CN113392810A - 用于活体检测的方法、装置、设备、介质和产品 - Google Patents
用于活体检测的方法、装置、设备、介质和产品 Download PDFInfo
- Publication number
- CN113392810A CN113392810A CN202110771886.XA CN202110771886A CN113392810A CN 113392810 A CN113392810 A CN 113392810A CN 202110771886 A CN202110771886 A CN 202110771886A CN 113392810 A CN113392810 A CN 113392810A
- Authority
- CN
- China
- Prior art keywords
- target
- video
- video frame
- determining
- center point
- 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 93
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001727 in vivo Methods 0.000 title claims abstract description 20
- 238000010606 normalization Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 10
- 238000012795 verification Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Abstract
本公开提供了用于活体检测的方法、装置、设备、介质和产品,涉及人工智能技术领域,具体为计算机视觉和深度学习技术领域,可应用于人脸识别等场景。具体实现方案为:获取目标视频;对于目标视频中的每个视频帧,确定该视频帧的目标中心点坐标;基于各个视频帧的目标中心点坐标,确定目标偏移信息;基于目标偏移信息,确定目标视频的活体检测结果。本实现方式可以提高活体检测的安全性。
Description
技术领域
本公开涉及人工智能技术领域,具体为计算机视觉和深度学习技术领域,可应用于人脸识别等场景。
背景技术
目前,活体检测技术常用于身份验证场景,验证用户是否为真实活体本人操作,能够有效应对照片等攻击手段,提高身份验证的安全性。
在实践中发现,现在存在使用拼接视频进行假体攻击的情况,也即是,使用拼接视频伪造活体规则,从而导致拼接视频通过活体检测,进而导致活体检测存在一定的安全隐患。
发明内容
本公开提供了一种用于活体检测的方法、装置、设备、介质和产品。
根据本公开的一方面,提供了一种用于活体检测的方法,包括:获取目标视频;对于目标视频中的每个视频帧,确定该视频帧的目标中心点坐标;基于各个视频帧的目标中心点坐标,确定目标偏移信息;基于目标偏移信息,确定目标视频的活体检测结果。
根据本公开的另一方面,提供了一种用于活体检测的装置,包括:视频获取单元,被配置成获取目标视频;中心点坐标确定单元,被配置成对于目标视频中的每个视频帧,确定该视频帧的目标中心点坐标;偏移确定单元,被配置成基于各个视频帧的目标中心点坐标,确定目标偏移信息;活体检测单元,被配置成基于目标偏移信息,确定目标视频的活体检测结果。
根据本公开的另一方面,提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上任意一项用于活体检测的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行如上任意一项用于活体检测的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如上任意一项用于活体检测的方法。
根据本公开的技术,提供一种用于活体检测的方法,能够提高活体检测安全性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于活体检测的方法的一个实施例的流程图;
图3是根据本公开的用于活体检测的方法的一个应用场景的示意图;
图4是根据本公开的用于活体检测的方法的另一个实施例的流程图;
图5是根据本公开的用于活体检测的装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的用于活体检测的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103可以为手机、电脑以及平板等电子设备,终端设备101、102、103中安装有需要进行身份验证的软件,如用于移动支付的软件。在用户使用这类软件时,在进行人脸验证的场景下,终端设备101、102、103可以利用摄像头获取目标视频,并将目标视频通过网络104发送给服务器105进行活体检测,得到服务器105返回的活体检测结果。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于电视、智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如,在终端设备101、102、103获取到目标视频之后,服务器105可以通过网络104获取终端设备101、102、103获取的目标视频,再对目标视频中的每个视频帧,确定视频帧的目标中心点坐标,基于各个视频帧的目标中心点坐标,确定目标偏移信息,再基于目标偏移信息确定活体检测结果,并将活体检测结果发送给终端设备101、102、103。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开实施例所提供的用于活体检测的方法可以由终端设备101、102、103执行,也可以由服务器105执行。相应地,用于活体检测的装置可以设置于终端设备101、102、103中,也可以设置于服务器105中。
应该理解,图1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。
继续参考图2,示出了根据本公开的用于活体检测的方法的一个实施例的流程200。本实施例的用于活体检测的方法,包括以下步骤:
步骤201,获取目标视频。
在本实施例中,执行主体(如图1中的终端设备101、102、103或服务器105)可以获取存储在本地的目标视频,也可以基于与其他电子设备的连接,获取存储在其他电子设备中的目标视频,也可以基于执行主体的摄像头实时捕捉获取目标视频,本实施例对于具体的视频获取方式不做限定。其中,目标视频是用于活体检测的人脸验证视频。在进行人脸验证时,往往需要用户录制符合指定活体规则的人脸验证视频,指定活体规则可以包括但不限于眨眼、摇头、点头等活体动作、以及指定的唇语运动状态等,本实施例对此不做限定。可选的,目标视频可以为用于活体检测的完整人脸验证视频,也可以为截取中间片段的、用于活体检测的部分人脸验证视频。
步骤202,对于目标视频中的每个视频帧,确定该视频帧的目标中心点坐标。
在本实施例中,执行主体可以将获取到的目标视频拆分成若干视频帧,再对每个视频帧,确定相应的目标中心点坐标。其中,目标中心点坐标指的是视频帧所包含的目标人脸的中心点对应的坐标。具体的,执行主体可以对目标视频中的每个视频帧进行人脸检测,基于人脸检测的结果,确定目标人脸的中心点对应的坐标。这里的人脸检测方式可以采用现有的各类人脸检测方式,本实施例对此不做限定。可选的,对于每个视频帧,执行主体可以检测该视频帧对应的人脸关键点坐标,并从人脸关键点坐标中确定人脸边界坐标,再基于人脸边界坐标,确定人脸中心点坐标,作为该视频帧的目标中心点坐标。另一种可选的,对于每个视频帧,执行主体在检测该视频帧对应的人脸关键点坐标之后,可以对该视频帧对应的人脸关键点坐标进行求平均值运算,得到平均坐标,并将该平均坐标确定为该视频帧的目标中心点坐标。进一步可选的,执行主体可以对于目标视频的所有视频帧执行确定目标中心点坐标的操作,也可以对于目标视频的部分视频帧执行确定目标中心点坐标的操作,本实施例对此不做限定。
在本实施例的一些可选的实现方式中,对于目标视频中的每个视频帧,确定该视频帧的目标中心点坐标可以包括:确定与目标视频对应的指定活体规则;基于指定活体规则确定目标对象;对于目标视频中的每个视频帧,检测该视频帧中的目标对象对应的位置信息;基于位置信息,得到该视频帧的目标对象所在的目标中心点坐标。采用这种可选的实现方式,执行主体可以基于指定活体规则,确定目标对象,例如指定活体规则为眨眼,则目标对象可以确定为眼睛,再进一步的在视频帧中,确定目标对象所在的目标中心点坐标,从而提高了目标中心点坐标的准确度。
步骤203,基于各个视频帧的目标中心点坐标,确定目标偏移信息。
在本实施例中,执行主体可以基于各个视频帧的目标中心点坐标,确定相邻视频帧之间的偏移信息,再基于各个相邻视频帧之间的偏移信息,确定目标偏移信息。其中,目标偏移信息用于描述相邻视频帧中的人脸中心点坐标的偏移情况,其表现形式可以包括但不限于偏移值、偏移等级、偏移内容描述等,本实施例对此不做限定。这里的各个视频帧可以为目标视频的全部视频帧,也可以为目标视频的部分视频帧,本实施例对此不做限定。
步骤204,基于目标偏移信息,确定目标视频的活体检测结果。
在本实施例中,活体检测结果用于描述目标视频是否通过活体检测,如果通过,则说明目标视频中包含的人脸为真实活体,如果不通过,则说明目标视频中包含的人脸为假体攻击,例如拼接视频。执行主体在获取目标偏移信息之后,可以基于目标偏移信息确定目标视频中的人脸偏移情况是否指示人脸偏移值较大。如果是,则说明目标视频的活体检测结果为未通过检测。如果否,则说明目标视频的活体检测结果为通过检测或者等待进一步检测。对于等待进一步检测的情况,执行主体可以采用现有的其他活体识别技术进一步对目标视频进行识别,结合现有的其他活体识别技术,进一步确定目标视频的最终的活体检测结果。
继续参见图3,其示出了根据本公开的用于活体检测的方法的一个应用场景的示意图。在图3的应用场景中,执行主体可以获取需要进行活体检测的目标视频301,目标视频301中包括视频帧1、视频帧2、视频帧n等视频帧。进一步的,执行主体可以对于每个视频帧,确定该视频帧对应的人脸中心点坐标,得到中心点坐标集合302。其中,中心点坐标集合302中包括与视频帧1对应的人脸中心点坐标1、与视频帧2对应的人脸中心点坐标2以及与视频帧n对应的人脸中心点坐标n等中心点坐标。之后,执行主体可以基于相邻的视频帧对应的人脸中心点坐标,确定人脸偏移值303。例如,执行主体可以计算人脸中心点坐标1与人脸中心点坐标2之间的偏移值、人脸中心点坐标2与人脸中心点坐标3之间的偏移值以及人脸中心点坐标n-1与人脸中心点坐标n之间的偏移值。再将这些偏移值中的最大值确定为人脸偏移值303。之后,执行主体可以基于人脸偏移值303,得到针对目标视频301的活体检测结果304。
本公开上述实施例提供的用于活体检测的方法,能够基于目标视频的视频帧对应的目标偏移信息,确定目标视频的活体检测结果。从而对于拼接视频这种假体攻击情况而言,能够检测到拼接视频的视频帧对应的目标偏移信息较大、超出正常偏移范围,从而识别出拼接视频,并将拼接视频的活体检测结果确定为检测未通过,提高了活体检测的安全性。
继续参见图4,其示出了根据本公开的用于活体检测的方法的另一个实施例的流程400。如图4所示,本实施例的用于活体检测的方法可以包括以下步骤:
步骤401,获取目标视频。
在本实施例中,对于步骤401的详细描述请参照对于步骤201的详细描述,在此不再赘述。
步骤402,基于目标视频的各个视频帧的帧间顺序,确定目标视频对应的中间视频帧集合。
在本实施例中,帧间顺序为基于目标视频的各个视频帧对应的时间点,按照时间点由早及晚的顺序对各个视频帧进行排序,所得到的顺序。执行主体可以基于帧间顺序,选择指定区间的视频帧,作为目标视频对应的中间视频帧集合。例如,在目标视频总共包含60个视频帧的情况下,执行主体可以选取第15至45个视频帧,作为目标视频对应的中间视频帧集合。
步骤403,对于中间视频帧集合中的每个中间视频帧,确定该中间视频帧对应的人脸关键点坐标。
在本实施例中,执行主体可以对每个中间视频帧进行关键点检测,得到若干关键点坐标。例如,执行主体可以采用现有的关键点识别技术,识别每个中间视频帧对应的72个关键点对应的坐标。对于每个中间视频帧而言,这72个关键点对应的坐标即为该中间视频帧对应的人脸关键点坐标。
步骤404,基于人脸关键点坐标,确定该中间视频帧的目标中心点坐标。
在本实施例中,执行主体可以基于若干人脸关键点坐标,确定各个坐标轴方向对应的极值,得到人脸边界点坐标。例如,执行主体可以从若干人脸关键点坐标中确定y轴方向上的极大值对应的坐标、-y轴方向上的极大值对应的坐标、x轴方向上的极大值对应的坐标以及-x轴方向上的极大值对应的坐标。之后,执行主体可以基于各个人脸边界点坐标,确定中间视频帧的目标中心点坐标。例如,执行主体可以将y轴方向上的极大值和-y轴方向上的极大值计算平均值,作为目标中心点坐标的纵坐标,以及将x轴方向上的极大值和-x轴方向上的极大值计算平均值,作为目标中心点坐标的横坐标。
步骤405,对于目标视频中的每个中间视频帧,确定该中间视频帧的视频分辨率。
在本实施例中,执行主体还可以对于目标视频中的每个中间视频帧,确定该中间视频帧的视频分辨率。其中,不同的中间视频帧对应的视频分辨率可以不同。
步骤406,基于视频分辨率,对该中间视频帧的目标中心点坐标进行归一化处理,得到归一化处理后的目标中心点坐标。
在本实施例中,执行主体在确定得到中间视频帧的视频分辨率之后,可以进一步按照归一化公式,对中间视频帧的目标中心点坐标进行归一化处理,得到归一化处理后的目标中心点坐标。其中,归一化公式如下:
其中,x指的是归一化前的目标中心点坐标的横坐标,y指的是归一化前的目标中心点坐标的纵坐标,w指的是该中间视频帧的横向像素值,h指的是该中间视频帧的纵向像素值,xn指的是归一化处理后的目标中心点坐标的横坐标,yn指的是归一化处理后的目标中心点坐标的纵坐标。也即是,所得到的归一化处理后的目标中心点坐标为(xn,yn)。
步骤407,对于各个中间视频帧中的每组相邻视频帧,基于该组相邻视频帧的目标中心点坐标,确定该组相邻视频帧对应的偏移信息。
在本实施例中,对于中间视频帧中每组相邻视频帧,可以计算该组相邻视频帧对应的两个目标中心点坐标之间的距离,基于该距离确定该组相邻视频帧对应的偏移信息。其中,偏移信息用于描述该组相邻视频帧之间的偏移情况,具体表现形式可以包括但不限于偏移值、偏移等级、偏移内容描述等,本实施例对此不做限定。对于每组相邻视频帧的目标中心点坐标的偏移计算可以采用以下公式:
其中,sn表示该组相邻视频帧对应的偏移值,(xn,yn)表示第n个视频帧的归一化处理后的目标中心点坐标,(xn+1,yn+1)表示第n+1个视频帧的归一化处理后的目标中心点坐标。
步骤408,基于各组相邻视频帧对应的偏移信息,确定目标偏移信息。
在本实施例中,执行主体可以从各组相邻视频帧对应的偏移信息中,确定偏移值最大的偏移信息作为目标偏移信息。执行主体也可以从各组相邻视频帧对应的偏移信息中,计算各个偏移值的平均值,将该平均值作为目标偏移信息。执行主体也可以从各组相邻视频帧对应的偏移信息中,确定偏移值的中位数,将该中位数作为目标偏移信息。
步骤409,响应于确定目标偏移值大于预设的阈值,确定目标视频的活体检测结果为检测未通过。
在本实施例中,目标偏移信息包括目标偏移值。执行主体还可以预先设置偏移值对应的阈值,即上述预设的阈值。其中,预设的阈值与目标偏移信息的确定方式相对应。对于将最大偏移值作为目标偏移信息的方式而言,预设的阈值的设定可以相对较高。对于将各个偏移值的平均值或者中位数作为目标偏移信息的方式而言,预设的阈值的设定可以相对较低。执行主体可以将目标偏移值和预设的阈值进行比较,如果目标偏移值大于预设的阈值,则说明目标视频的目标中心点偏移程度较高,存在较大概率为拼接视频,此时确定活体检测结果为检测未通过。如果目标偏移值小于或者等于预设的阈值,可以直接将目标视频的活体检测结果确定为检测通过,或者先将目标视频的活体检测结果确定为待定,再结合现有的其他活体检测方式对目标视频进行进一步的确定,得到目标视频的活体检测结果。
本公开的上述实施例提供的用于活体检测的方法,还可以基于目标视频的各个视频帧的帧间顺序,确定中间视频帧集合,基于对中间视频帧的分析确定活体检测结果,这一过程能够降低目标视频的首尾部分不稳定的视频帧对于活体检测结果的影响,能够提高活体检测结果的精准度。并且执行主体还可以基于各个中间视频帧的视频分辨率,对中间视频帧的目标中心点坐标进行归一化处理,从而降低不同的视频分辨率对目标中心点坐标的影响,能够提高目标中心点坐标的准确度。并且,执行主体还可以基于每组相邻视频帧对应的偏移信息确定目标偏移信息,再将目标偏移值和预设的阈值进行比对,在目标偏移值大于预设的阈值的情况下,确定活体检测结果为检测未通过。这一过程能够较为精准地识别拼接视频,将拼接视频的活体检测结果确定为检测未通过,提高了活体检测安全性。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于活体检测的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于终端设备、服务器中。
如图5所示,本实施例的用于活体检测的装置500包括:视频获取单元501、中心点坐标确定单元502、偏移确定单元503和活体检测单元504。
视频获取单元501,被配置成获取目标视频。
中心点坐标确定单元502,被配置成对于目标视频中的每个视频帧,确定该视频帧的目标中心点坐标。
偏移确定单元503,被配置成基于各个视频帧的目标中心点坐标,确定目标偏移信息。
活体检测单元504,被配置成基于目标偏移信息,确定目标视频的活体检测结果。
在本实施例的一些可选的实现方式中,中心点坐标确定单元502进一步被配置成:基于目标视频的各个视频帧的帧间顺序,确定目标视频对应的中间视频帧集合;对于中间视频帧集合中的每个中间视频帧,确定该中间视频帧对应的目标中心点坐标。
在本实施例的一些可选的实现方式中,中心点坐标确定单元502进一步被配置成:对于目标视频中的每个视频帧,确定该视频帧对应的人脸关键点坐标;基于人脸关键点坐标,确定该视频帧的目标中心点坐标。
在本实施例的一些可选的实现方式中,上述装置还包括:分辨率确定单元,被配置成对于目标视频中的每个视频帧,确定该视频帧的视频分辨率;归一化处理单元,被配置成基于视频分辨率,对该视频帧的目标中心点坐标进行归一化处理,得到归一化处理后的目标中心点坐标。
在本实施例的一些可选的实现方式中,偏移确定单元503进一步被配置成:对于各个视频帧中的每组相邻视频帧,基于该组相邻视频帧的目标中心点坐标,确定该组相邻视频帧对应的偏移信息;基于各组相邻视频帧对应的偏移信息,确定目标偏移信息。
在本实施例的一些可选的实现方式中,目标偏移信息包括目标偏移值;以及,活体检测单元504进一步被配置成:响应于确定目标偏移值大于预设的阈值,确定目标视频的活体检测结果为检测未通过。
应当理解,用于活体检测的装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用车载通话的方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如用于活体检测的方法。例如,在一些实施例中,用于活体检测的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的用于活体检测的方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于活体检测的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种用于活体检测的方法,包括:
获取目标视频;
对于所述目标视频中的每个视频帧,确定该视频帧的目标中心点坐标;
基于各个视频帧的目标中心点坐标,确定目标偏移信息;
基于所述目标偏移信息,确定所述目标视频的活体检测结果。
2.根据权利要求1所述的方法,其中,所述对于所述目标视频中的每个视频帧,确定该视频帧的目标中心点坐标,包括:
基于所述目标视频的各个视频帧的帧间顺序,确定所述目标视频对应的中间视频帧集合;
对于所述中间视频帧集合中的每个中间视频帧,确定该中间视频帧对应的目标中心点坐标。
3.根据权利要求1所述的方法,其中,所述对于所述目标视频中的每个视频帧,确定该视频帧的目标中心点坐标,包括:
对于所述目标视频中的每个视频帧,确定该视频帧对应的人脸关键点坐标;
基于所述人脸关键点坐标,确定该视频帧的目标中心点坐标。
4.根据权利要求1所述的方法,其中,所述方法还包括:
对于所述目标视频中的每个视频帧,确定该视频帧的视频分辨率;
基于所述视频分辨率,对该视频帧的目标中心点坐标进行归一化处理,得到归一化处理后的目标中心点坐标。
5.根据权利要求1所述的方法,其中,所述基于各个视频帧的目标中心点坐标,确定目标偏移信息,包括:
对于所述各个视频帧中的每组相邻视频帧,基于该组相邻视频帧的目标中心点坐标,确定该组相邻视频帧对应的偏移信息;
基于各组相邻视频帧对应的偏移信息,确定所述目标偏移信息。
6.根据权利要求1所述的方法,其中,所述目标偏移信息包括目标偏移值;以及
所述基于所述目标偏移信息,确定所述目标视频的活体检测结果,包括:
响应于确定所述目标偏移值大于预设的阈值,确定所述目标视频的活体检测结果为检测未通过。
7.一种用于活体检测的装置,包括:
视频获取单元,被配置成获取目标视频;
中心点坐标确定单元,被配置成对于所述目标视频中的每个视频帧,确定该视频帧的目标中心点坐标;
偏移确定单元,被配置成基于各个视频帧的目标中心点坐标,确定目标偏移信息;
活体检测单元,被配置成基于所述目标偏移信息,确定所述目标视频的活体检测结果。
8.根据权利要求7所述的装置,其中,所述中心点坐标确定单元进一步被配置成:
基于所述目标视频的各个视频帧的帧间顺序,确定所述目标视频对应的中间视频帧集合;
对于所述中间视频帧集合中的每个中间视频帧,确定该中间视频帧对应的目标中心点坐标。
9.根据权利要求7所述的装置,其中,所述中心点坐标确定单元进一步被配置成:
对于所述目标视频中的每个视频帧,确定该视频帧对应的人脸关键点坐标;
基于所述人脸关键点坐标,确定该视频帧的目标中心点坐标。
10.根据权利要求7所述的装置,其中,所述装置还包括:
分辨率确定单元,被配置成对于所述目标视频中的每个视频帧,确定该视频帧的视频分辨率;
归一化处理单元,被配置成基于所述视频分辨率,对该视频帧的目标中心点坐标进行归一化处理,得到归一化处理后的目标中心点坐标。
11.根据权利要求7所述的装置,其中,所述偏移确定单元进一步被配置成:
对于所述各个视频帧中的每组相邻视频帧,基于该组相邻视频帧的目标中心点坐标,确定该组相邻视频帧对应的偏移信息;
基于各组相邻视频帧对应的偏移信息,确定所述目标偏移信息。
12.根据权利要求7所述的装置,其中,所述目标偏移信息包括目标偏移值;以及
所述活体检测单元进一步被配置成:
响应于确定所述目标偏移值大于预设的阈值,确定所述目标视频的活体检测结果为检测未通过。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110771886.XA CN113392810A (zh) | 2021-07-08 | 2021-07-08 | 用于活体检测的方法、装置、设备、介质和产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110771886.XA CN113392810A (zh) | 2021-07-08 | 2021-07-08 | 用于活体检测的方法、装置、设备、介质和产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113392810A true CN113392810A (zh) | 2021-09-14 |
Family
ID=77625499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110771886.XA Pending CN113392810A (zh) | 2021-07-08 | 2021-07-08 | 用于活体检测的方法、装置、设备、介质和产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113392810A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006263348A (ja) * | 2005-03-25 | 2006-10-05 | Toshiba Corp | 利用者識別装置、利用者識別方法および利用者識別プログラム |
JP2015198789A (ja) * | 2014-04-08 | 2015-11-12 | 富士通株式会社 | 情報処理装置、脈波計測プログラムおよび脈波計測方法 |
CN109241345A (zh) * | 2018-10-10 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 基于人脸识别的视频定位方法和装置 |
CN109685018A (zh) * | 2018-12-26 | 2019-04-26 | 深圳市捷顺科技实业股份有限公司 | 一种人证校验方法、系统及相关设备 |
CN109740509A (zh) * | 2018-12-29 | 2019-05-10 | 广州二元科技有限公司 | 一种改良的视频人脸检测提升稳定性的方法 |
CN110059624A (zh) * | 2019-04-18 | 2019-07-26 | 北京字节跳动网络技术有限公司 | 用于检测活体的方法和装置 |
CN110363132A (zh) * | 2019-07-09 | 2019-10-22 | 北京字节跳动网络技术有限公司 | 活体检测方法、装置、电子设备及存储介质 |
CN111242090A (zh) * | 2020-01-22 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 基于人工智能的人脸识别方法、装置、设备及介质 |
CN111539249A (zh) * | 2020-03-11 | 2020-08-14 | 西安电子科技大学 | 多因子人脸活体检测系统和方法 |
CN112052830A (zh) * | 2020-09-25 | 2020-12-08 | 北京百度网讯科技有限公司 | 人脸检测的方法、装置和计算机存储介质 |
CN112149615A (zh) * | 2020-10-12 | 2020-12-29 | 平安科技(深圳)有限公司 | 人脸活体检测方法、装置、介质及电子设备 |
CN112784765A (zh) * | 2021-01-27 | 2021-05-11 | 北京百度网讯科技有限公司 | 用于识别动作的方法、装置、设备以及存储介质 |
-
2021
- 2021-07-08 CN CN202110771886.XA patent/CN113392810A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006263348A (ja) * | 2005-03-25 | 2006-10-05 | Toshiba Corp | 利用者識別装置、利用者識別方法および利用者識別プログラム |
JP2015198789A (ja) * | 2014-04-08 | 2015-11-12 | 富士通株式会社 | 情報処理装置、脈波計測プログラムおよび脈波計測方法 |
CN109241345A (zh) * | 2018-10-10 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 基于人脸识别的视频定位方法和装置 |
CN109685018A (zh) * | 2018-12-26 | 2019-04-26 | 深圳市捷顺科技实业股份有限公司 | 一种人证校验方法、系统及相关设备 |
CN109740509A (zh) * | 2018-12-29 | 2019-05-10 | 广州二元科技有限公司 | 一种改良的视频人脸检测提升稳定性的方法 |
CN110059624A (zh) * | 2019-04-18 | 2019-07-26 | 北京字节跳动网络技术有限公司 | 用于检测活体的方法和装置 |
CN110363132A (zh) * | 2019-07-09 | 2019-10-22 | 北京字节跳动网络技术有限公司 | 活体检测方法、装置、电子设备及存储介质 |
CN111242090A (zh) * | 2020-01-22 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 基于人工智能的人脸识别方法、装置、设备及介质 |
CN111539249A (zh) * | 2020-03-11 | 2020-08-14 | 西安电子科技大学 | 多因子人脸活体检测系统和方法 |
CN112052830A (zh) * | 2020-09-25 | 2020-12-08 | 北京百度网讯科技有限公司 | 人脸检测的方法、装置和计算机存储介质 |
CN112149615A (zh) * | 2020-10-12 | 2020-12-29 | 平安科技(深圳)有限公司 | 人脸活体检测方法、装置、介质及电子设备 |
CN112784765A (zh) * | 2021-01-27 | 2021-05-11 | 北京百度网讯科技有限公司 | 用于识别动作的方法、装置、设备以及存储介质 |
Non-Patent Citations (3)
Title |
---|
卿粼波;岳虹;欧先锋;何小海;: "改进的基于对极几何的DMVC空间边信息重建", 计算机与数字工程, no. 05, 20 May 2013 (2013-05-20) * |
赵艳芹;陈真朋;: "SSD神经网络的人脸检测方法", 黑龙江科技大学学报, no. 04 * |
赵艳芹;陈真朋;: "SSD神经网络的人脸检测方法", 黑龙江科技大学学报, no. 04, 30 July 2020 (2020-07-30) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113436100B (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
CN112949767B (zh) | 样本图像增量、图像检测模型训练及图像检测方法 | |
CN112991180B (zh) | 图像拼接方法、装置、设备以及存储介质 | |
CN113221771B (zh) | 活体人脸识别方法、装置、设备、存储介质及程序产品 | |
CN113343826A (zh) | 人脸活体检测模型的训练方法、人脸活体检测方法及装置 | |
CN112995535B (zh) | 用于处理视频的方法、装置、设备以及存储介质 | |
CN112712498A (zh) | 移动终端执行的车辆定损方法、装置、移动终端、介质 | |
EP4080470A2 (en) | Method and apparatus for detecting living face | |
CN113627361B (zh) | 人脸识别模型的训练方法、装置及计算机程序产品 | |
CN113657518B (zh) | 训练方法、目标图像检测方法、装置、电子设备以及介质 | |
CN113643260A (zh) | 用于检测图像质量的方法、装置、设备、介质和产品 | |
CN113657249A (zh) | 训练方法、预测方法、装置、电子设备以及存储介质 | |
US20230008473A1 (en) | Video repairing methods, apparatus, device, medium and products | |
CN114119990B (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
CN114724144B (zh) | 文本识别方法、模型的训练方法、装置、设备及介质 | |
CN113392810A (zh) | 用于活体检测的方法、装置、设备、介质和产品 | |
CN114093006A (zh) | 活体人脸检测模型的训练方法、装置、设备以及存储介质 | |
CN114581711A (zh) | 目标对象检测方法、装置、设备、存储介质以及程序产品 | |
CN113869253A (zh) | 活体检测方法、训练方法、装置、电子设备及介质 | |
CN113628192A (zh) | 图像模糊检测方法、装置、设备、存储介质及程序产品 | |
CN113378958A (zh) | 自动标注方法、装置、设备、存储介质及计算机程序产品 | |
CN113556575A (zh) | 用于压缩数据的方法、装置、设备、介质和产品 | |
CN115312042A (zh) | 用于处理音频的方法、装置、设备以及存储介质 | |
CN112070022A (zh) | 人脸图像识别方法、装置、电子设备和计算机可读介质 | |
CN115205939B (zh) | 人脸活体检测模型训练方法、装置、电子设备及存储介质 |
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 |