CN114764949A - 一种活体检测方法及装置 - Google Patents
一种活体检测方法及装置 Download PDFInfo
- Publication number
- CN114764949A CN114764949A CN202210316414.XA CN202210316414A CN114764949A CN 114764949 A CN114764949 A CN 114764949A CN 202210316414 A CN202210316414 A CN 202210316414A CN 114764949 A CN114764949 A CN 114764949A
- Authority
- CN
- China
- Prior art keywords
- illumination
- image
- information
- living body
- detected
- 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
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请提供了一种活体检测方法及装置,所述方法包括:获得待测图像;基于所述待测图像对应的图像特征,对所述待测图像进行光照预测,确定光照预测信息;对所述待测图像对应的光照标准信息与所述光照预测信息进行分析,确定光照偏差信息;根据所述光照偏差信息对所述待测图像进行活体检测,确定活体检测结果;应用本方法能够实现在不同光照下对目标对象进行活体检测的目的。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种活体检测方法及装置。
背景技术
人脸识别系统不仅能够加强园区的安全管理,而且能够提高闸机的通过效率。人脸识别系统需要加入活体检测模块,光照是一个会降低活体精度的关键因素,因为在不同的位置和不同的时刻,光照的分布通常不是一致的,在进行活体检测的过程中,检测对象会出现背光、暗光等情况,通常需要通过光照恢复模型对检测对象对应的原始图像进行人脸光照恢复或者去模糊等操作,以消除光照影响,获得处理后的图像,再通过活体检测模型对处理后的图像进行活体检测,获得活体检测结果。如果直接对原始图像进行活体检测,会因为光照的严重影响活体检测精度。
发明内容
本申请提供了一种活体检测方法及装置,以至少解决现有技术中存在的以上技术问题。
根据本申请实施例的第一方面,提供了一种活体检测方法,所述方法包括:获得待测图像;基于所述待测图像对应的图像特征,对所述待测图像进行光照预测,确定光照预测信息;对所述待测图像对应的光照标准信息与所述光照预测信息进行分析,确定光照偏差信息;根据所述光照偏差信息对所述待测图像进行活体检测,确定活体检测结果。
在一可实施方式中,基于所述待测图像对应的图像特征,对所述待测图像进行光照预测,确定光照预测信息,包括:通过活体检测模型确定与所述检测图像对应的图像特征;对所述图像特征进行光照信息预测,获得预测能量分布信息;根据所述预测能量分布信息确定光照预测信息。
在一可实施方式中,所述对所述待测图像对应的光照标准信息与所述光照预测信息进行分析,确定光照偏差信息,包括:根据与所述待测图像对应的傅里叶频谱图确定标准能量分布信息;根据所述标准能量分布信息确定光照标准信息;对所述待测图像对应的光照标准信息与所述光照预测信息进行比较,确定光照偏差信息。
在一可实施方式中,所述对所述图像特征进行光照信息预测,获得预测能量分布信息,包括:确定与所述待测图像对应的光照监督信号;根据所述光照监督信号对所述图像特征进行处理,获得预测能量分布信息。
在一可实施方式中,所述确定与所述待测图像对应的光照监督信号,包括:对所述待测图像进行关键点检测,获得关键点信息;根据所述关键点信息确定与所述待测图像对应的光照区域;确定与每一个光照区域对应的区域光照强度,根据所述区域光照强度确定所述光照监督信号。
在一可实施方式中,所述根据所述光照监督信号对所述图像特征进行处理,获得预测能量分布信息,包括:根据所述光照监督信号确定与图像特征对应的注意力信息;通过所述图像特征和所述注意力信息进行编码,获得所述预测能量分布信息。
在一可实施方式中,所述根据与所述待测图像对应的傅里叶频谱图确定标准能量分布信息,包括:对所述待测图像进行傅里叶变换,获得傅里叶频谱图;根据所述傅里叶频谱图确定所述标准能量分布信息。
在一可实施方式中,所述根据所述光照偏差信息对所述待测图像进行活体检测,确定活体检测结果,包括:将所述光照偏差信息和所述待测图像输入活体检测模型;通过所述活体检测模型输出与所述待测图像对应的活体检测结果。
在一可实施方式中,所述方法还包括:获得训练样本;通过训练样本对活体检测模型进行训练,确定光照偏差训练信息;通过所述训练样本对所述活体检测模型进行训练,获得活体偏差训练信息;根据所述光照偏差训练信息和所述活体偏差训练信息对所述活体检测模型进行更新,获得更新后的活体检测模型。
根据本申请实施例的第二方面,提供了一种活体检测装置,所述装置包括:获得模块,用于获得待测图像;预测模块,用于基于所述待测图像对应的图像特征,对所述待测图像进行光照预测,确定光照预测信息;分析模块,用于对所述待测图像对应的光照标准信息与所述光照预测信息进行分析,确定光照偏差信息;检测模块,用于根据所述光照偏差信息对所述待测图像进行活体检测,确定活体检测结果。
在一可实施方式中,所述预测模块,包括:通过活体检测模型确定与所述检测图像对应的图像特征;对所述图像特征进行光照信息预测,获得预测能量分布信息;根据所述预测能量分布信息确定光照预测信息。
在一可实施方式中,所述分析模块,包括:根据与所述待测图像对应的傅里叶频谱图确定标准能量分布信息;根据所述标准能量分布信息确定光照标准信息;对所述待测图像对应的光照标准信息与所述光照预测信息进行比较,确定光照偏差信息。
在一可实施方式中,所述预测模块,包括:确定与所述待测图像对应的光照监督信号;根据所述光照监督信号对所述图像特征进行处理,获得预测能量分布信息。
在一可实施方式中,所述预测模块,包括:对所述待测图像进行关键点检测,获得关键点信息;根据所述关键点信息确定与所述待测图像对应的光照区域;确定与每一个光照区域对应的区域光照强度,根据所述区域光照强度确定所述光照监督信号。
在一可实施方式中,所述预测模块,包括:根据所述光照监督信号确定与图像特征对应的注意力信息;通过所述图像特征和所述注意力信息进行编码,获得所述预测能量分布信息。
在一可实施方式中,所述分析模块,包括:对所述待测图像进行傅里叶变换,获得傅里叶频谱图;根据所述傅里叶频谱图确定所述标准能量分布信息。
在一可实施方式中,所述检测模块,包括:将所述光照偏差信息和所述待测图像输入活体检测模型;通过所述活体检测模型输出与所述待测图像对应的活体检测结果。
在一可实施方式中,所述装置还包括:训练模块,用于获得训练样本;通过训练样本对活体检测模型进行训练,确定光照偏差训练信息;通过所述训练样本对所述活体检测模型进行训练,获得活体偏差训练信息;根据所述光照偏差训练信息和所述活体偏差训练信息对所述活体检测模型进行更新,获得更新后的活体检测模型。
根据本申请的第三方面,提供了一种电子设备,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本申请所述的方法。
根据本申请的第四方面,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,所述计算机指令用于使所述计算机执行本申请所述的方法。
本申请实施例提供的活体检测方法及装置,利用图像特征和光照标准信息获得光照偏差信息,通过光照偏差信息和待测图像建立了光照信息与活体检测之间的关联关系,使不同光照条件的待测图像都能够确定对应的光照偏差信息,并以光照偏差信息为依据进行活体检测,无需对待测图像进行消除光照影响的预处理,有效解决了恶劣光照下未消除光照影响的待测图像活体检测精度较低的问题。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请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
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本申请实施例一种活体检测方法的实现流程示意图;
图2示出了本申请实施例一种活体检测方法的模型训练示意图;
图3示出了本申请实施例一种活体检测装置的实现模块示意图;
图4示出了本申请实施例一种电子设备的组成结构示意图。
具体实施方式
为使本申请的目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而非全部实施例。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
图1示出了本申请实施例一种活体检测方法的实现流程示意图。
参见图1,根据本申请实施例的第一方面,提供了一种活体检测方法,方法包括:操作101,获得待测图像;操作102,基于待测图像对应的图像特征,对待测图像进行光照预测,确定光照预测信息;操作103,对待测图像对应的光照标准信息与光照预测信息进行分析,确定光照偏差信息;操作104,根据光照偏差信息对待测图像进行活体检测,确定活体检测结果。
本方法提供的活体检测方法,利用图像特征和光照标准信息获得光照偏差信息,通过光照偏差信息和待测图像建立了光照信息与活体检测之间的关联关系,使不同光照条件的待测图像都能够确定对应的光照偏差信息,并以光照偏差信息为依据进行活体检测,无需对待测图像进行消除光照影响的预处理,有效解决了恶劣光照下未消除光照影响的待测图像活体检测精度较低的问题。并且由于本方法无需利用光照恢复模型对待测图像进行消除光照影响的预处理,即无需训练光照处理模型,减轻了活体检测需要先进行光照处理的依赖问题,避免了光照恢复模型和活体检测模型之间由于训练数据重合造成的光照恢复模型与活体检测模型出现输出结果耦合的问题,提高了数据的可用性。
本方法可以应用于活体检测装置,活体检测装置可以设置于人脸识别系统。在一种应用场景中,人脸识别系统可以部署于园区各闸机出入口,当用户通过闸机进入园区的时候,通过人脸识别系统的图像采集模块对用户进行图像采集,获得包含用户人脸的待测图像,通过待测图像的光照偏差信息和待测图像进行活体检测,以确定用户是否为活体。在判断为用户为活体且人脸识别通过的情况下,允许用户通过闸机。
在本方法操作101和操作102,待测图像中包含有目标对象,图像特征具体为与目标对象相关的特征图,目标对象为人脸,图像特征可以通过模型,如通过活体检测模型进行特征提取获得。通过图像特征进行光照预测,可以通过图像特征建立人脸与光照的能量几何模型,从而确定与待测图像对应的光照预测信息。
在本方法操作103中,光照标准信息可以通过传统算法对待测图像进行分析确定,以作为光照预测信息的参考依据,本方法得到的光照标准信息可以采用图谱信息、数值信息、文字信息等的任一种进行表征。对应的光照预测信息也可以采用图谱信息、数值信息、文字信息等的任一种进行表征,光照预测信息和光照标准信息可以采用同一表征方式进行表征,如,均通过向量进行表征。之后,可以对光照预测信息和光照标准信息进行分析,如对光照预测信息和光照标准信息进行偏差比较,确定两者之间的光照偏差信息。光照偏差信息可以用数值信息等进行表征。
在本方法操作104中,可以利用光照偏差信息对待测图像的图像特征进行活体检测,从而确定活体检测结果,活体检测结果为待测图像对应的目标对象为活体或目标对象非活体。活体检测可以通过活体检测模型确定。由于活体检测和光照偏差信息都对应至待测图像的图像特征,本方法可以直接对待测图像进行活体检测,无需对待测图像进行光照处理,减轻了活体检测对光照处理模块的依赖问题。其中,非活体的原因包括但不限于纸张攻击、屏幕攻击、视频攻击以及3D面罩攻击等。
在一可实施方式中,操作102,基于待测图像对应的图像特征,对待测图像进行光照预测,确定光照预测信息,包括:首先,通过活体检测模型确定与检测图像对应的图像特征;然后,对图像特征进行光照信息预测,获得预测能量分布信息;再后,根据预测能量分布信息确定光照预测信息。
光照预测信息可以通过与待测图像对应的预测能量分布信息进行表征,本方法通过活体检测模型对待测图像进行特征提取,获得对应的图像特征,即,可以通过活体检测模型确定光照预测信息,无需单独设置光照处理模块。利用图像特征对应的光照特征进行能量分布的预测,以获得图像特征中与人脸对应的高频以及低频信息,从而确定光照预测信息。
在一可实施方式中,对图像特征进行光照信息预测,获得预测能量分布信息,包括:首先,确定与待测图像对应的光照监督信号;然后,根据光照监督信号对图像特征进行处理,获得预测能量分布信息。
光照监督信号可以用光照强度进行表征,具体的,在对图像特征进行光照预测的过程中,还可以对待测图像中的目标对象,即人脸进行光照强度分析,以确定与目标对象对应的光照强度,并根据光照强度提取对应的光照向量,从而利用光照向量建立图像特征与光照强度之间的能量几何模型,通过对图像特征和光照向量进行编码,以获得预测能量分布信息。本方法的光照强度可以作为光照监督信号,对能量几何模型的编码进行监督,即以光照强度作为光照预测的先验信息,以提高模型训练和预测的准确性,提高训练效率。
在一可实施方式中,确定与待测图像对应的光照监督信号,包括:首先,对待测图像进行关键点检测,获得关键点信息;然后,根据关键点信息确定与待测图像对应的光照区域;再后,确定与每一个光照区域对应的区域光照强度,根据区域光照强度确定光照监督信号。
在实际场景中,当光照映射到人脸上时,不同位置的光照分布是不同的,本方法的光照强度用于表征待测图像中目标对象的人脸每一个光照区域的区域光照强度。本方法在确定区域光照强度时,先通过关键点模型将目标对象的人脸与模型对准,根据模型确定目标对象的人脸的各个关键点,如眉骨周围预设有四个关键点用于确定与眉骨对应的光照区域、鼻翼下预设有五个关键点用于确定人中对应的光照区域等。利用关键点对目标对象的人脸进行分区,从而确定人脸各个区域。然后对每个区域进行光照分析,即可确定对应的区域光照强度。在一种具体实施场景中,利用关键点模型将人脸区域分为5×5光照区域,为了准确获得人脸每一个光照区域的光照强度,首先将待测图片转为YUV格式,由于Y信号包含了更多的人脸光照信息,因此根据划分的光照区域对Y信号通道图进行划分,利用Y信号通道图获得每个光照区域的光照平均值,每个光照区域的光照平均值即为该区域的区域光照强度。将每一个区域光照强度进行向量转换,可以将获得一个长度为25维的光照特征向量来表示,该光照特征向量为光照监督信号。
在一可实施方式中,根据光照监督信号对图像特征进行处理,获得预测能量分布信息,包括:首先,根据光照监督信号确定与图像特征对应的注意力信息;然后,通过图像特征和注意力信息进行编码,获得预测能量分布信息。
对应光照监督信号,本方法的图像特征具体可以为针对目标对象的人脸的多尺度特征图。在建立人脸与光照的能量几何模型中,利用光照监督信号作为光照的注意力信息,分别在多尺度特征图的不同尺度中加入光照的注意力信息,对图像特征和注意力信息进行编码,以获得光照预测信息及对应的光照偏差信息,在训练过程中,利用光照偏差信息对活体检测模型进行更新,使活体检测模型在进行特征提取的过程中,能够建立光照与活体检测之间的模型关系,减少活体检测模型在进行特征提取的时候受光照的影响程度,提高特征提取的有效性,有效解决了恶劣光照下活体检测精度降低的问题,提高活体检测在不同光照下通过率。
在一可实施方式中,操作103,对待测图像对应的光照标准信息与光照预测信息进行分析,确定光照偏差信息,包括:首先,根据与待测图像对应的傅里叶频谱图确定标准能量分布信息;然后,根据标准能量分布信息确定光照标准信息;再后,对待测图像对应的光照标准信息与光照预测信息进行比较,确定光照偏差信息。
光照标准信息可以通过傅里叶频谱图进行确定,由于傅立叶频谱图可以提取人脸高频以及低频信息,而不同的频域信息能量值是不同的,低频信息能量值高,基于此,傅立叶频谱图在一定情况下能够表示整个人脸的标准能量分布信息。本方法可以利用由傅立叶频谱图得到的标准能量分布信息确定光照标准信息。在获取光照标准信息和光照预测信息之后,利用两者进行比较,就可以获得光照偏差信息。具体的,本方法可以进行傅里叶回归确定标准能量分布信息和预测能量分布信息之间的光照损失值,该光照损失值即为光照偏差信息。在活体检测模型训练过程中,可以利用训练求得的光照损失值对活体检测模型进行更新,对应的,在活体检测模型用于对待测图像进行预测的情况下,光照损失值可以为活体检测模型的活体检测提供依据。
在一可实施方式中,根据与待测图像对应的傅里叶频谱图确定标准能量分布信息,包括:首先,对待测图像进行傅里叶变换,获得傅里叶频谱图;然后,根据傅里叶频谱图确定标准能量分布信息。
傅里叶频谱图可以通过对待测图像进行傅里叶变换获得。在获得傅里叶频谱图后,利用傅里叶频谱图提取人脸高频以及低频信息,以获得标准能量分布信息。
在一可实施方式中,操作104,根据光照偏差信息对待测图像进行活体检测,确定活体检测结果,包括:首先,将光照偏差信息和待测图像输入活体检测模型;然后,通过活体检测模型输出与待测图像对应的活体检测结果。
在利用训练好的活体检测模型预测的情况下,首先将待测图像输入活体检测模型,活体检测模型对待测图像中的人脸进行特征提取,获得图像特征;同时,模型确定包含待测图像中人脸各个位置的关键点,利用各关键点进行光照区域的划分,并计算每个光照区域的区域光照强度,将区域光照强度向量化,得到区域光照向量,利用训练好的能量几何模型,根据区域光照向量对图像特征进行光照编码,获得光照预测信息,并根据对待测图像的傅里叶频谱图进行提取,获得光照标准信息。根据光照预测信息和光照标准信息进行傅里叶回归,获得用于表征光照偏差信息的损失值。活体检测模型根据损失值和待测图像对应的图像特征进行活体检测,输出对应的活体检测结果,活体检测结果为待测图像对应的目标对象为活体或目标对象非活体。
在一可实施方式中,方法还包括:首先,获得训练样本;然后,通过训练样本对活体检测模型进行训练,确定光照偏差训练信息;再后,通过训练样本对活体检测模型进行训练,获得活体偏差训练信息;之后,根据光照偏差训练信息和活体偏差训练信息对活体检测模型进行更新,获得更新后的活体检测模型。
图2示出了本申请实施例一种活体检测方法的模型训练示意图。
参见图2,本申请实施例中的活体检测模型的训练方法如下:
首先,获得包含训练样本,不同的训练样本中可以包含不同的人脸。然后将训练样本输入活体检测模型,通过对训练样本进行傅里叶变换确定标准能量分布信息。活体检测模型通过对训练样本进行特征提取,获得训练特征,并且,活体检测模型根据关键点对人脸进行光照区域划分,确定与每一个光照区域对应的训练区域光照强度,并且根据每一个光照区域的训练区域光照强度确定与人脸对应的训练光照向量。利用训练光照向量作为光照监督信号,分别在不同的尺度的训练特征中加入光照的注意力模块,确定预测能量分布信息。根据标准能量分布信息和预测能量分布信息进行傅立叶频谱图回归,确定对应的光照损失值,即光照偏差训练信息,利用损失值对模型进行参数更新;同时,根据训练特征进行活体检测,获得对应的活体检测训练结果和活体检测损失值,即活体偏差训练信息。利用活体检测损失值对模型进行参数更新,经过多轮训练后,获得训练好的活体检测模型。由于本方法可以直接对待测图像进行活体检测,在进行模型训练过程中,无需训练用于待测图像光照恢复的光照恢复模型,也无需对训练数据进行消除光照影响的预处理,降低了数据处理的工作量。
图3示出了本申请实施例一种活体检测装置的实现模块示意图。
参见图3,根据本申请实施例的第二方面,提供了一种活体检测装置,装置包括:获得模块301,用于获得待测图像;预测模块302,用于基于待测图像对应的图像特征,对待测图像进行光照预测,确定光照预测信息;分析模块303,用于对待测图像对应的光照标准信息与光照预测信息进行分析,确定光照偏差信息;检测模块304,用于根据光照偏差信息对待测图像进行活体检测,确定活体检测结果。
在一可实施方式中,预测模块302,包括:通过活体检测模型确定与检测图像对应的图像特征;对图像特征进行光照信息预测,获得预测能量分布信息;根据预测能量分布信息确定光照预测信息。
在一可实施方式中,分析模块303,包括:根据与待测图像对应的傅里叶频谱图确定标准能量分布信息;根据标准能量分布信息确定光照标准信息;对待测图像对应的光照标准信息与光照预测信息进行比较,确定光照偏差信息。
在一可实施方式中,预测模块302,包括:确定与待测图像对应的光照监督信号;根据光照监督信号对图像特征进行处理,获得预测能量分布信息。
在一可实施方式中,预测模块302,包括:对待测图像进行关键点检测,获得关键点信息;根据关键点信息确定与待测图像对应的光照区域;确定与每一个光照区域对应的区域光照强度,根据区域光照强度确定光照监督信号。
在一可实施方式中,预测模块302,包括:根据光照监督信号确定与图像特征对应的注意力信息;通过图像特征和注意力信息进行编码,获得预测能量分布信息。
在一可实施方式中,分析模块303,包括:对待测图像进行傅里叶变换,获得傅里叶频谱图;根据傅里叶频谱图确定标准能量分布信息。
在一可实施方式中,检测模块304,包括:将光照偏差信息和待测图像输入活体检测模型;通过活体检测模型输出与待测图像对应的活体检测结果。
在一可实施方式中,装置还包括:训练模块305,用于获得训练样本;通过训练样本对活体检测模型进行训练,确定光照偏差训练信息;通过训练样本对活体检测模型进行训练,获得活体偏差训练信息;根据光照偏差训练信息和活体偏差训练信息对活体检测模型进行更新,获得更新后的活体检测模型。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
图4示出了可以用来实施本申请的实施例的示例电子设备400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/或者要求的本申请的实现。
如图4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400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401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401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401执行上文所描述的各个方法和处理,例如一种活体检测方法。例如,在一些实施例中,一种活体检测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408。在一些实施例中,计算机程序的部分或者全部可以经由ROM402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行上文描述的一种活体检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种活体检测方法。
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。
用于实施本申请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。
在本申请的上下文中,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,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示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”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种活体检测方法,所述方法包括:
获得待测图像;
基于所述待测图像对应的图像特征,对所述待测图像进行光照预测,确定光照预测信息;
对所述待测图像对应的光照标准信息与所述光照预测信息进行分析,确定光照偏差信息;
根据所述光照偏差信息对所述待测图像进行活体检测,确定活体检测结果。
2.根据权利要求1所述方法,基于所述待测图像对应的图像特征,对所述待测图像进行光照预测,确定光照预测信息,包括:
通过活体检测模型确定与所述检测图像对应的图像特征;
对所述图像特征进行光照信息预测,获得预测能量分布信息;
根据所述预测能量分布信息确定光照预测信息。
3.根据权利要求1所述方法,所述对所述待测图像对应的光照标准信息与所述光照预测信息进行分析,确定光照偏差信息,包括:
根据与所述待测图像对应的傅里叶频谱图确定标准能量分布信息;
根据所述标准能量分布信息确定光照标准信息;
对所述待测图像对应的光照标准信息与所述光照预测信息进行比较,确定光照偏差信息。
4.根据权利要求2所述方法,所述对所述图像特征进行光照信息预测,获得预测能量分布信息,包括:
确定与所述待测图像对应的光照监督信号;
根据所述光照监督信号对所述图像特征进行处理,获得预测能量分布信息。
5.根据权利要求4所述的方法,所述确定与所述待测图像对应的光照监督信号,包括:
对所述待测图像进行关键点检测,获得关键点信息;
根据所述关键点信息确定与所述待测图像对应的光照区域;
确定与每一个光照区域对应的区域光照强度,根据所述区域光照强度确定所述光照监督信号。
6.根据权利要求4所述的方法,所述根据所述光照监督信号对所述图像特征进行处理,获得预测能量分布信息,包括:
根据所述光照监督信号确定与图像特征对应的注意力信息;
通过所述图像特征和所述注意力信息进行编码,获得所述预测能量分布信息。
7.根据权利要求3所述方法,所述根据与所述待测图像对应的傅里叶频谱图确定标准能量分布信息,包括:
对所述待测图像进行傅里叶变换,获得傅里叶频谱图;
根据所述傅里叶频谱图确定所述标准能量分布信息。
8.根据权利要求2所述方法,所述根据所述光照偏差信息对所述待测图像进行活体检测,确定活体检测结果,包括:
将所述光照偏差信息和所述待测图像输入活体检测模型;
通过所述活体检测模型输出与所述待测图像对应的活体检测结果。
9.根据权利要求1所述的方法,所述方法还包括:
获得训练样本;
通过训练样本对活体检测模型进行训练,确定光照偏差训练信息;
通过所述训练样本对所述活体检测模型进行训练,获得活体偏差训练信息;
根据所述光照偏差训练信息和所述活体偏差训练信息对所述活体检测模型进行更新,获得更新后的活体检测模型。
10.一种活体检测装置,所述装置包括:
获得模块,用于获得待测图像;
预测模块,用于基于所述待测图像对应的图像特征,对所述待测图像进行光照预测,确定光照预测信息;
分析模块,用于对所述待测图像对应的光照标准信息与所述光照预测信息进行分析,确定光照偏差信息;
检测模块,用于根据所述光照偏差信息对所述待测图像进行活体检测,确定活体检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210316414.XA CN114764949A (zh) | 2022-03-28 | 2022-03-28 | 一种活体检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210316414.XA CN114764949A (zh) | 2022-03-28 | 2022-03-28 | 一种活体检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114764949A true CN114764949A (zh) | 2022-07-19 |
Family
ID=82365016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210316414.XA Pending CN114764949A (zh) | 2022-03-28 | 2022-03-28 | 一种活体检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114764949A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071807A (zh) * | 2023-03-06 | 2023-05-05 | 深圳市网联天下科技有限公司 | 基于视频监控的校园一卡通智能预警方法及系统 |
-
2022
- 2022-03-28 CN CN202210316414.XA patent/CN114764949A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071807A (zh) * | 2023-03-06 | 2023-05-05 | 深圳市网联天下科技有限公司 | 基于视频监控的校园一卡通智能预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230357B (zh) | 关键点检测方法、装置、存储介质和电子设备 | |
CN112861885B (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN113947188A (zh) | 目标检测网络的训练方法和车辆检测方法 | |
CN114449343A (zh) | 一种视频处理方法、装置、设备及存储介质 | |
CN113177451A (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
CN115631381A (zh) | 分类模型训练方法、图像分类方法、装置及电子设备 | |
CN113127365A (zh) | 确定网页质量的方法、装置、电子设备和计算机可读存储介质 | |
CN113827240B (zh) | 情绪分类方法和情绪分类模型的训练方法、装置及设备 | |
CN114764949A (zh) | 一种活体检测方法及装置 | |
CN113705381B (zh) | 雾天的目标检测方法、装置、电子设备以及存储介质 | |
CN114445663A (zh) | 检测对抗样本的方法、装置及计算机程序产品 | |
CN113705380A (zh) | 雾天的目标检测方法、装置、电子设备以及存储介质 | |
CN117593115A (zh) | 信贷风险评估模型的特征值确定方法、装置、设备和介质 | |
CN113177497A (zh) | 视觉模型的训练方法、车辆识别方法及装置 | |
CN115205163B (zh) | 一种标识图像的处理方法、装置、设备及存储介质 | |
CN114998649A (zh) | 图像分类模型的训练方法、图像分类方法及装置 | |
CN114078274A (zh) | 人脸图像检测方法、装置、电子设备以及存储介质 | |
CN113807391A (zh) | 任务模型的训练方法、装置、电子设备及存储介质 | |
CN114286084A (zh) | 视频链路测试方法和装置 | |
CN114067805A (zh) | 声纹识别模型的训练与声纹识别方法及装置 | |
CN114445682A (zh) | 训练模型的方法、装置、电子设备、存储介质及产品 | |
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 | |
CN113591570A (zh) | 视频处理方法、装置、电子设备和存储介质 | |
CN113705363A (zh) | 一种特定卫星上行信号的识别方法及系统 | |
CN113591589A (zh) | 产品漏检的识别方法、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 |