CN114882601A - 一种活体生物验证方法、终端设备及存储介质 - Google Patents

Abstract

本申请适用于活体生物验证技术领域，提供一种活体生物验证方法、终端设备及存储介质，通过根据待验证对象的多种生物数据获取对应的多个心率数据，由于每种生物数据的仿冒方式都不相同，提高了仿冒者同时仿冒多种生物数据的难度；由于心率数据只能从活体采集，通过对多个心率数据进行匹配验证，在多个心率数据不匹配时，确定待验证对象为仿冒的活体，能够有效提高活体生物验证的安全性。

Description

一种活体生物验证方法、终端设备及存储介质

技术领域

本申请属于活体生物验证技术领域，尤其涉及一种活体生物验证方法、终端设备及存储介质。

背景技术

活体生物验证技术被广泛应用于人们的日常工作和生活中，例如，支付、打卡、门禁等领域，为人们的日常工作和生活带来了极大便利。然而，活体生物验证技术在给用户带来便利的同时，其自身的安全性问题也给用户带来一定困扰，仿冒者仿冒用户的脸部、指纹等活体生物特征，导致用户的隐私泄露、财产损失等不良事件时有发生。如何提高活体生物验证技术的安全性，是需要关注和解决的问题。

发明内容

有鉴于此，本申请实施例提供了一种活体生物验证方法、装置、终端设备及存储介质，能够有效提高活体生物验证技术的安全性。

本申请实施例的第一方面提供了一种活体生物验证方法，包括：

根据待验证对象的多种生物数据获取对应的多个心率数据；

若所述多个心率数据不匹配，则确定所述待验证对象为仿冒的活体。

本申请实施例的第二方面提供了一种活体生物验证装置，包括：

数据获取单元，用于根据待验证对象的多种生物数据获取对应的多个心率数据；

数据验证单元，用于若所述多个心率数据不匹配，则确定所述待验证对象为仿冒的活体。

本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例的第一方面所述活体生物验证方法的步骤。

本申请实施例的第四方面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存储有计算机程序，所述计算机程序被处理器执行时实现如本申请实施例的第一方面所述活体生物验证方法的步骤。

本申请实施例的第一方面提供的活体生物验证方法，通过根据待验证对象的多种生物数据获取对应的多个心率数据，由于每种生物数据的仿冒方式都不相同，提高了仿冒者同时仿冒多种生物数据的难度；由于心率数据只能从活体采集，通过对多个心率数据进行匹配验证，在多个心率数据不匹配时，确定待验证对象为仿冒的活体，能够有效提高活体生物验证的安全性。

可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，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获得其他的附图。

图1是本申请实施例提供的活体生物验证方法的第一种流程示意图；

图2是本申请实施例提供的生物数据和生物数据采集器件的对照表；

图3是本申请实施例提供的活体生物验证方法的第二种流程示意图；

图4是本申请实施例提供的移动终端的结构示意图；

图5是本申请实施例提供的移动终端与智能手环的第一种结构示意图；

图6是本申请实施例提供的移动终端与智能手环的第二种结构示意图；

图7是本申请实施例提供的活体生物验证方法的第三种流程示意图；

图8是本申请实施例提供的活体生物验证方法的第四种流程示意图；

图9是本申请实施例提供的活体生物验证装置的第一种结构示意图；

图10是本申请实施例提供的活体生物验证装置的第二种结构示意图；

图11是本申请实施例提供的活体生物验证装置的第三种结构示意图；

图12是本申请实施例提供的活体生物验证装置的第四种结构示意图；

图13是本申请实施例提供的终端设备的结构示意图。

具体实施方法

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路及方法的详细说明，以免不必要的细节妨碍本发明的描述。

应当理解，当在本发明说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合及所有可能组合，并且包括这些组合。

如在本发明说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本发明说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方法另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方法另外特别强调。术语“多个”及其变形都意味着“至少两个”。

本申请实施例提供一种活体生物验证方法，可以由终端设备的处理器在运行具有相应功能的计算机程序时执行，通过根据待验证对象的多种生物数据获取对应的多个心率数据，提高了仿冒者同时采集和仿冒多种生物数据及从多种生物数据中获取心率数据的难度，通过对多个心率数据的特征进行匹配验证，在多个心率数据不匹配时，确定待验证对象为仿冒的活体，能够有效提高活体生物验证的安全性。活体生物验证方法可以应用于活体验证、支付验证、门禁验证、身份验证等各种需要验证用户是否为活体的安全验证场景。

在应用中，终端设备可以是具有活体生物验证功能的移动终端、桌上型计算机、门禁系统、自助服务终端、服务器等计算设备。移动终端可以是手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer， UMPC)、上网本、个人数字助理(personal digital assistant，PDA)等。具体的，在支付验证场景下，终端设备可以是移动终端或服务器；在门禁验证场景下，终端设备可以是桌上型计算机、门禁系统、服务器；在身份验证场景下，终端设备可以是移动终端、自助服务终端或服务器。本申请实施例对终端设备的具体类型不作任何限制。

如图1所示，本申请实施例提供的活体生物验证方法，包括如下步骤S101 和S102：

步骤S101、根据待验证对象的多种生物数据获取对应的多个心率数据，进入步骤S102。

在应用中，待验证对象可以是一个预先经由终端设备验证通过的目标活体，也可以是至少一个仿冒的活体。目标活体不局限于是人，也可以是其他动物。仿冒的活体可以是非活体或者目标活体之外的其他活体。当待验证对象是一个目标活体时，生物数据是待验证对象自身的活体生物数据；当待验证对象是至少一个仿冒的活体时，生物数据是待验证对象自身的活体生物数据或待验证对象携带的非活体生物数据。

在应用中，生物数据可以但不限于是心率数据或能够通过数据处理转换为心率数据的生物图像数据。生物图像数据包含待验证对象的皮肤表层的血管图像，生物图像数据可以但不限于是脸部图像数据、虹膜图像数据、指纹图像数据、静脉图像数据等。生物图像数据可以包含多帧不连续的图像或多帧连续图像，多帧连续的图像即为视频数据。

在应用中，每种生物数据通过一种生物数据采集器件采集，例如，脸部图像数据通过面部摄像模组采集，虹膜图像数据通过虹膜摄像模组采集，指纹图像数据通过指纹图像传感器采集，静脉图像数据通过静脉图像传感器采集，心率数据通过光电描记法(PhotoPlethysmo Graphy，PPG)传感器采集。面部摄像模组、虹膜摄像模组、指纹图像传感器、静脉图像传感器及PPG传感器中的发光器件(例如，发光二极管(Light-Emitting Diode，LED))能够发射可穿透表层皮肤到达静脉或动脉血管的光信号(例如，红外光信号或绿光信号)至待验证对象，接收待验证对象的表层皮肤及静脉或动脉血管反射的光信号，将接收的光信号转换为电信号并处理为对应的生物数据。

在应用中，面部摄像模组可以采用具有拍照功能的任意普通摄像头实现，也可以采用具有面部识别功能的摄像头实现。虹膜摄像模组则需要采用具有虹膜识别功能的摄像头实现，例如，由互补金属氧化物半导体(Complementary Metal Oxide Semiconductor，CMOS)图像传感器、红外带通滤光片及光学镜头等构成的摄像头。虹膜摄像模组也可以采用同时具有虹膜识别功能和拍照功能的摄像头实现，例如，由互补金属氧化物半导体(Complementary Metal Oxide Semiconductor，CMOS)图像传感器、可通过可见光信号和红外光信号的滤光片及光学镜头等构成的摄像头。可以采用同时具有虹膜识别功能和拍照功能的摄像头来代替仅具有面部识别功能的摄像头和仅具有虹膜识别功能的摄像头。

如图2所示，示例性的示出了生物数据和生物数据采集器件的对照表。

在应用中，面部摄像模组可以设置于移动终端、智能手环、桌上型计算机、门禁系统、自助服务终端等计算设备，虹膜摄像模组可以设置于移动终端、智能手环、智能眼镜、桌上型计算机、门禁系统、自助服务终端等计算设备，指纹图像传感器可以设置于移动终端、智能手环、桌上型计算机、门禁系统、自助服务终端等计算设备；静脉图像传感器可以设置于智能指环、智能颈环、智能脚环、门禁系统、自助服务终端等计算设备，PPG传感器可以设置于移动终端、智能手环、智能指环、智能颈环、智能脚环、桌上型计算机、门禁系统、自助服务终端等计算设备。

在应用中，生物数据采集器件可以根据实际需要设置于终端设备或与终端设备通信的其他计算设备，例如，当终端设备是服务器时，生物数据采集器件设置于其他计算设备。采集生物数据、获取心率数据及验证心率数据的操作可以通过相同或不同的设备来实现，通过采用不同的设备来实现，由于仿冒者在对目标活体进行仿冒时，需要使用多个设备，可以提高仿冒者仿冒活体的成本，从而可以通过增加成本的方式来减少仿冒者仿冒活体的行为。

在应用中，现有的终端设备采集和验证的生物数据通常是相同的(例如，采集面部图像数据，则直接对面部图像数据进行验证)，基于这一特点，仿冒者在仿冒目标活体时，通常都是仿冒终端设备采集的生物数据。由于仿冒者通常难以想到终端设备采集和验证的生物数据的种类不同，因此，采用其他种类的生物数据来获取心率数据，可以误导仿冒者；另外，由于心率数据是基于动脉或静脉血管中血液的流动使得血液对光信号的吸收率不断变化的原理获得，因此，心率数据只能从活体采集，使得仿冒者无法采用非活体生物数据的来仿冒活体生物数据；此外，由于每种生物数据的仿冒方式都不相同，因此，仿冒者难以同时仿冒多种生物数据。

步骤S102、若所述多个心率数据不匹配，则确定所述待验证对象为仿冒的活体。

在应用中，可以通过比较多个心率数据的数值或波形曲线等特征是否相同或相近，来确定多个心率数据是否匹配，若多个心率数据心率数据的数值或波形曲线等特征相同或相近，则可以确定多个心率数据匹配，并且是来自于同一个活体；若多个心率数据心率数据的数值或波形曲线等特征不相同或不相近，则可以确定多个心率数据不匹配，并且不是来自于同一个活体或者是来自于一个非活体，此时，可以确定待验证对象为仿冒的活体。在提高仿冒者同时仿冒多种生物数据难度的基础上，基于多个心率数据来确定待验证对象是否为仿冒的活体，能够有效提高活体生物验证的安全性。

在一个实施例中，步骤S101包括：

根据待验证对象的多种生物图像数据间接获取对应的多个心率数据。

在应用中，多种生物数据可以全部为生物图像数据。由于生物图像数据包含待验证对象的皮肤表层的血管图像，心率数据是基于动脉或静脉血管中血液的流动使得血液对光信号的吸收率不断变化的原理获得，而动脉或静脉血管中血液的流动会使得采集的血管图像发生变化，因此，根据生物图像数据可以获取心率数据。

在应用中，多种生物图像数据可以包括脸部图像数据、虹膜图像数据、指纹图像数据、静脉图像数据等中的多种。根据生物数据种类的不同，用于采集、获取和验证生物数据的设备类型和数量也不相同，例如，当多种生物图像数据包括脸部图像数据、虹膜图像数据、指纹图像数据、静脉图像数据等中的至少两种时，可以通过移动终端来实现生物数据的采集、获取和验证；当多种生物图像数据包括脸部图像数据和虹膜图像数据时，可以通过移动终端和智能眼镜分别采集脸部图像数据和虹膜图像数据，通过移动终端来获取和验证心率数据；当多种生物图像数据包括虹膜图像数据和指纹图像数据时，可以通过智能眼镜和智能指环分别采集虹膜图像数据和指纹图像数据，通过移动终端来获取和验证心率数据；当多种生物图像数据包括指纹图像数据和静脉图像数据时，可以通过智能指环来采集指纹图像数据和静脉图像数据，通过移动终端来获取和验证心率数据；当多种生物图像数据包括脸部图像数据和静脉图像数据时，可以通过移动终端和智能手环分别采集脸部图像数据和静脉图像数据，通过移动终端来获取和验证心率数据。

如图3所示，在一个实施例中，步骤S101包括如下步骤S301和S302：

步骤S301、直接获取待验证对象的心率数据；

步骤S302、根据所述待验证对象的至少一种生物图像数据间接获取对应的至少一个心率数据。

在应用中，多种生物数据可以包括心率数据和至少一种生物图像数据。至少一种生物图像数据可以包括脸部图像数据、虹膜图像数据、指纹图像数据、静脉图像数据等中的至少一种。根据生物数据种类的不同，用于采集、获取和验证生物数据的设备类型和数量也不相同，例如，当多种生物数据包括心率数据、脸部图像数据及虹膜图像数据时，可以通过智能手环、移动终端及智能眼镜分别采集心率数据、脸部图像数据及虹膜图像数据，通过移动终端来获取和验证心率数据；当多种生物数据包括心率数据、虹膜图像数据及指纹图像数据时，可以通过智能手环、智能眼镜及智能指环分别采集心率数据、虹膜图像数据及指纹图像数据，通过移动终端来获取和验证心率数据；当多种图像数据包括心率数据、指纹图像数据及静脉图像数据时，可以通过智能指环采集心率数据、指纹图像数据及静脉图像数据，通过移动终端来获取和验证心率数据；当多种生物数据包括心率数据、脸部图像数据及静脉图像数据时，可以通过智能手环采集心率数据和静脉图像数据，通过移动终端采集脸部图像数据，通过移动终端来获取和验证心率数据。

如图4所示，示例性的示出了移动终端的结构示意图；其中，移动终端1 包括摄像头11、指纹图像传感器12、静脉图像传感器13及PPG传感器14。

如图5所示，示例性的示出了移动终端与智能手环的第一种结构示意图；其中，移动终端1包括摄像头11，智能手环2包括PPG传感器21。

如图6所示，示例性的示出了移动终端与智能手环的第二种连接结构示意图；其中，移动终端1包括摄像头11和指纹图像传感器12，智能手环2包括 PPG传感器21和静脉图像传感器22。

应理解，图4-图6仅仅只是对设备结构的举例，并不构成对设备结构的限定，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，根据实际的数据获取需求合理设置即可。

在一个实施例中，步骤S101之后，还包括：

若多个心率数据匹配，则确定所述待验证对象为活体。

在应用中，在多个心率数据匹配的情况下，可以确定待验证对象为活体，为了提高准确性，也可以进一步结合其他方法进行辅助验证，例如，通过红外检测、指示待验证对象执行特定肢体动作等活体检测和验证方式来进行辅助验证。

如图7所示，在一个实施例中，根据生物图像数据间接获取对应的心率数据的方法包括如下步骤S701至S704：

步骤S701、对所述生物图像数据进行区域检测，获得多个区域的图像数据，进入步骤S702和步骤S703。

在应用中，对生物图像数据逐帧提取至少一个感兴趣区域数据(也即图像区域数据)，感兴趣区域是生物图像数据中能够获得对比度较高的血管反射的光学信号的区域，例如，对于脸部图像，至少一个感兴趣区域可以包括但不限于额头及脸颊两侧区域，提取额头及脸颊两侧区域作为感兴趣区域计算量较小，精度高。可以采用卷积神经网络(Convolutional Neural Networks，CNN)对生物图像数据逐帧提取至少一个感兴趣区域数据。

步骤S702、依次对所述多个区域的图像数据进行区域均值和低通滤波，获得第一平均心率数据，进入步骤S704。

在应用中，首先，将获取的多个区域的图像数据按时间序列逐帧进行区域均值，区域均值是对每个区域的图像数据的RGB三个颜色通道进行均值，获得每个区域的图像数据的三组特征值，例如，对于脸部图像，对生物图像数据的每帧提取的感兴趣区域数据包括额头及脸颊两侧区域的数据，共三个区域的数据时，对这三个感兴趣区域数据进行区域均值之后可以得到3×3组特征值；然后，将不同帧的3×n₁(n₁为对生物图像数据的每帧提取的感兴趣区域数据的个数)组特征值按时间排列，获得3×n₁组时间序列信号，将3×n₁组时间序列信号通过低通滤波，得到3×n₁条心率数据的波形曲线，再筛选出3×n₁条心率数据的波形曲线中方差最大的n₁条心率数据的波形曲线，作为第一平均心率数据的波形曲线。低通滤波的频率可以根据实际需要进行设置，例如，5Hz-10Hz中的任意频率。

步骤S703、通过预设神经网络模型对所述多个区域的图像数据进行预测，获得第二平均心率数据，进入步骤S704。

在应用中，采用深度学习算法，预先训练能从多个区域的图像数据中提取心率数据的波形曲线的神经网络模型。分别将每个区域的图像数据输入神经网络模型，神经网络模型分别预测出n₁条心率数据的波形曲线，作为第二平均心率数据的波形曲线。神经网络模型采用包括但不限于卷积神经网络和循环神经网络(Recurrent Neural Network，RNN)的神经网络架构，神经网络架构包含卷积层、池化层、下采样层等结构。

步骤S704、对所述第一平均心率数据和所述第二平均心率数据求平均值，获得与所述生物图像数据对应的心率数据。

在应用中，将步骤S702和S703中采用两种方法获得n₁条心率数据的波形曲线的进行取平均值，得到心率数据的平均波形曲线，作为目标心率数据的波形曲线，还可以对平均波形曲线进行快速傅立叶变换(Fast Fourier Transform， FFT)，得到频域波形，取频域波形的频域峰值最高的地方作为目标心率数据的数值。通过结合步骤S702和S703中的两种方法，可以有效提高最终获得的心率数据的鲁棒性。

如图8所示，在一个实施例中，本申请实施例提供的活体生物验证方法，还包括如下步骤S801和S802：

步骤S801、根据所述待验证对象的至少一种生物图像数据，获取对应的至少一种生物图像特征数据，进入步骤S802；

步骤S802、若所述多个心率数据匹配且所述至少一种生物图像特征数据与对应的预设生物图像特征数据都匹配，则确定所述待验证对象为目标活体。

在应用中，步骤S801中的生物图像数据可以是脸部图像数据、虹膜图像数据、指纹图像数据、静脉图像数据等，对应的，生物图像特征数据可以是脸部特征数据、虹膜特征数据、指纹特征数据、静脉特征数据等。预设生物图像特征数据为预先获取和存储的目标活体的生物图像特征数据。

在应用中，步骤S801在步骤S102之前或之后执行，步骤S802在步骤S102 之后执行，图8中示例性的示出步骤S801在步骤S102之后执行。步骤S801 中的生物图像数据可以是前述实施例中的生物图像数据，使得一次数据采集操作得到的生物图像数据可以被复用，无需额外采集数据，从而可以提高整体的数据采集效率，例如，当前述实施例和步骤S801中的生物图像数据都包括脸部图像数据时，脸部图像数据在前述实施例中用于获取心率数据、在步骤S801 中用于获取脸部特征数据；当前述实施例和步骤S801中的生物图像数据都包括虹膜图像数据时，虹膜图像数据在前述实施例中用于获取心率数据、在步骤 S801中用于获取虹膜特征数据；当前述实施例和步骤S801中的生物图像数据都包括指纹图像数据时，指纹图像数据在前述实施例中用于获取心率数据、在步骤S801中用于获取指纹特征数据；当前述实施例和步骤S801中的生物图像数据都包括静脉图像数据时，静脉图像数据在前述实施例中用于获取心率数据、在步骤S801中用于获取静脉特征数据。步骤S801中的生物图像数据也可以是额外采集的与前述实施例中生物图像数据的种类不同的数据，通过额外获取一种全新种类的生物图像数据，可以提高仿冒者仿冒目标活体的难度，从而提高活体生物验证的准确性。

在应用中，由于步骤S101中获取的多个心率数据主要是用于确定待验证对象是否为活体，无法确定待验证对象的身份，也即无法确定待验证对象是否为目标活体，因此，通过进一步获取至少一种生物图像特征数据，可以在确定待验证对象为活体的基础上，进一步确定待验证对象是否为目标活体。由于仿冒者只能通过仿冒非活体生物数据，来仿冒目标活体的身份，因此，在确定待验证对象为活体的情况下，可以确定步骤S801中的生物图像数据是真实的活体生物图像数据，从而可以确定目标活体的身份未被仿冒，进而可以在确定待验证对象为活体且身份真实的双重保障下，确定待验证对象为目标活体。

在一个实施例中，步骤S801之后，包括：

若任一种所述生物图像特征数据与对应的预设生物图像特征数据不匹配，则确定所述待验证对象不为目标活体。

在应用中，在任一种生物图像特征数据与对应的预设特征数据不匹配的情况下，可以认为待验证对象的身份验证失败，目标活体的身份被仿冒，此时无论待验证对象是否为活体，其都不可能是目标活体。

在应用中，可以根据待验证对象的多种生物图像数据，获取对应的多种生物图像特征数据，以使得在多种生物图像特征数据与对应的预设生物图像特征数据都匹配时，才确定待验证对象为目标活体，如此可以提高验证待验证对象是否为目标活体时验证结果的准确性。

在一个实施例中，步骤S102之前，包括：

通过多种匹配方法对所述多个心率数据进行匹配；

步骤S102包括：

若所述多个心率数据在任一种匹配方法下不匹配，则确定所述待验证对象为仿冒的活体。

在应用中，由于不同的数据匹配方法的准确性不同，可能会由于某一种数据匹配方法出现偶然的较大误差，导致验证结果不准确的情况，因此，通过多种不同的数据匹配方法对多个心率数据的特征分别进行多次匹配验证，可以有效提高验证结果的准确性和鲁棒性。为了提高匹配效率，也可以仅采用一种匹配方法对多个心率数据的数值进行匹配，在多个心率数据的特征在这一种匹配方法下匹配时，确定待验证对象为活体。

在一个实施例中，所述通过多种匹配方法对所述多个心率数据进行匹配，包括：

通过至少一种数值匹配方法对所述多个心率数据的数值进行匹配，并通过至少一种信号匹配方法对所述多个心率数据的波形曲线进行匹配；

或者，通过多种数值匹配方法对所述多个心率数据的数值进行匹配；

或者，通过多种信号匹配方法对所述多个心率数据的波形曲线进行匹配。

在应用中，可以分别获取每个心率数据的特征，心率数据的特征包括数值和波形曲线中的至少一种，然后对多个心率数据的特征采用相应的一种以上匹配方法进行匹配，当多个心率数据的特征在相应的一种以上匹配方法下都匹配的情况下，才确定待验证对象为活体。

在一个实施例中，数值匹配方法为误差比较方法或阈值比较方法，信号匹配方法为机器学习方法或曲线相似性比较方法。

在应用中，误差比较方法为：计算多个心率数据的数值两两之间的误差，判断所有误差是否都在预设误差范围内，若是，则确定多个心率数据的特征匹配，否则，确定多个心率数据的特征不匹配。阈值比较方法为：判断多个心率数据的数值是否都在预设阈值范围内，若是，则确定多个心率数据的特征匹配，否则，确定多个心率数据的特征不匹配。机器学习方法为：将多个心率数据的波形曲线输入预先通过机器学习方法训练好的匹配模型中，由匹配模型直接输出多个心率数据的特征匹配结果。曲线相似性比较方法为：分别将多个心率数据的波形曲线中的每个波形曲线与预先生成的目标活体的同种心率数据的标准波形曲线进行比对，获取相似度，若多个心率数据的波形曲线与预先生成的目标活体的同种心率数据的标准波形曲线之间的相似度都在预设相似度范围内，则确定多个心率数据的特征匹配，否则，确定多个心率数据的特征不匹配。

本申请实施例提高的活体生物验证方法，可以准确的验证待验证对象是否为仿冒的活体，在确定待验证对象为真实活体的情况下，可以进一步确定待验证对象的身份，以确定待验证对象是否为特定身份的目标活体，能够有效降低仿冒者仿冒用户的活体生物特征而导致发生隐私泄露、财产损失等不良事件的风险，提高了活体生物验证的准确性和安全性，可以广泛应用于活体验证、支付验证、门禁验证、身份验证等各种需要验证用户是否为活体的安全验证场景，并且还具有成本低、可行性高、易于实现的优点。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

本申请实施例还提供一种活体生物验证装置，用于执行上述活体生物验证方法实施例中的步骤。活体生物验证装置可以是终端设备中的虚拟装置(virtual appliance)，由终端设备的处理器运行，也可以是终端设备本身。

如图9所示，本申请实施例提供的活体生物验证装置，包括：

数据获取单元101，用于根据待验证对象的多种生物数据获取对应的多个心率数据；

数据验证单元102，用于若所述多个心率数据不匹配，则确定所述待验证对象为仿冒的活体。

在一个实施例中，数据验证单元还用于若多个心率数据匹配，则确定所述待验证对象为活体。

如图10所示，在一个实施例中，数据获取单元101，包括：

区域检测单元201，用于对所述生物图像数据进行区域检测，获得多个区域的图像数据；

区域均值和低通滤波单元202，用于依次对所述多个区域的图像数据进行区域均值和低通滤波，获得第一平均心率数据；

神经网络预测单元203，用于通过预设神经网络模型对所述多个区域的图像数据进行预测，获得第二平均心率数据；

特征数据计算单元204，用于对所述第一平均心率数据和所述第二平均心率数据求平均值，获得与所述生物图像数据对应的心率数据。

在一个实施例中，所述数据获取单元，还用于根据所述待验证对象的至少一种生物图像数据，获取对应的至少一种生物图像特征数据；

所述数据验证单元，还用于若所述多个心率数据匹配且所述至少一种生物图像特征数据与对应的预设生物图像特征数据都匹配，则确定所述待验证对象为目标活体。

在一个实施例中，所述特征验证单元，还用于若任一种所述生物图像特征数据与对应的预设生物图像特征数据不匹配，则确定所述待验证对象不为目标活体。

如图11所示，在一个实施例中，数据验证单元102，包括：

匹配单元301，用于通过多种匹配方法对所述多个心率数据进行匹配；

验证单元302，用于若多个心率数据在任一种匹配方法下不匹配，则确定待验证对象为仿冒的活体。

如图12所示，在一个实施例中，匹配单元301，包括：

数值匹配单元401，用于通过至少一种数值匹配方法对所述多个心率数据的数值进行匹配，或者，通过多种数值匹配方法对所述多个心率数据的数值进行匹配；

信号匹配单元402，用于通过至少一种信号匹配方法对所述多个心率数据的波形曲线进行匹配，或者，通过多种信号匹配方法对所述多个心率数据的波形曲线进行匹配。

在应用中，活体生物验证装置中的各单元可以为软件程序单元，也可以通过处理器中集成的不同逻辑电路实现，还可以通过两个以上分布式处理器实现。

如图13所示，本申请实施例还提供一种终端设备200，包括：至少一个处理器201(图13中仅示出一个处理器)、存储器202及存储在存储器202中并可在至少一个处理器201上运行的计算机程序203，处理器201执行计算机程序203时实现上述各个活体生物验证方法实施例中的步骤。

在应用中，终端设备可包括，但不仅限于，存储器、处理器。本领域技术人员可以理解，图13仅仅是终端设备的举例，并不构成对终端设备的限定，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，例如，还可以包括输入输出设备、网络接入设备、图2所示的各种生物数据采集器件等。输入输出设备可以包括摄像头、音频获取/播放器件、显示屏、按键等。网络接入设备可以包括通信模块，用于与其他设备进行通信。

在应用中，处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，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任何常规的处理器等。

在应用中，存储器在一些实施例中可以是终端设备的内部存储单元，例如终端设备的硬盘或内存。存储器在另一些实施例中也可以是终端设备的外部存储设备，例如终端设备上配备的插接式硬盘，智能存储卡(Smart Media Card， SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据及其他程序等，例如计算机程序的程序代码等。存储器还可以用于暂时地存储已经输出或者将要输出的数据。

在应用中，显示屏可以为薄膜晶体管液晶显示屏(Thin Film Transistor LiquidCrystal Display，TFT-LCD)、液晶显示屏(Liquid Crystal Display，LCD)、有机电激光显示屏(Organic Light-Emitting Diode，OLED)、量子点发光二极管(Quantum Dot LightEmitting Diodes，QLED)显示屏，七段或八段数码管等。

在应用中，通信模块可以根据实际需要设置为任意能够直接或间接于其他设备进行有线或无线通信的器件，例如，通信模块可以提供应用在网络设备上的包括通信接口(例如，通用串行总线接口(Universal Serial Bus，USB)、有线局域网(Localarea Networks，LAN)、无线局域网(Wireless Localarea Networks， WLAN)(例如、Wi-Fi网络)，蓝牙，Zigbee，移动通信网络，全球导航卫星系统(Global Navigation Satellite System，GNSS)，调频(Frequency Modulation， FM)，近距离无线通信技术(Near FieldCommunication，NFC)，红外技术(Infrared， IR)等通信的解决方案。通信模块可以包括天线，天线可以只有一个阵元，也可以是包括多个阵元的天线阵列。通信模块可以通过天线接收电磁波，将电磁波信号调频及滤波处理，将处理后的信号发送到处理器。通信模块还可以从处理器接收待发送的信号，对其进行调频、放大，经天线转为电磁波辐射出去。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元完成，即将装置的内部结构划分成不同的功能单元，以完成以上描述的全部或者部分功能。实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中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。

本申请实施例提供了一种计算机可读存储介质，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上述任一实施例的活体生物验证方法。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述任一实施例的活体生物验证方法。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括：能够将计算机程序代码携带到终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器 (ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方法来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置、终端设备和方法，可以通过其它的方法实现。例如，以上所描述的装置、终端设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方法，例如两个以上单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种活体生物验证方法，其特征在于，包括：

根据待验证对象的多种生物数据获取对应的多个心率数据；

若所述多个心率数据不匹配，则确定所述待验证对象为仿冒的活体。

2.如权利要求1所述的活体生物验证方法，其特征在于，所述根据待验证对象的多种生物数据获取多个心率数据，包括：

根据待验证对象的多种生物图像数据间接获取对应的多个心率数据；

或者，直接获取待验证对象的心率数据，并根据所述待验证对象的至少一种生物图像数据间接获取对应的至少一个心率数据。

3.如权利要求2所述的活体生物验证方法，其特征在于，根据所述生物图像数据间接获取对应的心率数据的方法为：

对所述生物图像数据进行区域检测，获得多个区域的图像数据；

依次对所述多个区域的图像数据进行区域均值和低通滤波，获得第一平均心率数据；

通过预设神经网络模型对所述多个区域的图像数据进行预测，获得第二平均心率数据；

对所述第一平均心率数据和所述第二平均心率数据求平均值，获得与所述生物图像数据对应的心率数据。

4.如权利要求2或3所述的活体生物验证方法，其特征在于，所述生物图像数据为脸部图像数据、虹膜图像数据、指纹图像数据或静脉图像数据。

5.如权利要求2或3所述的活体生物验证方法，其特征在于，所述直接获取待验证对象的心率数据，包括：

通过光电描记法传感器直接获取所述待验证对象的心率数据。

6.如权利要求2或3所述的活体生物验证方法，其特征在于，还包括：

根据所述待验证对象的至少一种生物图像数据，获取对应的至少一种生物图像特征数据；

若所述多个心率数据匹配且所述至少一种生物图像特征数据与对应的预设生物图像特征数据都匹配，则确定所述待验证对象为目标活体。

7.如权利要求1至3任一项所述的活体生物验证方法，其特征在于，所述若所述多个心率数据的不匹配，则确定所述待验证对象为仿冒的活体之前，包括：

通过多种匹配方法对所述多个心率数据进行匹配。

8.如权利要求7所述的活体生物验证方法，其特征在于，所述通过多种匹配方法对所述多个心率数据进行匹配，包括：

通过至少一种数值匹配方法对所述多个心率数据的数值进行匹配，并通过至少一种信号匹配方法对所述多个心率数据的波形曲线进行匹配；

或者，通过多种数值匹配方法对所述多个心率数据的数值进行匹配；

或者，通过多种信号匹配方法对所述多个心率数据的波形曲线进行匹配。

9.一种终端设备，包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述活体生物验证方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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8任一项所述活体生物验证方法的步骤。

Images