CN115880787A - 一种人脸活体检测方法、系统、终端设备及存储介质 - Google Patents

Abstract

本申请涉及身份识别技术领域，尤其涉及一种人脸活体检测方法、系统、终端设备及存储介质，其方法包括，根据人脸检测算法计算彩色人脸图像和红外人脸图像的四角坐标；然后根据四角坐标算法计算四角坐标得出对应的人脸特征值；若人脸特征值之间对应的特征差异值符合预设特征差异值标准；则根据预设图像转换规则转换彩色人脸图像，生成对应的颜色空间图像；根据特征提取算法处理颜色空间图像，生成对应的增强特征向量；并将增强特征向量根据预设特征训化模型进行判定处理，输出对应的活体判断结果；根据活体判断结果的具体判断值判定人脸是否为活体。本申请提供的一种人脸活体检测方法、系统、终端设备及存储介质具有提升人脸活体检测准确性的效果。

Description

一种人脸活体检测方法、系统、终端设备及存储介质

技术领域

本申请涉及身份识别技术领域，尤其涉及一种人脸活体检测方法、系统、终端设备及存储介质。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术，用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

人脸识别功能是目前主流的人员鉴别方法，由于现实中存在使用人脸的照片或视频、3D人脸模型等工具欺骗攻击人脸识别系统的现象，所以造成人脸识别系统识别检测人脸是否为活体的准确性下降。

发明内容

为了提升人脸活体检测的准确性，本申请提供一种人脸活体检测方法、系统、终端设备及存储介质。

本申请提供的一种人脸活体检测方法，包括以下步骤：

获取待识别对象的彩色人脸图像和红外人脸图像；

根据人脸检测算法，分别获取所述彩色人脸图像对应的第一人脸四角坐标和所述红外人脸图像对应的第二人脸四角坐标；

根据四角坐标算法计算所述第一人脸四角坐标和所述第二人脸四角坐标，分别生成所述第一人脸四角坐标对应的第一人脸特征值和所述第二人脸四角坐标对应的第二人脸特征值；

判断所述第一人脸特征值与所述第二人脸特征值之间的特征差异值是否小于预设特征差异值阈值；

若所述第一人脸特征值与所述第二人脸特征值之间的所述特征差异值小于所述预设特征差异值阈值，则根据预设图像转换规则转换所述彩色人脸图像，生成对应的颜色空间图像；

根据特征提取算法处理所述颜色空间图像，生成对应的特征向量；

归一化所述特征向量，生成对应的增强特征向量；

根据预设特征训化模型对所述增强特征向量进行处理，输出对应的活体判断结果；

若所述活体判断结果为第一判断值，则判定所述待识别对象为活体人脸；

若所述活体判断结果为第二判断值，则判定所述待识别对象为非活体人脸。

通过采用上述技术方案，首先判断待识别对象的彩色人脸图像与红外人脸图像之间的特征差异值是否符合预设特征差异值标准，若符合则说明彩色人脸图像与红外人脸图像相匹配，进而可初步判定待识别对象的人脸为活体，并进行下一步，若不符合则初步判定待识别对象人脸为非活体，进而通过上述分析判断可预先对待识别对象的人脸进行初步活体检测，接着根据预设图像转换规则对待识别对象对应的彩色人脸图像进行颜色空间转换，提取并处理颜色空间中颜色空间图像对应的特征向量，得到相应的增强特征向量即人脸纹理特征，最终交由经训练的预设特征训化模型进行判别，并输出对应的活体判断结果，若判断结果为第一判断值，则待识别对象的人脸最终判定为活体，若判断结果为第二判断值，则待识别对象的人脸最终判定为非活体，从而提升人脸活体检测的准确性。

可选的，所述根据特征提取算法处理所述颜色空间图像，生成对应的特征向量包括以下步骤：

根据所述颜色空间图像，获取对应的目标分量图；

根据所述特征提取算法，提取所述目标分量图对应的局部特征；

识别所述局部特征，生成到对应的所述特征向量。

通过采用上述技术方案，通过Y分量图、Cb分量图和Cr分量图提取生成的局部特征，便于根据该局部特征生成待识别对象人脸纹理特征的特征向量。

可选的，所述第一人脸特征值包括区域中心坐标值，所述第二人脸特征值包括像素值，并且所述判断所述第一人脸特征值与所述第二人脸特征值之间的特征差异值是否符合预设特征差异值标准包括以下步骤：

根据预设中心坐标算法计算所述彩色人脸图像和所述红外人脸图像对应的所述区域中心坐标值，生成对应的区域中心坐标差异值；

若所述区域中心坐标差异值大于预设中心坐标差异阈值，则根据预设像素值算法计算所述彩色人脸图像和所述红外人脸图像对应的所述像素值，生成对应的像素差异值；

若所述像素差异值大于预设像素差异阈值，则判定为所述第一人脸特征值与所述第二人脸特征值之间的所述特征差异值符合预设特征差异值标准；

若所述像素差异值小于等于所述预设像素阈值，则判定为所述第一人脸特征值与所述第二人脸特征值之间的所述特征差异值不符合预设特征差异值标准。

通过采用上述技术方案，在本实施方式提供人脸活体检测方法，通过判断彩色人脸图像对应的区域中心坐标值和像素值与红外人脸图像对应的区域中心坐标值和像素值之间的区域中心坐标差异值和像素差异值是否都符合对应的预设差异标准，以便于根据多个人脸特征值分析判断待识别对象的彩色人脸图像与红外人脸图像是否匹配，进一步提升了人脸活体检测的准确性。

可选的，在判断所述第一人脸特征值与所述第二人脸特征值之间的特征差异值是否符合预设特征差异值标准之后还包括以下步骤：

若判断所述第一人脸特征值与所述第二人脸特征值之间的所述特征差异值不符合所述预设特征差异值标准，则生成对应第一面部动态特征采集指令；

根据所述第一面部动态特征采集指令，采集所述待识别对象对应的第一面部动态特征；

判断所述第一面部动态特征是否符合预设面部动态特征标准；

若所述第一面部动态特征不符合所述预设面部动态特征标准，则生成人脸异常识别提示。

通过采用上述技术方案，判断当前被测对象的第一面部动态特征是否符合系统设定的预设面部动态特征标准，从而提升了路人脸活体检测的准确性。

可选的，在所述判断所述第一面部动态特征是否符合预设面部动态特征标准之后还包括以下步骤：

若所述第一面部动态特征符合所述预设面部动态特征标准，则获取所述待识别对象的认证身份信息；

根据所述认证身份信息，获取并根据对应的历史面部动态特征生成对应的第二面部动态特征采集指令；

根据所述第二面部动态特征采集指令，采集所述待识别对象的第二面部动态特征；

判断所述第二面部动态特征是否符合所述历史面部动态特征；

若所述第二面部动态特征不符合所述历史面部动态特征，则生成所述人脸异常识别提示。

通过采用上述技术方案，根据被测对象的认证身份信息，获取被测对象在设置认证信息时所录入的历史面部动态特征，进一步判断当前被测对象的第二面部动态特征与其历史面部动态特征是否吻合，从而提升了被测对象身份验证的安全性。

可选的，所述判断所述第二面部动态特征是否符合所述历史面部动态特征包括以下步骤：

获取所述历史面部动态特征对应的面部动态特征验证项；

若所述面部动态特征验证项为多个，则获取第二面部动态特征中对应的面部动态特征识别项；

若所述面部动态特征识别项与所述面部动态特征验证项的数量相等，则获取所述面部动态特征验证项对应的验证顺序；

判断所述面部动态特征识别项的识别顺序是否符合所述验证顺序；

若所述面部动态特征识别项的所述识别顺序符合所述验证顺序，则判定为所述第二面部动态特征符合所述历史面部动态特征；

若所述面部动态特征识别项的所述识别顺序不符合所述验证顺序，则判定为所述第二面部动态特征不符合所述历史面部动态特征。

通过采用上述技术方案，在面部动态特征识别项与面部动态特征验证项的数量相等的基础上，进一步判断面部动态特征识别项的识别顺序是否符合验证顺序，从而提升了被测对象身份识别的安全性。

可选的，所述判断所述第二面部动态特征是否符合所述历史面部动态特征包括以下步骤：

获取所述第二面部动态特征对应的所述面部动态特征识别项；

识别所述面部动态特征识别项，匹配所述历史面部动态特征对应的所述面部动态特征验证项；

判断所述面部动态特征识别项对应的面部动态时长是否处于所述面部动态特征验证项对应的面部动态时长阈值范围；

若所述面部动态特征识别项对应的面部动态时长处于所述面部动态特征验证项对应的面部动态时长阈值范围，则判定为所述第二面部动态特征符合所述历史面部动态特征；

若所述面部动态特征识别项对应的面部动态时长超出所述面部动态特征验证项对应的面部动态时长阈值范围，则判定为所述第二面部动态特征不符合所述历史面部动态特征。

通过采用上述技术方案，判断面部动态特征识别项对应的面部动态时长是否处于面部动态特征验证项对应的面部动态时长阈值范围，进一步提升了被测对象身份验证的安全性。

第二方面，本申请提供一种人脸活体检测系统，其特征在于，包括：

第一获取模块，用于获取待识别对象的彩色人脸图像和红外人脸图像；

第二获取模块，用于根据人脸检测算法，分别获取所述彩色人脸图像对应的第一人脸四角坐标和所述红外人脸图像对应的第二人脸四角坐标；

计算模块，用于根据四角坐标算法计算所述第一人脸四角坐标和所述第二人脸四角坐标，分别生成所述第一人脸四角坐标对应的第一人脸特征值和所述第二人脸四角坐标对应的第二人脸特征值；

判断模块，用于判断所述第一人脸特征值与所述第二人脸特征值之间的特征差异值是否小于预设特征差异值阈值；

转换模块，若所述第一人脸特征值与所述第二人脸特征值之间的所述特征差异值小于所述预设特征差异值阈值，所述转换模块则用于根据预设图像转换规则转换所述彩色人脸图像，生成对应的颜色空间图像；

处理模块，用于根据特征提取算法处理所述颜色空间图像，生成对应的特征向量；

生成模块，用于归一化所述特征向量，生成到对应的增强特征向量；

输出模块，用于根据预设特征训化模型对所述增强特征向量进行处理，输出对应的活体判断结果；

第一判定模块，若所述活体判断结果为第一判断值，所述第一判定模块则用于判定所述待识别对象为活体人脸；

第二判定模块，若所述活体判断结果为第二判断值，所述第二判定模块则用于判定所述待识别对象为非活体人脸。

通过采用上述技术方案，根据计算模块中的四角坐标算法计算第一人脸四角坐标和第二人脸四角坐标，以便于通过判断模块判断计算模块计算得出的第一人脸特征值与第二人脸特征值之间的特征差异值是否小于预设特征差异值阈值，若小于则说明彩色人脸图像与红外人脸图像匹配，进而得出人脸为活体的初级判断，随即通过转换模块根据预设图像转换规则转换彩色人脸图像，生成对应的颜色空间图像，进而根据生成的颜色空间图像便于通过处理模块获取彩色人脸图像中对应的特征向量即人脸纹理特征，进一步将人脸纹理特征对应的增强特征向量交由输出模块中经训练的预设特征训化模型处理判别，输出对应的活体判断结果，最后根据活体判断结果的第一判断值或者第二判断值判定待识别对象的人脸为活体或者非活体，从而提升人脸活体检测的准确性。

第三方面，本申请提供一种终端设备，采用如下的技术方案：

一种终端设备，包括存储器和处理器，所述存储器中存储有能够在处理器上运行的计算机指令，所述处理器加载并执行计算机指令时，采用了上述的一种人脸活体检测方法。

通过采用上述技术方案，通过将上述的一种人脸活体检测方法生成计算机指令，并存储于存储器中，以被处理器加载并执行，从而，根据存储器及处理器制作终端设备，方便使用。

第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：

一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，所述计算机指令被处理器加载并执行时，采用了上述的一种人脸活体检测方法。

通过采用上述技术方案，通过将上述的一种人脸活体检测方法生成计算机指令，并存储于计算机可读存储介质中，以被处理器加载并执行，通过计算机可读存储介质，方便计算机指令的可读及存储。

综上所述，本申请包括以下至少一种有益技术效果：首先判断待识别对象的彩色人脸图像与红外人脸图像之间的特征差异值是否符合预设特征差异值标准，若符合则说明彩色人脸图像与红外人脸图像相匹配，进而可初步判定待识别对象的人脸为活体，并进行下一步，若不符合则初步判定待识别对象人脸为非活体，进而通过上述分析判断可预先对待识别对象的人脸进行初步活体检测，接着根据预设图像转换规则对待识别对象对应的彩色人脸图像进行颜色空间转换，提取并处理颜色空间中颜色空间图像对应的特征向量，得到相应的增强特征向量即人脸纹理特征，最终交由经训练的预设特征训化模型进行判别，并输出对应的活体判断结果，若判断结果为第一判断值，则待识别对象的人脸最终判定为活体，若判断结果为第二判断值，则待识别对象的人脸最终判定为非活体，从而提升人脸活体检测的准确性。

附图说明

图1是本申请一种人脸活体检测方法中步骤S101至步骤S110的流程示意图。

图2是本申请一种人脸活体检测方法中步骤S201至步骤S203的流程示意图。

图3是本申请一种人脸活体检测方法中步骤S301至步骤S304的流程示意图。

图4是本申请一种人脸活体检测方法中彩色人脸图对应的第一人脸四角坐标和红外人脸图对应的第二人脸四角坐标图。

图5是本申请一种人脸活体检测方法中步骤S401至步骤S404的流程示意图。

图6是本申请一种人脸活体检测方法中步骤S501至步骤S505的流程示意图。

图7是本申请一种人脸活体检测方法中步骤S601至步骤S606的流程示意图。

图8是本申请一种人脸活体检测方法中步骤S701至步骤S705的流程示意图。

图9是本申请一种人脸活体检测系统的模块示意图。

附图标记说明：

1、第一获取模块；2、第二获取模块；3、计算模块；4、判断模块；5、转换模块；6、处理模块；7、生成模块；8、输出模块；9、第一判定模块；10、第二判定模块。

具体实施方式

以下结合附图1-9对本申请作进一步详细说明。

本申请实施例公开一种人脸活体检测方法，如图1所示，包括以下步骤：

S101.获取待识别对象的彩色人脸图像和红外人脸图像；

S102.根据人脸检测算法，分别获取彩色人脸图像对应的第一人脸四角坐标和红外人脸图像对应的第二人脸四角坐标；

S103.根据四角坐标算法计算第一人脸四角坐标和第二人脸四角坐标，分别生成第一人脸四角坐标对应的第一人脸特征值和第二人脸四角坐标对应的第二人脸特征值；

S104.判断第一人脸特征值与第二人脸特征值之间的特征差异值是否符合预设特征差异值标准；

S105.若第一人脸特征值与第二人脸特征值之间的特征差异值符合预设特征差异值标准，则根据预设图像转换规则转换彩色人脸图像，生成对应的颜色空间图像；

S106.根据特征提取算法处理颜色空间图像，生成对应的特征向量；

S107.归一化特征向量，生成到对应的增强特征向量；

S108.根据预设特征训化模型对增强特征向量进行处理，输出对应的活体判断结果；

S109.若活体判断结果为第一判断值，则判定待识别对象为活体人脸；

S110.若活体判断结果为第二判断值，则判定待识别对象为非活体人脸。

步骤S101中的待识别对象是指需要对其进行人脸活体检测的人员，彩色人脸图像是指通过普通彩色摄像头对待识别对象进行拍摄所获得的彩色人脸摄像图，红外人脸图像是通过红外摄像头对待识别对象进行拍摄所获得的红外人脸摄像图。

在实际运用中，纸质的照片或者电子设备屏幕显示的人脸图像在普通彩色摄像头中能够正常成像，但在红外摄像头中却不能正常成像，因此，为了提升对待识别对象人脸活性检测的准确性，同时采用普通彩色摄像头和红外摄像头对待识别对象进行抓拍，得到对应的彩色人脸图像和红外人脸图像，随即根据人脸检测算法获取彩色人脸图像对应的第一人脸四角坐标和红外人脸图像对应的第二人脸四角坐标，然后通过四角坐标算法计算第一人脸四角坐标和第二人脸四角坐标，分别得到第一人脸四角坐标对应的第一人脸特征值和第二人脸四角对应的第二人脸特征值。

需要说明的是，根据人脸检测算法提取第一人脸四角坐标和第二人脸坐标的方法为，首先，将需要处理的彩色人脸图像和红外人脸图像缩放成6级不同大小的图片；然后，将不同大小的图片输入全卷积网络生成人脸候选框及回归向量；接着，把上一步得到的候选框传入全卷积网络，使用边界框回归以及非极大值抑制进行处理，以便去掉大量重复的候选框，从而筛选出部分更优的候选框；最后，将更优的候选框得到的候选框传入全卷积网络，使用边界框回归以及非极大值抑制进行处理，得到最优筛选框，同时输出人脸关键点的标记位置，此时得到的最优筛选框的坐标便是待识别对象的人脸四角坐标。

进一步，判断第一人脸特征值与第二人脸特征值之间的特征差异值是否符合预设特征差异值标准，预设特征差异值标准是指第一人脸特征值与第二人脸特征值之间允许存在的最大差值，若特征差异值符合预设特征差异值，则说明彩色人脸图像和红外人脸图像相匹配，待识别对象人脸初步判断为活体，若特征差异值不符合预设特征差异值阈值则说明彩色人脸图像和红外人脸图像不匹配，待识别对象人脸初步判断为非活体。

例如，第一人脸特征值分别为彩色人脸图像和红外人脸图像对应的区域中心坐标值，对应的特征差异值为彩色人脸图像对应区域中心坐标值和红外人脸图像对应区域中心坐标值之间的差值，预设特征差异值标准为特征差异值应当处于的区域中心坐标差值范围，若特征差异值处于上述区域中心坐标差值范围，则判定特征差异值符合对应的预设特征差异值标准，说明特征差异值为彩色人脸图像和红外人脸图像匹配，待识别对象人脸初步判断为活体；若特征差异值超出上述区域中心坐标差值范围，则判定特征差异值不符合对应的预设特征差异值标准，说明特征差异值为彩色人脸图像和红外人脸图像匹配，待识别对象人脸初步判断为活体。

又例如，第二人脸特征值分别为彩色人脸图像和红外人脸图像对应的像素值，对应的特征差异值为彩色人脸图像对应像素值和红外人脸图像对应像素值之间的差值，预设特征差异值标准为特征差异值应当处于的像素大小差值范围，若特征差异值处于上述像素大小差值范围，则判定特征差异值符合对应的预设特征差异值标准，说明特征差异值为彩色人脸图像和红外人脸图像匹配，待识别对象人脸初步判断为活体；若特征差异值超出上述像素大小差值范围，则判定特征差异值不符合对应的预设特征差异值标准，说明特征差异值为彩色人脸图像和红外人脸图像匹配，待识别对象人脸初步判断为活体。

其中，纸质照片中的人脸和真实活体人脸在彩色摄像头中成像时，在RGB颜色空间中不容易区分出捕获的人脸的是否为活体，但在YCbCr颜色空间中，可以明显区别真实活体人脸中的纹理特征，所以根据预设图像转换规则转换RGB颜色空间中彩色人脸图像，生成对应YCbCr颜色空间中的颜色空间图像，其中，预设图像转换规则可以通过opencv进行处理，opencv是一个跨平台计算机视觉和机器学习软件库，可实现图像处理和计算机视觉方面的很多通用算法，RGB颜色空间是以R（Red：红）、G（Green：绿）、B（Blue：蓝）三种的基本色为基础，进行不同程度的叠加，产生丰富而广泛的颜色，所以俗称三基色模式，而YCbCr颜色空间是一组色彩空间，是用作视频和数字摄影中彩色图像流水线的一部分系统，Y是亮度信号，Cb是蓝色色度分量，Cr是红色色度分量。

需要说明的是，根据特征提取算法对上述YCbCr颜色空间中的颜色空间图像进行处理，其中特征提取算法为opencv中的图形处理算法，分离出相应的Y、Cb和Cr三个颜色分量的人脸图像，并生成对应的特征向量，随即将上述特征向量进行归一化后处理后形成对应的增强特征向量即为表示面部整体颜色纹理的特征向量。

其中，为了进一步根据增强特征向量判定出待识别对象的人脸是否为活体，将该增强特征向量交由预设特征训化模型进行判定处理，该预设特征训化模型为经训练的SVM，其中，训练的SVM主要用是使用训练集和测试集，通过设置训练参数，调用训练接口训练得到初步模型，然后通过交叉验证的方法调优模型参数，得到最优模型，训练完成。

SVM又称支持向量机，是一个面向数据的分类算法，它的目标是为确定一个分类超平面，从而将不同的数据分隔开，SVM的输出结果即活体判断结果作为待识别对象的人脸是否为活体的最终判断。

需要说明的是，支持向量机学习方法包括构建由简至繁的模型：线性可分支持向量机、线性支持向量机及非线性支持向量机，当训练数据为线性可分时，通过硬间隔最大化学习一个线性的分类器，即线性可分支持向量机，又称硬间隔支持向量机的；当训练数据近似线性可分时，通过软间隔最大化，也学习一个线性的分类器，即线性支持向量机，又称软间隔支持向量机；当训练数据线性不可分时，通过使用核技巧及软间隔最大化学习非线性支持向量机。

再者，将得到的增强特征向量输入训练SVM的数学模型中，经过该数学模型的相关计算，例如，若SVM返回的结果即活体判断结果为1即第一判断值，则判定待识别对象的人脸为活体，若SVM返回的结果即活体判断结果为0即第二判断值，则判定待识别对象的人脸为非活体。需要说明的是，在实际运用中，第一判断值和第二判断值可以是ASCII码，也可以是自然数值，还可以是与非码。

本实施例提供的人脸活体检测方法，首先判断待识别对象的彩色人脸图像与红外人脸图像之间的特征差异值是否符合预设特征差异值标准，若符合则说明彩色人脸图像与红外人脸图像相匹配，进而可初步判定待识别对象的人脸为活体，并进行下一步，若不符合则初步判定待识别对象人脸为非活体，进而通过上述分析判断可预先对待识别对象的人脸进行初步活体检测，接着根据预设图像转换规则对待识别对象对应的彩色人脸图像进行颜色空间转换，提取并处理颜色空间中颜色空间图像对应的特征向量，得到相应的增强特征向量即人脸纹理特征，最终交由经训练的预设特征训化模型进行判别，并输出对应的活体判断结果，若判断结果为第一判断值，则待识别对象的人脸最终判定为活体，若判断结果为第二判断值，则待识别对象的人脸最终判定为非活体，从而提升人脸活体检测的准确性。

在本实施例的其中一种实施方式中，如图2所示，步骤S106即根据特征提取算法处理颜色空间图像，生成对应的特征向量包括以下步骤：

S201.根据颜色空间图像，获取对应的目标分量图；

S202.根据特征提取算法，提取目标分量图对应的局部特征；

S203.识别局部特征，生成到对应的特征向量。

步骤S201中的颜色空间图像为使用opencv将彩色人脸图像由RGB颜色空间转换为YCbCr颜色空间的空间图像。

进一步，根据颜色空间图像获取对应的目标分量图，目标分量图包括Y分量图、Cb分量图和Cr分量图，为了进一步提取目标分量图中人脸的特征，进而通过特征提取算法提取目标分量图对应的局部特征，然后识别局部特征生成对应的特征向量。

需要说明的是，特征提取算法为LBP算法，Y分量图、Cb分量图和Cr分量图分别做LBP特征提取后，会得到三个对应的特征值，这三个特征值均为高维向量，需要使用PCA方法降纬。

其中，LBP算法为局部二值模式，是一种能够描述图像纹理的算法，并且具有旋转不变性和灰度不变性等优点，最基本的LBP算法与一些处理图像的算法相同，都是通过定义一个基本的算子，将算子作用在整张图像上，通过滑动窗口来提取图像的纹理。同理，LBP特征是一种来描述图像局部特征的算子。PCA是一种数据降维算法，上述Y分量图、Cb分量图和Cr分量图分别做LBP特征提取后得到的特征值通过PCA方法降维，可在压缩数据的同时让信息损失最小化。

本实施方式提供的人脸活体检测方法，通过Y分量图、Cb分量图和Cr分量图提取生成的局部特征，便于根据该局部特征生成待识别对象人脸纹理特征的特征向量。

在本实施例的其中一种实施方式中，如图3所示，第一人脸特征值包括区域中心坐标值，第二人脸特征值包括像素值，并且步骤S104即判断第一人脸特征值与第二人脸特征值之间的特征差异值是否符合预设特征差异值标准包括以下步骤：

S301.根据预设中心坐标算法计算彩色人脸图像和红外人脸图像对应的区域中心坐标值，生成对应的区域中心坐标差异值；

S302.若区域中心坐标差异值大于预设中心坐标差异阈值，则根据预设像素值算法计算彩色人脸图像和红外人脸图像对应的像素值，生成对应的像素差异值；

S303.若像素差异值大于预设像素差异阈值，则判定为第一人脸特征值与第二人脸特征值之间的特征差异值符合预设特征差异值标准；

S304.若像素中心差异值小于等于预设像素阈值，则判定为第一人脸特征值与第二人脸特征值之间的特征差异值不符合预设特征差异值标准。

在实际运用中，为了进一步提升待识别对象人脸活体检测的准确性，可同时对彩色人脸图像和红外人脸图像两张图片对应的区域中心坐标以及像素大小进行分析判断。

例如，如图4所示，为彩色人脸图像四角坐标和红外人脸图像四角坐标图，其中，X_a表示a点的X坐标，Y_a表示a点的Y坐标，X_A表示A点的X坐标，Y_A表示A点的Y坐标，H_n表示a点所在矩形的高，W_n表示a点所在矩形的宽，H_m表示A点所在的矩形的高，W_m表示A点所在的矩形的宽。

其中，预设中心坐标算法为：w=Min（X_a+（X_b-X_a），X_A+（X_B-X_A））-Max（X_a，X_A），h=Min（Y_a，Y_A）-Max（Y_d，Y_D），Min表示求最小值，Max表示求最大值，彩色人脸图像对应的区域中心坐标值为X_a和Y_a，红外人脸图像对应的区域中心坐标值为X_A和Y_A，区域中心坐标差异值为w（X坐标差异）和h（Y坐标差异），其中预设中心坐标差异阈值为：w≤0，h≤0，若w≤0或h≤0，则可判定区域中心坐标差异值小于预设中心坐标差异阈值，说明彩色人脸图像与红外人脸图像匹配失败，若w＞0，h＞0，则可判定区域中心坐标差异值大于预设中心坐标差异阈值，进入下一步判断。

再者，预设像素值算法所对应的计算公式为relust=（w×h）/（H_n×W_n+H_m×W_m-w×h），彩色人脸图像对应的像素值为H_n和W_n，红外人脸图像对应的H_m和W_m，预设像素差异阈值为0.5，relust为彩色人脸图像和红外人脸图像对应的像素差异值，其中像素差异值也表示为彩色人脸图像和红外人脸图像重叠部分的大小，若relust＞0.5，则可判定像素中心差异值大于预设像素差异阈值，说明彩色人脸图像与红外人脸图像匹配成功，若relust≤0.5，则可判定像素中心差异值小于等于预设像素差异阈值，说明彩色人脸图像与红外人脸图像匹配失败。

在本实施方式提供人脸活体检测方法，通过判断彩色人脸图像对应的区域中心坐标值和像素值与红外人脸图像对应的区域中心坐标值和像素值之间的区域中心坐标差异值和像素差异值是否都符合对应的预设差异标准，以便于根据多个人脸特征值分析判断待识别对象的彩色人脸图像与红外人脸图像是否匹配，进一步提升了人脸活体检测的准确性。

在本实施例的其中一种实施方式中，如图5所示，在步骤S104即判断第一人脸特征值与第二人脸特征值之间的特征差异值是否符合预设特征差异值标准之后还包括以下步骤：

S401.若判断第一人脸特征值与第二人脸特征值之间的特征差异值不符合预设特征差异值标准，则生成对应第一面部动态特征采集指令；

S402.根据第一面部动态特征采集指令，采集待识别对象对应的第一面部动态特征；

S403.判断第一面部动态特征是否符合预设面部动态特征标准；

S404.若第一面部动态特征不符合预设面部动态特征标准，则生成人脸异常识别提示。

在实际运用中，若判断第一人脸特征值与第二人脸特征值之间的特征差异值不符合预设特征差异值标准，则可判定待识别对象为非活体，但是为了进一步提高活体检测的准确性，选择向待识别对象发送面部表情检测指令即步骤S401中的第一面部动态特征采集指令，第一面部动态特征采集指令包括示意待识别对象做出相应面部动态的标准即步骤S403中的预设面部动态特征标准，随即采集待识别对象当前面部动态特征即步骤S402中的第一面部动态特征，待识别对象可按照预设面部动态特征标准的示意提示信息做出相应的面部动作。

例如，预设面部动态特征标准为张合嘴巴3次，系统根据该第一面部动态特征采集指令通过普通彩色摄像头在合理时间内采集当前待识别对象面部的动态图像，解析该动态图像获取待识别对象面部的第一面部动态特征，第一面部动态特征为待识别对象嘴巴张合动作的次数，系统对待识别对象嘴巴张合动作的次数进行实时计数，若计数得到嘴巴张合动作的次数等于3次，则判定该待识别对象的第一面部动态特征符合对应的预设面部动态特征标准，系统随即进入下一步人脸识别检测。

又例如，若计数得到嘴巴张合动作的次数不等于3次，则可判定该待识别对象的第一面部动态特征不符合对应的预设面部动态特征标准，系统随即生成人脸异常识别提示信息，以提示相关人脸识别检测的工作人员。

本实施方式提供的人脸活体检测方法，判断当前被测对象的第一面部动态特征是否符合系统设定的预设面部动态特征标准，从而提升了人脸活体检测的准确性。

在本实施例的其中一种实施方式中，如图6所示，在步骤S403即判断第一面部动态特征是否符合预设面部动态特征标准之后还包括以下步骤：

S501.若第一面部动态特征符合预设面部动态特征标准，则获取所待识别对象的认证身份信息；

S502.根据认证身份信息，获取并根据对应的历史面部动态特征生成对应的第二面部动态特征采集指令；

S503.根据第二面部动态特征采集指令，采集待识别对象的第二面部动态特征；

S504.判断第二面部动态特征是否符合历史面部动态特征；

S505.若第二面部动态特征不符合历史面部动态特征，则生成人脸异常识别提示。

在实际运用中，为了进一步提升待识别对象身份验证的安全性，进一步设置经过系统实名认证人员对应的备份面部动态特征即步骤S502中的历史面部动态特征，备份面部动态特征可以在人员进行系统实名认证后录入。

需要说明是，在第一面部动态特征符合预设面部动态特征标准的基础上，进入系统下一步的人脸活体检测，首先，获取待识别对象的认证身份信息，认证身份信息为经过系统实名认证后人员对应的身份记录信息，可通过人脸识别摄像头拍摄采集待识别对象的人脸信息。

其中，系统中设置有认证信息库，该认证信息库存储有经过系统实名认证后人员对应的人脸认证信息，系统若根据当前待识别对象的人脸信息从认证信息库中匹配出对应的人脸认证信息，则说明该待识别对象为已实名认证人员，则输出该待识别对象对应的认证身份信息，若根据当前待识别对象的人脸信息未从认证信息库中匹配出对应的人脸认证信息，则说明该待识别对象为陌生人员，系统输出身份认证失败的提示信息。

进一步，根据认证身份信息，获取并根据对应的历史面部动态特征生成对应的第二面部动态特征采集指令，其中，认证身份信息不同，对应的历史面部动态特征也不同，第二面部动态特征采集指令包括根据历史面部动态特征生成的面部动态信息采集指令，系统根据该第二面部动态特征采集指令通过控制人脸识别摄像头在合理的时间内采集当前待识别对象的面部动态特征即步骤S503中的第二面部动态特征。

例如，A人员认证身份信息对应的历史面部动态特征为嘴巴张合6次，系统根据该历史面部动态特征采集当前待识别对象的第二面部动态特征，第二面部动态特征为嘴巴张合次数，若嘴巴张合次数为6次，则可判定第二面部动态特征符合对应的历史面部动态特征，系统随即进入下一步人脸识别检测。

又例如，若系统采集的第二面部动态特征即嘴巴张合次数为5次，则可判定第二面部动态特征不符合对应的历史面部动态特征，系统随即生成人脸异常识别提示，以提示人脸识别检测的相关工作人员。

本实施方式提供的人脸活体检测方法，根据被测对象的认证身份信息，获取被测对象在设置认证信息时所录入的历史面部动态特征，进一步判断当前被测对象的第二面部动态特征与其历史面部动态特征是否吻合，从而提升了被测对象身份验证的安全性。

在本实施例的其中一种实施方式中，如图7所示，步骤S504即判断第二面部动态特征是否符合历史面部动态特征包括以下步骤：

S601.获取历史面部动态特征对应的面部动态特征验证项；

S602.若面部动态特征验证项为多个，则获取第二面部动态特征中对应的面部动态特征识别项；

S603.若面部动态特征识别项与面部动态特征验证项的数量相等，则获取面部动态特征验证项对应的验证顺序；

S604.判断面部动态特征识别项的识别顺序是否符合验证顺序；

S605.若面部动态特征识别项的识别顺序符合验证顺序，则判定为第二面部动态特征符合历史面部动态特征；

S606.若面部动态特征识别项的识别顺序不符合验证顺序，则判定为第二面部动态特征不符合历史面部动态特征。

步骤S601中的面部动态特征验证项是指历史面部动态特征所对应的面部动态特征数量。例如，历史面部动态特征包括嘴巴张合6次和眼睛眨动3次，其中，嘴巴张合6次和眼睛眨动3次为两个面部动态特征验证项。

在实际运用中，若面部动态特征验证项为多个，则进一步判断第二面部动态特征中对应的面部动态特征识别项的数量是否与面部动态特征验证项相等，面部动态特征识别项是指当前待识别对象相对于面部动态特征验证项所做的面部动态特征，其中，系统事前会向待识别对象发送面部动态特征采集提示信息，提示待识别对象在合理的时间内做出与面部动态特征验证项对应的面部动作。

例如，历史面部动态特征包括嘴巴张合6次和眼睛眨动3次，系统事前会向待识别对象发送嘴巴张合和眼睛眨动地提示信息，若待识别对象嘴巴张合和次数为6和眼睛眨动次数为3，则进行下一步判断。

进一步，获取面部动态特征验证项对应的验证顺序。例如，面部动态特征验证项为嘴巴张合6次和眼睛眨动3次，对应的验证顺序为先验证眼睛眨动3次的面部动态特征，后验证嘴巴张合6次的面部动态特征。

例如，系统通过人脸识别摄像头在合理拍摄时间内拍摄了当前待识别对象的面部动态信息，对面部动态信息进行解析可得面部动态特征识别项为嘴巴张合6次和眼睛眨动3次，其中，待识别对象首先做了眼睛眨动3次的面部动态特征，后做了嘴巴张合6次的面部动态特征，可判定面部动态特征识别项识别顺序符合对应的验证顺序。

又例如，对采集当前待识别对象的面部动态信息进行解析可得，面部动态特征识别项为嘴巴张合6次和眼睛眨动3次，其中待识别对象首先做了嘴巴张合6次的面部动态特征，后做了眼睛眨动3次的面部动态特征，可判定面部动态特征识别项识别顺序不符合对应的验证顺序。

本实施方式提供的人脸活体检测方法，在面部动态特征识别项与面部动态特征验证项的数量相等的基础上，进一步判断面部动态特征识别项的识别顺序是否符合验证顺序，从而提升了被测对象身份识别的安全性。

在本实施例的其中第一种实施方式中，如图8所示，步骤S604即判断第二面部动态特征是否符合历史面部动态特征包括以下步骤：

S701.获取第二面部动态特征对应的面部动态特征识别项；

S702.识别面部动态特征识别项，匹配历史面部动态特征对应的面部动态特征验证项；

S703.判断面部动态特征识别项对应的面部动态时长是否处于面部动态特征验证项对应的面部动态时长阈值范围；

S704.若面部动态特征识别项对应的面部动态时长处于面部动态特征验证项对应的面部动态时长阈值范围，则判定为第二面部动态特征符合历史面部动态特征；

S705.若面部动态特征识别项对应的面部动态时长超出面部动态特征验证项对应的面部动态时长阈值范围，则判定为第二面部动态特征不符合历史面部动态特征。

步骤S703中的面部动态时长是指当前待识别对象做出一次面部动态特征识别项对应的持续时长，面部动态时长阈值范围是指面部动态时长对应的验证标准时长。

例如，面部动态特征验证项为嘴巴张合6次和眼睛眨动3次，其对应的面部动态时长阈值范围为：眼睛眨动3次所用时间阈值范围：3秒＜S1＜5秒，嘴巴张合6次所用时间阈值范围：6秒＜S1＜10秒，经系统采集待识别对象的面部动态特征识别项可得，眼睛眨动3次所花费时间为4秒，嘴巴张合6次所花费时间为8秒，从而可判定待识别对象的面部动态特征识别项对应的面部动态时长处于面部动态特征验证项对应的面部动态时长阈值范围，所以第二面部动态特征符合历史面部动态特征。

又例如，经系统采集待识别对象的面部动态特征识别项可得，眼睛眨动3次所花费时间为2秒，嘴巴张合6次所花费时间为11秒，从而可判定待识别对象的面部动态特征识别项对应的面部动态时长超出面部动态特征验证项对应的面部动态时长阈值范围，所以第二面部动态特征不符合历史面部动态特征。

本实施方式提供的人脸活体检测方法，判断面部动态特征识别项对应的面部动态时长是否处于面部动态特征验证项对应的面部动态时长阈值范围，进一步提升了被测对象身份验证的安全性。

本申请实施例还公开一种人脸活体检测系统，如图9所示，包括：

第一获取模块1，用于获取待识别对象的彩色人脸图像和红外人脸图像；

第二获取模块2，用于根据人脸检测算法，分别获取彩色人脸图像对应的第一人脸四角坐标和红外人脸图像对应的第二人脸四角坐标；

计算模块3，用于根据四角坐标算法计算第一人脸四角坐标和第二人脸四角坐标，分别生成第一人脸四角坐标对应的第一人脸特征值和第二人脸四角坐标对应的第二人脸特征值；

判断模块4，用于判断第一人脸特征值与第二人脸特征值之间的特征差异值是否小于预设特征差异值阈值；

转换模块5，若第一人脸特征值与第二人脸特征值之间的特征差异值小于预设特征差异值阈值，转换模块5则用于根据预设图像转换规则转换彩色人脸图像，生成对应的颜色空间图像；

处理模块6，用于根据特征提取算法处理颜色空间图像，生成对应的特征向量；

生成模块7，用于归一化特征向量，生成到对应的增强特征向量；

输出模块8，用于根据预设特征训化模型对增强特征向量进行处理，输出对应的活体判断结果；

第一判定模块9，若活体判断结果为第一判断值，第一判定模块9则用于判定待识别对象为活体人脸；

第二判定模块10，若活体判断结果为第二判断值，第二判定模块10则用于判定待识别对象为非活体人脸。

本实施例提供的人脸活体检测系统，根据计算模块3中的四角坐标算法计算第一人脸四角坐标和第二人脸四角坐标，以便于通过判断模块4判断计算模块3计算得出的第一人脸特征值与第二人脸特征值之间的特征差异值是否小于预设特征差异值阈值，若小于则说明彩色人脸图像与红外人脸图像匹配，进而得出人脸为活体的初级判断，随即通过转换模块5根据预设图像转换规则转换彩色人脸图像，生成对应的颜色空间图像，进而根据生成的颜色空间图像便于通过处理模块6获取彩色人脸图像中对应的特征向量即人脸纹理特征，进一步将人脸纹理特征对应的增强特征向量交由输出模块8中经训练的预设特征训化模型处理判别，输出对应的活体判断结果，最后根据活体判断结果显示的第一判断值或者第二判断值，通过第一判定模块9或者第二判定模块10的判定待识别对象的人脸为活体或者非活体，从而提升人脸活体检测的准确性。

需要说明的是，本申请实施例所提供的一种人脸活体检测系统，还包括与上述任一一种人脸活体检测方法的逻辑功能或逻辑步骤所对应的各个模块和/或对应的子模块，实现与各个逻辑功能或者逻辑步骤相同的效果，具体在此不再累述。

本申请实施例还公开一种终端设备，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机指令，其中，处理器执行计算机指令时，采用了上述实施例中的任意一种人脸活体检测方法。

其中，终端设备可以采用台式电脑、笔记本电脑或者云端服务器等计算机设备，并且，终端设备包括但不限于处理器以及存储器，例如，终端设备还可以包括输入输出设备、网络接入设备以及总线等。

其中，处理器可以采用中央处理单元（CPU），当然，根据实际的使用情况，也可以采用其他通用处理器、数字信号处理器（DSP）、专用集成电路（ASIC）、现成可编程门阵列（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，通用处理器可以采用微处理器或者任何常规的处理器等，本申请对此不做限制。

其中，存储器可以为终端设备的内部存储单元，例如，终端设备的硬盘或者内存，也可以为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（SMC）、安全数字卡（SD）或者闪存卡（FC）等，并且，存储器还可以为终端设备的内部存储单元与外部存储设备的组合，存储器用于存储计算机指令以及终端设备所需的其他指令和数据，存储器还可以用于暂时的存储已经输出或者将要输出的数据，本申请对此不做限制。

其中，通过本终端设备，将上述实施例中的任意一种人脸活体检测方法存储于终端设备的存储器中，并且，被加载并执行于终端设备的处理器上，方便使用。

本申请实施例还公开一种计算机可读存储介质，并且，计算机可读存储介质存储有计算机指令，其中，计算机指令被处理器执行时，采用了上述实施例中的任意一种人脸活体检测方法。

其中，计算机指令可以存储于计算机可读介质中，计算机指令包括计算机指令代码，计算机指令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件形式等，计算机可读介质包括能够携带计算机指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM）、随机存取存储器（RAM）、电载波信号、电信信号以及软件分发介质等，需要说明的是，计算机可读介质包括但不限于上述元器件。

其中，通过本计算机可读存储介质，将上述实施例中的任意一种人脸活体检测方法存储于计算机可读存储介质中，并且，被加载并执行于处理器上，以方便上述方法的存储及应用。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (10)

1.一种人脸活体检测方法，其特征在于，包括以下步骤：

获取待识别对象的彩色人脸图像和红外人脸图像；

根据人脸检测算法，分别获取所述彩色人脸图像对应的第一人脸四角坐标和所述红外人脸图像对应的第二人脸四角坐标；

根据四角坐标算法计算所述第一人脸四角坐标和所述第二人脸四角坐标，分别生成所述第一人脸四角坐标对应的第一人脸特征值和所述第二人脸四角坐标对应的第二人脸特征值；

判断所述第一人脸特征值与所述第二人脸特征值之间的特征差异值是否符合预设特征差异值标准；

若所述第一人脸特征值与所述第二人脸特征值之间的所述特征差异值符合预设特征差异值标准，则根据预设图像转换规则转换所述彩色人脸图像，生成对应的颜色空间图像；

根据特征提取算法处理所述颜色空间图像，生成对应的特征向量；

归一化所述特征向量，生成对应的增强特征向量；

根据预设特征训化模型对所述增强特征向量进行处理，输出对应的活体判断结果；

若所述活体判断结果为第一判断值，则判定所述待识别对象为活体人脸；

若所述活体判断结果为第二判断值，则判定所述待识别对象为非活体人脸。

2.根据权利要求1所述的一种人脸活体检测方法，其特征在于，所述根据特征提取算法处理所述颜色空间图像，生成对应的特征向量包括以下步骤：

根据所述颜色空间图像，获取对应的目标分量图；

根据所述特征提取算法，提取所述目标分量图对应的局部特征；

识别所述局部特征，生成到对应的所述特征向量。

3.根据权利要求1所述的一种人脸活体检测方法，其特征在于，所述第一人脸特征值包括区域中心坐标值，所述第二人脸特征值包括像素值，并且所述判断所述第一人脸特征值与所述第二人脸特征值之间的特征差异值是否符合预设特征差异值标准包括以下步骤：

根据预设中心坐标算法计算所述彩色人脸图像和所述红外人脸图像对应的所述区域中心坐标值，生成对应的区域中心坐标差异值；

若所述区域中心坐标差异值大于预设中心坐标差异阈值，则根据预设像素值算法计算所述彩色人脸图像和所述红外人脸图像对应的所述像素值，生成对应的像素差异值；

若所述像素差异值大于预设像素差异阈值，则判定为所述第一人脸特征值与所述第二人脸特征值之间的所述特征差异值符合预设特征差异值标准；

若所述像素差异值小于等于所述预设像素阈值，则判定为所述第一人脸特征值与所述第二人脸特征值之间的所述特征差异值不符合预设特征差异值标准。

4.根据权利要求1所述的一种人脸活体检测方法，其特征在于，在所述判断所述第一人脸特征值与所述第二人脸特征值之间的特征差异值是否符合预设特征差异值标准之后还包括以下步骤：

若判断所述第一人脸特征值与所述第二人脸特征值之间的所述特征差异值不符合所述预设特征差异值标准，则生成对应第一面部动态特征采集指令；

根据所述第一面部动态特征采集指令，采集所述待识别对象对应的第一面部动态特征；

判断所述第一面部动态特征是否符合预设面部动态特征标准；

若所述第一面部动态特征不符合所述预设面部动态特征标准，则生成人脸异常识别提示。

5.根据权利要求4所述的一种人脸活体检测方法，其特征在于，在所述判断所述第一面部动态特征是否符合预设面部动态特征标准之后还包括以下步骤：

若所述第一面部动态特征符合所述预设面部动态特征标准，则获取所述待识别对象的认证身份信息；

根据所述认证身份信息，获取并根据对应的历史面部动态特征生成对应的第二面部动态特征采集指令；

根据所述第二面部动态特征采集指令，采集所述待识别对象的第二面部动态特征；

判断所述第二面部动态特征是否符合所述历史面部动态特征；

若所述第二面部动态特征不符合所述历史面部动态特征，则生成所述人脸异常识别提示。

6.根据权利要求5所述的一种人脸活体检测方法，其特征在于，所述判断所述第二面部动态特征是否符合所述历史面部动态特征包括以下步骤：

获取所述历史面部动态特征对应的面部动态特征验证项；

若所述面部动态特征验证项为多个，则获取第二面部动态特征中对应的面部动态特征识别项；

若所述面部动态特征识别项与所述面部动态特征验证项的数量相等，则获取所述面部动态特征验证项对应的验证顺序；

判断所述面部动态特征识别项的识别顺序是否符合所述验证顺序；

若所述面部动态特征识别项的所述识别顺序符合所述验证顺序，则判定为所述第二面部动态特征符合所述历史面部动态特征；

若所述面部动态特征识别项的所述识别顺序不符合所述验证顺序，则判定为所述第二面部动态特征不符合所述历史面部动态特征。

7.根据权利要求5所述的一种人脸活体检测方法，其特征在于，所述判断所述第二面部动态特征是否符合所述历史面部动态特征包括以下步骤：

获取所述第二面部动态特征对应的所述面部动态特征识别项；

识别所述面部动态特征识别项，匹配所述历史面部动态特征对应的所述面部动态特征验证项；

判断所述面部动态特征识别项对应的面部动态时长是否处于所述面部动态特征验证项对应的面部动态时长阈值范围；

若所述面部动态特征识别项对应的面部动态时长处于所述面部动态特征验证项对应的面部动态时长阈值范围，则判定为所述第二面部动态特征符合所述历史面部动态特征；

若所述面部动态特征识别项对应的面部动态时长超出所述面部动态特征验证项对应的面部动态时长阈值范围，则判定为所述第二面部动态特征不符合所述历史面部动态特征。

8.一种人脸活体检测系统，其特征在于，包括：

第一获取模块（1），用于获取待识别对象的彩色人脸图像和红外人脸图像；

第二获取模块（2），用于根据人脸检测算法，分别获取所述彩色人脸图像对应的第一人脸四角坐标和所述红外人脸图像对应的第二人脸四角坐标；

计算模块（3），用于根据四角坐标算法计算所述第一人脸四角坐标和所述第二人脸四角坐标，分别生成所述第一人脸四角坐标对应的第一人脸特征值和所述第二人脸四角坐标对应的第二人脸特征值；

判断模块（4），用于判断所述第一人脸特征值与所述第二人脸特征值之间的特征差异值是否小于预设特征差异值阈值；

转换模块（5），若所述第一人脸特征值与所述第二人脸特征值之间的所述特征差异值小于所述预设特征差异值阈值，所述转换模块（5）则用于根据预设图像转换规则转换所述彩色人脸图像，生成对应的颜色空间图像；

处理模块（6），用于根据特征提取算法处理所述颜色空间图像，生成对应的特征向量；

生成模块（7），用于归一化所述特征向量，生成到对应的增强特征向量；

输出模块（8），用于根据预设特征训化模型对所述增强特征向量进行处理，输出对应的活体判断结果；

第一判定模块（9），若所述活体判断结果为第一判断值，所述第一判定模块（9）则用于判定所述待识别对象为活体人脸；

第二判定模块（10），若所述活体判断结果为第二判断值，所述第二判定模块（10）则用于判定所述待识别对象为非活体人脸。

9.一种终端设备，包括存储器和处理器，其特征在于，所述存储器中存储有能够在所述处理器上运行的计算机指令，所述处理器加载并执行所述计算机指令时，采用了如权利要求1至7中任一项所述的一种人脸活体检测方法。

10.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，其特征在于，所述计算机指令被处理器加载并执行时，采用了如权利要求1至7中任一项所述的一种人脸活体检测方法。

Images