CN113903084A - 活体检测方法、设备、可读存储介质及计算机程序产品 - Google Patents
活体检测方法、设备、可读存储介质及计算机程序产品 Download PDFInfo
- Publication number
- CN113903084A CN113903084A CN202111194548.0A CN202111194548A CN113903084A CN 113903084 A CN113903084 A CN 113903084A CN 202111194548 A CN202111194548 A CN 202111194548A CN 113903084 A CN113903084 A CN 113903084A
- Authority
- CN
- China
- Prior art keywords
- face
- target
- focusing
- image
- living body
- 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
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
- G06V40/10—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
-
- 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
Abstract
本申请公开了一种活体检测方法、设备、可读存储介质及程序产品,应用于活体检测设备,所述活体检测方法包括:对待检测人脸的各关键区域进行对焦拍摄,得到各所述关键区域对应的对焦人脸图像以及对应的目标对焦参数;获取各所述对焦人脸图像对应的清晰度图,并将各所述清晰度图和各所述目标对焦参数融合得到所述待检测人脸对应的目标人脸深度图;依据所述目标人脸深度图,对所述待检测人脸进行活体检测,得到活体检测结果。本申请解决了活体检测准确度低的技术问题。
Description
技术领域
本申请涉及人脸识别技术领域,尤其涉及一种活体检测方法、设备、可读存储介质及程序产品。
背景技术
随着人脸识别技术的不断发展,活体检测成为了人脸识别过程中必不可少的一环。目前,通常依据神经网络模型预估人脸图像的深度信息,进而根据深度信息分别进行对焦拍摄获取人脸不同区域的对焦图像,进一步利用对焦图像的图像质量判断对象是否为活体。但是,由于拍摄的人脸图像只有人脸二维特征信息,而人脸深度信息为人脸三维特征信息,依据神经网络模型预估人脸图像的深度信息的过程实质上为:依据人脸的二维特征信息来预估人脸的三维特征信息的过程。所以,通过神经网络模型预估人脸的深度信息的准确度不高,进而将影响活体检测的精度。
发明内容
本申请的主要目的在于提供一种活体检测方法、设备、可读存储介质及程序产品,旨在解决现有技术中活体检测准确度低的技术问题。
为实现上述目的,本申请提供一种活体检测方法,所述活体检测方法应用于活体检测设备,所述活体检测方法包括:
对待检测人脸的各关键区域进行对焦拍摄,得到各所述关键区域对应的对焦人脸图像以及对应的目标对焦参数;
获取各所述对焦人脸图像对应的清晰度图,并将各所述清晰度图和各所述目标对焦参数融合得到所述待检测人脸对应的目标人脸深度图;
依据所述目标人脸深度图,对所述待检测人脸进行活体检测,得到活体检测结果。
可选地,所述清晰度图至少包括一灰度值,所述目标人脸深度图至少包括一人脸深度特征值,所述将各所述清晰度图和各所述目标对焦参数融合得到所述待检测人脸对应的目标人脸深度图的步骤包括:
获取各所述清晰度图在同一目标位置上的灰度值;
依据所述目标位置上的各灰度值,将各所述清晰度图对应的目标对焦参数进行加权融合,得到所述目标人脸深度图中所述目标位置上的人脸深度特征值。
可选地,所述依据所述目标位置上的各灰度值,将各所述清晰度图对应的目标对焦参数进行加权融合,得到所述目标人脸深度图中所述目标位置上的人脸深度特征值的步骤包括:
依据所述目标位置上的各灰度值的大小,计算各所述灰度值对应的目标对焦参数的权重值;
依据各所述权重值,对各所述目标对焦参数进行加权聚合,得到所述目标位置上的人脸深度特征值。
可选地,所述对待检测人脸的各关键区域进行对焦拍摄,得到各所述关键区域对应的对焦人脸图像以及对应的目标对焦参数的步骤包括:
通过调整相机焦距参数,分别对各所述关键区域进行对焦拍摄,得到各所述关键区域对应的初始对焦人脸图像以及对应的目标对焦参数;
获取各所述初始对焦人脸图像对应的人脸关键点坐标,进而依据各所述人脸关键点坐标,对各所述初始对焦人脸图像进行图像对齐,得到各所述对焦人脸图像。
可选地,在所述对待检测人脸的各关键区域进行对焦拍摄,得到各所述关键区域对应的对焦人脸图像以及对应的目标对焦参数的步骤之前,所述活体检测方法的步骤还包括:
对待检测人脸进行人脸关键点检测,得到人脸关键点信息;
依据所述人脸关键点信息,为所述待检测人脸划分对焦候选区域,得到各所述关键区域。
可选地,所述依据所述目标人脸深度图,对所述待检测人脸进行活体检测,得到活体检测结果的步骤包括:
依据预设图像分类模型,对所述目标人脸深度图进行分类,得到图像分类结果;
依据所述图像分类结果,判断所述待检测人脸是否为活体人脸,得到所述活体检测结果。
可选地,所述获取各所述对焦人脸图像对应的清晰度图的步骤包括:
计算所述对焦人脸图像对应的二阶梯度图;
对所述二阶梯度图进行高斯滤波,得到所述对焦人脸图像对应的清晰度图。
本申请还提供一种活体检测装置,所述活体检测装置为虚拟装置,且所述活体检测装置应用于活体检测设备,所述活体检测装置包括:
对焦拍摄模块,用于对待检测人脸的各关键区域进行对焦拍摄,得到各所述关键区域对应的对焦人脸图像以及对应的目标对焦参数;
融合模块,用于获取各所述对焦人脸图像对应的清晰度图,并将各所述清晰度图和各所述目标对焦参数融合得到所述待检测人脸对应的目标人脸深度图;
活体检测模块,用于依据所述目标人脸深度图,对所述待检测人脸进行活体检测,得到活体检测结果。
可选地,所述清晰度图至少包括一灰度值,所述目标人脸深度图至少包括一人脸深度特征值,所述融合模块还用于:
获取各所述清晰度图在同一目标位置上的灰度值;
依据所述目标位置上的各灰度值,将各所述清晰度图对应的目标对焦参数进行加权融合,得到所述目标人脸深度图中所述目标位置上的人脸深度特征值。
可选地,所述融合模块还用于:
依据所述目标位置上的各灰度值的大小,计算各所述灰度值对应的目标对焦参数的权重值;
依据各所述权重值,对各所述目标对焦参数进行加权聚合,得到所述目标位置上的人脸深度特征值。
可选地,所述对焦拍摄模块还用于:
通过调整相机焦距参数,分别对各所述关键区域进行对焦拍摄,得到各所述关键区域对应的初始对焦人脸图像以及对应的目标对焦参数;
获取各所述初始对焦人脸图像对应的人脸关键点坐标,进而依据各所述人脸关键点坐标,对各所述初始对焦人脸图像进行图像对齐,得到各所述对焦人脸图像。
可选地,所述活体检测装置还用于:
对待检测人脸进行人脸关键点检测,得到人脸关键点信息;
依据所述人脸关键点信息,为所述待检测人脸划分对焦候选区域,得到各所述关键区域。
可选地,所述活体检测模块还用于:
依据预设图像分类模型,对所述目标人脸深度图进行分类,得到图像分类结果;
依据所述图像分类结果,判断所述待检测人脸是否为活体人脸,得到所述活体检测结果。
可选地,所述融合模块还用于:
计算所述对焦人脸图像对应的二阶梯度图;
对所述二阶梯度图进行高斯滤波,得到所述对焦人脸图像对应的清晰度图。
本申请还提供一种活体检测设备,所述活体检测设备为实体设备,所述活体检测设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述活体检测方法的程序,所述活体检测方法的程序被处理器执行时可实现如上述的活体检测方法的步骤。
本申请还提供一种可读存储介质,所述可读存储介质上存储有实现活体检测方法的程序,所述活体检测方法的程序被处理器执行时实现如上述的活体检测方法的步骤。
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述的活体检测方法的步骤。
本申请提供了一种活体检测方法、设备、可读存储介质及程序产品,相比于现有技术采用的依据神经网络模型预估人脸图像的深度信息,进而根据深度信息分别进行对焦拍摄获取人脸不同区域的对焦图像,进一步利用对焦图像的图像质量判断对象是否为活体的技术手段,本申请首先对待检测人脸的各关键区域进行对焦拍摄,得到各所述关键区域对应的对焦人脸图像以及对应的目标对焦参数,获取各所述对焦人脸图像对应的清晰度图,并将各所述清晰度图和各所述目标对焦参数融合得到所述待检测人脸对应的目标人脸深度图,实现了依据人脸图像不同关键区域的目标对焦参数的分布情况,以及各对焦人脸图像的清晰度的分布情况,直接计算待检测人脸的深度信息的目的,其中,目标对焦参数的分布情况以及各对焦人脸图像的清晰度的分布情况均在一定程度上反应了人脸的三维特征信息,进而实现了依据人脸的三维特征信息计算人脸深度图的目的,相比于依据人脸二维特征信息预估人脸三维特征信息的方式,提升了人脸深度信息预估的准确性。进而依据所述目标人脸深度图,对所述待检测人脸进行活体检测,得到活体检测结果,即可实现依据准确度更高的人脸深度信息进行活体检测的目的,克服了现有技术中通过神经网络模型预估人脸的深度信息的准确度不高,进而将影响活体检测的精度的技术缺陷,提升了活体检测的准确度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请活体检测方法第一实施例的流程示意图;
图2为本申请活体检测方法中所述人脸关键点的分布示意图;
图3为本申请活体检测方法中所述关键区域的分布示意图;
图4为本申请活体检测方法第二实施例的流程示意图;
图5为本申请实施例中活体检测方法涉及的硬件运行环境的设备结构示意图。
本申请目的实现、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
应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本申请实施例提供一种活体检测方法,在本申请活体检测方法的第一实施例中,参照图1,所述活体检测方法包括:
步骤S10,对待检测人脸的各关键区域进行对焦拍摄,得到各所述关键区域对应的对焦人脸图像以及对应的目标对焦参数;
在本申请实施例中,需要说明的是,所述关键区域包括但不限定于待检测人脸的鼻尖区域、眼睛区域、眉毛区域、嘴唇区域以及两颊区域等,所述目标对焦参数为对焦拍摄时相机的焦距。
在本申请的一种可能的实施方式中,在保持相机其它参数不变的情况下,通过调整相机焦距参数,对待检测人脸的各关键区域分别进行对焦拍摄,得到各所述关键区域对应的对焦拍摄人脸图像,以及拍摄各所述对焦拍摄人脸图像时的目标对焦参数作为目标对焦参数。需要说明的是,对焦拍摄的过程为不断调整相机焦距参数,使得对应的关键区域最清晰的拍摄过程,最后获得对焦拍摄人脸图像为对应的关键区域最清晰时拍摄的人脸图像,此时的相机焦距参数即为目标对焦参数。
其中,所述对待检测人脸的各关键区域进行对焦拍摄,得到各所述关键区域对应的对焦人脸图像以及对应的目标对焦参数的步骤包括:
步骤S11,通过调整相机焦距参数,分别对各所述关键区域进行对焦拍摄,得到各所述关键区域对应的初始对焦人脸图像以及对应的目标对焦参数;
在本申请的一种可能的实施方式中,调整相机焦距参数,检测对应的关键区域是否清晰。若清晰,则对所述关键区域进行拍摄,得到所述关键区域对应的初始对焦人脸图像,将相机拍摄所述初始对焦人脸图像时的相机焦距参数作为目标对焦参数;若不清晰,则返回执行步骤:调整相机焦距参数。
步骤S12,获取各所述初始对焦人脸图像对应的人脸关键点坐标,进而依据各所述人脸关键点坐标,对各所述初始对焦人脸图像进行图像对齐,得到各所述对焦人脸图像。
在本申请的一种可能的实施方式中,获取各所述初始对焦人脸图像在同一人脸关键点的坐标,得到各所述人脸关键点坐标。在各所述人脸关键点坐标中选取一坐标作为基准坐标,依据其它各人脸关键点坐标与所述基准坐标之间的差值,将其它各人脸关键点坐标对应的初始对焦人脸图像中像素点坐标与所述基准坐标对应的初始对焦人脸图像中像素点坐标对齐,将对齐后的其它各初始对焦人脸图像和所述初始对焦人脸图像均作为所述对焦人脸图像。
其中,在所述对待检测人脸的各关键区域进行对焦拍摄,得到各所述关键区域对应的对焦人脸图像以及对应的目标对焦参数的步骤之前,所述活体检测方法的步骤还包括:
步骤A10,对待检测人脸进行人脸关键点检测,得到人脸关键点信息;
在本申请的一种可能的实施方式中,对待检测人脸进行全局对焦拍摄,得到全局对焦拍摄图像。对所述全局对焦拍摄图像进行人脸检测,若人脸检测通过,则对所述全局对焦拍摄图像进行人脸关键点检测,得到人脸关键点信息,若人脸检测未通过,则判定所述待检测人脸不为目标人脸,输出人脸识别未通过的提示信息。
步骤A20,依据所述人脸关键点信息,为所述待检测人脸划分对焦候选区域,得到各所述关键区域。
在本申请实施例中,需要说明的是,所述人脸关键点信息包括人脸关键点坐标。
在本申请的一种可能的实施方式中,依据各人脸关键点的人脸关键点坐标,为所述待检测人脸划分对焦候选区域,得到各所述关键区域,其中,图2为所述人脸关键点的分布示意图,图3所示为所述关键区域的分布示意图,其中,点1至68均为人脸关键点,各框选区域均为所述关键区域。
步骤S20,获取各所述对焦人脸图像对应的清晰度图,并将各所述清晰度图和各所述目标对焦参数融合得到所述待检测人脸对应的目标人脸深度图;
在本实施例中,需要说明的是,所述清晰度图为由像素点对应的灰度值构成的像素值矩阵,该灰度值用于表示对应的像素点的清晰度,灰度值越大,则像素点的清晰度越高。
在本申请的一种可能的实施方式中,计算各所述对焦人脸图像中像素点对应的灰度值,得到各所述对焦人脸图像对应的清晰度图,并依据各所述清晰度图在相同像素点位置的灰度值的大小,对各所述清晰度图对应的目标对焦参数进行加权融合,得到每一相同像素点位置上的人脸深度特征值,进而依据各所述相同像素点位置的位置排列规律,将各所述人脸深度特征值组合为矩阵,得到目标人脸深度图。
其中,所述获取各所述对焦人脸图像对应的清晰度图的步骤包括:
步骤S21,计算所述对焦人脸图像对应的二阶梯度图;
步骤S22,对所述二阶梯度图进行高斯滤波,得到所述对焦人脸图像对应的清晰度图。
在本申请的一种可能的实施方式中,计算所述对焦人脸图像中各像素点的二阶梯度值,得到二阶梯度图,对所述二阶梯度图进行高斯滤波,得到所述对焦人脸图像对应的清晰度图,其中,可选地,图像的二阶梯度值可依据拉普拉斯算子进行计算。
步骤S30,依据所述目标人脸深度图,对所述待检测人脸进行活体检测,得到活体检测结果。
在本申请的一种可能的实施方式中,依据预设特征提取模型,对所述目标人脸深度图进行特征提取,得到输出人脸深度特征。计算所述输出人脸深度特征与目标人脸深度特征之间的特征相似度,依据所述特征相似度,对所述待检测人脸进行活体检测,得到活体检测结果,其中,所述目标人脸深度特征为对真实人脸深度信息进行特征提取得到的人脸深度特征。
在本申请的一种可能的实施方式中,所述依据所述特征相似度,对所述待检测人脸进行活体检测,得到活体检测结果的步骤包括:
若所述特征相似度大于预设特征相似度阈值,则判定所述待检测人脸为活体人脸,所述活体检测结果为活体检测通过;若所述特征相似度不大于预设特征相似度阈值,则判定所述待检测人脸不为活体人脸,所述活体检测结果为活体检测不通过。
其中,所述依据所述目标人脸深度图,对所述待检测人脸进行活体检测,得到活体检测结果的步骤包括:
步骤S31,依据预设图像分类模型,对所述目标人脸深度图进行分类,得到图像分类结果;
步骤S32,依据所述图像分类结果,判断所述待检测人脸是否为活体人脸,得到所述活体检测结果。
在本实施例中,需要说明的是,所述预设图像分类模型可以为二分类模型,也可以多分类模型。
在本申请的一种可能的实施方式中,依据预设图像分类模型,对所述目标人脸深度图进行二分类,得到二分类标签。若所述二分类标签为预设目标二分类标签,则判定所述待检测人脸为活体人脸,所述活体检测结果为活体检测通过;若所述二分类标签不为预测目标二分类标签,则判定所述待检测人脸不为活体人脸,所述活体检测结果为活体检测不通过。
本申请实施例提供了一种活体检测方法,相比于现有技术采用的依据神经网络模型预估人脸图像的深度信息,进而根据深度信息分别进行对焦拍摄获取人脸不同区域的对焦图像,进一步利用对焦图像的图像质量判断对象是否为活体的技术手段,本申请实施例首先对待检测人脸的各关键区域进行对焦拍摄,得到各所述关键区域对应的对焦人脸图像以及对应的目标对焦参数,获取各所述对焦人脸图像对应的清晰度图,并将各所述清晰度图和各所述目标对焦参数融合得到所述待检测人脸对应的目标人脸深度图,实现了依据人脸图像不同关键区域的目标对焦参数的分布情况,以及各对焦人脸图像的清晰度的分布情况,直接计算待检测人脸的深度信息的目的,其中,目标对焦参数的分布情况以及各对焦人脸图像的清晰度的分布情况均在一定程度上反应了人脸的三维特征信息,进而实现了依据人脸的三维特征信息计算人脸深度图的目的,相比于依据人脸二维特征信息预估人脸三维特征信息的方式,提升了人脸深度信息预估的准确性。进而依据所述目标人脸深度图,对所述待检测人脸进行活体检测,得到活体检测结果,即可实现依据准确度更高的人脸深度信息进行活体检测的目的,克服了现有技术中通过神经网络模型预估人脸的深度信息的准确度不高,进而将影响活体检测的精度的技术缺陷,提升了活体检测的准确度。
进一步地,参照图4,在本申请另一实施例中,所述清晰度图至少包括一灰度值,所述目标人脸深度图至少包括一人脸深度特征值,所述将各所述清晰度图和各所述目标对焦参数融合得到所述待检测人脸对应的目标人脸深度图的步骤包括:
步骤B10,获取各所述清晰度图在同一目标位置上的灰度值;
步骤B20,依据所述目标位置上的各灰度值,将各所述清晰度图对应的目标对焦参数进行加权融合,得到所述目标人脸深度图中所述目标位置上的人脸深度特征值。
在本实施例中,需要说明的是,所述目标位置为像素点在清晰度图中的位置,也即为像素点位置。
在本申请的一种可能的实施方式中,获取各所述清晰度图在同一目标位置上的灰度值,进而对于同一目标位置上的各灰度值,计算每一灰度值在各所述灰度值中的占比,得到同一目标位置上的各灰度值对应的权重值,依据各所述权重值,对各所述目标对焦参数进行加权融合,得到所述目标位置上人脸深度特征值,各人脸深度特征值依据各目标位置的排列方式组成矩阵,即可得到目标人脸深度图。
其中,所述依据所述目标位置上的各灰度值,将各所述清晰度图对应的目标对焦参数进行加权融合,得到所述目标人脸深度图中所述目标位置上的人脸深度特征值的步骤包括:
步骤B21,依据所述目标位置上的各灰度值的大小,计算各所述灰度值对应的目标对焦参数的权重值;
在本申请的一种可能的实施方式中,将所述目标位置上的各灰度值输入预设指数函数,得到各灰度值对应的指数函数值,进而计算每一指数函数值与各所述指数函数值之和的比值,得到各所述灰度值对应的目标对焦参数的权重值。
在本申请的一种可能的实施方式中,所述权重值的计算方式如下:
其中,Wi(x,y)为第i个位置坐标为(x,y)的目标位置上的灰度值对应的权重值,pi(x,y)为第i个位置坐标为(x,y)的目标位置上的灰度值,n为位置坐标为(x,y)的目标位置上的灰度值的数量。
步骤B22,依据各所述权重值,对各所述目标对焦参数进行加权聚合,得到所述目标位置上的人脸深度特征值。
在本申请实施例中,需要说明的是,加权聚合的方式包括加权求和以及加权平均等。
在本申请的一种可能的实施方式中,加权聚合各所述目标对焦参数得到人脸深度特征值的计算方式如下:
其中,p(x,y)为位置坐标为(x,y)的目标位置上的人脸深度特征值,Wi(x,y)为第i个位置坐标为(x,y)的目标位置上的灰度值对应的权重值,fi为第i个位置坐标为(x,y)的目标位置上的灰度值对应的目标对焦参数。
需要说明的是,由于人脸不同部位的深度不同,进而需要对不同深度的区域使用不同的焦距(目标对焦参数)进行对焦拍摄,所以,各目标对焦参数可反应人脸深度信息,也即,各目标对焦参数的分布中蕴含人脸深度信息。但是,由于人脸中存在深度变化比较剧烈的区域,若直接依据各目标对焦参数获取人脸深度,其准确度较低。而本申请实施例中依据同一像素点位置上多张不同区域的对焦人脸图像的灰度值,将各目标对焦参数进行加权融合,进而即使某一对焦人脸图像在深度变化比较剧烈的区域所对应的目标对焦参数并不最优的对焦参数,也不会对人脸深度图的计算产生过大的影响,使得人脸深度图的计算更加稳定,准确度更高。
本申请提供了一种目标人脸深度图的计算方法,也即,首先获取各所述清晰度图在同一目标位置上的灰度值,依据所述目标位置上的各灰度值,将各所述清晰度图对应的目标对焦参数进行加权融合,得到所述目标人脸深度图中所述目标位置上的人脸深度特征值,也即,依据同一像素点位置在各对焦人脸图像中的灰度值,将各目标对焦参数分别融合为各像素点位置对应的人脸深度特征值,进而得到目标人脸深度,而非直接依据各目标对焦参数的大小分布直接预估人脸深度,进而即使某一对焦人脸图像在深度变化比较剧烈的区域所对应的目标对焦参数并不最优的对焦参数,也不会对人脸深度图的计算产生过大的影响,使得人脸深度图的计算更加稳定,准确度更高,进而依据准确度更高且更稳定的人脸深度进行活体检测的准确度更高且更稳定。
参照图5,图5是本申请实施例方案涉及的硬件运行环境的设备结构示意图。
如图5所示,该活体检测设备可以包括:处理器1001,例如CPU,存储器1005,通信总线1002。其中,通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
可选地,该活体检测设备还可以包括矩形用户接口、网络接口、摄像头、RF(RadioFrequency,射频)电路,传感器、音频电路、WiFi模块等等。矩形用户接口可以包括显示屏(Display)、输入子模块比如键盘(Keyboard),可选矩形用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解,图5中示出的活体检测设备结构并不构成对活体检测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图5所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块以及活体检测程序。操作系统是管理和控制活体检测设备硬件和软件资源的程序,支持活体检测程序以及其它软件和/或,程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信,以及与活体检测系统中其它硬件和软件之间通信。
在图5所示的活体检测设备中,处理器1001用于执行存储器1005中存储的活体检测程序,实现上述任一项所述的活体检测方法的步骤。
本申请活体检测设备具体实施方式与上述活体检测方法各实施例基本相同,在此不再赘述。
本申请实施例还提供一种活体检测装置,所述活体检测装置应用于活体检测设备,所述活体检测装置包括:
对焦拍摄模块,用于对待检测人脸的各关键区域进行对焦拍摄,得到各所述关键区域对应的对焦人脸图像以及对应的目标对焦参数;
融合模块,用于获取各所述对焦人脸图像对应的清晰度图,并将各所述清晰度图和各所述目标对焦参数融合得到所述待检测人脸对应的目标人脸深度图;
活体检测模块,用于依据所述目标人脸深度图,对所述待检测人脸进行活体检测,得到活体检测结果。
可选地,所述清晰度图至少包括一灰度值,所述目标人脸深度图至少包括一人脸深度特征值,所述融合模块还用于:
获取各所述清晰度图在同一目标位置上的灰度值;
依据所述目标位置上的各灰度值,将各所述清晰度图对应的目标对焦参数进行加权融合,得到所述目标人脸深度图中所述目标位置上的人脸深度特征值。
可选地,所述融合模块还用于:
依据所述目标位置上的各灰度值的大小,计算各所述灰度值对应的目标对焦参数的权重值;
依据各所述权重值,对各所述目标对焦参数进行加权聚合,得到所述目标位置上的人脸深度特征值。
可选地,所述对焦拍摄模块还用于:
通过调整相机焦距参数,分别对各所述关键区域进行对焦拍摄,得到各所述关键区域对应的初始对焦人脸图像以及对应的目标对焦参数;
获取各所述初始对焦人脸图像对应的人脸关键点坐标,进而依据各所述人脸关键点坐标,对各所述初始对焦人脸图像进行图像对齐,得到各所述对焦人脸图像。
可选地,所述活体检测装置还用于:
对待检测人脸进行人脸关键点检测,得到人脸关键点信息;
依据所述人脸关键点信息,为所述待检测人脸划分对焦候选区域,得到各所述关键区域。
可选地,所述活体检测模块还用于:
依据预设图像分类模型,对所述目标人脸深度图进行分类,得到图像分类结果;
依据所述图像分类结果,判断所述待检测人脸是否为活体人脸,得到所述活体检测结果。
可选地,所述融合模块还用于:
计算所述对焦人脸图像对应的二阶梯度图;
对所述二阶梯度图进行高斯滤波,得到所述对焦人脸图像对应的清晰度图。
本申请活体检测装置的具体实施方式与上述活体检测方法各实施例基本相同,在此不再赘述。
本申请实施例提供了一种可读存储介质,且所述可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的活体检测方法的步骤。
本申请可读存储介质具体实施方式与上述活体检测方法各实施例基本相同,在此不再赘述。
本申请实施例提供了一种计算机程序产品,且所述计算机程序产品包括有一个或者一个以上计算机程序,所述一个或者一个以上计算机程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的活体检测方法的步骤。
本申请计算机程序产品具体实施方式与上述活体检测方法各实施例基本相同,在此不再赘述。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本申请的专利处理范围内。
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:
对待检测人脸的各关键区域进行对焦拍摄,得到各所述关键区域对应的对焦人脸图像以及对应的目标对焦参数;
获取各所述对焦人脸图像对应的清晰度图,并将各所述清晰度图和各所述目标对焦参数融合得到所述待检测人脸对应的目标人脸深度图;
依据所述目标人脸深度图,对所述待检测人脸进行活体检测,得到活体检测结果。
2.如权利要求1所述活体检测方法,其特征在于,所述清晰度图至少包括一灰度值,所述目标人脸深度图至少包括一人脸深度特征值,所述将各所述清晰度图和各所述目标对焦参数融合得到所述待检测人脸对应的目标人脸深度图的步骤包括:
获取各所述清晰度图在同一目标位置上的灰度值;
依据所述目标位置上的各灰度值,将各所述清晰度图对应的目标对焦参数进行加权融合,得到所述目标人脸深度图中所述目标位置上的人脸深度特征值。
3.如权利要求2所述活体检测方法,其特征在于,所述依据所述目标位置上的各灰度值,将各所述清晰度图对应的目标对焦参数进行加权融合,得到所述目标人脸深度图中所述目标位置上的人脸深度特征值的步骤包括:
依据所述目标位置上的各灰度值的大小,计算各所述灰度值对应的目标对焦参数的权重值;
依据各所述权重值,对各所述目标对焦参数进行加权聚合,得到所述目标位置上的人脸深度特征值。
4.如权利要求1所述活体检测方法,其特征在于,所述对待检测人脸的各关键区域进行对焦拍摄,得到各所述关键区域对应的对焦人脸图像以及对应的目标对焦参数的步骤包括:
通过调整相机焦距参数,分别对各所述关键区域进行对焦拍摄,得到各所述关键区域对应的初始对焦人脸图像以及对应的目标对焦参数;
获取各所述初始对焦人脸图像对应的人脸关键点坐标,进而依据各所述人脸关键点坐标,对各所述初始对焦人脸图像进行图像对齐,得到各所述对焦人脸图像。
5.如权利要求1所述活体检测方法,其特征在于,在所述对待检测人脸的各关键区域进行对焦拍摄,得到各所述关键区域对应的对焦人脸图像以及对应的目标对焦参数的步骤之前,所述活体检测方法的步骤还包括:
对待检测人脸进行人脸关键点检测,得到人脸关键点信息;
依据所述人脸关键点信息,为所述待检测人脸划分对焦候选区域,得到各所述关键区域。
6.如权利要求1所述活体检测方法,其特征在于,所述依据所述目标人脸深度图,对所述待检测人脸进行活体检测,得到活体检测结果的步骤包括:
依据预设图像分类模型,对所述目标人脸深度图进行分类,得到图像分类结果;
依据所述图像分类结果,判断所述待检测人脸是否为活体人脸,得到所述活体检测结果。
7.如权利要求1所述活体检测方法,其特征在于,所述获取各所述对焦人脸图像对应的清晰度图的步骤包括:
计算所述对焦人脸图像对应的二阶梯度图;
对所述二阶梯度图进行高斯滤波,得到所述对焦人脸图像对应的清晰度图。
8.一种活体检测设备,其特征在于,所述活体检测设备包括:存储器、处理器以及存储在存储器上的用于实现所述活体检测方法的程序,
所述存储器用于存储实现活体检测方法的程序;
所述处理器用于执行实现所述活体检测方法的程序,以实现如权利要求1至7中任一项所述活体检测方法的步骤。
9.一种可读存储介质,其特征在于,所述可读存储介质上存储有实现活体检测方法的程序,所述实现活体检测方法的程序被处理器执行以实现如权利要求1至7中任一项所述活体检测方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述活体检测方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111194548.0A CN113903084A (zh) | 2021-10-13 | 2021-10-13 | 活体检测方法、设备、可读存储介质及计算机程序产品 |
PCT/CN2021/138879 WO2023060756A1 (zh) | 2021-10-13 | 2021-12-16 | 活体检测方法、设备、可读存储介质及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111194548.0A CN113903084A (zh) | 2021-10-13 | 2021-10-13 | 活体检测方法、设备、可读存储介质及计算机程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113903084A true CN113903084A (zh) | 2022-01-07 |
Family
ID=79191945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111194548.0A Pending CN113903084A (zh) | 2021-10-13 | 2021-10-13 | 活体检测方法、设备、可读存储介质及计算机程序产品 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113903084A (zh) |
WO (1) | WO2023060756A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105335722B (zh) * | 2015-10-30 | 2021-02-02 | 商汤集团有限公司 | 一种基于深度图像信息的检测系统及方法 |
CN105872363A (zh) * | 2016-03-28 | 2016-08-17 | 广东欧珀移动通信有限公司 | 人脸对焦清晰度的调整方法及调整装置 |
CN107491775A (zh) * | 2017-10-13 | 2017-12-19 | 理光图像技术(上海)有限公司 | 人脸活体检测方法、装置、存储介质及设备 |
CN108171204B (zh) * | 2018-01-17 | 2019-09-17 | 百度在线网络技术(北京)有限公司 | 检测方法和装置 |
CN109948439B (zh) * | 2019-02-13 | 2023-10-31 | 平安科技(深圳)有限公司 | 一种活体检测方法、系统及终端设备 |
-
2021
- 2021-10-13 CN CN202111194548.0A patent/CN113903084A/zh active Pending
- 2021-12-16 WO PCT/CN2021/138879 patent/WO2023060756A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023060756A1 (zh) | 2023-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109003260B (zh) | Ct图像肺结节检测方法、装置、设备及可读存储介质 | |
US11410277B2 (en) | Method and device for blurring image background, storage medium and electronic apparatus | |
CN108197618B (zh) | 用于生成人脸检测模型的方法和装置 | |
US9619708B2 (en) | Method of detecting a main subject in an image | |
US20080232707A1 (en) | Motion blurred image restoring method | |
KR20160048140A (ko) | 올-인-포커스 이미지를 생성하기 위한 방법 및 장치 | |
CN110298281B (zh) | 视频结构化方法、装置、电子设备及存储介质 | |
CN114511041B (zh) | 模型训练方法、图像处理方法、装置、设备和存储介质 | |
CN111553302B (zh) | 关键帧选取方法、装置、设备及计算机可读存储介质 | |
CN112969023A (zh) | 图像拍摄方法、设备、存储介质以及计算机程序产品 | |
CN110458857B (zh) | 中心对称图元检测方法、装置、电子设备及可读存储介质 | |
CN111784658A (zh) | 一种用于人脸图像的质量分析方法和系统 | |
CN113888509A (zh) | 一种图像清晰度的评价方法、装置、设备及存储介质 | |
CN113065379A (zh) | 融合图像质量的图像检测方法、装置、电子设备 | |
CN113903084A (zh) | 活体检测方法、设备、可读存储介质及计算机程序产品 | |
US10146042B2 (en) | Image processing apparatus, storage medium, and image processing method | |
US11205064B1 (en) | Measuring quality of depth images in real time | |
JP2008084109A (ja) | 目開閉判定装置及び目開閉判定方法 | |
US11856284B2 (en) | Method of controlling a portable device and a portable device | |
CN113283319A (zh) | 人脸模糊度的评价方法及装置、介质和电子设备 | |
CN114255493A (zh) | 图像检测方法、人脸检测方法及装置、设备及存储介质 | |
CN113988957B (zh) | 基于元素识别的图像自动化评分方法与评分系统 | |
CN117523428B (zh) | 基于飞行器平台的地面目标检测方法和装置 | |
CN116993644B (zh) | 一种基于图像分割的多聚焦图像融合方法及装置 | |
CN111586299B (zh) | 一种图像处理方法和相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |