CN116824768A - 一种基于金融自助服务终端的人脸识别方法与介质 - Google Patents

Abstract

本发明提供一种基于金融自助服务终端的人脸识别方法与介质，属于自助服务终端技术领域，具体包括：基于预设指令控制金融自助服务终端获取用户的面部图像以及面部图像的人脸相似度，并当人脸相似度满足要求时，基于预设周期进行多个周期的不同部位的回波波形特征以及活体辨识概率的确定，并结合声波活体辨识概率以及图像活体辨识概率进行活体辨识结果的确认，并根据活体辨识结果控制金融自助服务终端进行用户的授信申请处理，提升了金融自助服务终端的授信申请处理的可靠性。

Description

一种基于金融自助服务终端的人脸识别方法与介质

技术领域

本发明属于自助服务终端技术领域，尤其涉及一种基于金融自助服务终端的人脸识别方法与介质。

背景技术

在进行用户的授信申请的处理过程中，往往需要采用金融终端对用户进行身份识别，现有技术方案中给出了多种方式对用户进行身份识别，具体的，在CN201710762165.6《一种基于人脸识别的银行自助取款终端及取款方法》中通过采集操作者图像并进行活体检测，将图像数据上传到人脸识别系统，并通过操作者图像信息与银行预存图像进行比对，实现对操作者的身份识别，但是却存在以下技术问题：

采用特定的漏出额头或者摘掉墨镜等进行活体检测会导致活体检测的准确率和检验效率较慢，同样可以通过提前录制好的视频对金融终端进行欺骗以达到欺骗效果，因此若不采用额外的活体验证方式，则无法实现对用户的真人的检测。

针对上述技术问题，本发明提供了一种基于金融自助服务终端的人脸识别方法与介质。

发明内容

为实现本发明目的，本发明采用如下技术方案：

根据本发明的一个方面，提供了一种基于金融自助服务终端的人脸识别方法。

一种基于金融自助服务终端的人脸识别方法，其特征在于，具体包括：

S11基于预设指令控制金融自助服务终端获取用户的面部图像以及面部图像的人脸相似度，并当所述人脸相似度满足要求时，进入下一步骤;

S12获取所述面部图像在不同的颜色通道的纹理特征以及色彩特征，并结合所述用户的多个面部图像的光照变动情况进行图像活体辨识概率的确定，当所述图像活体辨识概率不满足要求时，进入下一步骤；

S13控制所述金融自助服务终端向目标人脸发射声波信号并回收回波信号，并通过所述回波信号的解析结果进行目标人脸的不同部位的回波波形特征以及时间差的确定，通过所述回波波形特征以及时间差进行声波活体辨识概率的确定，并当所述声波活体辨识概率满足要求时，进入下一步骤；

S14基于预设周期进行多个周期的不同部位的回波波形特征以及活体辨识概率的确定，并结合所述声波活体辨识概率以及图像活体辨识概率进行活体辨识结果的确认，并根据所述活体辨识结果控制所述金融自助服务终端进行所述用户的授信申请处理。

进一步的技术方案在于，所述面部图像的人脸相似度根据所述面部图像与所述用户的预留面部图像的相似度进行确定，并当所述面部图像的人脸相似度大于预设值时，则确定所述面部图像的人脸相似度满足要求。

进一步的技术方案在于，所述颜色通道根据所述HSV颜色模型或者RGB颜色模型进行搭建。

进一步的技术方案在于，所述图像活体辨识概率的确定的方法为：

当所述用户的面部图像的获取帧数以及时间均满足要求时，则通过所述颜色活体辨识概率、纹理活体辨识概率以及光线活体辨识概率的最小值进行所述图像活体辨识概率的确定；

当所述用户的面部图像的获取帧数以及时间任意一个未满足要求时，则通过所述面部图像的获取帧数以及时间进行所述用户的光线活体辨识概率的准确率的确定，并根据所述光线活体辨识概率的准确率以及所述光线活体辨识概率进行修正光线活体辨识概率的确定，通过所述用户的修正光线活体辨识概率、颜色活体辨识概率、纹理活体辨识概率进行所述图像活体辨识概率的确定。

进一步的技术方案在于，所述声波信号的频率取值范围在人类所能听到的声波范围以外，具体的在20000HZ以上。

进一步的技术方案在于，所述活体辨识结果的确认的方法为：

当所述活体辨识概率满足要求时，则确定所述活体辨识结果为真；

当所述活体辨识概率不满足要求时，则通过所述不同部位的活体辨识概率不满足要求的部位数量以及活体辨识概率、声波活体辨识概率以及图像活体辨识概率进行活体辨识结果的确认。

第二方面，本申请实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于金融自助服务终端的人脸识别方法。

本发明的有益效果在于：

通过人脸相似度评估，避免了由于人脸相似度不满足要求的用户进行活体辨识导致的处理效率较低的技术问题，提升了真实人物辨识的可靠性，同时保证了用户的授信申请的处理效率。

通过综合考虑面部图像在不同的颜色通道的纹理特征、色彩特征以及光照变动情况，不仅考虑到真实人脸与虚假人脸在不同的颜色通道的纹理特征、色彩特征的差异，提升了纹理特征、色彩特征的提取的显著性，同时还考虑到面部图像的光照变动情况，实现了从时间维度对真人人脸的识别，进一步提升了真人人脸的识别可靠性。

通过所述回波波形特征以及时间差进行声波活体辨识概率的确定，不仅考虑到目标人脸的不同部位由于血管流动导致的回波波形特征的差异，同时也考虑到不同部位由于呼吸导致的回波波形特征的差异以及人脸不同部位的回波的反射的时间差，进一步提升了真人识别的可靠性。

通过多个周期的不同部位的回波波形特征以及活体辨识概率的确定，充分考虑到不同部位的振动信号的周期性以及回波波形特征的周期性，实现了对不同部位的活体辨识概率的确定，减少了由于造假导致的资金受损的情况的出现。

其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显；

图1是一种基于金融自助服务终端的人脸识别方法的流程图；

图2是图像活体辨识概率的确定的方法的流程图；

图3是另一种的图像活体辨识概率的确定的方法的流程图；

图4是声波活体辨识概率的确定的方法的流程图；

图5是一种计算机可读存储介质的框架图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。

申请人发现，在通过金融终端进行用户的授信申请处理时，通过假冒身份实现金融终端的欺骗，现有技术方案中往往是通过单一的固定姿势验证或者图像解析的方式，不仅准确率较低，同时还会导致识别的效率不高等问题。

为解决上述技术问题，申请人发现由于人脸的不同部位的高度存在差异，同时血液流动以及呼吸对不同部位的振动影响不相同，因此通过声波信号的输出以及时间差实现对不同部位的回波波形特征的确定，根据时间差以及不同部位的回波波形特征可以实现对真人的准确识别。

为解决上述技术问题，申请人采用以下技术方案：

首先对用户的人脸识别，当且仅当人脸相似度较高，此时再进行真人的活体识别；

然后根据用户的面部图像的纹理特征以及多个连续的面部图像中的光线变动情况，实现从时间和单一面部图像的维度对用户进行真人识别，当用户为真人时，此时直接继续进行授信申请处理，当用户不属于真人时，则需要进一步结合声波的方式实现对用户的真人的识别；

通过考虑脸部的不同部位的回波的时间差以及振动差异导致的回波波形特征的差异实现对假冒人脸的初步识别，进一步排除了假冒人脸的识别的准确性，当识别得到为真人时，需要综合考虑多个周期的脸部的不同部位的回波的振动差异导致的回波波形特征，由于一般脸部不同部位的回波波形特征存在一定的周期性，因此通过多重因素可以实现对真人的准确判断。

以下将从方法类实施例和介质类实施例两个角度进行实施例性说明。

实施例1

为解决上述问题，根据本发明的一个方面，如图1所示，提供了根据本发明的一个方面，提供了一种基于金融自助服务终端的人脸识别方法，其特征在于，具体包括：

S11基于预设指令控制金融自助服务终端获取用户的面部图像以及面部图像的人脸相似度，并当所述人脸相似度满足要求时，进入下一步骤;

需要说明的是，所述面部图像的人脸相似度根据所述面部图像与所述用户的预留面部图像的相似度进行确定，并当所述面部图像的人脸相似度大于预设值时，则确定所述面部图像的人脸相似度满足要求。

在本实施例中，通过人脸相似度评估，避免了由于人脸相似度不满足要求的用户进行活体辨识导致的处理效率较低的技术问题，提升了真实人物辨识的可靠性，同时保证了用户的授信申请的处理效率。

S12获取所述面部图像在不同的颜色通道的纹理特征以及色彩特征，并结合所述用户的多个面部图像的光照变动情况进行图像活体辨识概率的确定，当所述图像活体辨识概率不满足要求时，进入下一步骤；

需要说明的是，当金融终端缺乏声波发射装置时，则仅需要进行图像活体辨识概率的确定，并当述图像活体辨识概率不满足要求时，直接暂停进行授信申请的处理。

具体的，所述颜色通道根据所述HSV颜色模型或者RGB颜色模型进行搭建。

HSV模型对应于圆柱坐标系中的一个圆锥形子集，圆锥的顶面对应于V=1，它包含RGB模型中的R=1，G=1，B=1 三个面，所代表的颜色较亮，色彩H由绕V轴的旋转角给定，红色对应于角度0° ，绿色对应于角度120°，蓝色对应于角度240°。在HSV颜色模型中，每一种颜色和它的补色相差180°，饱和度S取值从0到1，所以圆锥顶面的半径为1。

HSV颜色模型所代表的颜色域是CIE色度图的一个子集，这个模型中饱和度为百分之百的颜色，其纯度一般小于百分之百，在圆锥的顶点（即原点）处，V=0，H和S无定义，代表黑色，圆锥的顶面中心处S=0，V=1，H无定义，代表白色。从该点到原点代表亮度渐暗的灰色，即具有不同 灰度的灰色，对于这些点，S=0，H的值无定义。

在本实施例中，通过多重的颜色通道的特征的提取，使得凸显个特征更能准确的反应真是人脸的特征，也使得整体的评估准确性得到进一步的提升。

具体的举例说明，如图2所示，所述图像活体辨识概率的确定的方法为：

通过HSV颜色模型分别获取所述面部图像在H维颜色通道、S维颜色通道、V维颜色通道的图像分量，并通过所述面部图像在H维颜色通道、S维颜色通道、V维颜色通道的图像分量进行所述面部图像在不同的颜色通道的图像分量的颜色矩的确定，根据所述面部图像在不同的颜色通道的颜色矩进行所述用户的面部图像的颜色活体辨识概率的确定，并根据所述用户的面部图像的颜色活体辨识概率确定所述用户是否为非活体，若是，则确认所述用户为非活体，若否，则进入下一步骤；

通过LBP算子进行所述面部图像在不同的颜色通道的图像分量的纹理特征的确定，通过所述面部图像在不同的颜色通道的纹理特征进行所述用户的面部图像的纹理活体辨识概率的确定，并根据所述用户的面部图像的纹理活体辨识概率确定所述用户是否为非活体，若是，则确认所述用户为非活体，若否，则进入下一步骤；

采用L-K光流法对所述用户的连续的多个面部图像之间的光流场得到多个光流幅值的变动量，并通过多个光流幅值的变动量进行所述用户的面部图像的光线活体辨识概率的确定，并根据所述用户的面部图像的光线活体辨识概率确定所述用户是否为非活体，若是，则确认所述用户为非活体，若否，则进入下一步骤；

获取所述用户的面部图像的获取帧数以及时间，并结合所述颜色活体辨识概率、纹理活体辨识概率以及光线活体辨识概率进行图像活体辨识概率的确定

具体的，所述用户的面部图像的颜色活体辨识概率确定所述用户是否为非活体，具体包括：

当所述用户的面部图像的颜色活体辨识概率小于预设概率时，则确定所述用户为非活体。

在另外一种可能的实施例中，如图3所示，所述图像活体辨识概率的确定的方法为：

当所述用户的面部图像的获取帧数以及时间均满足要求时，则通过所述颜色活体辨识概率、纹理活体辨识概率以及光线活体辨识概率的最小值进行所述图像活体辨识概率的确定；

当所述用户的面部图像的获取帧数以及时间任意一个未满足要求时，则通过所述面部图像的获取帧数以及时间进行所述用户的光线活体辨识概率的准确率的确定，并根据所述光线活体辨识概率的准确率以及所述光线活体辨识概率进行修正光线活体辨识概率的确定，通过所述用户的修正光线活体辨识概率、颜色活体辨识概率、纹理活体辨识概率进行所述图像活体辨识概率的确定。

可以理解的是，在通过所述颜色活体辨识概率、纹理活体辨识概率以及光线活体辨识概率的最小值进行所述图像活体辨识概率的确定时，当任一种的辨识概率明显较低时，此时需要讲明显较低的辨识概率进行剔除。

在本实施例中，通过综合考虑面部图像在不同的颜色通道的纹理特征、色彩特征以及光照变动情况，不仅考虑到真实人脸与虚假人脸在不同的颜色通道的纹理特征、色彩特征的差异，提升了纹理特征、色彩特征的提取的显著性，同时还考虑到面部图像的光照变动情况，实现了从时间维度对真人人脸的识别，进一步提升了真人人脸的识别可靠性。

S13控制所述金融自助服务终端向目标人脸发射声波信号并回收回波信号，并通过所述回波信号的解析结果进行目标人脸的不同部位的回波波形特征以及时间差的确定，通过所述回波波形特征以及时间差进行声波活体辨识概率的确定，并当所述声波活体辨识概率满足要求时，进入下一步骤；

具体的，所述声波信号的频率取值范围在人类所能听到的声波范围以外，具体的在20000HZ以上。

具体的举例说明，如图4所示，所述声波活体辨识概率的确定的方法为：

通过所述回波信号的解析结果确定所述回波信号是否存在时间差，若是，则进入下一步骤，若否，则确定声波活体辨识概率为零；

通过所述回波信号的时间差进行所述目标人脸的不同部位的回波信号的确定，并根据所述不同部位的回波信号进行所述目标人脸的不同部位的回波波形特征的提取得到波动频率以及振动幅值，判断所述目标人脸的不同部位的回波波形的波动频率以及振动幅值是否存在偏差，若是，则进入下一步骤，若否，则确定声波活体辨识概率为零；

根据所述目标人脸的不同部位的回波波形的波动频率以及振动幅值进行所述目标人脸的鼻部和眼部的回波波形的波动频率以及振动幅值的确定，并通过所述目标人脸的鼻部和眼部的回波波形的波动频率以及振动幅值进行声波活体辨识概率的确定。

在另外一种可能的实施例中，通过所述目标人脸的鼻部和眼部的回波波形的波动频率以及振动幅值进行声波活体辨识概率的确定时，还需要通过面部图像确定眼部是否发生过眨眼等情况，不根据用户的眨眼时刻的回波波形的波动频率以及振动幅值的辨识，提升辨识的准确性。

在另一种可能的实施例中，通过目标人脸的鼻部的回波波形的波动频率以及振动幅值进行目标人脸的鼻部的声波活体辨识概率的确定；

通过目标人脸的眼部的眨眼时刻和正常时刻的回波波形的波动频率以及振动幅值进行目标人脸的眼部的声波活体辨识概率的确定；

通过目标人脸的其它部位的回波波形的波动频率以及振动幅值进行目标人脸的其它部位的声波活体辨识概率的确定；

综合考虑目标人脸的鼻部的声波活体辨识概率、眼部的声波活体辨识概率以及其它部位的声波活体辨识概率进行声波活体辨识概率的确定。

需要说明的是，当任一种部位的声波活体辨识概率不满足要求时，则无需进行剩余的声波活体辨识概率的确定，直接输出不合格结果，并中止授信申请的处理。

需要说明的是，所述时间差根据人脸在反射所述回波信号时的不同部位的反射时间进行确定。

在本实施例中，通过所述回波波形特征以及时间差进行声波活体辨识概率的确定，不仅考虑到目标人脸的不同部位由于血管流动导致的回波波形特征的差异，同时也考虑到不同部位由于呼吸导致的回波波形特征的差异以及人脸不同部位的回波的反射的时间差，进一步提升了真人识别的可靠性。

S14基于预设周期进行多个周期的不同部位的回波波形特征以及活体辨识概率的确定，并结合所述声波活体辨识概率以及图像活体辨识概率进行活体辨识结果的确认，并根据所述活体辨识结果控制所述金融自助服务终端进行所述用户的授信申请处理。

具体的，基于预设周期进行多个周期的不同部位的回波波形特征以及活体辨识概率的确定，具体包括：

通过所述目标人脸的多个周期的不同部位的回波波形特征进行所述不同部位的回波波形的波动频率以及振动幅值的确定，并通过所述不同部位的不同周期的回波波形的波动频率以及振动幅值的变动量进行不变周期数量以及时间、变动周期数量以及时间的确定；

根据所述不同部位的不变周期数量以及时间、变动周期数量以及时间以及变动周期的波动频率以及振动幅值的变动量进行所述不同部位的活体辨识概率的确定；

通过所述不同部位的活体辨识概率进行正常部位的数量以及疑似问题部位的数量的确定，并结合正常部位以及疑似问题部位的活体辨识概率均值进行所述活体辨识概率的确定。

需要说明的是，基于预设周期进行多个周期的不同部位的回波波形特征以及活体辨识概率的确定，具体包括：

通过所述目标人脸的多个周期的不同部位的回波波形特征进行不同部位的活体辨识概率的确定，并判断所述不同部位的活体辨识概率的均值是否小于预设辨识概率，若是，则通过所述不同部位的活体辨识概率的最小值进行活体辨识概率的确定，若否，则进入下一步骤；

判断所述不同部位的活体辨识概率小于预设辨识概率的部位数量是否大于数量限定值，若是，则通过所述活体辨识概率小于预设辨识概率的部位的活体辨识概率的均值进行活体辨识概率的确定，若否，则进入下一步骤；

将活体辨识概率大于预设辨识概率的部位作为可信部位，根据所述可信部位的活体辨识概率的均值进行所述活体辨识概率的确定。

进一步的，所述活体辨识结果的确认的方法为：

当所述活体辨识概率满足要求时，则确定所述活体辨识结果为真；

当所述活体辨识概率不满足要求时，则通过所述不同部位的活体辨识概率不满足要求的部位数量以及活体辨识概率、声波活体辨识概率以及图像活体辨识概率进行活体辨识结果的确认。

在本实施例中，通过多个周期的不同部位的回波波形特征以及活体辨识概率的确定，充分考虑到不同部位的振动信号的周期性以及回波波形特征的周期性，实现了对不同部位的活体辨识概率的确定，减少了由于造假导致的资金受损的情况的出现。

实施例2

另一方面，如图5所示，本申请实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于金融自助服务终端的人脸识别方法。

其中上述的一种基于金融自助服务终端的人脸识别方法，具体包括:

基于预设指令控制金融自助服务终端获取用户的面部图像以及面部图像的人脸相似度，并当所述人脸相似度满足要求时，进入下一步骤;

获取所述面部图像在不同的颜色通道的纹理特征以及色彩特征，并结合所述用户的多个面部图像的光照变动情况进行图像活体辨识概率的确定，当所述图像活体辨识概率不满足要求时，进入下一步骤；

需要说明的是，当图像活体辨识概率满足要求时，无需通过声波进行用户的真人检测，直接输出辨识结果为真人的辨识结果。

通过所述回波信号的解析结果确定所述回波信号是否存在时间差，若是，则进入下一步骤，若否，则确定声波活体辨识概率为零；

通过所述回波信号的时间差进行所述目标人脸的不同部位的回波信号的确定，并根据所述不同部位的回波信号进行所述目标人脸的不同部位的回波波形特征的提取得到波动频率以及振动幅值，判断所述目标人脸的不同部位的回波波形的波动频率以及振动幅值是否存在偏差，若是，则进入下一步骤，若否，则确定声波活体辨识概率为零；

通过目标人脸的鼻部的回波波形的波动频率以及振动幅值进行目标人脸的鼻部的声波活体辨识概率的确定；

通过目标人脸的眼部的眨眼时刻和正常时刻的回波波形的波动频率以及振动幅值进行目标人脸的眼部的声波活体辨识概率的确定；

通过目标人脸的其它部位的回波波形的波动频率以及振动幅值进行目标人脸的其它部位的声波活体辨识概率的确定；

综合考虑目标人脸的鼻部的声波活体辨识概率、眼部的声波活体辨识概率以及其它部位的声波活体辨识概率进行声波活体辨识概率的确定，并当声波活体辨识概率满足要求时，进入下一步骤；

可以理解的是，当用户的声波活体辨识概率不满足要求时，则直接输出不为真人的辨识结果，中止授信申请处理。

基于预设周期进行多个周期的不同部位的回波波形特征以及活体辨识概率的确定，并结合所述声波活体辨识概率以及图像活体辨识概率进行活体辨识结果的确认，并根据所述活体辨识结果控制所述金融自助服务终端进行所述用户的授信申请处理。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (11)

1.一种基于金融自助服务终端的人脸识别方法，其特征在于，具体包括：

基于预设指令控制金融自助服务终端获取用户的面部图像以及面部图像的人脸相似度，并当所述人脸相似度满足要求时，进入下一步骤;

获取所述面部图像在不同的颜色通道的纹理特征以及色彩特征，并结合所述用户的多个面部图像的光照变动情况进行图像活体辨识概率的确定，当所述图像活体辨识概率不满足要求时，进入下一步骤；

控制所述金融自助服务终端向目标人脸发射声波信号并回收回波信号，并通过所述回波信号的解析结果进行目标人脸的不同部位的回波波形特征以及时间差的确定，通过所述回波波形特征以及时间差进行声波活体辨识概率的确定，并当所述声波活体辨识概率满足要求时，进入下一步骤；

基于预设周期进行多个周期的不同部位的回波波形特征以及活体辨识概率的确定，并结合所述声波活体辨识概率以及图像活体辨识概率进行活体辨识结果的确认，并根据所述活体辨识结果控制所述金融自助服务终端进行所述用户的授信申请处理。

2.如权利要求1所述的基于金融自助服务终端的人脸识别方法，其特征在于，所述面部图像的人脸相似度根据所述面部图像与所述用户的预留面部图像的相似度进行确定，并当所述面部图像的人脸相似度大于预设值时，则确定所述面部图像的人脸相似度满足要求。

3.如权利要求1所述的基于金融自助服务终端的人脸识别方法，其特征在于，所述颜色通道根据所述HSV颜色模型或者RGB颜色模型进行搭建。

4.如权利要求1所述的基于金融自助服务终端的人脸识别方法，其特征在于，所述图像活体辨识概率的确定的方法为：

通过HSV颜色模型分别获取所述面部图像在H维颜色通道、S维颜色通道、V维颜色通道的图像分量，并通过所述面部图像在H维颜色通道、S维颜色通道、V维颜色通道的图像分量进行所述面部图像在不同的颜色通道的图像分量的颜色矩的确定，根据所述面部图像在不同的颜色通道的颜色矩进行所述用户的面部图像的颜色活体辨识概率的确定，并根据所述用户的面部图像的颜色活体辨识概率确定所述用户是否为非活体，若是，则确认所述用户为非活体，若否，则进入下一步骤；

通过LBP算子进行所述面部图像在不同的颜色通道的图像分量的纹理特征的确定，通过所述面部图像在不同的颜色通道的纹理特征进行所述用户的面部图像的纹理活体辨识概率的确定，并根据所述用户的面部图像的纹理活体辨识概率确定所述用户是否为非活体，若是，则确认所述用户为非活体，若否，则进入下一步骤；

采用L-K光流法对所述用户的连续的多个面部图像之间的光流场得到多个光流幅值的变动量，并通过多个光流幅值的变动量进行所述用户的面部图像的光线活体辨识概率的确定，并根据所述用户的面部图像的光线活体辨识概率确定所述用户是否为非活体，若是，则确认所述用户为非活体，若否，则进入下一步骤；

获取所述用户的面部图像的获取帧数以及时间，并结合所述颜色活体辨识概率、纹理活体辨识概率以及光线活体辨识概率进行图像活体辨识概率的确定。

5.如权利要求4所述的基于金融自助服务终端的人脸识别方法，其特征在于，所述用户的面部图像的颜色活体辨识概率确定所述用户是否为非活体，具体包括：

当所述用户的面部图像的颜色活体辨识概率小于预设概率时，则确定所述用户为非活体。

6.如权利要求1所述的基于金融自助服务终端的人脸识别方法，其特征在于，所述图像活体辨识概率的确定的方法为：

当所述用户的面部图像的获取帧数以及时间均满足要求时，则通过所述颜色活体辨识概率、纹理活体辨识概率以及光线活体辨识概率的最小值进行所述图像活体辨识概率的确定；

当所述用户的面部图像的获取帧数以及时间任意一个未满足要求时，则通过所述面部图像的获取帧数以及时间进行所述用户的光线活体辨识概率的准确率的确定，并根据所述光线活体辨识概率的准确率以及所述光线活体辨识概率进行修正光线活体辨识概率的确定，通过所述用户的修正光线活体辨识概率、颜色活体辨识概率、纹理活体辨识概率进行所述图像活体辨识概率的确定。

7.如权利要求1所述的基于金融自助服务终端的人脸识别方法，其特征在于，所述声波信号的频率取值范围在人类所能听到的声波范围以外，具体的在20000HZ以上。

8.如权利要求1所述的基于金融自助服务终端的人脸识别方法，其特征在于，所述声波活体辨识概率的确定的方法为：

通过所述回波信号的解析结果确定所述回波信号是否存在时间差，若是，则进入下一步骤，若否，则确定声波活体辨识概率为零；

通过所述回波信号的时间差进行所述目标人脸的不同部位的回波信号的确定，并根据所述不同部位的回波信号进行所述目标人脸的不同部位的回波波形特征的提取得到波动频率以及振动幅值，判断所述目标人脸的不同部位的回波波形的波动频率以及振动幅值是否存在偏差，若是，则进入下一步骤，若否，则确定声波活体辨识概率为零；

根据所述目标人脸的不同部位的回波波形的波动频率以及振动幅值进行所述目标人脸的鼻部和眼部的回波波形的波动频率以及振动幅值的确定，并通过所述目标人脸的鼻部和眼部的回波波形的波动频率以及振动幅值进行声波活体辨识概率的确定。

9.如权利要求1所述的基于金融自助服务终端的人脸识别方法，其特征在于，所述时间差根据人脸在反射所述回波信号时的不同部位的反射时间进行确定。

10.如权利要求1所述的基于金融自助服务终端的人脸识别方法，其特征在于，基于预设周期进行多个周期的不同部位的回波波形特征以及活体辨识概率的确定，具体包括：

通过所述目标人脸的多个周期的不同部位的回波波形特征进行不同部位的活体辨识概率的确定，并判断所述不同部位的活体辨识概率的均值是否小于预设辨识概率，若是，则通过所述不同部位的活体辨识概率的最小值进行活体辨识概率的确定，若否，则进入下一步骤；

判断所述不同部位的活体辨识概率小于预设辨识概率的部位数量是否大于数量限定值，若是，则通过所述活体辨识概率小于预设辨识概率的部位的活体辨识概率的均值进行活体辨识概率的确定，若否，则进入下一步骤；

将活体辨识概率大于预设辨识概率的部位作为可信部位，根据所述可信部位的活体辨识概率的均值进行所述活体辨识概率的确定。

11.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-10任一项所述的一种基于金融自助服务终端的人脸识别方法。