CN114550259A - 一种人脸活体检测方法、装置和设备 - Google Patents

Abstract

本发明实施例提供了一种人脸活体检测方法、装置和设备。该方法包括：将采集的待检测图像输入目标检测训练模型，输出待检测图像中的至少一个目标及每个目标对应的目标框；判断至少一个目标中是否包括人脸目标且判断至少一个目标中是否包括至少一个环境目标；若判断出至少一个目标中包括人脸目标且判断出至少一个目标中包括至少一个环境目标，从至少一个目标中选取人脸目标；根据至少一个目标对应的目标框判断人脸目标为非活体目标或不确定目标；若判断出人脸目标为不确定目标，将待检测图像输入活体分类训练模型，输出待检测图像的活体得分；根据活体得分判断人脸目标是否为活体目标。本发明实施例提高了活体目标检测的精确度。

Description

一种人脸活体检测方法、装置和设备

【技术领域】

本发明涉及计算机视觉技术领域，尤其涉及一种人脸活体检测方法、装置和设备。

【背景技术】

人脸识别技术是一种基于人的脸部特征信息进行身份识别的生物识别技术，通过摄像头采集含有人脸的图像或视频，并自动在图像中识别并跟踪人脸，进而对检测到的人脸进行脸部识别。人脸活体检测技术是人脸识别技术中的一个重要环节，用于判断当前人脸识别的操作者是否为活体用户。随着人脸识别技术的广泛应用，也出现了利用照片、屏幕或3D面具等攻击手段冒充用户进行非法操作的攻击者，对用户的人身安全或财产安全造成了影响。

在相关技术中，人脸活体检测技术主要采用交互式人脸活体检测技术或静默式人脸活体检测技术。其中，交互式人脸活体检测技术需要用户在人脸识别的过程中完成指定的活体动作(如眨眼、摇头、张嘴或闭嘴)，根据用户是否准确完成了指定动作来判断操作者是否为活体，用户体验较差。静默式人脸活体检测技术通过对输入图像进行预处理得到人脸区域图像，提取人脸区域的纹理等特征，进而将特征输入分类器最终判定是否为活体；或者，静默式人脸活体检测技术将预处理后的人脸区域图像直接输入卷积神经网络(Convolutional Neural Networks，简称CNN)，通过CNN网络实现对输入图像的特征提取和活体判别，多采用分类判别的方法，且只提取了人脸区域特征，忽略了背景中一些明显的照片、屏幕等有效的特征信息，技术难度较高，活体检测的精确度较低。

【发明内容】

有鉴于此，本发明实施例提供了一种人脸活体检测方法、装置和设备，用以解决现有技术中活体检测的精确度较低的问题。

第一方面，本发明实施例提供了一种人脸活体检测方法，所述方法应用于人脸活体检测设备，所述方法包括：

将采集的待检测图像输入目标检测训练模型，输出所述待检测图像中的至少一个目标及每个所述目标对应的目标框；

判断所述至少一个目标中是否包括人脸目标且判断所述至少一个目标中是否包括至少一个环境目标；

若判断出所述至少一个目标中包括所述人脸目标且判断出所述至少一个目标中包括至少一个环境目标，从至少一个所述目标中选取所述人脸目标；

根据至少一个所述目标对应的目标框判断所述人脸目标为非活体目标或不确定目标；

若判断出所述人脸目标为不确定目标，将所述待检测图像输入活体分类训练模型，输出所述待检测图像的活体得分；

根据所述活体得分判断所述人脸目标是否为活体目标。

在一种可能的实现方式中，还包括：

若判断出所述至少一个目标中包括所述人脸目标且判断出所述至少一个目标中不包括环境目标，则确定出所述人脸目标为不确定目标，执行所述将所述待检测图像输入活体分类训练模型，输出所述待检测图像的活体得分的步骤。

在一种可能的实现方式中，还包括：

若判断出所述至少一个目标中不包括所述人脸目标，执行所述将采集的待检测图像输入目标检测训练模型，输出所述待检测图像中的至少一个目标及每个所述目标对应的目标框的步骤。

在一种可能的实现方式中，所述根据至少一个所述目标对应的目标框判断所述人脸目标为非活体目标或不确定目标，包括：

判断所述人脸目标对应的目标框的中心点坐标是否位于至少一个所述环境目标对应的目标框内；

若判断出所述人脸目标对应的目标框的中心点坐标位于至少一个所述环境目标对应的目标框内，则确定出所述人脸目标为非活体目标；

若判断出所述人脸目标对应的目标框的中心点坐标不位于任意一个所述环境目标对应的目标框内，则确定出所述人脸目标为不确定目标。

在一种可能的实现方式中，所述环境目标包括照片、电脑屏幕或手机屏幕。

在一种可能的实现方式中，所述根据所述活体得分判断所述人脸目标是否为活体目标，包括：

判断所述活体得分是否大于设定阈值；

若判断出所述活体得分大于所述设定阈值，则确定出所述人脸目标为活体目标；

若判断出所述活体得分小于或等于所述设定阈值，则确定出所述人脸目标为非活体目标。

第二方面，本发明实施例提供了一种人脸活体检测装置，所述装置包括：第一生成模块，用于将采集的待检测图像输入目标检测训练模型，输出所述待检测图像中的至少一个目标及每个所述目标对应的目标框；

第一判断模块，用于判断所述至少一个目标中是否包括人脸目标且判断所述至少一个目标中是否包括至少一个环境目标；

选取模块，用于若判断出所述至少一个目标中包括所述人脸目标且判断出所述至少一个目标中包括至少一个环境目标，从至少一个所述目标中选取所述人脸目标；

第二判断模块，用于根据至少一个所述目标对应的目标框判断所述人脸目标为非活体目标或不确定目标；

第二生成模块，用于若判断出所述人脸目标为不确定目标，将所述待检测图像输入活体分类训练模型，输出所述待检测图像的活体得分；

第三判断模块，用于根据所述活体得分判断所述人脸目标是否为活体目标。

在一种可能的实现方式中，所述第二判断模块包括第一判断单元、第一确定单元和第二确定单元；

所述第一判断单元，用于判断所述人脸目标对应的目标框的中心点坐标是否位于至少一个所述环境目标对应的目标框内；

所述第一确定单元，用于若所述第一判断单元判断出所述人脸目标对应的目标框的中心点坐标位于至少一个所述环境目标对应的目标框内，则确定出所述人脸目标为非活体目标；

所述第二确定单元，用于若所述第一判断单元判断出所述人脸目标对应的目标框的中心点坐标不位于任意一个所述环境目标对应的目标框内，则确定出所述人脸目标为不确定目标。

第三方面，本发明实施例提供了一种人脸活体检测设备，包括一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述人脸活体检测设备执行时，使得所述人脸活体检测设备执行上述第一方面任一项所述的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行上述第一方面任一项所述的方法。

本发明实施例提供的人脸活体检测方法、装置和设备的技术方案中，将采集的待检测图像输入目标检测训练模型，输出待检测图像中的至少一个目标及每个目标对应的目标框；判断至少一个目标中是否包括人脸目标且判断至少一个目标中是否包括至少一个环境目标；若判断出至少一个目标中包括人脸目标且判断出至少一个目标中包括至少一个环境目标，从至少一个目标中选取人脸目标；根据至少一个目标对应的目标框判断人脸目标为非活体目标或不确定目标；若判断出人脸目标为不确定目标，将待检测图像输入活体分类训练模型，输出待检测图像的活体得分；根据活体得分判断人脸目标是否为活体目标。本发明实施例中，人脸活体检测设备先通过目标检测方法判断出具有明显特征的非活体目标，然后结合活体分类的方法再次进行判断，提高了活体目标检测的精确度。

【附图说明】

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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为本发明实施例提供的一种人脸活体检测方法的流程图。

图2a为本发明实施例提供的一种目标检测训练模型训练方法的流程图。

图2b为本发明实施例提供的一种活体分类训练模型训练方法的流程图。

图3为本发明实施例提供的一种活体判断方法的流程图。

图4为本发明实施例提供的一种人脸活体检测装置的结构示意图。

图5为本发明实施例提供的一种第二判断模块的结构示意图。

图6为本发明实施例提供的一种第三判断模块的结构示意图。

图7为本发明实施例提供的一种人脸活体检测设备的结构示意图。

【具体实施方式】

为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

图1为本发明实施例提供的一种行人脸活体检测方法的流程图，如图1所示，该方法包括：

步骤101、将采集的待检测图像输入目标检测训练模型，输出待检测图像中的至少一个目标及每个目标对应的目标框。

本发明实施例中各步骤由人脸活体检测设备执行。例如，人脸活体检测设备可以包括智能手机、平板电脑、笔记本电脑、智能门锁或人脸识别考勤机。

本发明实施例中，人脸活体检测设备可包括成像设备和人脸活体检测装置，成像设备可采集待检测图像，并将待检测图像发送至人脸活体检测装置。具体地，本发明实施例中各步骤可以由人脸活体检测装置执行。

本步骤中，成像设备可以采集图像数据或视频数据。若成像设备采集的数据为图像数据，将图像数据作为待检测图像发送至人脸活体检测装置。若成像设备采集的数据为视频数据，将视频数据按帧拆分为多个图像数据，将多个图像数据中的全部图像数据作为待检测图像，并将待检测图像发送至人脸活体检测装置。成像设备可以包括摄像头。

人脸活体检测装置通过目标检测训练模型输出待检测图像中的至少一个目标及每个目标对应的目标框。其中，目标包括人脸目标或环境目标，则至少一个目标包括至少一个人脸目标和/或至少一个环境目标。环境目标可以包括照片、电脑屏幕或手机屏幕。每个目标对应一个目标框，每个目标框包括目标框的左上顶点的二维坐标(x₁,y₁)和右下顶点的二维坐标(x₂,y₂)构成的矩形框。例如，人脸活体检测装置通过目标检测训练模型输出一个人脸目标和一个环境目标及每个目标对应的目标框，该环境目标为照片，则人脸活体检测装置通过目标检测训练模型输出人脸目标对应的目标框和照片对应的目标框。人脸目标对应的目标框的左上顶点的二维坐标为(2，2)，右下顶点的二维坐标为(3，1)，则人脸目标对应的目标框为(2，2)、(3，2)、(2，1)和(3，1)四个顶点坐标构成的矩形框；照片对应的目标框的左上顶点的二维坐标为(2，3)，右下顶点的二维坐标为(4，1)，则照片对应的目标框(2，3)、(4，3)、(2，1)和(4，1)四个顶点坐标构成的矩形框。

步骤102、判断至少一个目标中是否包括人脸目标且判断至少一个目标中是否包括至少一个环境目标，若判断出至少一个目标中包括人脸目标且判断出至少一个目标中包括至少一个环境目标，则执行步骤103；若判断出至少一个目标中包括人脸目标且判断出至少一个目标中不包括环境目标，则执行步骤106；若判断出至少一个目标中不包括人脸目标，则执行步骤101。

本步骤中，若判断出至少一个目标中包括人脸目标且判断出至少一个目标中包括至少一个环境目标，表明待检测图像中同时包括人脸目标和环境目标，待检测图像中可能包括活体目标，则执行步骤103；若判断出至少一个目标中包括人脸目标且判断出至少一个目标中不包括环境目标，表明待检测图像中仅包括人脸目标，待检测图像中可能包括活体目标，则执行步骤106；若判断出至少一个目标中不包括人脸目标，即判断出至少一个目标中不包括人脸目标且判断出至少一个目标中包括至少一个环境目标，或者判断出至少一个目标中不包括人脸目标且判断出至少一个目标中不包括至少一个环境目标，表明待检测图像中不包括人脸目标，待检测图像中一定不包括活体目标，则执行步骤101。

步骤103、从至少一个目标中选取人脸目标。

本步骤中，目标检测训练模型输出待检测图像中的至少一个目标，识别出每个目标对应的标签数据，根据每个目标对应的标签数据从至少一个目标中选取出人脸目标。

步骤104、判断人脸目标对应的目标框的中心点坐标是否位于至少一个环境目标对应的目标框内，若判断出人脸目标对应的目标框的中心点坐标位于至少一个环境目标对应的目标框内，则执行步骤108；若判断出人脸目标对应的目标框的中心点坐标不位于任意一个环境目标对应的目标框内，则执行步骤106。

本步骤中，人脸目标对应的目标框的中心点坐标为该目标框对应的矩形框的中心点坐标。例如，人脸目标对应的目标框为(2，2)、(3，2)、(2，1)和(3，1)四个顶点坐标构成的矩形框，该矩形框对应的中心点坐标为(2.5，1.5)，则人脸目标对应的目标框的中心点坐标为(2.5，1.5)。人脸活体检测装置将人脸目标对应的目标框的中心点坐标与目标检测训练模型输出的每个环境目标对应的目标框进行比较，得到人脸目标对应的目标框的中心点坐标与每个环境目标对应的目标框的位置关系。需要注意的是，当人脸活体检测装置通过目标检测训练模型输出多个环境目标时，本发明实施例对判断人脸目标对应的目标框的中心点坐标是否位于至少一个环境目标对应的目标框内的执行顺序不作限定。例如，人脸活体检测装置通过目标检测模型输出一个人脸目标和两个环境目标，两个环境目标包括照片和手机屏幕。人脸活体检测装置将人脸目标对应的目标框的中心点坐标分别与照片对应的目标框和手机屏幕对应的目标框进行比较，判断人脸目标对应的目标框的中心点坐标是否位于照片对应的目标框内且判断人脸目标对应的目标框的中心点坐标是否位于手机屏幕对应的目标框内。人脸活体检测装置可以先通过目标检测训练模型判断人脸目标对应的目标框的中心点坐标是否位于照片对应的目标框内，再通过目标检测训练模型判断人脸目标对应的目标框的中心点坐标是否位于手机屏幕对应的目标框内；也可以先通过目标检测训练模型判断人脸目标对应的目标框的中心点坐标是否位于手机屏幕对应的目标框内，再通过目标检测训练模型判断人脸目标对应的目标框的中心点坐标是否位于照片对应的目标框内。

步骤105、确定出人脸目标为不确定目标。

本步骤中，例如，人脸活体检测装置通过目标检测训练模型输出人脸目标对应的目标框和电脑屏幕对应的目标框。其中，人脸目标对应的目标框为(1，5)、(2，5)、(1，4)和(2，4)四个顶点坐标构成的矩形框，则人脸目标对应的目标框的中心点坐标为(1.5，4.5)，电脑屏幕对应的目标框为(2，4)、(4，4)、(2，1)和(4，1)四个顶点坐标构成的矩形框，人脸目标对应的目标框的中心点坐标(1.5，4.5)位于电脑屏幕对应的目标框外，则确定出人脸目标为非活体目标。

步骤106、将待检测图像输入活体分类训练模型，输出待检测图像的活体得分。

本步骤中，对待检测图像进行预处理生成人脸区域图像，将人脸区域图像输入活体分类训练模型，输出人脸区域图像的活体得分。

步骤107、根据活体得分判断人脸目标是否为活体目标。

本步骤中，活体得分可以为任意可以表示人脸目标为活体目标的可能性的表现形式。例如，活体得分可以为待检测图像中的人脸目标为活体目标的概率值。该概率值可以为0-1范围内任意概率，以此表示待检测图像中的人脸目标为活体目标的概率值为0-1。活体得分为0表示该人脸目标为活体目标的概率值为0，即该人脸目标为非活体目标；活体得分为0.5表示该人脸目标为活体目标的概率值为0.5，即该人脸目标可能为活体目标，也可能为非活体目标；活体得分为1表示该人脸目标为活体目标的概率值为1，即待检测图像为活体目标。

步骤108、确定出人脸目标为非活体目标。

本步骤中，例如，人脸活体检测装置通过目标检测训练模型输出人脸目标对应的目标框和照片对应的目标框。其中，人脸目标对应的目标框为(2，2)、(3，2)、(2，1)和(3，1)四个顶点坐标构成的矩形框，则人脸目标对应的目标框的中心点坐标为(2.5，1.5)，照片对应的目标框(2，3)、(4，3)、(2，1)和(4，1)四个顶点坐标构成的矩形框，人脸目标对应的目标框的中心点坐标(2.5，1.5)位于照片对应的目标框内，则确定出人脸目标为非活体目标。

本发明实施例提供的人脸活体检测方法的技术方案中，人脸活体检测设备先通过目标检测方法判断出具有明显特征的非活体目标，然后结合活体分类的方法再次进行判断，提高了活体目标检测的精确度。

本发明实施例中，人脸活体检测设备通过目标检测方法对待检测图像中一些明显的特征信息进行检测，筛选出部分非活体目标，再通过活体分类方法确定出部分非活体目标，提高了非活体目标的检出率。

本发明实施例中，人脸活体检测设备对待检测图像进行活体目标检测，确定出待检测图像中的非活体目标，避免了非活体目标对人脸活体检测设备进行攻击，从而避免了非活体目标对用户的人身安全或财产安全造成威胁，提高了人脸活体检测设备的安全性。

图2a为本发明实施例提供的一种目标检测训练模型训练方法的流程图，如图2a所示，该方法包括：

步骤201a、图像采集设备采集媒体数据，并将媒体数据发送至终端设备。

本步骤中，图像采集设备离线采集媒体数据，媒体数据包括视频数据或图像数据。图像采集设备包括人脸活体检测设备或其它具有图像采集功能的设备。例如，图像采集设备可以包括智能手机、相机、平板电脑、笔记本电脑、智能门锁或人脸识别考勤机。图像采集设备可以通过Wi-Fi通信技术或USB通信技术将媒体数据发送至终端设备。

步骤201b、终端设备根据媒体数据生成样本图像，并对样本图像进行标注生成第一标签数据。

本步骤中，若终端设备接收到的媒体数据为视频数据，将视频数据按帧拆分为多个图像数据，此时样本图像包括该多个图像数据。若终端设备接收到的媒体数据为图像数据，此时样本图像包括该图像数据。

终端设备将根据预先设置的第一标签对每张样本图像进行标注，生成与样本图像对应的第一标签数据。第一标签包括“照片”、“电脑屏幕”、“手机屏幕”或“人脸”的标签。第一标签数据包括对样本图像标注第一标签后生成的与该样本图像对应的标签数据。标签数据包括照片标签数据、电脑屏幕标签数据、手机屏幕标签数据或人脸标签数据。终端设备对样本图像进行标注时，如果样本图像中的人脸目标为活体目标，则终端设备只需对人脸目标进行标注，如果样本图像中的人脸目标为非活体目标，则终端设备需要对该样本图像中的所有目标进行标注。例如，样本图像中的人脸目标为活体目标，样本图像中包括人脸目标和手机屏幕，则终端设备只需要对人脸目标进行标注，此时第一标签数据包括对样本图像标注第一标签“人脸”和“手机屏幕”后生成的与该样本图像对应的标签数据，第一标签数据包括人脸标签数据和手机屏幕标签数据；样本图像中的人脸目标为非活体目标，样本图像中包括人脸目标和照片，则终端设备需要对人脸目标和照片进行标注，此时第一标签数据包括对样本图像标注第一标签“人脸”和“照片”后生成的与该样本图像对应的标签数据，第一标签数据包括人脸标签数据和照片标签数据。

步骤201c、终端设备将样本图像和第一标签数据发送至训练服务器。

步骤201d、训练服务器将样本图像和第一标签数据输入目标检测训练模型，以对目标检测训练模型进行训练，生成训练后的目标检测训练模型。

本步骤中，目标检测训练模型为CNN模型。

本发明实施例提供的目标检测训练模型训练方法的技术方案中，训练服务器将样本图像和第一标签数据输入目标检测训练模型，对目标检测训练模型进行训练，生成训练后的目标检测训练模型。本发明实施例通过训练服务器对目标检测训练模型进行训练，使得对活体目标的检测更加便捷，提高了活体目标检测的效率。

图2b为本发明实施例提供的一种活体分类训练模型训练方法的流程图，如图2b所示，该方法包括：

步骤202a、图像采集设备采集媒体数据，并将媒体数据发送至终端设备。

本发明实施例中，对步骤202a的描述可参见对步骤201a的描述，此处不再重复描述。

步骤202b、终端设备根据媒体数据生成样本图像，并对样本图像进行预处理，生成人脸区域图像。

本步骤中，若终端设备接收到的媒体数据为视频数据，将视频数据按帧拆分为多个图像数据，此时样本图像包括该多个图像数据。若终端设备接收到的媒体数据为图像数据，此时样本图像包括该图像数据。终端设备对每张样本图像进行抠图处理，去除人脸目标对应的目标框内的无关因素，仅保留人脸区域作为人脸区域图像。

步骤202c、终端设备对人脸区域图像进行标注生成第二标签数据。。

本步骤中，终端设备将根据预先设置的第二标签对每张人脸区域图像进行标注，生成与人脸区域图像对应的第二标签数据。第二标签包括“活体目标”或“非活体目标”的标签。第二标签数据包括对人脸区域图像标注第二标签后生成的与该人脸区域图像对应的标签数据。第二标签数据包括活体目标标签数据或非活体目标标签数据。终端设备对样本图像进行标注时，若样本图像中的人脸目标为活体目标，则将人脸区域图像标注为活体目标此时第二标签数据包括对人脸区域图像标注第二标签“活体目标”后生成的与该人脸区域图像对应的标签数据，标签数据包括活体目标标签数据；若样本图像中的人脸目标为非活体目标，则将人脸区域图像标注为非活体目标，此时第二标签数据包括对人脸区域图像标注第二标签“非活体目标”后生成的与该人脸区域图像对应的标签数据，第二标签数据包括非活体目标标签数据。

步骤202d、终端设备将人脸区域图像和第二标签数据发送至训练服务器。

步骤202e、训练服务器将人脸区域图像和第二标签数据输入活体分类训练模型，以对活体分类训练模型进行训练，生成训练后的活体分类训练模型。

本步骤中，活体分类训练模型为CNN模型。

本发明实施例中，目标检测训练模型的训练和活体分类训练模型的训练互相独立，因此，本发明实施例中，对步骤201与步骤202的执行顺序不作限定。例如，先执行步骤202，再执行步骤201；或者先执行步骤201，再执行步骤202。

本发明实施例提供的活体分类训练模型训练方法的技术方案中，对样本图像进行预处理，生成人脸区域图像。将人脸区域图像和第二标签数据输入活体分类训练模型，以对活体分类训练模型进行训练，生成训练后的活体分类训练模型。本发明实施例通过训练服务器对活体分类训练模型进行训练，使得对活体目标的检测更加便捷，提高了活体目标检测的精确度。

图3为本发明实施例提供的一种活体判断方法的流程图，如图3所示，该方法包括：

步骤301、判断活体得分是否大于设定阈值，若判断出活体得分大于设定阈值，则执行步骤302；若判断出活体得分小于或等于设定阈值，则执行步骤303。

本步骤中，设定阈值可以根据实际情况灵活设置。例如，当活体得分为待检测图像中的人脸目标为活体目标的概率值时，即当概率值为0-1范围内任意概率时，设定阈值为0.5，表示该人脸目标为活体目标的概率值为0.5。若人脸活体检测装置通过活体分类训练模型输出的活体得分为0.7，表示该人脸目标为活体目标的概率值为0.7，人脸活体检测装置判断出活体得分0.7大于设定阈值0.5，则执行步骤302；若人脸活体检测装置通过活体分类训练模型输出的活体得分为0.4，表示该人脸目标为活体目标的概率值为0.4，人脸活体检测装置判断出活体得分0.4小于设定阈值0.5，则执行步骤303；若人脸活体检测装置通过活体分类训练模型输出的活体得分为0.5，表示该人脸目标为活体目标的概率值为0.5，人脸活体检测装置判断出活体得分0.5等于设定阈值0.5，则执行步骤303。设定阈值可以根据人脸活体检测装置通过活体分类训练模型输出的活体得分的准确情况灵活设置。若人脸活体检测装置通过活体分类训练模型输出的活体得分普遍偏高，则可以适当上调设定阈值；若人脸活体检测装置通过活体分类训练模型输出的活体得分普遍偏低，则可以适当下调设定阈值。

步骤302、确定出人脸目标为活体目标。

步骤303、确定出人脸目标为非活体目标。

本发明实施例中，判断活体得分是否大于设定阈值；若判断出活体得分大于设定阈值，则确定出人脸目标为活体目标；若判断出活体得分小于或等于设定阈值，则确定出人脸目标为非活体目标。提高了非活体目标的检出率，避免了非活体目标对用户的人身安全或财产安全造成威胁，提高了活体目标检测的精确度。

图4为本发明实施例提供的一种人脸活体检测装置的结构示意图，如图4所示，所述装置包括第一生成模块11、第一判断模块12、选取模块13、第二判断模块14、第二生成模块15和第三判断模块16。第一生成模块11与第一判断模块12和第二判断模块14连接。第一判断模块12与选取模块13连接。选取模块13与第二判断模块14连接。第二判断模块14与第二生成模块15连接。第二生成模块15与第三判断模块16连接。

第一生成模块11用于将采集的待检测图像输入目标检测训练模型，输出待检测图像中的至少一个目标及每个目标对应的目标框。

第一判断模块12用于判断至少一个目标中是否包括人脸目标且判断至少一个目标中是否包括至少一个环境目标。

选取模块13用于若第一判断模块12判断出至少一个目标中包括人脸目标且判断出至少一个目标中包括至少一个环境目标，从至少一个目标中选取人脸目标。

第二判断模块14用于根据至少一个目标对应的目标框判断人脸目标为非活体目标或不确定目标。

第二生成模块15用于若第二判断模块14判断出人脸目标为不确定目标，将待检测图像输入活体分类训练模型，输出待检测图像的活体得分。

第三判断模块16用于根据活体得分判断人脸目标是否为活体目标。

本发明实施例中，该装置还包括确定模块17。确定模块17与第一判断模块12连接。

确定模块17用于若第一判断模块12判断出至少一个目标中包括人脸目标且判断出至少一个目标中不包括环境目标，则确定出人脸目标为不确定目标，并触发第二生成模块15执行将待检测图像输入活体分类训练模型，输出待检测图像的活体得分的步骤。

本发明实施例中，若第一判断模块12判断出至少一个目标中不包括人脸目标，则触发第一生成模块11执行将采集的待检测图像输入目标检测训练模型，输出待检测图像中的至少一个目标及每个目标对应的目标框的步骤。

图5为本发明实施例提供的一种第二判断模块的结构示意图，如图5所示，该第二判断模块包括第一判断单元141、第一确定单元142和第二确定单元143。第一判断单元141与第一确定单元142和第二确定单元143连接。

第一判断单元141用于判断人脸目标对应的目标框的中心点坐标是否位于至少一个环境目标对应的目标框内。第一确定单元142用于若第一判断单元141判断出人脸目标对应的目标框的中心点坐标位于至少一个环境目标对应的目标框内，则确定出人脸目标为非活体目标；第二确定单元143用于若第一判断单元141判断出人脸目标对应的目标框的中心点坐标不位于任意一个环境目标对应的目标框内，则确定出人脸目标为不确定目标。

图6为本发明实施例提供的一种第三判断模块的结构示意图，如图6所示，该第三判断模块包括第二判断单元161、第三确定单元162和第四确定单元163。第二判断单元161与第三确定单元162和第四确定单元163连接。

第二判断单元161用于判断活体得分是否大于设定阈值。第三确定单元162用于若第二判断单元161判断出活体得分大于设定阈值，则确定出人脸目标为活体目标。第四确定单元163用于若第二判断单元162判断出活体得分小于或等于设定阈值，则确定出人脸目标为非活体目标。

本发明实施例提供的人脸活体检测装置的技术方案中，若第一判断模块判断出至少一个目标中包括人脸目标且判断出至少一个目标中包括至少一个环境目标，选取模块从至少一个目标中选取人脸目标；第二判断模块根据至少一个目标对应的目标框判断人脸目标为非活体目标或不确定目标；若第二判断模块判断出人脸目标为不确定目标，第二生成模块将待检测图像输入活体分类训练模型，输出待检测图像的活体得分；第三判断模块根据活体得分判断人脸目标是否为活体目标。本发明实施例中，人脸活体检测设备先通过目标检测的方法判断出具有明显特征的非活体目标，然后结合活体分类的方法再次进行判断，提高了活体目标检测的精确度。

本发明实施例提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述人脸活体检测方法的实施例的各步骤，具体描述可参见上述人脸活体检测方法的实施例。

图7为本发明实施例提供的一种人脸活体检测设备的示意图。如图7所示，该实施例的人脸活体检测设备20包括：处理器21、存储器22以及存储在存储22中并可在处理器21上运行的计算机程序23，该计算机程序23被处理器21执行时实现实施例中的人脸活体检测方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器21执行时实现实施例中人脸活体检测装置中各模型/单元的功能，为避免重复，此处不一一赘述。

人脸活体检测设备20包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，5仅仅是人脸活体检测设备20的示例，并不构成对人脸活体检测设备20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，例如人脸活体检测设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器21可以是中央处理单元(Central Processing Unit，简称CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器22可以是人脸活体检测设备20的内部存储单元，例如人脸活体检测设备20的硬盘或内存。存储器22也可以是人脸活体检测设备20的外部存储设备，例如人脸活体检测设备20上配备的插接式硬盘，智能存储卡(Smart Media Card,简称SMC)，安全数字(Secure Digital,简称SD)卡，闪存卡(Flash Card)等。进一步地，存储器22还可以既包括人脸活体检测设备20的内部存储单元也包括外部存储设备。存储器22用于存储计算机程序以及人脸活体检测设备所需的其他程序和数据。存储器22还可以用于暂时地存储已经输出或者将要输出的数据。

本发明实施例提供了一种非易失性计算机可读存储介质，该非易失性计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如前述实施例中任一项所述的人脸活体检测方法的步骤。

上述非易失性计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ReadOnly Memory，简称ROM)、可擦式可编程只读存储器(Erasable Programmable Read OnlyMemory；简称EPROM)或闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种人脸活体检测方法，其特征在于，所述方法应用于人脸活体检测设备，所述方法包括：

将采集的待检测图像输入目标检测训练模型，输出所述待检测图像中的至少一个目标及每个所述目标对应的目标框；

判断所述至少一个目标中是否包括人脸目标且判断所述至少一个目标中是否包括至少一个环境目标；

若判断出所述至少一个目标中包括所述人脸目标且判断出所述至少一个目标中包括至少一个环境目标，从至少一个所述目标中选取所述人脸目标；

根据至少一个所述目标对应的目标框判断所述人脸目标为非活体目标或不确定目标；

若判断出所述人脸目标为不确定目标，将所述待检测图像输入活体分类训练模型，输出所述待检测图像的活体得分；

根据所述活体得分判断所述人脸目标是否为活体目标。

2.根据权利要求1所述的方法，其特征在于，还包括：

若判断出所述至少一个目标中包括所述人脸目标且判断出所述至少一个目标中不包括环境目标，则确定出所述人脸目标为不确定目标，执行所述将所述待检测图像输入活体分类训练模型，输出所述待检测图像的活体得分的步骤。

3.根据权利要求1所述的方法，其特征在于，还包括：

若判断出所述至少一个目标中不包括所述人脸目标，执行所述将采集的待检测图像输入目标检测训练模型，输出所述待检测图像中的至少一个目标及每个所述目标对应的目标框的步骤。

4.根据权利要求1所述的方法，其特征在于，所述根据至少一个所述目标对应的目标框判断所述人脸目标为非活体目标或不确定目标，包括：

判断所述人脸目标对应的目标框的中心点坐标是否位于至少一个所述环境目标对应的目标框内；

若判断出所述人脸目标对应的目标框的中心点坐标位于至少一个所述环境目标对应的目标框内，则确定出所述人脸目标为非活体目标；

若判断出所述人脸目标对应的目标框的中心点坐标不位于任意一个所述环境目标对应的目标框内，则确定出所述人脸目标为不确定目标。

5.根据权利要求1所述的方法，其特征在于，所述环境目标包括照片、电脑屏幕或手机屏幕。

6.根据权利要求1所述的方法，其特征在于，所述根据所述活体得分判断所述人脸目标是否为活体目标，包括：

判断所述活体得分是否大于设定阈值；

若判断出所述活体得分大于所述设定阈值，则确定出所述人脸目标为活体目标；

若判断出所述活体得分小于或等于所述设定阈值，则确定出所述人脸目标为非活体目标。

7.一种人脸活体检测装置，其特征在于，所述装置包括：

第一生成模块，用于将采集的待检测图像输入目标检测训练模型，输出所述待检测图像中的至少一个目标及每个所述目标对应的目标框；

第一判断模块，用于判断所述至少一个目标中是否包括人脸目标且判断所述至少一个目标中是否包括至少一个环境目标；

选取模块，用于若判断出所述至少一个目标中包括所述人脸目标且判断出所述至少一个目标中包括至少一个环境目标，从至少一个所述目标中选取所述人脸目标；

第二判断模块，用于根据至少一个所述目标对应的目标框判断所述人脸目标为非活体目标或不确定目标；

第二生成模块，用于若判断出所述人脸目标为不确定目标，将所述待检测图像输入活体分类训练模型，输出所述待检测图像的活体得分；

第三判断模块，用于根据所述活体得分判断所述人脸目标是否为活体目标。

8.根据权利要求7所述的装置，其特征在于，所述第二判断模块包括第一判断单元、第一确定单元和第二确定单元；

所述第一判断单元，用于判断所述人脸目标对应的目标框的中心点坐标是否位于至少一个所述环境目标对应的目标框内；

所述第一确定单元，用于若所述第一判断单元判断出所述人脸目标对应的目标框的中心点坐标位于至少一个所述环境目标对应的目标框内，则确定出所述人脸目标为非活体目标；

所述第二确定单元，用于若所述第一判断单元判断出所述人脸目标对应的目标框的中心点坐标不位于任意一个所述环境目标对应的目标框内，则确定出所述人脸目标为不确定目标。

9.一种人脸活体检测设备，其特征在于，包括：一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述人脸活体检测设备执行时，使得所述人脸活体检测设备执行权利要求1至6任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至6中任一项所述的方法。

Images