CN116704620A - 一种活体检测方法、装置、电子设备和存储介质 - Google Patents

Abstract

本公开提供了一种活体检测方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及人脸识别和深度学习技术领域。具体实现方案为：获取待检测活体图像，并确定所述待检测活体图像的图像特征和用于描述待检测活体图像的文本描述特征；对所述图像特征和所述文本描述特征进行特征融合处理，得到图文融合特征；根据所述图文融合特征确定活体检测结果。本公开可以准确检测出活体攻击，保证了活体检测的准确性。

Description

一种活体检测方法、装置、电子设备和存储介质

技术领域

本公开涉及人工智能技术领域，尤其涉及人脸识别和深度学习技术领域，具体涉及一种活体检测方法、装置、电子设备、存储介质和计算机程序产品。

背景技术

活体检测方法是在一些身份验证场景确定对象真实生理特征的方法，在人脸识别应用中，活体检测能通过眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体本人操作。而活体攻击是指利用照片、视频、换脸、面具等虚假手段进行身份验证。

发明内容

本公开提供了一种活体检测方法、装置、电子设备、存储介质和计算机程序产品。

根据本公开的一方面，提供了一种活体检测方法，包括：

获取待检测活体图像，并确定所述待检测活体图像的图像特征和用于描述待检测活体图像的文本描述特征；

对所述图像特征和所述文本描述特征进行特征融合处理，得到图文融合特征；

根据所述图文融合特征确定活体检测结果。

根据本公开的另一方面，提供了一种活体检测装置，包括：

特征提取模块，用于获取待检测活体图像，并确定所述待检测活体图像的图像特征和用于描述待检测活体图像的文本描述特征；

特征融合模块，用于对所述图像特征和所述文本描述特征进行特征融合处理，得到图文融合特征；

活体检测模块，用于根据所述图文融合特征确定活体检测结果。

根据本公开的另一方面，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公开任意实施例所述的活体检测方法。

根据本公开的另一方面，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计算机执行本公开任意实施例所述的活体检测方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开任意实施例的活体检测方法。

根据本公开的技术，可以准确检测出活体攻击，进而保证了活体检测的准确性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开实施例的一种活体检测方法的流程示意图；

图2是根据本公开实施例的另一种活体检测方法的流程示意图；

图3a是根据本公开实施例的另一种活体检测方法的流程示意图；

图3b是根据本公开实施例的一种活体检测方法的逻辑流程图；

图4是根据本公开实施例的活体检测装置的示意图；

图5是用来实现本公开实施例的活体检测方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本公开实施例的一种活体检测方法的流程示意图。本实施例可适用于身份验证场景中，典型的，可适用于安防、考勤、金融支付、门禁通行等需要校验身份的场景。该方法可由一种活体检测装置来执行，该装置采用软件和/或硬件的方式实现，优选是配置于电子设备中，例如计算机设备或服务器等。如图1所示，该方法具体包括如下：

S101、获取待检测活体图像，并确定待检测活体图像的图像特征和用于描述待检测活体图像的文本描述特征。

本实施例中，待检测活体图像可以是在安防、考勤、金融支付、门禁通行等需要校验身份的场景中所采集的活体图像。示例性的，待检测活体图像为身份验证场景中图像采集设备(例如摄像头)采集的包括人脸信息的图像。

在得到待检测活体图像后，可以对待检测活体图像进行特征提取处理，得到相应的图像特征，其中，图像特征至少可以包括人脸特征，可以通过特征向量的方式进行表征。需要说明的是，图像特征的提取可以采用卷积神经网络进行或采用其他深度神经网络进行，在此不做具体限定。

在确定用于描述待检测活体图像的文本描述特征时，首先根据待检测活体图像，生成用于对待检测图像进行描述的文本描述，例如，将待检测活体图像作为预先训练的文本描述生成模型输入，根据模型的输出得到相应的文本描述，其中，文本描述可以是汉语文本或英文文本。示例性的，输出的文本描述可以为“纸张上显示一张人脸图像”；进而对文本描述进行特征提取，得到相应的文本描述特征，其中，文本描述特征可以通过向量的形式表征。

S102、根据图像特征和文本描述特征，确定活体检测结果。

本实施例中，由于待检测活体图像的文本描述特征可以提供较强的语义信息，因此将文本描述特征引入活体检测中，使得活体检测除了参考图像特征外，还综合考虑了图像对应的语义信息，以此可以提高活体检测的准确性。在一种可选的实施方式中，可先对图像特征和文本描述特征进行特征融合处理，得到图文融合特征，例如可以利用深度神经网络的跨注意力机制实现特征融合，也可以采用其他方式进行，在此不做具体限定；进而根据图文融合特征确定活体检测结果；其中活体检测结果包括：待检测活体图像为真实活体图像、待检测活体图像为活体攻击图像以及活体攻击图像对应的攻击类型。例如，可以利用预训练的分类器，结合图文融合特征，确定是否为活体；若否，则确定待检测活体图像为活体攻击图像，可进一步判断活体攻击图像对应的攻击类型。其中，攻击类型包括电子屏幕攻击、纸质攻击、二维面具攻击、三维头模攻击和证件照攻击中的至少一种。在此需要说明的是，在确定攻击类型时，如果不依据图文融合特征，还可以只根据文本描述特征，利用根据文本描述特征，采用查字典的方式，确定攻击类型。由于这种方式仅根据文本描述特征，而没有参考图像特征，准确性偏低。

本实施例中，将文本描述特征引入活体检测中，由于使得在进行活体检测时，同时依据图像特征和文本描述特征，可以提高活体检测的准确性。

图2是根据本公开实施例的另一种活体检测方法的流程示意图，本实施例在上述实施例的基础上，为了实现自动进行活体检测，提供一种活体检测模型，该活体检测模型包括如下结构：用于提取图像特征的转换器结构(即Transformer结构)的图像编码器、用于生成文本描述的转换器结构的文本解码器、用于进行特征融合的转换器结构的图文编码器，用于分类的分类器，以及用于判断攻击类型的攻击特征队列。在此基础上，如图2所示，该活体检测方法具体包括如下：

S201、获取待检测活体图像，利用活体检测模型中转换器结构的图像编码器，从待检测活体图像中确定图像特征。

本实施例中，由于利用转换器结构的图像编码器，从待检测活体图像中确定图像特征，转换器结构的网络模型最初提出是针对自然语言处理领域中的机器翻译任务，因此，标准转换器结构的网络模型的输入是一维序列数据，所以在处理图像数据时，需要将图像转换为序列数据。因此，在提取图像特征之前，可以先按照固定大小，对待检测活体图像进行切分，得到多个图像块；将每个图像块通过拉伸操作转换成一维向量，从而得到待检测活体图像对应的图像向量序列；进而利用转换器结构的图像编码器从图像向量序列中提取相应的向量形式的图像特征。

S202、基于图像特征，利用活体检测模型中转换器结构的文本解码器，确定用于描述待检测活体图像的文本描述特征。

本实施例中，转换器结构的文本解码器可以是预先利用样本训练好的，可以对输入的图像特征生成相应的文本描述。其中，文本描述中包括丰富的语义信息，而语义信息中包括攻击类型的线索。如此在活体检测模型中增加文本解码器可以得到相应的文本描述，实现了将文本描述引入到活体检测的效果。

S203、对图像特征和文本描述特征进行特征融合处理，得到图文融合特征。

可选的，将图像特征和文本描述特征输入到预训练的转换器结构的图文编码器中，图文编码器可以借助自身的跨注意力机制实现图像特征和文本描述特征的融合，得到图文融合特征。便于后续同时基于两种信息进行攻击检测，可以保证后续攻击检测的准确性。

S204、根据图文融合特征，利用预先训练的活体检测模型中的分类器，确定待检测活体图像为活体攻击图像。

可选的，在得到图文融合特征后，可将其输入到预训练的分类器中，其中，分类器可选的是二分类器；根据分类器输出的分类结果，确定是否为活体；若不是活体，也即确定待检测活体图像为活体攻击图像，此时可以根据图文融合特征确定活体攻击图像对应的攻击类型，具体可参见步骤S205。

S205、根据图文融合特征，利用预先构建的攻击特征队列，确定活体攻击图像对应的攻击类型。

本实施例中，预先构建了攻击特征队列，其中，攻击特征队列中包括至少一种攻击类型对应的攻击特征，攻击特征是基于攻击样本图像的图像特征和描述攻击样本图像的文本描述特征确定；例如将已知攻击类型的攻击样本图像的图像特征和文本描述特征，输入到图文编码器中，根据图文编码器的输出，作为已知攻击类型对应的攻击特征。在此基础上，根据图文融合特征，利用预先构建的攻击特征队列，确定活体攻击图像对应的攻击类型，包括：依次确定图文融合特征与攻击特征队列中每个攻击特征的相似度；例如，计算图文融合特征与每个攻击特征的余弦相似度；根据相似度，确定活体攻击图像对应的攻击类型；其中，攻击类型包括电子屏幕攻击、纸质攻击、二维面具攻击、三维头模攻击和证件照攻击中的至少一种。需要说明的是，通过图文融合特征和攻击特征计算相似度，以确定攻击类型，可以保证确定攻击类型的准确性和效率。

本实施例中，在活体检测模型中增加了文本解码器，实现了图像的文本描述的生成；进而通过图文编码器，将图像特征和文本描述特征进行融合，进而基于图文融合特征确定活体攻击和攻击类型，实现了将图像的文本描述引入到活体检测中，使得活体检测过程参考了图像的语义信息，可以保证活体检测的准确性。

进一步的，关于活体检测模型的训练，可以采用双监督的方式进行，具体的训练过程如下：获取样本训练集，其中包括真人图像、电子屏幕攻击样本图像、纸质攻击样本图像、二维面具攻击样本图像、三维头模攻击样本图像、证件照攻击样本图像等，且每一张样本图各自关联一段文本描述，例如对于真人图像关联的文本描述可以是人脸相关属性，比如性别，年龄，头发，人种，表情等；对于攻击样本图像，文本描述包含攻击的关键词，比如屏幕、手机、纸张、头模、人造面具等。将样本图像输入到活体检测模型后，首选图像编码器提取图像特征，进而文本解码器根据图像特征生成文本描述，根据文本描述和样本图像对应的文本描述确定第一损失；将图像特征和文本描述对应的文本描述特征输入到图文编码器中进行特征融合，分类器根据图文融合特征，确定是否为活体攻击；根据判断结果和样本图像的标签(例如攻击类型)计算第二损失；需要说明的是，第二损失是分类损失；而不是图像特征和文本描述特征之间的对比损失；根据第一损失和第二损失进行模型训练，得到最终的活体检测模型。

图3a是根据本公开实施例的另一种活体检测方法的流程示意图，本实施例在上述实施例的基础上进一步优化，确定待检测活体图像为身份验证场景下(安防场景、考勤场景、金融支付场景或门禁通行场景下)所采集的人脸图像。在此基础上，如图3a所示，该活体检测方法具体包括如下：

S301、对待检测活体图像依次进行人脸区域检测和人脸关键点检测。

由于待检测活体图像是采集的人脸图像，因此可通过人脸检测模型对人脸进行检测，得到人脸的位置区域；其中，人脸检测模型为预训练的模型，可以检测到人脸位置。进而，根据检测到的人脸区域，通过人脸关键点检测模型对人脸关键点进行检测，得到人脸的关键点坐标值(即人脸关键点检测结果)；其中，人脸关键点检测模型为预训练的模型，通过该模型可以得到72个人脸关键点坐标，分别为(x1,y1)…(x72,y72)。

S302、根据人脸关键点检测结果进行人脸对齐处理。

可选的，根据人脸的关键点坐标值对目标人脸进行人脸对齐。实现过程可以为：根据72个人脸关键点坐标得到x和y的最大最小值(xmin，xmax，ymin，ymax)，确定人脸框；将此人脸框扩大(例如扩大三倍)再截取人脸图像，并调整图像尺寸224*224。需要说明的是，之所以调整到224*224，是为了适应后续的活体检测模型的输入要求。

S303、对人脸对齐处理后的待检测活体图像依次进行归一化处理和数据增强处理。

本实施例中，将人脸对齐后的待检测活体图像中的人脸图像区域进行图像归一化处理。图像归一化处理，是将图像中的每一个像素依次进行归一化处理，归一化处理的方法示例性的可以是将每个像素的像素值减128再除以256，使每个像素的像素值在[-0.5,0.5]之间，也可以通过其他计算方法，将每个像素的像素值处于[0，1]之间。将归一化处理后的图像进行随机数据增强处理，例如通过平移旋转等处理进行数据增强。

在按照S301-S303对待检测活体图像进行预处理后，可以按照S304-S305步骤进行活体检测。而且通过上述预处理后，可以为后续的活体检测的顺利进行提供了保证。

S304、获取待检测活体图像，并确定待检测活体图像的图像特征和用于描述待检测活体图像的文本描述特征。

S305、根据图像特征和文本描述特征，确定活体检测结果。

进一步的，为了详述本实施例中活体检测的具体过程，可参见图3b，其示出了活体检测的具体流程：

整个过程可以分为预处理部分和活体检测部分；其中，预处理部分包括如下过程：对待检测活体图像依次进行人脸检测、关键点检测、人脸对齐处理、数据增强处理；并对处理后的待检测活体图像进行切分，例如切分成固定大小的图像块(patch)。活体检测部分包括如下过程：利用转换器结构的图像编码器从图像块序列中提取图像特征；转换器结构的文本解码器根据图像特征，生成文本描述；将图像特征和文本描述对应的文本描述特征输入到转换器结构的图文编码器中进行特征融合；进而分类器根据图文融合特征判断是否为攻击，若否，则为活体；若是，则基于预先构建的攻击特征队列和图文融合特征，判断攻击类型；可选的，可通过计算图文融合特征与攻击特征队列中不同攻击类型对应的攻击特征之间的相似度；根据相似度确定最终的攻击类型，需要说明的是输出攻击类型可以根据相似度，将相似度排在前N的输出，N可以根据实际需要设定。由此实现了同时基于图像特征和文本描述特征进行活体检测。

图4是根据本公开实施例的活体检测装置的结构示意图，本实施例可适用于身份验证场景中，典型的，可适用于安防、考勤、金融支付、门禁通行等需要校验身份的场景。该装置可实现本公开任意实施例的活体检测方法。如图4所示，该装置400具体包括：

特征提取模块401，用于获取待检测活体图像，并确定待检测活体图像的图像特征和用于描述待检测活体图像的文本描述特征；

特征融合模块402，用于对所述图像特征和所述文本描述特征进行特征融合处理，得到图文融合特征；

活体检测模块403，用于根据所述图文融合特征确定活体检测结果。

可选的，在一些实施例中，活体检测模块包括：

活体判断单元，用于根据图文融合特征，利用预先训练的活体检测模型中的分类器，确定所述待检测活体图像为活体攻击图像；

类型确定单元，用于根据图文融合特征，利用预先构建的攻击特征队列，确定活体攻击图像对应的攻击类型；其中，攻击特征队列中包括至少一种攻击类型对应的攻击特征，攻击特征是基于攻击样本图像的图像特征和描述攻击样本图像的文本描述特征确定。

可选的，在一些实施例中，类型确定单元还用于：

依次确定图文融合特征与攻击特征队列中每个攻击特征的相似度；

根据相似度，确定活体攻击图像对应的攻击类型；其中，攻击类型包括电子屏幕攻击、纸质攻击、二维面具攻击、三维头模攻击和证件照攻击中的至少一种。

可选的，在一些实施例中，特征提取模块包括：

编码器单元，用于利用活体检测模型中转换器结构的图像编码器，从待检测活体图像中确定图像特征；

解码器单元，用于基于图像特征，利用活体检测模型中转换器结构的文本解码器，确定用于描述待检测活体图像的文本描述特征。

可选的，在一些实施例中，待检测活体图像为安防场景、考勤场景、金融支付场景或门禁通行场景下所采集的人脸图像。

可选的，在一些实施例中，还包括：

人脸检测模块，用于对待检测活体图像依次进行人脸区域检测和人脸关键点检测；

校正模块，用于根据人脸关键点检测结果进行人脸对齐处理；

归一与增强模块，用于对人脸对齐处理后的待检测活体图像依次进行归一化处理和数据增强处理。

上述产品可执行本公开任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图5示出了可以用来实施本公开的实施例的示例电子设备500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/或者要求的本公开的实现。

如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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501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501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501执行上文所描述的各个方法和处理，例如活体检测方法。例如，在一些实施例中，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508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的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501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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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。

用于实施本公开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。

在本公开的上下文中，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)、区块链网络和互联网。

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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。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。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。

云计算(cloud computing)，指的是通过网络接入弹性可扩展的共享物理或虚拟资源池，资源可以包括服务器、操作系统、网络、软件、应用和存储设备等，并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术，可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。

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，只要能够实现本公开提供的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种活体检测方法，包括：

获取待检测活体图像，并确定所述待检测活体图像的图像特征和用于描述待检测活体图像的文本描述特征；

对所述图像特征和所述文本描述特征进行特征融合处理，得到图文融合特征；

根据所述图文融合特征确定活体检测结果。

2.根据权利要求1所述的方法，其中，根据所述图文融合特征确定活体检测结果，包括：

根据所述图文融合特征，利用预先训练的活体检测模型中的分类器，确定所述待检测活体图像为活体攻击图像；

根据所述图文融合特征，利用预先构建的攻击特征队列，确定所述活体攻击图像对应的攻击类型；其中，所述攻击特征队列中包括至少一种攻击类型对应的攻击特征，所述攻击特征是基于攻击样本图像的图像特征和描述攻击样本图像的文本描述特征确定。

3.根据权利要求2所述的方法，其中，根据所述图文融合特征，利用预先构建的攻击特征队列，确定所述活体攻击图像对应的攻击类型，包括：

依次确定所述图文融合特征与所述攻击特征队列中每个攻击特征的相似度；

根据所述相似度，确定所述活体攻击图像对应的攻击类型；其中，所述攻击类型包括电子屏幕攻击、纸质攻击、二维面具攻击、三维头模攻击和证件照攻击中的至少一种。

4.根据权利要求2所述的方法，其中，确定所述待检测活体图像的图像特征和用于描述待检测活体图像的文本描述特征，包括：

利用所述活体检测模型中转换器结构的图像编码器，从所述待检测活体图像中确定图像特征；

基于所述图像特征，利用所述活体检测模型中转换器结构的文本解码器，确定用于描述待检测活体图像的文本描述特征。

5.根据权利要求1-4中任一项所述的方法，其中，所述待检测活体图像为身份验证场景下所采集的人脸图像。

6.根据权利要求5所述的方法，其中，在确定所述待检测活体图像的图像特征和用于描述待检测活体图像的文本描述特征之前，所述方法还包括：

对待检测活体图像依次进行人脸区域检测和人脸关键点检测；

根据人脸关键点检测结果进行人脸对齐处理；

对人脸对齐处理后的待检测活体图像依次进行归一化处理和数据增强处理。

7.一种活体检测装置，包括：

特征提取模块，用于获取待检测活体图像，并确定所述待检测活体图像的图像特征和用于描述待检测活体图像的文本描述特征；

特征融合模块，用于对所述图像特征和所述文本描述特征进行特征融合处理，得到图文融合特征；

活体检测模块，用于根据所述图文融合特征确定活体检测结果。

8.根据权利要求7所述的装置，其中，所述活体检测模块包括：

活体判断单元，用于根据所述图文融合特征，利用预先训练的活体检测模型中的分类器，确定所述待检测活体图像为活体攻击图像；

类型确定单元，用于根据所述图文融合特征，利用预先构建的攻击特征队列，确定所述活体攻击图像对应的攻击类型；其中，所述攻击特征队列中包括至少一种攻击类型对应的攻击特征，所述攻击特征是基于攻击样本图像的图像特征和描述攻击样本图像的文本描述特征确定。

9.根据权利要求8所述的装置，其中，所述类型确定单元还用于：

依次确定所述图文融合特征与所述攻击特征队列中每个攻击特征的相似度；

根据所述相似度，确定所述活体攻击图像对应的攻击类型；其中，所述攻击类型包括电子屏幕攻击、纸质攻击、二维面具攻击、三维头模攻击和证件照攻击中的至少一种。

10.根据权利要求7所述的装置，其中，所述特征提取模块包括：

编码器单元，用于利用所述活体检测模型中转换器结构的图像编码器，从所述待检测活体图像中确定图像特征；

解码器单元，用于基于所述图像特征，利用所述活体检测模型中转换器结构的文本解码器，确定用于描述待检测活体图像的文本描述特征。

11.根据权利要求7-10中任一项所述的装置，其中，所述待检测活体图像为身份验证场景下所采集的人脸图像。

12.根据权利要求11所述的装置，其中，还包括：

人脸检测模块，用于对待检测活体图像依次进行人脸区域检测和人脸关键点检测；

校正模块，用于根据人脸关键点检测结果进行人脸对齐处理；

归一与增强模块，用于对人脸对齐处理后的待检测活体图像依次进行归一化处理和数据增强处理。

13.一种电子设备，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权利要求1-6中任一项所述的活体检测方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据权利要求1-6中任一项所述的活体检测方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的活体检测方法。