CN113822238A - 活体检测方法及其模组、设备 - Google Patents

Abstract

本发明提供了一种活体检测方法，包括：利用至少两个摄像头同步拍摄待测目标并获取至少一个图像子集，其中，至少一个图像子集中的每一图像子集均包括与至少两个摄像头一一对应的目标图像；计算每一图像子集的目标图像中待测目标的数量；判断每一图像子集的所有目标图像中待测目标的数量是否均小于或者等于1；当每一图像子集的所有目标图像中待测目标的数量均小于或者等于1时，对每一图像子集的目标图像中的待测目标进行活体检测并获取相应的检测结果；以及，根据每一图像子集的检测结果判断是否检测成功。此外，本发明还提供了一种活体检测模组和活体检测设备。本发明技术方案能够准确、高效地进行活体的检测和识别。

Description

活体检测方法及其模组、设备

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及其模组、设备。

背景技术

随着计算机技术的飞速发展，人脸识别技术在金融社保、智能家居、电子商务、人脸娱乐、医疗教育等领域得到了广泛的应用。与此同时，对人脸识别系统的非活体假冒攻击的方式也层出不穷，对人脸识别系统的可靠性和安全性造成了巨大的威胁。

目前，通常利用活体检测方法来排除非活体的假冒攻击，从而保障人脸识别系统的安全性。现有的活体检测方法包括：基于人脸纹理特征的检测方法，该方法的缺陷是对高质量打印的照片攻击不是非常鲁棒；基于与用户交互的视频的检测方法，该方法的缺陷是需要用户配合，使得用户体验较差，且可以通过视频的方式进行攻击；基于脸部特征对心率信号进行估算的检测方法，该方法的缺陷是响应时间较长，使用过程中易受到外部光照等因素的干扰。

发明内容

有鉴于此，实有必要提供一种活体检测方法及其模组、设备，能够准确、高效地进行活体的检测和识别。

第一方面，本发明实施例提供一种活体检测方法，所述活体检测方法包括：

利用至少两个摄像头同步拍摄待测目标并获取至少一个图像子集，其中，所述至少一个图像子集中的每一图像子集均包括与所述至少两个摄像头一一对应的目标图像；

计算所述每一图像子集的目标图像中待测目标的数量；

判断所述每一图像子集的所有目标图像中待测目标的数量是否均小于或者等于1；

当所述每一图像子集的所有目标图像中待测目标的数量均小于或者等于1时，对所述每一图像子集的目标图像中的待测目标进行活体检测并获取相应的检测结果；以及，

根据所述每一图像子集的检测结果判断是否检测成功。

第二方面，本发明实施例提供一种活体检测模组，所述活体检测模组包括：

存储器，用于存储程序指令；以及，

处理器，用于执行所述程序指令以实现如上所述的活体检测方法。

第三方面，本发明实施例提供一种活体检测设备，所述活体检测设备包括：

至少两个摄像头；以及，

如上所述的活体检测模组，所述活体检测模组分别与所述至少两个摄像头电性连接。

上述活体检测方法及其模组、设备，利用至少两个摄像头同步进行拍摄并获取多幅目标图像，根据目标图像计算待测目标的数量，并对待测目标的数量、待测目标是否为活体进行判断，从而能够快速识别目标图像中的待测目标是否为活体，进而为人脸识别后续的应用提供辅助，保障后续应用的安全性。本方案最少只需要两个摄像头同步进行拍摄，就可以对待测目标进行识别，从而滤除绝大多数的假体攻击，具有高效性和准确性。同时，检测过程中无需用户配合，且基于任何摄像头均可实现检测，适用场景广泛，具有良好的实用性和通用性。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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示出的结构获得其他的附图。

图1为本发明第一实施例提供的活体检测方法的流程示意图。

图2为本发明第一实施例提供的活体检测方法的第一子流程图。

图3为本发明第一实施例提供的活体检测方法的第二子流程图。

图4为本发明第二实施例提供的活体检测方法的流程示意图。

图5为本发明第三实施例提供的活体检测方法的流程示意图。

图6为本发明第四实施例提供的活体检测方法的子流程图。

图7为本发明实施例提供的活体检测方法的应用场景示意图。

图8为本发明实施例提供的活体检测模组的内部结构示意图。

图9为本发明实施例提供的活体检测设备的内部结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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他实施例，都属于本发明保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的规划对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，换句话说，描述的实施例根据除了这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，还可以包含其他内容，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于只清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

请结合参看图1和图7，图1为本发明第一实施例提供的活体检测方法的流程示意图，图7为本发明实施例提供的活体检测方法的应用场景示意图。活体检测方法具体包括如下步骤。

步骤S102，利用至少两个摄像头同步拍摄待测目标并获取至少一个图像子集。其中，至少一个图像子集中的每一图像子集均包括与至少两个摄像头一一对应的目标图像。在本实施例中，至少两个摄像头20之间具有一定的距离，且至少两个摄像头20之间视场方向的角度不宜过大，以使至少两个摄像头20具有重叠的视场区域。其中，视场区域为现实空间中的区域，重叠的视场区域的大小可以根据实际情况进行设置。相应地，至少两个摄像头20之间的距离、每一摄像头20的视场方向等均可根据重叠的视场区域的大小以及每一摄像头20的参数进行设定。当至少两个摄像头20布设完成后，对至少两个摄像头20进行联合标定，以使至少两个摄像头20能够同步进行拍摄。在检测的过程中，可以采用全部摄像头20全部打开的方式，利用所有摄像头20不断同步进行拍摄；可以采用全部摄像头20中的一个摄像头20打开，其余摄像头20均处于待机状态的方式，打开的摄像头20不断拍摄，当检测到拍摄的图像中存在待测目标时，启动其余摄像头20，所有摄像头20再同步进行拍摄；还可以采用设置感应器的方式，当感应器感应到待测目标进入视场区域时，启动所有摄像头20同步进行拍摄。

利用至少两个摄像头20分别拍摄图像，并选取所有摄像头20同步拍摄的至少一帧图像作为目标图像。将所有摄像头20同步拍摄的一帧目标图像作为一个图像子集。其中，图像子集的数量与选取的帧数相同，每一图像子集中的目标图像由不同的摄像头20获取，每一图像子集中目标图像的数量与摄像头20的数量相同。可以理解的是，当布设有三个摄像头20时，每一图像子集中目标图像的数量为三幅；当布设有两个摄像头20时，每一图像子集中目标图像的数量为两幅。在本实施例中，利用至少两个摄像头20同步拍摄待测目标并获取一个图像子集，下文将以此为例进行详细描述。

步骤S104，计算每一图像子集的目标图像中待测目标的数量。对每一目标图像都进行待测目标数量的计算，其中，计算每一目标图像中待测目标的数量的具体过程将在下文详细描述。

步骤S106，判断每一图像子集的所有目标图像中待测目标的数量是否均小于或者等于1。可以理解的是，当目标图像中待测目标的数量大于1时，表示可能存在多个待测目标。以图7所示的场景为例，攻击者拿着显示有别人头像的电子设备或者纸质照片等企图蒙混过关。由于摄像头21的视场方向恰好垂直或接近垂直于电子设备或者纸张所在的平面，攻击者隐藏于电子设备或者纸张后面，则摄像头21拍摄的目标图像中仅存在一个待测目标。然而，由于摄像头22的视场方向位于攻击者的侧面，则摄像头22拍摄的目标图像中存在两个待测目标，攻击者和电子设备或纸张所显示的头像。当所有目标图像中待测目标的数量均小于或者等于1时，表示所有摄像头20都只拍摄到了一个待测目标，或者，部分摄像头20拍摄到了一个待测目标，部分摄像头20由于角度问题没有拍摄到待测目标。可以理解的是，当所有目标图像中待测目标的数量均小于或者等于1的情况下，所有摄像头20中至少会有一个摄像头20拍摄的目标图像中待测目标的数量为1。当每一图像子集的所有目标图像中待测目标的数量均小于或者等于1时，执行步骤S108；当每一图像子集的所有目标图像中待测目标的数量不是都小于或者等于1时，判断检测失败。可以理解的是，只要图像子集中任意一幅目标图像中待测目标的数量大于1，就可以确认当前检测的待测目标不是活体；当图像子集中所有目标图像中待测目标的数量均小于或者等于1时，才执行步骤S108。

步骤S108，对每一图像子集的目标图像中的待测目标进行活体检测并获取相应的检测结果。其中，每一图像子集对应一个检测结果。检测结果包括待测目标是活体、待测目标不是活体。相应地，仅对目标图像中待测目标数量为1的目标图像进行判断，对每一图像子集的目标图像中的待测目标进行活体检测的具体过程将在下文进行详细描述。

步骤S110，根据每一图像子集的检测结果判断是否检测成功。在本实施例中，至少两个摄像头20同步拍摄并获取一个图像子集。则，当图像子集的检测结果为待测目标是活体时，判断检测成功。即，确认当前检测的待测目标为活体。当图像子集的检测结果为待测目标不是活体时，判断检测失败。即，确认当前检测的待测目标不是活体。

上述实施例中，利用至少两个摄像头同步进行拍摄并获取多幅目标图像，根据目标图像计算待测目标的数量，并对待测目标的数量、待测目标是否为活体进行判断，从而能够快速识别目标图像中的待测目标是否为活体，进而为人脸识别后续的应用提供辅助，保障后续应用的安全性。本方案最少只需要两个摄像头同步进行拍摄，获取每一摄像头的单帧目标图像，就可以实时对待测目标进行识别，从而滤除绝大多数的假体攻击，具有高效性和准确性。同时，检测过程中无需用户配合，且基于任何摄像头均可实现检测，适用场景广泛，具有良好的实用性和通用性。此外，检测目标图像中待测目标的数量，能够有效筛除掉一部分不符合的目标图像，从而避免攻击者利用假体进行攻击，还能够有效减少计算量。

请结合参看图2，其为本发明第一实施例提供的活体检测方法的第一子流程图。步骤S104具体包括如下步骤。

步骤S202，检测每一目标图像中的待测目标。获取至少两个摄像头20重叠的视场区域，并选取视场区域的全部或者部分区域为有效区域。例如，在视场区域中选取一个长为2米、宽为2米、高为2米或者长为1米、宽为1米、高为2米的空间作为有效区域。根据有效区域选取目标图像中的有效部分。其中，有效部分与有效区域相对应。当设定好有效区域之后，利用摄像头20进行拍摄，根据拍摄的图像可以计算每一图像中的哪一部分与有效区域相对应，将与有效区域相对应的部分设定为有效部分。可以理解的是，每一摄像头20拍摄的图像的有效部分的大小、有效部分在图像中的位置均不相同。当获取到目标图像时，可以仅保留目标图像中的有效部分，并将目标图像中的其余部分去除。例如，将目标图像中除有效部分之外的部分涂黑。即，将目标图像中除有效部分之外的部分的像素值设置成0。检测有效部分中的待测目标。其中，待测目标包括人脸或者人头。具体地，利用预设检测算法对有效部分中的人脸或者人头进行检测。可以理解的是，当个别摄像头20布设的位置恰好位于待测目标的后方或侧后方时，与该摄像头20相对应的目标图像中可能无法形成待测目标的人脸。因此，优选利用预设检测算法对有效部分中的人头进行检测。当在有效部分中检测到待测目标时，设置矩形框将待测目标的人脸或者人头框起来。其中，矩形框的四个边邻近人脸或者人头轮廓的边缘。预设检测算法包括但不限于MTCNN，SSH，RetinaFace等人脸检测算法、SSD，Faster-RCNN，YOLO，NanoDet等通用检测算法。

步骤S204，判断目标图像中待测目标的大小是否处于预设范围内。分别对每一目标图像中人脸或人头的大小进行判断。在本实施例中，用矩形框的大小表示人脸或人头的大小，并判断矩形框的大小是否处于预设范围内。其中，预设范围根据每一摄像头20的参数、图像的大小进行设定。相应地，与每一摄像头20相对应的预设范围可能相同也可能不相同。

步骤S206，当目标图像中待测目标的大小处于预设范围内时，待测目标的数量计数加1。可以理解的是，有效部分中的人脸或人头可能包括多个。在目标图像中大小较小的人脸或者人头离摄像头20较远，表示该人脸或者人头不是当前所要检测的待测目标。因此，对大小不处于预设范围内的待测目标不进行计数。当待测目标的大小处于预设范围内时，将待测目标的数量计数加1，从而得到每一目标图像中待测目标的数量。

上述实施例中，根据摄像头的视场区域选取有效区域，检测目标图像中与有效区域相对应的有效部分中的待测目标，判断待测目标的大小是否处于预设范围内，能够有效筛除掉大小较小，即距离摄像头较远的目标，从而排除干扰，同时有效减少计算量。

请结合参看图3，其为本发明第一实施例提供的活体检测方法的第二子流程图。步骤S108具体包括如下步骤。

步骤S302，计算目标图像中人脸的朝向。检测目标图像中人脸的脸部特征点，根据脸部特征点计算人脸的朝向。可以理解的是，当目标图像中没有形成待测目标的人脸时，无需进行计算。

步骤S304，根据目标图像中人脸的朝向选取至少一幅目标图像为检测图像。可以理解的是，由于摄像头20布设的位置及角度不同，同一待测目标在不同目标图像中人脸的朝向不同。在本实施例中，选取人脸朝向较为正面的目标图像作为检测图像，即选取人脸更多地朝向某一摄像头20所对应的目标图像作为检测图像。优选地，在多幅目标图像中选取人脸恰好朝向摄像头20的一幅目标图像作为检测图像。

步骤S306，根据人脸判断检测图像中的待测目标是否为活体。通过分类器根据人脸的面部纹理特征进行判断，从而得到待测目标是否为活体的检测结果。

在一些可行的实施例中，当布设好摄像头20之后，选定某一摄像头20为主摄像头，其余摄像头20为从摄像头。当待测目标进入有效区域之后，可以通过文字、语音等提示方式引导待测目标的脸朝向主摄像头。相应地，直接将主摄像头拍摄的目标图像设定为检测图像。以图7所示的场景为例，可以将摄像头21设为主摄像头，摄像头22设为从摄像头。

在另一些可行的实施例中，当布设好摄像头20之后，在特定的场景下，可以知道待测目标进入有效区域之后，人脸通常朝向哪个摄像头20，则选取相应的目标图像作为检测图像。

上述实施例中，根据脸部特征点计算目标图像中人脸的朝向，选取人脸朝向较为正面的目标图像作为检测图像。当人脸更多地朝向某一摄像头时，人脸可用于检测的面积更大，从而能够使得检测结果更加精准。同时，其余目标图像不进行计算，能够有效减少计算量，提高检测速度。

请结合参看图4，其为本发明第二实施例提供的活体检测方法的流程示意图。第二实施例提供的活体检测方法与第一实施例提供的活体检测方法的不同之处在于，执行步骤S108之前，第二实施例提供的活体检测方法还包括如下步骤。

步骤S1071，对每一图像子集的目标图像进行特征点匹配计算并获取匹配结果。在本实施例中，当布设好摄像头20之后，根据实际的应用场景选取其中某一摄像头20作为主摄像头，其余摄像头20为从摄像头。将每一从摄像头均与主摄像头进行标定，从而得到每一从摄像头与主摄像头之间的单应矩阵。依次将从摄像头对应的目标图像与主摄像头对应的目标图像进行特征点匹配计算。其中，可以采用SIFT（Scale Invariant FeatureTransform）、ORB等常用特征点匹配算法对目标图像进行计算，也可以采用脸部特征点匹配算法对目标图像中的待测目标进行计算。

当对目标图像进行计算时，若在两幅目标图像中匹配到特征点，根据相应摄像头20的单应矩阵计算两幅目标图像特征点之间的误差，并判断误差是否在设定范围内。当误差在设定范围内时，输出匹配结果为匹配；当误差不在设定范围内时，输出匹配结果为不匹配。举例来说，若摄像头21的目标图像为A，摄像头22的目标图像为B，摄像头21和摄像头22之间的单应矩阵为H，目标图像A中的点A1与目标图像B中的点B1为匹配特征点。可以根据点A1和单应矩阵H计算点A1在目标图像B的相应位置A1B，判断A1B与点B1之间的误差是否在设定范围内；也可以根据点B1和单应矩阵H计算点B1在目标图像A的相应位置B1A，判断B1A与点A1之间的误差是否在设定范围内。

当对目标图像中的待测目标进行计算时，可以利用Resnet、VGG、darknet等神经网络模型进行计算，匹配目标图像中的脸部特征点。其中，脸部特征点包括但不限于眼睛、鼻子、脸颊、嘴巴等。当在两幅目标图像中匹配到脸部特征点，根据相应摄像头20的单应矩阵计算两幅目标图像中脸部特征点之间的误差，并判断误差是否在设定范围内。当误差在设定范围内时，输出匹配结果为匹配；当误差不在设定范围内时，输出匹配结果为不匹配。其中，脸部特征点通常采用68点进行定义，如眉毛10个点、眼睛12个点、鼻子9个点、嘴巴20个点、脸颊17个点。68个点均具有相应的序号，则可以根据两幅目标图像中相应序号的脸部特征点与单应矩阵进行计算。当然，也可以直接根据两幅目标图像中68个脸部特征点与单应矩阵进行计算，在此不做限定。

当每一图像子集的所有目标图像的匹配结果均为匹配时，执行步骤S108；当每一图像子集的所有目标图像的匹配结果不都是匹配时，判断检测失败。可以理解的是，只要图像子集中某两幅目标图像之间的匹配结果为不匹配，就可以确认当前检测的待测目标不是活体；当图像子集中所有目标图像均匹配成功时，执行下一步骤。

在一些可行的实施例中，当布设好摄像头20之后，可以将两两摄像头20进行标定，从而得到每两个摄像头20之间的单应矩阵。依次将某一摄像头对应的目标图像与其余摄像头20对应的目标图像进行特征点匹配计算，并获取相应的匹配结果。

第二实施例提供的活体检测方法的其它过程与第一实施例提供的活体检测方法的基本一致，在此不再一一赘述。

上述实施例中，对目标图像进行特征点匹配计算，从而能够检测目标图像中是否存在多个人脸。其中，特征点或脸部特征点之间的误差在预设范围内都认为是匹配的，在保证识别准确率的同时还能够提高识别率。通过目标图像的特征点进行计算，可以在摄像头没有拍到待测目标完整脸部的情况下对特征点进行匹配，使得应用更加灵活；通过待测目标的脸部特征点进行计算，在摄像头有拍摄到脸部的情况下精准匹配，具有较高的稳定性。

请结合参看图5，其为本发明第三实施例提供的活体检测方法的流程示意图。第三实施例提供的活体检测方法与第一实施例提供的活体检测方法的不同之处在于，执行步骤S108之前，第三实施例提供的活体检测方法还包括如下步骤。

步骤S1072，判断每一图像子集的目标图像中是否存在闭合图形。利用预设的检测模型检测目标图像，根据检测模型的输出结果判断目标图像中是否存在闭合图形。在本实施例中，将目标图像输入检测模型后，检测模型对目标图像进行像素级的语义分割，从而得到关于每一像素的一个值，并将所有像素相对应的值形成一个矩阵输出。其中，矩阵包括若干范围在0-1之间的数值。若矩阵中的数值大于或者等于预设阈值，将该数值变换为1；若矩阵中的数值小于预设阈值，将该数值变换为0，从而得到一个新的矩阵。优选地，当像素点更接近背景时，将与该像素点所对应的值变换为0；当像素点更接近预设的材质，如纸张、电子设备等时，将与该像素点所对应的值变换为1。当新的矩阵中存在数值1时，则数值1相对应的部分构建成图形在图像中的位置，即目标图像中存在闭合图形；当新的矩阵中数值均为0时，则目标图像中不存在闭合图形。闭合图形包括但不限于闭合多边形、闭合椭圆形、闭合圆形等。可以理解的是，当有攻击者拿着显示有人脸的电子设备或者纸质照片等攻击摄像头20时，电子设备在目标图像中的成像为闭合多边形；普通纸张或者被裁剪成多边形的纸张在目标图像中的成像为闭合多边形；被裁剪成椭圆形或者圆形的纸张在目标图像中的成像为闭合椭圆形或者闭合圆形。当目标图像中存在由其它物体形成的闭合图形时，并不认为目标图像中存在闭合图形。其中，其它物体包括但不限于窗户、车窗等。即是说，当目标图像中存在由预先设定的材质的物体形成的闭合图形时，检测模型才判断目标图像中存在闭合图形。其中，预先设定的材质包括纸张、电子设备等。

当每一图像子集的所有目标图像中均不存在闭合图形时，执行步骤S108；当每一图像子集的所有目标图像中不是都不存在闭合图形时，判断检测失败。可以理解的是，只要图像子集中任意一幅目标图像中存在闭合图形，就可以确认当前检测的待测目标不是活体；当图像子集中所有目标图像中均不存在闭合图形时，执行下一步骤。其中，即使电子设备或纸张上没有显示人脸，只要目标图像中检测到闭合图形，则判断检测失败。

第三实施例提供的活体检测方法的其它过程与第一实施例提供的活体检测方法的基本一致，在此不再一一赘述。

上述实施例中，通过判断目标图像中是否存在闭合图形，检测摄像头是否受到预设材质的平面物体，如纸张、电子设备等的攻击，能够有效识别电子设备或纸张等攻击方式，防止攻击者利用平面物体对摄像头进行攻击，从而使得活体检测方法具有较高的安全性。

在一些可行的实施例中，活体检测方法可以同时包括步骤S1071和步骤S1072。其中，可以执行步骤S1071之后再执行步骤S1072，也可以执行步骤S1072之后再执行步骤S1071，在此不做限定。

请结合参看图6，其为本发明第四实施例提供的活体检测方法的子流程图。第四实施例提供的活体检测方法与第一实施例提供的活体检测方法的不同之处在于，第四实施例提供的活体检测方法中，利用至少两个摄像头20同步拍摄待测目标并获取至少两个图像子集。即是说，选取所有摄像头20同步拍摄的至少两帧图像分别形成至少两个图像子集。其中，至少两帧图像可以为连续的多帧图像，也可以为不连续的多帧图像。举例来说，当布设有三个摄像头20，选取10帧图像作为目标图像时，共有10个图像子集，每一图像子集包括三幅目标图像，每一图像子集中的三幅目标图像均与三个摄像头20一一对应。

依次对每一图像子集中的目标图像执行步骤S106和步骤S108，从而得到与每一图像子集一一对应的检测结果。在本实施例中，可以依次对每一图像子集中的目标图像进行上述待测目标数量的判断、待测目标是否为活体的判断、和/或特征点匹配的判断、和/或闭合图形的判断。检测以及判断的具体过程请参看上述实施例，在此不再一一赘述。

在本实施例中，步骤S110具体包括如下步骤。

步骤S602，统计图像子集的检测结果为待测目标是活体的次数。即是说，当图像子集所对应的检测结果为待测目标是活体时，次数加1。

步骤S604，根据至少两个图像子集的数量和次数判断是否检测成功。在本实施例中，计算次数与至少两个图像子集的数量的比值，判断比值是否大于设定值。当比值大于设定值时，判断检测成功；当比值小于或者等于设定值时，判断检测失败。其中，设定值可以根据实际情况进行设置，在此不做限定。

在一些可行的实施例中，可以统计图像子集的检测结果为待测目标不是活体的次数，再根据次数与至少两个图像子集的数量的比值进行判断；也可以根据检测结果为待测目标是活体的次数与检测结果为待测目标不是活体的次数之间的差值进行判断，在此不做限定。

在另一些可行的实施例中，当图像子集的检测结果为待测目标是活体时，赋予相应的图像子集第一值；当图像子集的检测结果为待测目标不是活体时，赋予相应的图像子集第二值。其中，第二值与第一值不同。第一值和第二值的具体数值可以根据实际情况进行设定。统计第一值和第二值之和得到结果值，并根据结果值判断检测成功或者检测失败。

第四实施例提供的活体检测方法的其它过程与第一实施例提供的活体检测方法的基本一致，在此不再一一赘述。

上述实施例中，将所有摄像头同步拍摄的一帧图像作为一个图像子集，依次对多个图像子集的每一图像子集中的目标图像进行待测目标数量的判断、待测目标是否为活体的判断、和/或特征点匹配的判断、和/或闭合图形的判断，根据所有图像子集的检测结果进行综合判断，从而能够更加准确地判断待测目标是否为活体。

在一些可行的实施例中，可以在第二实施例提供的活体检测方法的基础上执行上述步骤，也可以在第三实施例提供的活体检测方法的基础上执行上述步骤。

请结合参看图8，其为本发明实施例提供的活体检测模组的内部结构示意图。活体检测模组10包括存储器11和处理器12。存储器11用于存储程序指令，处理器12用于执行程序指令以实现上述活体检测方法。

其中，处理器12在一些实施例中可以是一中央处理器（Central ProcessingUnit, CPU）、控制器、微控制器、微处理器或其它数据处理芯片，用于运行存储器11中存储的程序指令。

存储器11至少包括一种类型的可读存储介质，该可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是计算机设备的内部存储单元，例如计算机设备的硬盘。存储器11在另一些实施例中也可以是外部计算机设备的存储设备，例如计算机设备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（FlashCard）等。进一步地，存储器11还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于计算机设备的应用软件及各类数据，例如实现活体检测方法的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

请结合参看图9，其为本发明实施例提供的活体检测设备的内部结构示意图。活体检测设备100包括至少两个摄像头20以及活体检测模组10，活体检测模组10分别与至少两个摄像头20电性连接。其中，活体检测设备100包括但不限于门禁、闸机、支付设备等。活体检测模组10的具体结构参照上述实施例。由于活体检测设备100采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

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，倘且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。

以上所列举的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属于本发明所涵盖的范围。

Claims (10)

1.一种活体检测方法，其特征在于，所述活体检测方法包括：

利用至少两个摄像头同步拍摄待测目标并获取至少一个图像子集，其中，所述至少一个图像子集中的每一图像子集均包括与所述至少两个摄像头一一对应的目标图像；

计算所述每一图像子集的目标图像中待测目标的数量；

判断所述每一图像子集的所有目标图像中待测目标的数量是否均小于或者等于1；

当所述每一图像子集的所有目标图像中待测目标的数量均小于或者等于1时，对所述每一图像子集的目标图像中的待测目标进行活体检测并获取相应的检测结果；以及，

根据所述每一图像子集的检测结果判断是否检测成功。

2.如权利要求1所述的活体检测方法，其特征在于，计算所述每一图像子集的目标图像中待测目标的数量具体包括：

检测每一所述目标图像中的待测目标，其中，所述待测目标包括人脸或者人头；

判断所述目标图像中待测目标的大小是否处于预设范围内；以及，

当所述目标图像中待测目标的大小处于预设范围内时，所述待测目标的数量计数加1。

3.如权利要求2所述的活体检测方法，其特征在于，检测每一所述目标图像中的待测目标具体包括：

获取所述至少两个摄像头重叠的视场区域；

选取所述视场区域的全部或者部分区域为有效区域；

根据所述有效区域选取所述目标图像中的有效部分，其中，所述有效部分与所述有效区域相对应；以及，

检测所述有效部分中的待测目标。

4.如权利要求2所述的活体检测方法，其特征在于，对所述每一图像子集的目标图像中的待测目标进行活体检测具体包括：

计算所述目标图像中人脸的朝向；

根据所述目标图像中人脸的朝向选取至少一幅目标图像为检测图像；以及，

根据所述人脸判断所述检测图像中的待测目标是否为活体。

5.如权利要求1所述的活体检测方法，其特征在于，当所述至少两个摄像头同步拍摄所述待测目标并获取一个图像子集时，根据所述每一图像子集的检测结果判断是否检测成功具体包括：

当所述图像子集的检测结果为所述待测目标是活体时，判断检测成功；以及，

当所述图像子集的检测结果为所述待测目标不是活体时，判断检测失败。

6.如权利要求1所述的活体检测方法，其特征在于，当所述至少两个摄像头同步拍摄所述待测目标并获取至少两个图像子集时，根据所述每一图像子集的检测结果判断是否检测成功具体包括：

统计所述图像子集的检测结果为所述待测目标是活体的次数；以及，

根据所述至少两个图像子集的数量和所述次数判断是否检测成功。

7.如权利要求1所述的活体检测方法，其特征在于，对所述每一图像子集的目标图像中的待测目标进行活体检测之前，所述活体检测方法还包括：

对所述每一图像子集的目标图像进行特征点匹配计算并获取匹配结果；以及，

当所述每一图像子集的所有目标图像的匹配结果均为匹配时，对所述每一图像子集的目标图像中的待测目标进行活体检测。

8.如权利要求1所述的活体检测方法，其特征在于，对所述每一图像子集的目标图像中的待测目标进行活体检测之前，所述活体检测方法还包括：

判断所述每一图像子集的目标图像中是否存在闭合图形；以及，

当所述每一图像子集的所有目标图像中均不存在闭合图形时，对所述每一图像子集的目标图像中的待测目标进行活体检测。

9.一种活体检测模组，其特征在于，所述活体检测模组包括：

存储器，用于存储程序指令；以及

处理器，用于执行所述程序指令以实现如权利要求1至8中任一项所述的活体检测方法。

10.一种活体检测设备，其特征在于，所述活体检测设备包括：

至少两个摄像头；以及

如权利要求9所述的活体检测模组，所述活体检测模组分别与所述至少两个摄像头电性连接。

Images