集的第一图像和第二图像;根据第一图像和第二图像,得到同一目标对象的至少一对待检测人脸图像;该至少一对待检测人脸图像中的每对待检测人脸图像包括根据第一图像得到的第一人脸区域图像和根据第二图像得到的第二人脸区域图像;对每对待检测人脸图像中的第一人脸区域图像和第二人脸区域图像进行活体检测,得到每对待检测人脸图像的初始活体检测结果;根据初始活体检测结果确定目标对象的属性。这样从第一图像和第二图像中选取出目标对象的至少一对待检测人脸图像,利用至少一对待检测人脸图像中每对第一人脸区域图像和第二人脸区域图像的初始活体检测结果来确定目标对象的属性,即为活体或非活体,而不是仅凭一帧或一对人脸图像来确定的属性,有利于提升活体检测的精度。
请参见图5,图5为本申请实施例提供的另一种活体检测方法的流程示意图,如图5所示,包括步骤S51-S57:
S51,获取双目摄像头同步采集的第一图像和第二图像;
S52,根据第一图像和第二图像,得到同一目标对象的至少一对待检测人脸图像;该至少一对待检测人脸图像中的每对待检测人脸图像包括根据第一图像得到的第一人脸区域图像和根据第二图像得到的第二人脸区域图像;
S53,对每对待检测人脸图像中的第一人脸区域图像和第二人脸区域图像进行活体检测,得到每对待检测人脸图像的初始活体检测结果;
S54,根据该初始活体检测结果确定目标对象的属性;
S55,对该初始活体检测结果进行统计得到至少一对待检测人脸图像中未通过活体检测的对数;
S56,根据未通过活体检测的对数、至少一对待检测人脸图像的对数以及第一预设通过率得到至少一对待检测人脸图像的活体通过率;
S57,根据未通过活体检测的对数、至少一对待检测人脸图像的对数以及第二预设通过率得到至少一对待检测人脸图像的非活体通过率。
本申请具体实施例中,采用至少一对待检测人脸图像的活体通过率和非活体通过率作为至少一对待检测人脸图像活体检测精度的评价指标。
采用以下公式计算至少一对待检测人脸图像的活体通过率:
其中,P1表示至少一对待检测人脸图像的活体通过率,k表示未通过活体检测的对数,p1表示第一预设通过率,该第一预设通过率为活体检测模型的活体通过率,n表示至少一对待检测人脸图像的对数。以n=3,p1=90%为例,当有2对待检测人脸图像通过活体检测时,至少一对待检测人脸图像的活体通过率为
采用以下公式计算至少一对待检测人脸图像的非活体通过率:
其中,P2表示至少一对待检测人脸图像的非活体通过率,p2表示第二预设通过率,该第二预设通过率为活体检测模型的非活体通过率。以n=3,p2=1%为例,当有2对待检测人脸图像通过活体检测时,至少一对待检测人脸图像的非活体通过率为
由此可见,本申请实施例采用投票表决的方法来确定目标对象为活体或非活体相较于采用单帧或单对图像进行活体检测的方法,在降低非活体通过率的同时还有利于提高活体通过率,实际应用效果更好。
其中,上述步骤S51-S54的具体实施方式,在图2-图4所示的实施例中已有相关说明,且能达到相同或相似的有益效果,此处不再赘述。需要说明的是,对于图5所示的方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受上述所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行,比如上述步骤S56和S57可以按照一定先后顺序进行,也可以同时进行。
基于图2或图5所示方法实施例的描述,本申请实施例还提供一种活体检测装置,请参见图6,图6为本申请实施例提供的一种活体检测装置的结构示意图,如图6所示,该装置包括:
第一获取模块61,用于获取双目摄像头同步采集的第一图像和第二图像;
质量检测模块62,用于根据第一图像和第二图像,得到同一目标对象的至少一对待检测人脸图像;该至少一对待检测人脸图像中的每对待检测人脸图像包括根据第一图像得到的第一人脸区域图像和根据第二图像得到的第二人脸区域图像;
第二获取模块63,用于对每对待检测人脸图像中的第一人脸区域图像和第二人脸区域图像进行活体检测,得到每对待检测人脸图像的初始活体检测结果;
结果确定模块64,用于根据初始活体检测结果确定目标对象的属性。
在一种可能的实施方式中,结果确定模块64还用于:
对初始活体检测结果进行统计得到至少一对待检测人脸图像中未通过活体检测的对数;
根据未通过活体检测的对数、至少一对待检测人脸图像的对数以及第一预设通过率得到该至少一对待检测人脸图像的活体通过率;
根据未通过活体检测的对数、至少一对待检测人脸图像的对数以及第二预设通过率得到该至少一对待检测人脸图像的非活体通过率。
在一种可能的实施方式中,在根据初始活体检测结果确定目标对象的属性方面,结果确定模块64具体用于:
在未通过活体检测的对数小于通过活体检测的对数的情况下,确定目标对象为活体;
在未通过活体检测的对数大于通过活体检测的对数的情况下,确定目标对象为非活体。
在一种可能的实施方式中,在根据所述第一图像和所述第二图像,得到同一目标对象的至少一对待检测人脸图像方面,质量检测模块62具体用于:
对第一图像中目标对象的第一人脸进行质量检测,以从第一图像中确定出目标对象的至少一帧人脸图像;该至少一帧人脸图像的帧数与所述至少一对待检测人脸图像的对数相等;
从第二图像中确定出至少一帧人脸图像对应的目标人脸图像;
根据至少一帧人脸图像以及目标人脸图像得到至少一对待检测人脸图像。
在一种可能的实施方式中,在根据至少一帧人脸图像以及目标人脸图像得到至少一对待检测人脸图像方面,质量检测模块62具体用于:
基于第一人脸在至少一帧人脸图像的每一帧中的第一位置信息,从每一帧中截取出第一人脸区域图像;
基于第一位置信息以及该每一帧与该每一帧对应的目标人脸图像之间的视场差,从该每一帧对应的目标人脸图像中截取出第二人脸区域图像;第二人脸区域图像中的第二人脸与第一人脸的相似度大于或等于相似度阈值;
由第一人脸区域图像和第二人脸区域图像构成待检测人脸图像对,得到至少一对待检测人脸图像。
在一种可能的实施方式中,在基于第一位置信息以及该每一帧与该每一帧对应的目标人脸图像之间的视场差,从该每一帧对应的目标人脸图像中截取出第二人脸区域图像方面,质量检测模块62具体用于:
基于第一位置信息以及视场差从该每一帧对应的目标人脸图像中确定出第一候选区域;
根据预设缩放比例和第一候选区域截取出第二人脸区域图像。
在一种可能的实施方式中,在根据预设缩放比例和第一候选区域截取出第二人脸区域图像方面,质量检测模块62具体用于:
按照预设缩放比例将第一候选区域放大,得到第一目标区域;第一目标区域中包括至少一张人脸;
将至少一张人脸与第一人脸进行匹配,以从至少一张人脸中确定出第二人脸;
基于第二人脸在该每一帧对应的目标人脸图像中的第二位置信息截取出第二人脸区域图像。
根据本申请的一个实施例,图6所示的活体检测装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成,或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成,这可以实现同样的操作,而不影响本申请的实施例的技术效果的实现。上述单元是基于逻辑功能划分的,在实际应用中,一个单元的功能也可以由多个单元来实现,或者多个单元的功能由一个单元实现。在本申请的其它实施例中,基于活体检测装置也可以包括其它单元,在实际应用中,这些功能也可以由其它单元协助实现,并且可以由多个单元协作实现。
根据本申请的另一个实施例,可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图2或图5中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码),来构造如图6中所示的活体检测装置设备,以及来实现本申请实施例的活体检测方法。所述计算机程序可以记载于例如计算机可读记录介质上,并通过计算机可读记录介质装载于上述计算设备中,并在其中运行。
基于上述方法实施例和装置实施例的描述,本申请实施例还提供一种电子设备。请参见图7,该电子设备至少包括处理器71、输入设备72、输出设备73以及计算机存储介质74。其中,电子设备内的处理器71、输入设备72、输出设备73以及计算机存储介质74可通过总线或其他方式连接。
计算机存储介质74可以存储在电子设备的存储器中,所述计算机存储介质74用于存储计算机程序,所述计算机程序包括程序指令,所述处理器71用于执行所述计算机存储介质74存储的程序指令。处理器71(或称CPU(Central Processing Unit,中央处理器))是电子设备的计算核心以及控制核心,其适于实现一条或多条指令,具体适于加载并执行一条或多条指令从而实现相应方法流程或相应功能。
在一个实施例中,本申请实施例提供的电子设备的处理器71可以用于进行一系列活体检测处理:
获取双目摄像头同步采集的第一图像和第二图像;
根据第一图像和第二图像,得到同一目标对象的至少一对待检测人脸图像;该至少一对待检测人脸图像中的每对待检测人脸图像包括根据第一图像得到的第一人脸区域图像和根据第二图像得到的第二人脸区域图像;
对每对待检测人脸图像中的第一人脸区域图像和第二人脸区域图像进行活体检测,得到每对待检测人脸图像的初始活体检测结果;
根据初始活体检测结果确定目标对象的属性。
再一个实施例中,在根据初始活体检测结果确定目标对象的属性之后,处理器71还用于执行:
对初始活体检测结果进行统计得到至少一对待检测人脸图像中未通过活体检测的对数;
根据未通过活体检测的对数、至少一对待检测人脸图像的对数以及第一预设通过率得到至少一对待检测人脸图像的活体通过率;
根据未通过活体检测的对数、至少一对待检测人脸图像的对数以及第二预设通过率得到至少一对待检测人脸图像的非活体通过率。
再一个实施例中,上述属性包括活体或非活体;处理器71执行上述根据初始活体检测结果确定目标对象的属性,包括:
在未通过活体检测的对数小于通过活体检测的对数的情况下,确定目标对象为活体;
在未通过活体检测的对数大于通过活体检测的对数的情况下,确定目标对象为非活体。
再一个实施例中,处理器71执行上述根据所述第一图像和所述第二图像,得到同一目标对象的至少一对待检测人脸图像,包括:
对第一图像中目标对象的第一人脸进行质量检测,以从第一图像中确定出目标对象的至少一帧人脸图像;该至少一帧人脸图像的帧数与所述至少一对待检测人脸图像的对数相等;
从第二图像中确定出至少一帧人脸图像对应的目标人脸图像;
根据至少一帧人脸图像以及目标人脸图像得到至少一对待检测人脸图像。
再一个实施例中,处理器71执行上述根据至少一帧人脸图像以及目标人脸图像得到至少一对待检测人脸图像,包括:
基于第一人脸在至少一帧人脸图像的每一帧中的第一位置信息,从该每一帧中截取出第一人脸区域图像;
基于第一位置信息以及该每一帧与该每一帧对应的目标人脸图像之间的视场差,从该每一帧对应的目标人脸图像中截取出第二人脸区域图像;第二人脸区域图像中的第二人脸与第一人脸的相似度大于或等于相似度阈值;
由第一人脸区域图像和第二人脸区域图像构成待检测人脸图像对,得到至少一对待检测人脸图像。
再一个实施例中,处理器71执行上述基于第一位置信息以及该每一帧与该每一帧对应的目标人脸图像之间的视场差,从该每一帧对应的目标人脸图像中截取出第二人脸区域图像,包括:
基于第一位置信息以及视场差从该每一帧对应的目标人脸图像中确定出第一候选区域;
根据预设缩放比例和第一候选区域截取出第二人脸区域图像。
再一个实施例中,处理器71执行上述根据预设缩放比例和第一候选区域截取出第二人脸区域图像,包括:
按照预设缩放比例将第一候选区域放大,得到第一目标区域;第一目标区域中包括至少一张人脸;
将至少一张人脸与第一人脸进行匹配,以从至少一张人脸中确定出第二人脸;
基于第二人脸在该每一帧对应的目标人脸图像中的第二位置信息截取出第二人脸区域图像。
示例性的,电子设备可包括但不仅限于处理器71、输入设备72、输出设备73以及计算机存储介质74,输入设备72可以是键盘、触摸屏等,输出设备73可以是扬声器、显示器、射频发送器等。本领域技术人员可以理解,所述示意图仅仅是电子设备的示例,并不构成对电子设备的限定,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。
需要说明的是,由于电子设备的处理器71执行计算机程序时实现上述的活体检测方法中的步骤,因此上述活体检测方法的实施例均适用于该电子设备,且均能达到相同或相似的有益效果。
本申请实施例还提供了一种计算机存储介质(Memory),所述计算机存储介质是电子设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机存储介质既可以包括终端中的内置存储介质,当然也可以包括终端所支持的扩展存储介质。计算机存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器71加载并执行的一条或多条的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器;可选的,还可以是至少一个位于远离前述处理器71的计算机存储介质。在一个实施例中,可由处理器71加载并执行计算机存储介质中存放的一条或多条指令,以实现上述有关活体检测方法的相应步骤。
示例性的,计算机存储介质的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可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,由于计算机存储介质的计算机程序被处理器执行时实现上述的活体检测方法中的步骤,因此上述活体检测方法的所有实施例均适用于该计算机存储介质,且均能达到相同或相似的有益效果。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种活体检测方法,其特征在于,所述方法包括:
获取双目摄像头同步采集的第一图像和第二图像;
根据所述第一图像和所述第二图像,得到同一目标对象的至少一对待检测人脸图像;所述至少一对待检测人脸图像中的每对待检测人脸图像包括根据所述第一图像得到的第一人脸区域图像和根据所述第二图像得到的第二人脸区域图像;
对所述每对待检测人脸图像中的所述第一人脸区域图像和所述第二人脸区域图像进行活体检测,得到所述每对待检测人脸图像的初始活体检测结果;
根据所述初始活体检测结果确定所述目标对象的属性。
2.根据权利要求1所述的方法,其特征在于,在根据所述初始活体检测结果确定所述目标对象的属性之后,所述方法还包括:
对所述初始活体检测结果进行统计得到所述至少一对待检测人脸图像中未通过活体检测的对数;
根据所述未通过活体检测的对数、所述至少一对待检测人脸图像的对数以及第一预设通过率得到所述至少一对待检测人脸图像的活体通过率;
根据所述未通过活体检测的对数、所述至少一对待检测人脸图像的对数以及第二预设通过率得到所述至少一对待检测人脸图像的非活体通过率。
3.根据权利要求2所述的方法,其特征在于,所述属性包括活体或非活体;所述根据所述初始活体检测结果确定所述目标对象的属性,包括:
在所述未通过活体检测的对数小于通过活体检测的对数的情况下,确定所述目标对象为活体;
在所述未通过活体检测的对数大于通过活体检测的对数的情况下,确定所述目标对象为非活体。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述第一图像和所述第二图像,得到同一目标对象的至少一对待检测人脸图像,包括:
对所述第一图像中所述目标对象的第一人脸进行质量检测,以从所述第一图像中确定出所述目标对象的至少一帧人脸图像;所述至少一帧人脸图像的帧数与所述至少一对待检测人脸图像的对数相等;
从所述第二图像中确定出所述至少一帧人脸图像至少一帧人脸图像对应的目标人脸图像;
根据所述至少一帧人脸图像至少一帧人脸图像以及所述目标人脸图像得到所述至少一对待检测人脸图像。
5.根据权利要求4所述的方法,其特征在于,所述根据所述至少一帧人脸图像至少一帧人脸图像以及所述目标人脸图像得到所述至少一对待检测人脸图像,包括:
基于所述第一人脸在所述至少一帧人脸图像至少一帧人脸图像的每一帧中的第一位置信息,从所述每一帧中截取出所述第一人脸区域图像;
基于所述第一位置信息以及所述每一帧与该每一帧对应的所述目标人脸图像之间的视场差,从该每一帧对应的所述目标人脸图像中截取出所述第二人脸区域图像;所述第二人脸区域图像中的第二人脸与所述第一人脸的相似度大于或等于相似度阈值;
由所述第一人脸区域图像和所述第二人脸区域图像构成待检测人脸图像对,得到所述至少一对待检测人脸图像。
6.根据权利要求5所述的方法,其特征在于,所述基于所述第一位置信息以及所述每一帧与该每一帧对应的所述目标人脸图像之间的视场差,从该每一帧对应的所述目标人脸图像中截取出所述第二人脸区域图像,包括:
基于所述第一位置信息以及所述视场差从该每一帧对应的所述目标人脸图像中确定出第一候选区域;
根据预设缩放比例和所述第一候选区域截取出所述第二人脸区域图像。
7.根据权利要求6所述的方法,其特征在于,所述根据预设缩放比例和所述第一候选区域截取出所述第二人脸区域图像,包括:
按照所述预设缩放比例将所述第一候选区域放大,得到第一目标区域;所述第一目标区域中包括至少一张人脸;
将所述至少一张人脸与所述第一人脸进行匹配,以从所述至少一张人脸中确定出所述第二人脸;
基于所述第二人脸在该每一帧对应的所述目标人脸图像中的第二位置信息截取出所述第二人脸区域图像。
8.一种活体检测装置,其特征在于,所述装置包括:
第一获取模块,用于获取双目摄像头同步采集的第一图像和第二图像;
质量检测模块,用于根据所述第一图像和所述第二图像,得到同一目标对象的至少一对待检测人脸图像;所述至少一对待检测人脸图像中的每对待检测人脸图像包括根据所述第一图像得到的第一人脸区域图像和根据所述第二图像得到的第二人脸区域图像;
第二获取模块,用于对所述每对待检测人脸图像中的所述第一人脸区域图像和所述第二人脸区域图像进行活体检测,得到所述每对待检测人脸图像的初始活体检测结果;
结果确定模块,用于根据所述初始活体检测结果确定所述目标对象的属性。
9.一种电子设备,包括输入设备和输出设备,其特征在于,还包括:
处理器,适于实现一条或多条指令;以及,
计算机存储介质,所述计算机存储介质存储有一条或多条指令,所述一条或多条指令适于由所述处理器加载并执行如权利要求1-7任一项所述的方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一条或多条指令,所述一条或多条指令适于由处理器加载并执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110278802.9A CN113052035A (zh) | 2021-03-15 | 2021-03-15 | 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 |
---|---|---|---|
CN202110278802.9A CN113052035A (zh) | 2021-03-15 | 2021-03-15 | 活体检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113052035A true CN113052035A (zh) | 2021-06-29 |
Family
ID=76512686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110278802.9A Pending CN113052035A (zh) | 2021-03-15 | 2021-03-15 | 活体检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113052035A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764091A (zh) * | 2018-05-18 | 2018-11-06 | 北京市商汤科技开发有限公司 | 活体检测方法及装置、电子设备和存储介质 |
US20190354746A1 (en) * | 2018-05-18 | 2019-11-21 | Beijing Sensetime Technology Development Co., Ltd | Method and apparatus for detecting living body, electronic device, and storage medium |
CN110909693A (zh) * | 2019-11-27 | 2020-03-24 | 深圳市华付信息技术有限公司 | 3d人脸活体检测方法、装置、计算机设备及存储介质 |
CN111046703A (zh) * | 2018-10-12 | 2020-04-21 | 杭州海康威视数字技术股份有限公司 | 人脸防伪检测方法、装置及多目相机 |
CN111063079A (zh) * | 2019-11-27 | 2020-04-24 | 深圳云天励飞技术有限公司 | 一种基于门禁系统的双目活体人脸检测方法及装置 |
CN111444744A (zh) * | 2018-12-29 | 2020-07-24 | 北京市商汤科技开发有限公司 | 活体检测方法、装置以及存储介质 |
CN111460970A (zh) * | 2020-03-27 | 2020-07-28 | 深圳市商汤科技有限公司 | 活体检测方法和装置、人脸识别设备 |
CN111931594A (zh) * | 2020-07-16 | 2020-11-13 | 广州广电卓识智能科技有限公司 | 人脸识别活体检测方法、装置、计算机设备和存储介质 |
CN112200057A (zh) * | 2020-09-30 | 2021-01-08 | 汉王科技股份有限公司 | 人脸活体检测方法、装置、电子设备及存储介质 |
-
2021
- 2021-03-15 CN CN202110278802.9A patent/CN113052035A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764091A (zh) * | 2018-05-18 | 2018-11-06 | 北京市商汤科技开发有限公司 | 活体检测方法及装置、电子设备和存储介质 |
WO2019218621A1 (zh) * | 2018-05-18 | 2019-11-21 | 北京市商汤科技开发有限公司 | 活体检测方法及装置、电子设备和存储介质 |
US20190354746A1 (en) * | 2018-05-18 | 2019-11-21 | Beijing Sensetime Technology Development Co., Ltd | Method and apparatus for detecting living body, electronic device, and storage medium |
CN111046703A (zh) * | 2018-10-12 | 2020-04-21 | 杭州海康威视数字技术股份有限公司 | 人脸防伪检测方法、装置及多目相机 |
CN111444744A (zh) * | 2018-12-29 | 2020-07-24 | 北京市商汤科技开发有限公司 | 活体检测方法、装置以及存储介质 |
CN110909693A (zh) * | 2019-11-27 | 2020-03-24 | 深圳市华付信息技术有限公司 | 3d人脸活体检测方法、装置、计算机设备及存储介质 |
CN111063079A (zh) * | 2019-11-27 | 2020-04-24 | 深圳云天励飞技术有限公司 | 一种基于门禁系统的双目活体人脸检测方法及装置 |
CN111460970A (zh) * | 2020-03-27 | 2020-07-28 | 深圳市商汤科技有限公司 | 活体检测方法和装置、人脸识别设备 |
CN111931594A (zh) * | 2020-07-16 | 2020-11-13 | 广州广电卓识智能科技有限公司 | 人脸识别活体检测方法、装置、计算机设备和存储介质 |
CN112200057A (zh) * | 2020-09-30 | 2021-01-08 | 汉王科技股份有限公司 | 人脸活体检测方法、装置、电子设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
TAO NI ET AL: "Research on Living Face Detection Based on Dual Camera Contour Matching", 《 2019 CHINESE CONTROL AND DECISION CONFERENCE》, pages 3988 - 3994 * |
周相国: "无源电子器件可靠性认证试验抽样标准探讨", 《磁性材料及器件》, vol. 49, no. 5, pages 60 - 64 * |
宋潇: "双目立体视觉深度估计及应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, vol. 2020, no. 06, pages 138 - 799 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
CN110569731B (zh) | 一种人脸识别方法、装置及电子设备 | |
CN106709404B (zh) | 图像处理装置及图像处理方法 | |
TW201911130A (zh) | 一種翻拍影像識別方法及裝置 | |
CN106303599B (zh) | 一种信息处理方法、系统及服务器 | |
EP2660753B1 (en) | Image processing method and apparatus | |
CN110866466A (zh) | 一种人脸识别方法、装置、存储介质和服务器 | |
CN112381104A (zh) | 一种图像识别方法、装置、计算机设备及存储介质 | |
Smith-Creasey et al. | Continuous face authentication scheme for mobile devices with tracking and liveness detection | |
CN110059624B (zh) | 用于检测活体的方法和装置 | |
CN111160202A (zh) | 基于ar设备的身份核验方法、装置、设备及存储介质 | |
CN114612987A (zh) | 一种表情识别方法及装置 | |
CN113515988A (zh) | 掌纹识别方法、特征提取模型训练方法、设备及介质 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN113378790B (zh) | 视点定位方法、装置、电子设备和计算机可读存储介质 | |
CN111126159A (zh) | 用于实时跟踪行人的方法、装置、电子设备和介质 | |
US20210295016A1 (en) | Living body recognition detection method, medium and electronic device | |
CN109165572B (zh) | 用于生成信息的方法和装置 | |
CN111783677B (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
CN114022531A (zh) | 图像处理方法、电子设备和存储介质 | |
US9501710B2 (en) | Systems, methods, and media for identifying object characteristics based on fixation points | |
JPWO2018179119A1 (ja) | 映像解析装置、映像解析方法およびプログラム | |
CN108446737B (zh) | 用于识别对象的方法和装置 | |
CN110633647A (zh) | 活体检测方法及装置 | |
CN113052815B (zh) | 图像清晰度确定方法及装置、存储介质和电子设备 |
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 |