CN114612986A - 检测方法、装置、电子设备及存储介质 - Google Patents
检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114612986A CN114612986A CN202210265003.2A CN202210265003A CN114612986A CN 114612986 A CN114612986 A CN 114612986A CN 202210265003 A CN202210265003 A CN 202210265003A CN 114612986 A CN114612986 A CN 114612986A
- Authority
- CN
- China
- Prior art keywords
- image
- sequence
- action
- detection
- determining
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种检测方法、装置、电子设备及存储介质,所述检测方法包括:接收终端响应于动作序列所发送的图像序列,所述图像序列中包括多帧图像;依次获取所述动作序列中的一个动作内容,作为当前动作内容,并执行以下操作:确定所述当前动作内容对应的起始图像,依次确定图像序列中所述起始图像后的各图像与当前动作内容的动作评分;根据任一图像的动作评分,确定所述当前动作内容对应的匹配结果;根据动作序列中所有动作内容对应的匹配结果,确定所述图像序列与所述动作序列的匹配结果;基于所述图像序列与所述动作序列的匹配结果,生成检测结果。本公开可提高用户检测环境的安全性、检测结果的准确率。
Description
技术领域
本公开涉及检测领域,尤其涉及一种检测方法、装置、电子设备及存储介质。
背景技术
在线上金融、账号登录等需要人机验证的场景中,运营商更希望通过了人机验证的用户是真实的账户所有者,而不是程序脚本或假冒者。若人机验证场景中,用户为程序脚本或假冒者,则此次验证有较大概率为恶意验证,即此次验证的环境并不安全,易造成用户的财产损失。因此,如何提高验证环境的安全性,是亟需解决的问题之一。
发明内容
本公开提出了一种检测技术方案。
根据本公开的一方面,提供了一种检测方法,应用于服务器,所述检测方法包括:接收终端响应于动作序列所发送的图像序列,所述图像序列中包括多帧图像;依次获取所述动作序列中的一个动作内容,作为当前动作内容,并执行以下操作:确定所述当前动作内容对应的起始图像,依次确定图像序列中所述起始图像后的各图像与当前动作内容的动作评分;根据任一图像的动作评分,确定所述当前动作内容对应的匹配结果;根据动作序列中所有动作内容对应的匹配结果,确定所述图像序列与所述动作序列的匹配结果;基于所述图像序列与所述动作序列的匹配结果,生成检测结果。
在一种可能的实施方式中,所述确定所述当前动作内容对应的起始图像,包括:在确定所述当前动作内容为所述动作序列中的第一个动作内容的情况下,所述起始图像为所述图像序列的起始图像,在确定所述当前动作内容不是所述动作序列中的第一个动作内容的情况下,所述起始图像为与前一动作内容匹配成功的图像的下一帧图像。
在一种可能的实施方式中,所述确定所述图像序列与所述动作序列的匹配结果,包括:在开始确定所述动作序列的匹配结果起的第一预设时间内,未得到所述动作序列匹配成功的匹配结果的情况下,和/或,在开始确定所述动作序列中任一动作内容的匹配结果起的第二预设时间内,未得到该动作内容匹配成功的匹配结果的情况下,确定所述图像序列与所述动作序列的匹配结果为匹配失败。
在一种可能的实施方式中,所述基于所述图像序列与所述动作序列的匹配结果,生成检测结果,包括:在确定所述图像序列与所述动作序列的匹配结果为匹配成功的情况下,筛选出所述图像序列中的第一图像;基于所述第一图像,生成活体检测结果;基于所述活体检测结果,确定所述检测结果,其中,在确定所述活体检测结果为活体的情况下,所述检测结果为检测通过。
在一种可能的实施方式中,所述筛选出所述图像序列中的第一图像,包括:筛选出所述图像序列中的预设数量的、动作评分大于或等于第二评分阈值的第一图像。
在一种可能的实施方式中,所述基于所述第一图像,生成活体检测结果,包括:基于所述第一图像,生成所述第一图像对应的活体检测子结果;将动作评分最高的第一图像作为第二图像;在确定所述第二图像对应的活体检测子结果为活体、且活体检测子结果为活体的第一图像的数量与所有第一图像的数量的比值大于或等于预设比值的情况下,确定活体检测结果为活体。
在一种可能的实施方式中,所述接收终端响应于动作序列所发送的图像序列,包括:对终端响应于动作序列所发送的图像序列进行解密,得到解密后的图像序列;所述依次确定图像序列中所述起始图像后的各图像与当前动作内容的动作评分,包括:依次确定所述解密后的图像序列中所述起始图像后的各图像与当前动作内容的动作评分。
在一种可能的实施方式中,所述确定所述图像序列与所述动作序列的匹配结果,还包括:生成所述图像序列中的图像对应的面部区域坐标、面部编号中的至少一项;根据所述面部区域坐标、所述面部编号中的至少一项,以及所述图像序列、所述动作序列,确定所述匹配结果。
在一种可能的实施方式中,所述根据所述面部区域坐标、所述面部编号中的至少一项,以及所述图像序列、所述动作序列,确定所述匹配结果,包括:确定所述图像序列的各图像中,所述面部区域坐标指示的面部区域与所述动作序列的匹配结果,作为所述图像序列与所述动作序列的匹配结果。
在一种可能的实施方式中,所述根据所述面部区域坐标、所述面部编号中的至少一项,以及所述图像序列、所述动作序列,确定所述匹配结果,还包括:在确定所述图像序列中数量最少的面部编号对应的图像的数量,大于第一阈值的情况下,确定所述匹配结果为匹配失败。
在一种可能的实施方式中,所述检测方法还包括以下至少一项:在确定所述检测结果为检测不通过的情况下,向终端发送第一指令,所述第一指令控制所述终端进入用于重新发送检测请求的页面;在确定第三预设时间内向所述终端发送第一指令的次数达到第二阈值的情况下,响应于所述终端通过所述页面发送的检测请求,向所述终端发送第二指令,所述第二指令用以通知所述终端,所述服务器拒绝所述检测请求;在确定自发送第一指令至接收到新的图像序列的时间大于第四预设时间的情况下,向所述终端发送第二指令。
根据本公开的一方面,提供了一种检测装置,应用于服务器,所述检测装置包括:图像序列接收模块,用以接收终端响应于所述动作序列所发送的图像序列,所述图像序列中包括多帧图像;动作内容处理模块,用以依次获取所述动作序列中的一个动作内容,作为当前动作内容,并执行以下操作:确定所述当前动作内容对应的起始图像,依次确定图像序列中所述起始图像后的各图像与当前动作内容的动作评分;根据任一图像的动作评分,确定所述当前动作内容对应的匹配结果;根据动作序列中所有动作内容对应的匹配结果,确定所述图像序列与所述动作序列的匹配结果;检测结果生成模块,用以基于所述图像序列与所述动作序列的匹配结果,生成检测结果。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中所述处理器被配置为调用所述存储器存储的指令,以执行上述任意一项所述的检测方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述任意一项所述的检测方法。
本公开提供了一种检测方法,服务器可接收终端响应于动作序列所发送的图像序列,所述图像序列中包括多帧图像,而后依次获取所述动作序列中的一个动作内容,作为当前动作内容,并执行以下操作:确定所述当前动作内容对应的起始图像,依次确定图像序列中所述起始图像后的各图像与当前动作内容的动作评分,根据任一图像的动作评分,确定所述当前动作内容对应的匹配结果,根据动作序列中所有动作内容对应的匹配结果,确定所述图像序列与所述动作序列的匹配结果,最终基于所述图像序列与所述动作序列的匹配结果,生成检测结果。由于上述检测结果是在服务器中生成的,故降低了恶意程序更改检测结果的可能性,结合上述动作评分,能够进一步提高匹配结果的准确性,进而实现对验证环境安全性的准确检测。此外,由于服务器算力相较于终端更高,故服务器可减少生成检测结果所需的时间,或使用运算较复杂,但是检测准确率较高的检测模型。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
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,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出了根据本公开实施例提供的检测方法的流程图。
图2示出了根据本公开实施例提供的检测方法的流程图。
图3示出了根据本公开实施例提供的检测装置的框图。
图4示出了根据本公开实施例提供的电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“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,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
相关技术中,通常将检测技术内置于终端的应用程序中,故其检测流程大体为:终端接收用户的检测请求,并通过内置的检测技术,识别用户的图像数据,生成检测结果,而后将检测结果发送至服务器,服务器根据该检测结果,确定是否为终端提供进一步的服务。
但是如此设置易造成以下问题:1、检测结果由终端生成,而后传输至服务器,故其检测结果易被恶意程序篡改。例如:终端检测结果为匹配失败,但是恶意程序将其修改为匹配成功,而后发送至服务器。服务器便会认为其可以为终端提供进一步的服务,即服务器认为终端的检测环境安全,但是在实际情况下,终端的检测环境并不安全,恶意程序此时极易造成用户的财产损失。2、检测技术集成在应用程序中,其使用的检测技术的算力有限,而在算力有限的情况下,出于减少用户等待时长的考虑,应用程序不易使用运算量更加复杂的检测技术,故其检测准确率有限。
有鉴于此,本公开实施例提供了一种检测方法,服务器可接收终端响应于动作序列所发送的图像序列,所述图像序列中包括多帧图像,而后依次获取所述动作序列中的一个动作内容,作为当前动作内容,并执行以下操作:确定所述当前动作内容对应的起始图像,依次确定图像序列中所述起始图像后的各图像与当前动作内容的动作评分,根据任一图像的动作评分,确定所述当前动作内容对应的匹配结果,根据动作序列中所有动作内容对应的匹配结果,确定所述图像序列与所述动作序列的匹配结果,最终基于所述图像序列与所述动作序列的匹配结果,生成检测结果。由于上述检测结果是在服务器中生成的,故降低了恶意程序更改检测结果的可能性,结合上述动作评分,能够进一步提高匹配结果的准确性,进而实现对验证环境安全性的准确检测。此外,由于服务器算力相较于终端更高,故服务器可减少生成检测结果所需的时间,或使用运算较复杂,但是检测准确率较高的检测模型,终端可以以H5网页形式展示录制图像序列、重试、检测结果等页面,使终端侧程序轻量化,降低对终端算力的要求。
示例性地,上述检测方法由服务器执行,例如:上述服务器可为物理服务器、虚拟主机、虚拟专用服务器(Virtual Private Server,VPS)、云端服务器等。该服务器与一终端进行交互,上述终端可为:移动设备、用户终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实施方式中,上述检测方法也可通过处理器调用存储器中存储的计算机可读指令的方式实现。
参阅图1所示,图1示出根据本公开实施例的检测方法的流程图,如图1所示,上述检测方法包括以下步骤:
在步骤S100中,接收终端响应于动作序列所发送的图像序列,所述图像序列中包括多帧图像。示例性的,在执行该步骤之前,服务器可响应于终端发送的检测请求,随机选取动作内容以生成动作序列。在一个示例中,上述动作序列包括多个动作内容,每个动作内容指示了一种用户需完成的面部动作。服务器可通过一预设的存储有多个动作内容的动作内容库,获取上述动作内容。在一个示例中,服务器可通过所述预设的动作内容库,随机选取固定数量的动作内容,并随机为每个动作内容排序(也即服务器可响应终端每次发送的检测请求,随机下发不同数量、不同顺序的动作序列至终端)。例如:服务器设定为选取3个动作内容,则从眨眼、摇头、点头、张嘴、歪头、微笑等几个动作内容中选取3个动作内容,在打乱动作内容的顺序后,得到一个随机的动作序列。在本公开实施例中动作序列为随机生成,即每次终端在发送检测请求后,所得到的动作序列极大概率不同,故降低了恶意软件提前录制图像序列的可能,进而提升了检测环境的安全性。承接上例,服务器也可选取随机个数的动作内容,并随机为每个动作内容排序,以进一步提高检测环境的安全性。例如:服务器设定为选取2至5个随机数个动作内容,则从眨眼、摇头、点头、张嘴、歪头、微笑等几个动作内容中随机选取随机数个动作内容,在打乱动作内容的顺序后,得到一个随机的动作序列。而后服务器可发送所述动作序列至所述终端。示例性地,终端在接收所述动作序列后,将动作序列提示给用户,例如:可通过语音或是文字的方式进行提示。而后用户遵照动作序列,开始通过终端录制图像序列,在录制完毕后,终端将录制后的图像序列发送至服务器。示例性地,终端也可限制并为用户提示图像序列的最大录制时长,以节约服务器算力。在一个示例中,终端可通过一网页与用户进行交互,以实现检测方法的轻量化。图像序列可以为视频,或连续拍摄的图像。
在一种可能的实施方式中,终端可向服务器发送加密后的图像序列,以提高图像序列传输时的安全性,在此情况下,步骤S100可包括:对终端响应于动作序列所发送的图像序列进行解密,得到解密后的图像序列。而后基于解密后的图像序列执行可能包括的各个步骤。本公开实施例通过为图像序列加密的方式,可以降低图像序列被其他恶意程序更改的风险,进而提高了图像序列在传输过程中的安全性。示例性地,图像序列可采用逐帧加密的形式,以进一步增加图像序列在传输过程中的安全性。
继续参阅图1,在步骤S200中,依次获取所述动作序列中的一个动作内容,作为当前动作内容,并执行以下操作:
在步骤S210中,确定所述当前动作内容对应的起始图像,依次确定图像序列中所述起始图像后的各图像与当前动作内容的动作评分。上述动作评分可与图像中动作内容相对于当前动作内容的标准程度正相关,可通过机器学习模型获取。例如:若机器学习模型为二分类模型(即每帧输入的图像分类为‘是该动作内容’或‘不是该动作内容’),则机器学习模型在将一个图像中动作内容进行分类的过程中,首先会生成该输入图像的动作评分,而后在该输入图像的动作评分大于或等于一评分门限时,该输入图像被分类为‘是该动作内容’。换言之,本公开实施例中所提及的动作评分可等于机器学习模型在分类过程中所使用的动作评分。示例性地,在确定所述当前动作内容为所述动作序列中的第一个动作内容的情况下,所述起始图像为所述图像序列的起始图像,例如,以第一帧图像作为图像序列的起始图像,或预先指定图像序列中的某一帧图像作为起始图像。在所述当前动作内容不是所述动作序列中的第一个动作内容的情况下,所述起始图像为与前一动作内容匹配成功的图像的下一帧图像。本公开实施例通过设定起始图像的方式,一方面降低了动作内容匹配的计算量,另一方面起始图像可作为图像序列中的动作内容顺序的标记。例如:图像序列共20帧图像,动作序列依序包括:眨眼、张嘴、抬头,则服务器将第1帧图像作为眨眼动作的起始图像,并生成动作评分。若眨眼动作在第6帧匹配成功,则将第7帧作为张嘴动作的起始图像。若张嘴动作在第12帧匹配成功,则将第13帧作为抬头动作的起始图像。若抬头动作的起始图像在第15帧匹配成功,则不必再检测第16帧至20帧的图像,以节约服务器算力。而后将匹配成功的第6、12、15帧对应的动作内容,作为图像序列中动作内容的顺序。在一种可能的实施方式中,若图像序列经过终端设备进行加密,则步骤S210可包括:依次确定所述解密后的图像序列中所述起始图像后的各图像与当前动作内容的动作评分。本公开实施例通过为图像序列加密的方式,可以降低图像序列被其他恶意程序更改的风险,进而提高了图像序列在传输过程中的安全性。
在步骤S220中,根据任一图像的动作评分,确定所述当前动作内容对应的匹配结果。示例性地,当任一图像的动作评分大于第一评分阈值时,确定所述当前动作内容对应的匹配结果为匹配成功。服务器管理人员可根据实际情况设定上述第一评分阈值。示例性地,上述第一评分阈值越高,图像中对应的动作内容便需要越标准,最终确定的匹配结果也越准确,本公开实施例在此不限定第一评分阈值的具体数值。示例性地,在开始确定所述动作序列的匹配结果起的第一预设时间内,未得到所述动作序列匹配成功的匹配结果的情况下,和/或,在开始确定所述动作序列中任一动作内容的匹配结果起的第二预设时间内,未得到该动作内容匹配成功的匹配结果的情况下,确定所述图像序列与所述动作序列的匹配结果为匹配失败。例如:若第一预设时间若为20秒,服务器在20秒内未完成动作序列中每个动作内容的匹配,则服务器确定该图像序列匹配失败。若第二预设时间若为5秒,服务器在5秒内未完成动作序列中某一个动作内容的匹配,也即图像序列中某一个动作内容匹配了5秒仍然未匹配成功,则服务器确定该图像序列匹配失败。通过设置以上条件,可进一步增加用户验证阶段的安全性,同时提高验证效率。上述第一预设时间与第二预设时间的具体数值,本公开实施例在此不作限制。
在步骤S230中,根据动作序列中所有动作内容对应的匹配结果,确定所述图像序列与所述动作序列的匹配结果。示例性地,当动作序列中的所有动作内容对应的匹配结果均为匹配成功时,确定所述图像序列与所述动作序列的匹配结果为匹配成功。示例性地,上述图像序列与动作序列的匹配结果可通过机器学习模型确定。动作序列中的每一种动作内容对应了一种机器学习模型,服务器通过依次调用动作序列中动作内容所对应的机器学习模型,实现图像序列的匹配检测,本公开实施例在此并不限定机器学习模型的训练方式,每种机器学习模型能够检测出对应的动作内容即可。示例性地,机器学习模型的输入可为图像,输出为该机器学习模型对应的动作内容的匹配结果。例如:机器学习模型可通过提取图像中面部关键点(例如可通过以下算法提取:Active Shape Model、Active AppearanceModels、级联姿势回归算法、时序动作检测算法等)之间的位置特征关系,确定动作内容是否匹配成功。示例性地,在本公开实施例中,机器学习模型集成在算力较高的服务器中,而不是终端中,即本公开实施例的检测方法可以使用运算更复杂,但是准确率更高的机器学习模型,例如:可以使用相关技术中带有连续图像匹配逻辑的机器学习模型,进而使得匹配结果更加准确。比如说:与‘张嘴’动作内容匹配成功的图像,其之前的图像嘴部关键点的纵向距离应当小于该张图像中嘴部关键点的纵向距离(即连续的多帧图像中用户面部经历了‘闭嘴状态’至‘张嘴状态’)。上述机器学习模型可参考相关技术,本公开实施例在此不作赘述。换言之,在本公开实施例中,服务器可逐帧进行动作检测、活体检测,以引入前后帧的关联信息,以增加检测结果的准确率。示例性地,也可为检测过程中增加各类时间限制(后文将予以详述),以进一步增加用户使用环境的安全性。
在一种可能的实施方式中,步骤S200可包括当确定所述动作序列中的动作内容与所述图像序列中检测到的动作内容一一匹配且顺序相同时,确定所述匹配结果为匹配成功。例如:动作序列依次包括:眨眼、摇头、张嘴,则图像序列中动作内容的顺序应当遵照眨眼、摇头、张嘴这一顺序。若图像序列中动作内容的顺序为眨眼、张嘴、摇头,则确定匹配结果为匹配失败,若图像序列中动作内容的顺序为眨眼、摇头,亦确定匹配结果为匹配失败。本公开实施例通过检测动作内容数量以及顺序的方式,可以准确地确定用户的检测环境是否安全。
在一种可能的实施方式中,若出于节约算力、提高用户安全性的考虑,则上述确定所述图像序列与所述动作序列的匹配结果可包括:生成所述图像序列中的图像对应的面部区域坐标、面部编号中的至少一项;根据所述面部区域坐标、所述面部编号中的至少一项,以及所述图像序列、所述动作序列,确定所述匹配结果。
示例性地,面部区域坐标可通过相关技术中的面部区域提取模型获取,本公开实施例在此不作限定,上述面部区域坐标用以指示所述图像序列中每个图像中用户的面部区域。在一个示例中,上述确定所述匹配结果可为确定所述图像序列的各图像中,所述面部区域坐标指示的面部区域与所述动作序列的匹配结果,作为所述图像序列与所述动作序列的匹配结果。例如,可以面部区域,代替上文中的“图像”,执行步骤S200、S300,以得到检测结果。通过设定面部区域坐标的方式,可实现图像的局部匹配,进而降低了服务器的算力损耗。
上述面部编号用以区别不同面部特征的用户,可通过上述面部区域提取模型获取,以确保图像序列中的面部图像大体上出自于同一用户。换言之,若图像序列中包含了用户A、用户B的图像,则用户A的面部区域图像与用户B的面部区域图像,两者对应的面部编号不同。在一个示例中,在确定所述图像序列中数量最少的面部编号对应的图像的数量,大于第一阈值的情况下,确定所述匹配结果为匹配失败。例如:图像序列中包含了用户A的图像15帧、用户B的图像20帧,第一阈值为10帧,则服务器确定匹配结果为匹配失败(即15帧大于10帧),以避免出现用户A和用户B同时进行验证的情况。若如上设置,服务器能够在保证用户验证环境安全的情况下,允许终端在采集图像序列时出现一定限度内的意外情况(例如:终端的摄像头采集到用户身后的人脸等)。
继续参阅图1,在步骤S300中,基于所述图像序列与所述动作序列的匹配结果,生成检测结果。
在一种可能的实现方式中,可基于所述匹配结果,结合活体检测结果,来生成最终的检测结果。
参阅图2所示,图2示出根据本公开实施例的检测方法的流程图。如图2所示,在一种可能的实施方式中,步骤S300可包括:
在步骤S310中,在确定所述图像序列与所述动作序列的匹配结果为匹配成功的情况下,筛选出所述图像序列中的第一图像。在一个示例中,该步骤可为:筛选出所述图像序列中的预设数量的、动作评分大于或等于第二评分阈值的第一图像。本公开实施例可将筛选图像序列中在动作评分较高的图像作为后续活体检测的图像,进而节约了服务器算力。此外动作评分较高的图像通常具备一定的代表性,故筛选图像对活体检测结果的准确率影响较小。
示例性地,上述第二评分阈值可小于或等于第一评分阈值,不同的动作内容对应的第一评分阈值、第二评分阈值也可不同。例如:若图像序列依序包括:图像A(评分为20)、图像B(评分为40)、图像C(评分为60)、图像D(评分为80)、图像E(评分为30)、图像F(评分为45)、图像G(评分为70)、图像H(评分为80),上述图像A至图像D所属于同一个动作内容(该动作内容对应的第一评分阈值为65),上述图像E至图像H所属于同一个动作内容(该动作内容对应的第一评分阈值为75),若第二评分阈值均为50,且预设数量为3,如按照选取到预设数量为止的原则,则图像C、D、G作为上述第一图像,即舍弃了图像H。若不考虑计算时长,也可获取全部的动作评分大于第二评分阈值的图像,并舍弃评分最低几个的图像,即保留动作评分最高的预设数量的图像,以提高活体检测的准确率,如舍弃图像C。若第一个动作内容的第二评分阈值为30,第二个动作内容的第二评分阈值为40,且预设数量为6,则图像B、C、D、F、G、H作为上述第一图像。示例性地,上述预设数量即可以表示动作评分大于或等于第二评分阈值的第一图像的总数,也可以表示每个动作内容中动作评分大于或等于第二评分阈值的图像的个数。承接上例,若每个动作内容对应的预设数量为2,则图像B、C、D、F、G、H被筛选为图像B、C、F、G,在不考虑计算时长的情况下,也可筛选评分最高的图像,如图像C、D、G、H。
在步骤S320中,基于所述第一图像,生成活体检测结果。筛选后的第一图像不仅画面质量更高(也即更可能是活体),而且数量较图像序列更少,能够有效减少活体检测的计算时间。
在一种可能的实施方式中,步骤S320可包括:基于所述第一图像,生成所述第一图像对应的活体检测子结果。将动作评分最高的第一图像作为第二图像。在确定所述第二图像对应的活体检测子结果为活体、且活体检测子结果为活体的第一图像的数量与所有第一图像的数量的比值大于或等于预设比值的情况下,确定活体检测结果为活体。在本公开实施例中定义了如上的检测规则,即第二图像为活体,且检测结果为活体的图像占比大于或等于预设比值,服务器即确定图像序列的活体检测结果为活体。在实际拍摄场景中,用户在通过终端进行图像序列的拍摄时,有一定几率被外界因素干扰,如他人的面部被摄像机无意捕捉到、终端掉落等。故在以上情况中,图像序列中可能包含非活体图像,本公开实施例通过以上检测规则,允许图像序列包含一定数量的非活体图像。但是非活体图像的数量若大于预设比值,则有较大可能为恶意检测,例如:其他人恶意制作账户所有人的面具,该面具若可贴合人脸,则其他人能够轻松完成账户所有人的各类动作检测,针对以上情况,本公开实施例通过设置活体检测的方式,降低了上述情况能够通过检测的概率,进而提高了用户验证的安全性。上述预设比值可根据实际情况设定,本公开实施例在此不作限制。示例性地,预设比值越高,非活体图像的可占比率就越高,活体检测结果为活体的概率就越高。
示例性地,上述活体检测子结果可通过相关技术中的机器学习模型生成,上述机器学习模型可基于图像或图像中的人脸区域图像,生成活体检测子结果。例如:机器学习模型可提取活体与非活体的颜色纹理、非刚性运动变形、人脸材质、图像失真率等特征,生成活体检测子结果,本公开实施例在此不作赘述。
在步骤S330中,基于所述活体检测结果,确定所述检测结果,其中,在确定所述活体检测结果为活体的情况下,所述检测结果为检测通过。也即,在图像序列与动作序列的匹配结果为成功,且活体检测结果为活体时,检测结果为检测通过,通过动作匹配与活体检测的结合,进一步提高了验证的准确性。此外,本公开实施例通过使用动作、活体检测相结合的方式,避免了相关技术中使用静默活体检测的不安全性。
在一种可能的实施方式中,上述检测方法还包括:发送所述检测结果至所述终端。示例性地,当检测结果为检测通过时,服务器允许终端进行进一步的操作(例如:输入支付密码、账户密码更改、开放特定权限等),终端在接收到上述检测结果后,提示用户检测通过,可进行进一步的操作。示例性地,服务提供商可在所述检测结果生成后,通过服务器的接口获取本次检测结果,而后确定是否为终端提供相应的服务。即服务提供商可使用自己的服务器与本公开实施例中的服务器实现各类服务的提供。
示例性地,在确定所述检测结果为检测不通过的情况下,向终端发送第一指令,所述第一指令控制所述终端进入用于重新发送检测请求的页面。终端在接收到第一指令后,可进入用于重新发送检测请求的页面,并提示用户检测不通过,是否需要重新发送检测请求,该提示可持续一定时间,在用户通过终端重新发送检测请求的情况下,自步骤S100或其前置步骤重新执行本公开实施例的检测方法。在每次重试过程中,服务器可生成不同的动作序列,以降低恶意软件预先生成图像序列通过检测的可能性,进而提高用户使用环境的安全性。
在一个示例中,在确定第三预设时间内向所述终端发送所述第一指令的次数达到第二阈值的情况下,响应于所述终端通过所述页面发送的检测请求,向所述终端发送第二指令,所述第二指令用以通知所述终端,所述服务器拒绝所述检测请求。终端在接收到第二指令后,提示用户检测不通过,服务器拒绝终端再次通过上述用于重试的页面发起重试。相应地,如果所述终端发送第一指令的次数未达到第二阈值,但第三预设时间已经达到,则终端可不再展示用于重新发送检测请求的页面,即用户无法再通过该页面发送检测请求。
上述第三预设时间可自此次整体检测流程中终端第一次进行检测请求开始计算。例如:若上述第三预设时间为10分钟,则自用户在终端中打开网页,并发送第一次检测请求时开始计时,当计时超过10分钟时,用户无法在该用于重试的页面内再次提交检测请求。若上述第二阈值为5次,且服务器10分钟内发出第一指令的次数达到5次,则意味着用户已重试5次且均检测不通过,服务器将拒绝终端在该页面中后续发送的检测请求。示例性地,上述终端发起重试时所发送的检测请求可带有请求标识,例如:上述请求标识可为累加的请求标识,每次发起重试将在请求标识上加1,服务器可通过获取终端发送的检测请求中的请求标识,确定该检测请求来自上述页面,属于重试过程中的检测请求,以及确定终端的重试次数(也即上述服务器发送第一指令的次数)。
若如上设置,则可增加攻击者破解本公开实施例提供的检测方法的成本。例如:在第一次提交检测请求10分钟后或重试5次后,攻击者便无法通过同一个网页(例如上述用于重新发送检测请求的页面)再次提交检测请求,攻击者若想继续体验上述检测方法,以尝试破解上述检测方法,则需要再次打开一个新的网页。若攻击者打开该网页的次数过多,则该终端对应的IP地址会存在多次访问该网页的记录,终端的所有者或所有单位便可通过相关技术中的安全检测手段,及时发现该终端在执行恶意操作,进而增加了终端执行恶意操作时被发现的概率,也即提高了攻击者的破解成本。
在一个示例中,在确定自发送第一指令至接收到新的图像序列的时间大于第四预设时间的情况下,向所述终端发送第二指令。例如:第四预设时间可为1分钟,即在1分钟内用户便需要完成图像序列的录制,以缩短攻击者恶意使用视频剪辑软件,生成合成图像序列的可用时间,进而降低了攻击者使用合成图像序列的可能性,进一步增加了用户检测环境的安全性。
本公开实施例通过制定了检测请求的重试规则,缩短了攻击者准备合成图像序列的时间,进而可增加用户检测环境的安全性。
本公开实施例在此不限制上述第三预设时间、第四预设时间、第二阈值的具体数值,服务提供商可根据实际需求确定其具体数据。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了检测装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种检测方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
参阅图3所示,图3示出根据本公开实施例的检测装置的框图。如图3所示,在一种可能的实施方式中,本公开实施例还提供了一种检测装置100,应用于服务器,所述检测装置包括:图像序列接收模块110,用以接收终端响应于所述动作序列所发送的图像序列,所述图像序列中包括多帧图像;动作内容处理模块120,用以依次获取所述动作序列中的一个动作内容,作为当前动作内容,并执行以下操作:确定所述当前动作内容对应的起始图像,依次确定图像序列中所述起始图像后的各图像与当前动作内容的动作评分;根据任一图像的动作评分,确定所述当前动作内容对应的匹配结果;根据动作序列中所有动作内容对应的匹配结果,确定所述图像序列与所述动作序列的匹配结果;检测结果生成模块130,用以基于所述图像序列与所述动作序列的匹配结果,生成检测结果。
在一种可能的实施方式中,所述确定所述当前动作内容对应的起始图像,包括:在确定所述当前动作内容为所述动作序列中的第一个动作内容的情况下,所述起始图像为所述图像序列的起始图像,在确定所述当前动作内容不是所述动作序列中的第一个动作内容的情况下,所述起始图像为与前一动作内容匹配成功的图像的下一帧图像。
在一种可能的实施方式中,所述确定所述图像序列与所述动作序列的匹配结果,包括:在开始确定所述动作序列的匹配结果起的第一预设时间内,未得到所述动作序列匹配成功的匹配结果的情况下,和/或,在开始确定所述动作序列中任一动作内容的匹配结果起的第二预设时间内,未得到该动作内容匹配成功的匹配结果的情况下,确定所述图像序列与所述动作序列的匹配结果为匹配失败。
在一种可能的实施方式中,所述基于所述图像序列与所述动作序列的匹配结果,生成检测结果,包括:在确定所述图像序列与所述动作序列的匹配结果为匹配成功的情况下,筛选出所述图像序列中的第一图像;基于所述第一图像,生成活体检测结果;基于所述活体检测结果,确定所述检测结果,其中,在确定所述活体检测结果为活体的情况下,所述检测结果为检测通过。
在一种可能的实施方式中,所述筛选出所述图像序列中的第一图像,包括:筛选出所述图像序列中的预设数量的、动作评分大于或等于第二评分阈值的第一图像。
在一种可能的实施方式中,所述基于所述第一图像,生成活体检测结果,包括:基于所述第一图像,生成所述第一图像对应的活体检测子结果;将动作评分最高的第一图像作为第二图像;在确定所述第二图像对应的活体检测子结果为活体、且活体检测子结果为活体的第一图像的数量与所有第一图像的数量的比值大于或等于预设比值的情况下,确定活体检测结果为活体。
在一种可能的实施方式中,所述接收终端响应于动作序列所发送的图像序列,包括:对终端响应于动作序列所发送的图像序列进行解密,得到解密后的图像序列;所述依次确定图像序列中所述起始图像后的各图像与当前动作内容的动作评分,包括:依次确定所述解密后的图像序列中所述起始图像后的各图像与当前动作内容的动作评分。
在一种可能的实施方式中,所述确定所述图像序列与所述动作序列的匹配结果,还包括:生成所述图像序列中的图像对应的面部区域坐标、面部编号中的至少一项;根据所述面部区域坐标、所述面部编号中的至少一项,以及所述图像序列、所述动作序列,确定所述匹配结果。
在一种可能的实施方式中,所述根据所述面部区域坐标、所述面部编号中的至少一项,以及所述图像序列、所述动作序列,确定所述匹配结果,包括:确定所述图像序列的各图像中,所述面部区域坐标指示的面部区域与所述动作序列的匹配结果,作为所述图像序列与所述动作序列的匹配结果。
在一种可能的实施方式中,所述根据所述面部区域坐标、所述面部编号中的至少一项,以及所述图像序列、所述动作序列,确定所述匹配结果,还包括:在确定所述图像序列中数量最少的面部编号对应的图像的数量,大于第一阈值的情况下,确定所述匹配结果为匹配失败。
在一种可能的实施方式中,所述检测装置还用以执行以下至少一项:在确定所述检测结果为检测不通过的情况下,向终端发送第一指令,所述第一指令控制所述终端进入用于重新发送检测请求的页面;在确定第三预设时间内向所述终端发送第一指令的次数达到第二阈值的情况下,响应于所述终端通过所述页面发送的检测请求,向所述终端发送第二指令,所述第二指令用以通知所述终端,所述服务器拒绝所述检测请求;在确定自发送第一指令至接收到新的图像序列的时间大于第四预设时间的情况下,向所述终端发送第二指令。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
图4示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图4,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
上述电子设备可以被提供为终端、服务器或其它形态的设备。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (14)
1.一种检测方法,应用于服务器,其特征在于,所述检测方法包括:
接收终端响应于动作序列所发送的图像序列,所述图像序列中包括多帧图像;
依次获取所述动作序列中的一个动作内容,作为当前动作内容,并执行以下操作:确定所述当前动作内容对应的起始图像,依次确定图像序列中所述起始图像后的各图像与当前动作内容的动作评分;根据任一图像的动作评分,确定所述当前动作内容对应的匹配结果;根据动作序列中所有动作内容对应的匹配结果,确定所述图像序列与所述动作序列的匹配结果;
基于所述图像序列与所述动作序列的匹配结果,生成检测结果。
2.如权利要求1所述的检测方法,其特征在于,所述确定所述当前动作内容对应的起始图像,包括:在确定所述当前动作内容为所述动作序列中的第一个动作内容的情况下,所述起始图像为所述图像序列的起始图像,在确定所述当前动作内容不是所述动作序列中的第一个动作内容的情况下,所述起始图像为与前一动作内容匹配成功的图像的下一帧图像。
3.如权利要求1或2所述的检测方法,其特征在于,所述确定所述图像序列与所述动作序列的匹配结果,包括:
在开始确定所述动作序列的匹配结果起的第一预设时间内,未得到所述动作序列匹配成功的匹配结果的情况下,和/或,在开始确定所述动作序列中任一动作内容的匹配结果起的第二预设时间内,未得到该动作内容匹配成功的匹配结果的情况下,确定所述图像序列与所述动作序列的匹配结果为匹配失败。
4.如权利要求1至3中任一项所述的检测方法,其特征在于,所述基于所述图像序列与所述动作序列的匹配结果,生成检测结果,包括:
在确定所述图像序列与所述动作序列的匹配结果为匹配成功的情况下,筛选出所述图像序列中的第一图像;
基于所述第一图像,生成活体检测结果;
基于所述活体检测结果,确定所述检测结果,其中,在确定所述活体检测结果为活体的情况下,所述检测结果为检测通过。
5.如权利要求4所述的检测方法,其特征在于,所述筛选出所述图像序列中的第一图像,包括:
筛选出所述图像序列中的预设数量的、动作评分大于或等于第二评分阈值的第一图像。
6.如权利要求4或5所述的检测方法,其特征在于,所述基于所述第一图像,生成活体检测结果,包括:
基于所述第一图像,生成所述第一图像对应的活体检测子结果;
将动作评分最高的第一图像作为第二图像;
在确定所述第二图像对应的活体检测子结果为活体、且活体检测子结果为活体的第一图像的数量与所有第一图像的数量的比值大于或等于预设比值的情况下,确定活体检测结果为活体。
7.如权利要求1至6中任一项所述的检测方法,其特征在于,所述接收终端响应于动作序列所发送的图像序列,包括:
对终端响应于动作序列所发送的图像序列进行解密,得到解密后的图像序列;
所述依次确定图像序列中所述起始图像后的各图像与当前动作内容的动作评分,包括:依次确定所述解密后的图像序列中所述起始图像后的各图像与当前动作内容的动作评分。
8.如权利要求1至7中任一项所述的检测方法,其特征在于,所述确定所述图像序列与所述动作序列的匹配结果,还包括:
生成所述图像序列中的图像对应的面部区域坐标、面部编号中的至少一项;
根据所述面部区域坐标、所述面部编号中的至少一项,以及所述图像序列、所述动作序列,确定所述匹配结果。
9.如权利要求8所述的检测方法,其特征在于,所述根据所述面部区域坐标、所述面部编号中的至少一项,以及所述图像序列、所述动作序列,确定所述匹配结果,包括:
确定所述图像序列的各图像中,所述面部区域坐标指示的面部区域与所述动作序列的匹配结果,作为所述图像序列与所述动作序列的匹配结果。
10.如权利要求8或9所述的检测方法,其特征在于,所述根据所述面部区域坐标、所述面部编号中的至少一项,以及所述图像序列、所述动作序列,确定所述匹配结果,还包括:
在确定所述图像序列中数量最少的面部编号对应的图像的数量,大于第一阈值的情况下,确定所述匹配结果为匹配失败。
11.如权利要求1至10中任一项所述的检测方法,其特征在于,所述检测方法还包括以下至少一项:
在确定所述检测结果为检测不通过的情况下,向终端发送第一指令,所述第一指令控制所述终端进入用于重新发送检测请求的页面;
在确定第三预设时间内向所述终端发送第一指令的次数达到第二阈值的情况下,响应于所述终端通过所述页面发送的检测请求,向所述终端发送第二指令,所述第二指令用以通知所述终端,所述服务器拒绝所述检测请求;
在确定自发送第一指令至接收到新的图像序列的时间大于第四预设时间的情况下,向所述终端发送第二指令。
12.一种面部检测装置,应用于服务器,其特征在于,所述检测装置包括:
图像序列接收模块,用以接收终端响应于动作序列所发送的图像序列,所述图像序列中包括多帧图像;
动作内容处理模块,用以依次获取所述动作序列中的一个动作内容,作为当前动作内容,并执行以下操作:确定所述当前动作内容对应的起始图像,依次确定图像序列中所述起始图像后的各图像与当前动作内容的动作评分;根据任一图像的动作评分,确定所述当前动作内容对应的匹配结果;根据动作序列中所有动作内容对应的匹配结果,确定所述图像序列与所述动作序列的匹配结果;
检测结果生成模块,用以基于所述图像序列与所述动作序列的匹配结果,生成检测结果。
13.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至11中任意一项所述的检测方法。
14.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至11中任意一项所述的检测方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210265003.2A CN114612986A (zh) | 2022-03-17 | 2022-03-17 | 检测方法、装置、电子设备及存储介质 |
PCT/CN2022/114904 WO2023173686A1 (zh) | 2022-03-17 | 2022-08-25 | 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 |
---|---|---|---|
CN202210265003.2A CN114612986A (zh) | 2022-03-17 | 2022-03-17 | 检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114612986A true CN114612986A (zh) | 2022-06-10 |
Family
ID=81865128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210265003.2A Pending CN114612986A (zh) | 2022-03-17 | 2022-03-17 | 检测方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114612986A (zh) |
WO (1) | WO2023173686A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023173686A1 (zh) * | 2022-03-17 | 2023-09-21 | 上海商汤智能科技有限公司 | 检测方法、装置、电子设备及存储介质 |
CN116912947A (zh) * | 2023-08-25 | 2023-10-20 | 东莞市触美电子科技有限公司 | 智能屏幕、屏幕控制方法、装置、设备及其存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117113260B (zh) * | 2023-10-19 | 2024-01-30 | 深圳市磐锋精密技术有限公司 | 基于数据分析的智能贴合设备故障预警系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126214A (zh) * | 2019-12-13 | 2020-05-08 | 北京旷视科技有限公司 | 活体检测方法及装置、计算机设备和计算机可读存储介质 |
CN112950801B (zh) * | 2021-02-08 | 2022-11-01 | 中国联合网络通信集团有限公司 | 远程办公考勤记录方法及装置 |
CN113971841A (zh) * | 2021-10-28 | 2022-01-25 | 北京市商汤科技开发有限公司 | 一种活体检测方法、装置、计算机设备及存储介质 |
CN114612986A (zh) * | 2022-03-17 | 2022-06-10 | 北京市商汤科技开发有限公司 | 检测方法、装置、电子设备及存储介质 |
-
2022
- 2022-03-17 CN CN202210265003.2A patent/CN114612986A/zh active Pending
- 2022-08-25 WO PCT/CN2022/114904 patent/WO2023173686A1/zh unknown
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023173686A1 (zh) * | 2022-03-17 | 2023-09-21 | 上海商汤智能科技有限公司 | 检测方法、装置、电子设备及存储介质 |
CN116912947A (zh) * | 2023-08-25 | 2023-10-20 | 东莞市触美电子科技有限公司 | 智能屏幕、屏幕控制方法、装置、设备及其存储介质 |
CN116912947B (zh) * | 2023-08-25 | 2024-03-12 | 东莞市触美电子科技有限公司 | 智能屏幕、屏幕控制方法、装置、设备及其存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023173686A1 (zh) | 2023-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11017070B2 (en) | Visual data processing of response images for authentication | |
US10650259B2 (en) | Human face recognition method and recognition system based on lip movement information and voice information | |
CN108804884B (zh) | 身份认证的方法、装置及计算机存储介质 | |
US10275672B2 (en) | Method and apparatus for authenticating liveness face, and computer program product thereof | |
JP2022532677A (ja) | 身元検証及び管理システム | |
CN114612986A (zh) | 检测方法、装置、电子设备及存储介质 | |
US20180232570A1 (en) | Method, device, and system for adding contacts in social network | |
CN107832595B (zh) | 一种锁定方法及相关设备 | |
JP2021517303A (ja) | 閾値ベースのマッチングによる遠隔ユーザの身元確認 | |
CN110991432A (zh) | 活体检测方法、装置、电子设备及系统 | |
CN110247898B (zh) | 身份验证方法、装置、介质及电子设备 | |
US10282627B2 (en) | Method and apparatus for processing handwriting data | |
US20180260546A1 (en) | Biometric data processing apparatus, biometric data processing system, biometric data processing method, biometric data processing program, storage medium storing biometric data processing program | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
CN107786487B (zh) | 一种信息认证处理方法、系统以及相关设备 | |
TWI766458B (zh) | 資訊識別方法及裝置、電子設備、儲存媒體 | |
CN109902611B (zh) | 目标证件的检测方法、装置和终端设备 | |
EP3832506A1 (en) | Secure storage of fingerprint related elements | |
CN111191207A (zh) | 电子文件的控制方法、装置、计算机设备及存储介质 | |
CN104298910A (zh) | 便携式电子装置及互动式人脸登入方法 | |
CN109840406B (zh) | 活体验证方法、装置和计算机设备 | |
CN106250755B (zh) | 用于生成验证码的方法及装置 | |
EP3528152A1 (en) | Method and apparatus for user authentication | |
CN111046804A (zh) | 活体检测方法、装置、电子设备及可读存储介质 | |
CN111311550A (zh) | 伪造证件的识别方法、装置及电子设备 |
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 |