CN117636485A - 一种检测方法、装置、电子设备及存储介质 - Google Patents
一种检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117636485A CN117636485A CN202311694931.1A CN202311694931A CN117636485A CN 117636485 A CN117636485 A CN 117636485A CN 202311694931 A CN202311694931 A CN 202311694931A CN 117636485 A CN117636485 A CN 117636485A
- Authority
- CN
- China
- Prior art keywords
- image
- watermark
- detection result
- eye
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 299
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000009471 action Effects 0.000 claims abstract description 30
- 210000001508 eye Anatomy 0.000 claims description 144
- 210000005252 bulbus oculi Anatomy 0.000 claims description 48
- 230000008569 process Effects 0.000 description 13
- 230000033001 locomotion Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 5
- 210000003128 head Anatomy 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000004397 blinking Effects 0.000 description 4
- 230000001502 supplementing effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本申请提供了一种检测方法、装置、电子设备及存储介质;所述方法包括:通过屏幕展示第一指令,以使被测对象根据所述第一指令执行第一特定动作;在所述被测对象执行第一特定动作的情况下,在所述屏幕的第一位置展示水印,并获取屏幕在第一位置展示水印时所述被测对象的第一图像;将所述水印由所述第一位置移动至第二位置,并获取所述水印由所述第一位置移动至所述第二位置时所述被测对象的第二图像;对所述第一图像和所述第二图像进行眼部检测,得到所述第一图像对应的第一眼部检测结果和所述第二图像对应的第二眼部检测结果;根据所述第一眼部检测结果和所述第二眼部检测结果,确定所述被测对象是否为活体。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种检测方法、装置、电子设备及存储介质。
背景技术
活体检测技术能够抵御各种假脸的攻击,为人脸识别提供辅助。在人脸识别的完整链路中,通常需要先确认目标为真实人脸(即活体检测),之后才会进入识别环节。活体检测是一种验证被测对象身份时确定验证对象真实生理特征的方法,当前活体检测方法主要为通过验证被测对象眨眼、张嘴、摇头、点头等特定动作,检测是否为活体,但随着屏幕翻拍、视频造假、AI换脸等欺骗方式出现,目前的活体检测方式很容易被这些欺骗方式通过活体检测,活体检测的准确率较低。
发明内容
本申请实施例提供了一种检测方法、装置、电子设备及存储介质。
根据本申请的第一方面,提供了一种检测方法,该方法包括:通过屏幕展示第一指令,以使被测对象根据所述第一指令执行第一特定动作;在所述被测对象执行第一特定动作的情况下,在所述屏幕的第一位置展示水印,并获取屏幕在第一位置展示水印时所述被测对象的第一图像;将所述水印由所述第一位置移动至第二位置,并获取所述水印由所述第一位置移动至所述第二位置时所述被测对象的第二图像;对所述第一图像和所述第二图像进行眼部检测,得到所述第一图像对应的第一眼部检测结果和所述第二图像对应的第二眼部检测结果;根据所述第一眼部检测结果和所述第二眼部检测结果,确定所述被测对象是否为活体。
根据本申请一实施方式,在所述通过屏幕展示第一指令之前,所述方法还包括:在所述屏幕展示第二指令,以使所述被测对象响应于所述第二指令执行第二特定动作;获取所述屏幕展示所述第二指令时所述被测对象的检测图像;在所述检测图像符合设定条件的情况下,通过所述屏幕展示第一指令。
根据本申请一实施方式,所述第一眼部检测结果包括所述第一图像对应的第一眼球检测结果和第一水印检测结果,所述第二眼部检测结果包括所述第二图像对应的第二眼球检测结果和第二水印检测结果;相应的,对所述第一图像和所述第二图像进行眼部检测,包括:对所述第一图像和所述第二图像进行人脸检测,得到所述第一图像对应的第一人脸图像和所述第二图像对应的第二人脸图像;对所述第一人脸图像和所述第二人脸图像进行眼球检测,得到所述第一图像对应的第一眼球检测结果和所述第二图像对应的第二眼球检测结果;对所述第一眼球图像和所述第二眼球图像分别进行水印检测,得到第一图像对应的第一水印检测结果和所述第二图像对应的第二水印检测结果。
根据本申请一实施方式,所述根据所述第一眼部检测结果和所述第二眼部检测结果,确定所述被测对象是否为活体,包括:在所述第一眼部检测结果和/或所述第二眼部检测结果不符合设定检测条件的情况下,确定所述被测对象不是活体。
根据本申请一实施方式,所述第一眼球检测结果包括所述第一图像对应的第一眼球中心信息,所述第二眼球检测结果包括所述第二图像对应的第二眼球中心信息;所述第一水印检测结果包括所述第一图像对应的第一水印中心信息,所述第二水印检测结果包括所述第二图像对应的第二水印中心信息。
根据本申请一实施方式,所述根据所述第一眼部检测结果和所述第二眼部检测结果,确定所述被测对象是否为活体,包括:根据所述第一眼球中心信息和所述第一水印中心信息,确定第一眼球中心与第一水印中心的第一距离;根据所述第二眼球中心信息和所述第二水印中心信息,确定第二眼球中心与第二水印中心的第二距离;根据所述第一距离和所述第二距离的匹配度,确定所述被测对象是否为活体。
根据本申请一实施方式,所述第一眼部检测结果还包括所述第一图像对应的第一眼部长度,所述第二眼部检测结果还包括所述第二图像对应的第二眼部长度;相应的,根据所述第一距离和所述第二距离的匹配度,确定所述被测对象是否为活体,包括:根据所述第一距离和所述第一眼部长度,确定第一参数;根据所述第二距离和所述第二眼部长度,确定第二参数;根据所述第一参数和第二参数,确定检测参数;在所述检测参数符合设定参数阈值的情况下,确定所述被测对象为活体;在所述检测参数不符合设定参数阈值的情况下,确定所述被测对象不为活体。
根据本申请的第二方面,提供了一种检测装置,该装置包括:第一展示模块,用于通过屏幕展示第一指令,以使被测对象根据所述第一指令执行第一特定动作;第一获取模块,用于在所述被测对象执行第一特定动作的情况下,在所述屏幕的第一位置展示水印,并获取屏幕在第一位置展示水印时所述被测对象的第一图像;第二获取模块,用于将所述水印由所述第一位置移动至第二位置,并获取所述水印由所述第一位置移动至所述第二位置时所述被测对象的第二图像;第一检测模块,用于对所述第一图像和所述第二图像进行眼部检测,得到所述第一图像对应的第一眼部检测结果和所述第二图像对应的第二眼部检测结果;确定模块,用于根据所述第一眼部检测结果和所述第二眼部检测结果,确定所述被测对象是否为活体。
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。
本申请实施例的方法,通过屏幕展示第一指令,以使被测对象根据所述第一指令执行第一特定动作;在所述被测对象执行第一特定动作的情况下,在所述屏幕展示水印信息,并获取展示水印信息时所述被测对象的第一图像,所述水印信息包括背景以及处于所述背景上的第一位置的图案;将所述图案由所述第一位置移动至所述设定背景的第二位置,并获取所述图案由所述第一位置移动至所述第二位置时所述被测对象的第二图像;根据所述第一图像和所述第二图像,对所述被测对象进行活体检测,得到活体检测结果。利用了真假用户对水印的反射差异以及对水印移动的反应差异,显著提高了对照片、视频等造假方式的检测,提高了活体检测的准确率。
需要理解的是,本申请的教导并不需要实现上面所述的全部有益效果,而是特定的技术方案可以实现特定的技术效果,并且本申请的其他实施方式还能够实现上面未提到的有益效果。
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提供的检测方法的实现流程示意图;
图2示出了本申请实施例提供的检测方法的眼部检测方法的实现流程示意图;
图3示出了本申请实施例提供的检测方法的活体检测方法的实现流程图示意图;
图4示出了本申请实施例提供的检测装置的组成结构示意图;
图5示出了本申请实施例提供的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提供的检测方法的实现流程示意图。
参考图1,本申请实施例提供了一种检测方法,该方法包括:操作101,通过屏幕展示第一指令,以使被测对象根据第一指令执行第一特定动作;操作102,在被测对象执行第一特定动作的情况下,在屏幕的第一位置展示水印,并获取屏幕在第一位置展示水印时被测对象的第一图像;操作103,将水印由第一位置移动至第二位置,并获取水印由第一位置移动至第二位置时被测对象的第二图像;操作104,对第一图像和第二图像进行眼部检测,得到第一图像对应的第一眼部检测结果和第二图像对应的第二眼部检测结果;操作105,根据第一眼部检测结果和第二眼部检测结果,确定被测对象是否为活体。
在操作101中,通过屏幕展示第一指令,以使被测对象根据第一指令执行第一特定动作。
具体的,随着移动互联网的发展,类似于移动支付、登录、解锁、身份核验等相关的人脸识别场景在各大互联网领域被广泛的运用,在该场景下人脸识别的初始操作即为确定被测对象是否为活体。其中,被测对象为活体的情况下通常指代用户。
通常活体检测可以应用于终端设备下的各种软件或网站,终端设备可以为手表、手机、平板以及电脑等各种终端设备,需要进行活体检测时,首先需要保证被测对象处于可检测范围内。由此,在开始活体检测之前,需要引导被测对象靠近执行活体检测的终端并保持睁眼状态,其中,第一指令可以包括靠近指令和睁眼指令,第一特定动作可以为靠近和睁眼。
在操作102中,在被测对象执行第一特定动作的情况下,在屏幕的第一位置展示水印,并获取屏幕在第一位置展示水印时被测对象的第一图像。
具体的,确定被测对象在可检测范围内时,在执行活体检测的终端的屏幕上的第一位置展示水印。其中,在进行展示时,屏幕的背景可以配置为纯色背景,以使水印反射至被测对象时更容易被检测出。
在本申请一实施方式中,在第一位置对水印进行展示,可视为,在屏幕的第一位置展示水印,并引导被测对象看向水印。水印可以包括但不限于图案、图形、文字等可以用作水印的对象。
在展示水印时,如果被测对象为活体的情况下,水印能够被反射到被测对象的眼睛,具体为眼球的某个区域。在水印在第一位置展示时,采集被测对象的第一图像,即可通过第一图像记录水印是否被反射到被测对象的眼睛上。
在操作103中,将水印由第一位置移动至第二位置,并获取水印由第一位置移动至第二位置时被测对象的第二图像。
具体的,当水印移动时候,水印的反射点会向水印方向移动,同时,如果被测对象为人体,眼球也会跟随移动。由此为更加准确的确定被测对象对水印的反应,还对水印进行移动,即将水印由第一位置移动到第二位置,之后获取移动时的第二图像。其中,第二图像可以为在移动中间过程获取的,也可以为在移动到第二位置后获取的,第一位置可以为屏幕的中间,第二位置可以为屏幕边缘的四个角之一的位置。
在操作104中,对第一图像和第二图像进行眼部检测,得到第一图像对应的第一眼部检测结果和第二图像对应的第二眼部检测结果。
具体的,活体对水印进行观看时,水印通常反射于活体的眼睛上,即眼部,而如果被测对象不为活体,例如照片或视频,通常水印不会进行反射。由此,在获取到第一图像和第二图像的情况下,需要检测第一图像和第二图像的眼部,得到第一眼部检测结果和第二眼部检测结果。
第一眼部检测结果可以示出第一图像中眼部信息,第二眼部检测结果可以示出第二图像中眼部信息。眼部信息可以示出眼部的坐标、眼部的水印等信息。
在操作105中,根据第一眼部检测结果和第二眼部检测结果,确定被测对象是否为活体。
具体的,根据水印反射的原理,如果被测对象为活体,则被测对象眼部存在水印且移动后水印在眼部内的位置也发生移动。由此,可以通过检测第一图像和第二图像的眼部,根据眼部检测结果示出的眼部信息确定被测对象是否为活体。例如,在第一图像的眼部存在水印且第二图像的眼部存在水印且水印位置发生移动的情况下,确定被测对象为活体,而如果第一图像和第二图像的其中之一未检测到水印,即确定被测对象不是活体。
由此,本申请实施例利用水印在眼部反射的原理,检测水印在第一位置时的第一图像以及水印移动时的第二图像,之后基于对第一图像和第二图像的眼部检测,确定被测对象是否为活体,能够显著提高对照片、视频等造假方式的检测,提高活体检测的准确率。
在本申请一实施方式中,在操作101之前,还进行初步监测,初步检测可以为动作检测,以通过动作检测确定被测对象是否为能动的对象。具体为,在屏幕展示第二指令,以使被测对象响应于第二指令执行第二特定动作,获取屏幕展示第二指令时被测对象的检测图像,最后在检测图像符合设定条件的情况下,通过屏幕展示第一指令。
具体的,在开启活体检测后,可以通过展示第二指令的方式,引导用户进入活体动作检测流程,执行眨眼、张嘴等第二特定动作,并采集照片,即检测图像,确定检测图像是否符合设定条件,在符合设定条件的情况下再进行第一指令的展示。
设定条件可以被配置为,检测图像中的被测对象的动作与第二特定动作相同。
图2示出了本申请实施例提供的检测方法的眼部检测方法的实现流程示意图。
参考图2,在本申请一实施方式中,第一眼部检测结果包括第一图像对应的第一眼球检测结果和第一水印检测结果,第二眼部检测结果包括第二图像对应的第二眼球检测结果和第二水印检测结果,相应的,上述操作104,对第一图像和第二图像进行眼部检测,可以包括:操作201,对第一图像和第二图像进行人脸检测,得到第一图像对应的第一人脸图像和第二图像对应的第二人脸图像;操作201,对第一人脸图像和第二人脸图像进行眼球检测,得到第一图像对应的第一眼球检测结果和第二图像对应的第二眼球检测结果;操作203,对第一眼球图像和第二眼球图像分别进行水印检测,得到第一图像对应的第一水印检测结果和第二图像对应的第二水印检测结果。
具体的,水印移动时,如果被测对象为活体,不仅水印的反射位置发生移动,眼球也随着水印进行移动。
在操作201中,对第一图像和第二图像进行人脸检测,得到第一图像对应的第一人脸图像和第二图像对应的第二人脸图像。
具体的,对眼球的检测需要基于人脸才能够更准确,因此,首先对第一图像和第二图像进行人脸检测,得到第一人脸图像和第二人脸图像。
在本申请一实施方式中,可以采用常用的人脸分割方法或人脸分割模型进行人脸检测,本申请不作限定,在此不再赘述。
在本申请一实施方式中,采用开源的SCRFD(Sparse Convolutional RegressionFace Detector,人脸检测算法),又称人脸检测模型,进行人脸检测,分割出第一图像和第二图像中的人脸区域,人脸区域即人脸图像。
具体的,SCRFD是一种高效的人脸检测算法,其原理主要包括以下几个方面:特征提取,SCRFD采用了稀疏卷积,用于在多个尺度上提取人脸特征,这种卷积方式在卷积核内只有少数几个非零元素,可以显著减少计算量;特征融合,SCRFD在不同尺度上提取的特征进行融合,包括采用FPN(Feature Pyramid Network,目标检测)来整合不同尺度的特征,并使用注意力机制来强调重要的特征;检测头,SCRFD采用Anchor-Free(关键点检测)的方式进行人脸检测,不需要预定义Anchor Box(锚框),而是通过密集的密度回归点来预测人脸框的位置和大小,同时,SCRFD使用了IoU-Net来预测检测框和真实值之间的交并比,用于修正检测框的位置和大小。
且经验证,使用了Wider Face(人脸检测)数据集进行训练的SCRFD在人脸检测上表现良好,故可以使用SCRFD对第一图像和第二图像中的人脸区域进行分割,得到第一人脸图像和第二人脸图像。
在操作201中,对第一人脸图像和第二人脸图像进行眼球检测,得到第一图像对应的第一眼球检测结果和第二图像对应的第二眼球检测结果。
具体的,在得到人脸图像后,需要检测人脸图像中的眼球区域,得到眼球检测结果。其中,眼球检测结果可以包括眼球坐标信息,例如眼球中心坐标等。
在本申请一实施方式中,可以通过常用的关键点检测算法或模型对眼球进行检测,具体过程可参考常规对人脸进行眼球检测的方式,本申请不作具体限定,在此不再赘述。
在操作203中,对第一眼球图像和第二眼球图像分别进行水印检测,得到第一图像对应的第一水印检测结果和第二图像对应的第二水印检测结果。
具体的,为确定水印在眼部的反射是否随着水印的移动进行了移动,还需对第一图像和第二图像中水印进行检测,得到水印检测结果。其中,水印检测结果可以包括水印坐标信息,例如水印中心点的坐标等。
进一步的,可以通过常用的目标检测算法或目标检测模型进行水印检测,在此不再赘述。优选的,可以提前训练一个水印检测模型,通过水印检测模型检测水印,可以获取大量的含水印的训练图像,将未标记水印的训练图像作为模型输入,将对应的已对水印进行标记的训练图像作为模型输出,训练水印检测模型。模型训练过程可以参考常规的神经网络模型训练过程,在此不再赘述。
在本申请一实施方式中,使用SCRDet(小目标检测算法),又称旋转目标检测模型,进行水印检测。
具体的,SCRDet是一种基于YOLOv5的小目标检测算法,主要提出了一种空间交叉重排和多级特征融合的方法,以提高小目标检测的准确性。其基本原理如下:
空间交叉重排,空间交叉重排(Spatially-Cross-Reordering,SCR)是一种通过将网络特征向量重排并重新组合以促进特征匹配的方法,SCR通过按照既定的规则,首先将特征通道分组,然后将不同通道的线性组合结果重新排列,最后再将通道按照一定规则重组,从而使得特征映射中的空间和通道信息交叉起来,提高了特征提取的鲁棒性和可靠性;
多级特征融合,为了准确地检测不同尺度的小目标,SCRDet在不同层次进行多级特征融合,具体而言,SCRDet在YOLOv5-lite的CSPDarkn et53网络结构中的3个层级上进行特征融合和后续处理,从而获得了不同层次和不同尺度的特征金字塔;
分离式检测头,为了进一步提高小目标检测的准确性,SCRDet使用了分离式检测头,其中分类和回归任务由不同的神经网络模块完成,这种分离式方式可以在保持检测速度的同时,提高检测准确性。
由此,本申请通过SCRDet进行水印检测,需要说明的是,通过SCR Det进行水印检测的过程,可以参考SCRDet的常规检测过程,在此不再赘述。
由此,通过对水印和眼球的双重检测,能够更准确的识别被测对象是否为活体。
在本申请一实施方式中,在操作105中,如果第一眼部检测结果和第二眼部检测结果的任一个不符合设定检测条件,即确定被检测对象不为活体。
具体的,在眼部检测结果中不能检测到水印的情况下,确定被测对象不是活体。
在本申请一实施方式中,第一眼球检测结果包括第一图像对应的第一眼球中心信息,第二眼球检测结果包括第二图像对应的第二眼球中心信息;第一水印检测结果包括第一图像对应的第一水印中心信息,第二水印检测结果包括第二图像对应的第二水印中心信息。
具体的,第一眼球中心信息可以为第一眼球中心坐标,第二眼球信息可以为第二眼球坐标,第一水印信息可以为第一水印坐标,第二水印信息可以为第二水印坐标。
在本申请这一实施方式中,在操作202,第一眼球中心信息和第二眼球中心信息,可以通过使用instrumented-landmark(基于人脸关键点检测的技术)进行眼球检测得到。
具体的,instrumented-landmark在进行眼球检测的过程中,使用形状预测器来识别人脸的关键点,然后结合远近比例和遮挡等信息,通过计算进行眼球中心的确定,具体眼球检测过程可参考instrumented-landmark进行检测的常规过程,在此不再赘述。
如此,通过获取水印中心和眼球中心,进行第一图像和第二图像的对比,能够更精确的捕捉水印移动过程中,眼球对于水印的反应,提高活体检测的准确率。
图3示出了本申请实施例提供的检测方法的活体检测方法的实现流程图示意图。
参考图3,在本申请一实施方式中,操作105,根据第一眼部检测结果和第二眼部检测结果,确定被测对象是否为活体,具体包括:操作301,根据第一眼球中心信息和第一水印中心信息,确定第一眼球中心与第一水印中心的第一距离;操作302,根据第二眼球中心信息和第二水印中心信息,确定第二眼球中心与第二水印中心的第二距离;操作303,根据第一距离和第二距离的匹配度,确定被测对象是否为活体。
在操作301中,根据第一眼球中心信息和第一水印中心信息,确定第一眼球中心与第一水印中心的第一距离。
当水印移动时,水印的反射点会向水印方向移动,真实活体人的眼球也会跟随移动,相应的眼球中心点随之向水印方向移动,此种条件下,眼球中心点和水印中心点之间的距离呈现出相对稳定在相对小范围内波动的特性。而与之相反,假活体在眼球不能跟随移动,此种情况下,瞳孔中心点和水印中心点距离会被自然拉开。
因此,可以通过判断第一图像和第二图像对应的水印中心和眼球中心的距离是否保持在设定范围,进行被测对象是否为活体的判定。
具体的,获取第一图像中第一眼球中心与第一水印中心的第一距离。
在操作302中,根据第二眼球中心信息和第二水印中心信息,确定第二眼球中心与第二水印中心的第二距离。
具体的,确定第一图像对应的第一距离后,确定第二图像中第二眼球中心与第二水印中心的第二距离。
在操作303中,根据第一距离和第二距离的匹配度,确定被测对象是否为活体。
具体的,匹配度可以为第一距离和第二距离的波动值,即差值,通过判断匹配度是否在设定匹配范围内确定被测对象是否为活体。其中,设定匹配范围可以根据具体需求进行设定,例如对活体检测的精确度,在精确度要求较高的情况下,设定匹配范围设置的小些,反之则大些。
在本申请一实施方式中,第一眼部检测结果还包括第一图像对应的第一眼部长度,第二眼部检测结果还包括第二图像对应的第二眼部长度;相应的,操作303,第一距离和第二距离的匹配度,确定被测对象是否为活体,具体包括:根据第一距离和第一眼部长度,确定第一参数;根据第二距离和第二眼部长度,确定第二参数;根据第一参数和第二参数,确定检测参数;在检测参数符合设定阈值的情况下,确定被测对象为活体;在检测参数不符合设定阈值的情况下,确定被测对象不为活体。
具体的,为了更准确的确定第一距离和第二距离之间的波动值,在眼部检测过程中还检测眼部的长度,即眼睛的长度,得到第一图像对应的第一眼部长度和第二图像对应的第二眼部长度。
之后通过第一距离和第一眼部长度确定第一参数,具体为,确定第一距离与第一眼部长度的比值。根据第二距离和第二眼部长度确定第二参数,即第二距离与第二眼部长度的比值。
通过计算第一参数和第二参数之差的绝对值,即检测参数,并判断检测参数是否符合预设的设定参数阈值,确定被测对象是否为活体。在检测符合设定参数阈值时,判定为假,反之,判定为真。
在本申请这一实施方式中,还进行深度检测方差判定,在判定为真后,获取第一图像或第二图像中的人脸的景深信息,通过景深信息计算方差,在方差大于设定阈值的情况下,判定活体检测成功,否则判定活体检测失败。
具体的,为应对镜面反光等的欺诈场景,还获取人脸的景深信息,即人脸存在的特征,例如鼻子与嘴之间的距离、眼睛的长度范围等,之后计算方差,基于方差是否大于设定方差阈值判断活体是否检测成功。其中,方差大于设定方差阈值则说明被测对象的特征符合正常人脸的特征,活体检测成功,反之失败。设定阈值可以根据实际需求进行设定,本申请不作限定。
如此,在判定活体为真的情况下,还通过识别被测对象是否存在人脸的基本的特征,再次对被测对象是否为活体进行验证,能够充分应对镜面反光的欺诈场景,提高活体检测的准确率。
为有助于理解本申请的方案,下面以一具体应用示例对本申请的方案进行说明。
本申请这一具体应用示例包括:
S1,检测到用户开启活体检测的指令后,进行补光,进入补光状态。
S2,在补光状态下,引导用户进入活体动作检测流程,如眨眼、张嘴,动作检测成功进入S3。
具体的,进行眨眼、张嘴等动作测试,初步判定用户为活体。
S3,引导用户靠近屏幕,水印开启,首次采集用户水印照片。
引导用户靠近屏幕,屏幕补光,开启水印,判断用户是否正对屏幕,是否睁眼,首次采集第一张用户水印照片。其中,首次采集的用户水印照片即第一图像,具体过程可参考操作102,在此不再赘述。
S4,水印随机到边缘,二次采集用户水印照片。
具体的,将水印消失随机展现在边缘四个角之一,判断用户是否正对屏幕,是否睁眼,采集第二张用户水印照片。其中,第二张用户水印照片即第二图像,具体过程参考操作103,在此不再赘述。
S5,进行水印与瞳孔距离综合判定。
具体的,判断水印中心和瞳孔中心在第一张用户水印照片和第二张用户水印照片中的第一距离和第二距离,并确定第一距离与第一张用户水印照片中第一眼睛长度的比值以及第二距离与第二张用户水印照片中第二眼睛长度的比值,根据比值确定用户是否为活体。
具体过程可参考图2-3的相关描述,在此不再赘述。
S6,返回鉴定结果,完成活体判断过程。
具体的,返回被测对象是否为活体的判断结果。
由此,本申请这一具体应用示例利用水印在眼部反射的原理,检测水印在第一位置时的第一图像以及水印移动时的第二图像,之后基于对第一图像和第二图像的眼部检测,确定被测对象是否为活体,能够显著提高对照片、视频等造假方式的检测,提高活体检测的准确率。
需要说明的是,本申请这一具体应用示例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果,因此不做赘述。对于本申请实施例提供的这一具体应用示例中未尽的技术细节,可以根据图1至图3中任一附图的说明而理解。
图4示出了本申请实施例提供的检测装置的组成结构示意图。
参考图4,基于上述检测方法,本申请并还提供了一种检测装置,该装置包括:第一展示模块401,用于通过屏幕展示第一指令,以使被测对象根据第一指令执行第一特定动作;第一获取模块402,用于在被测对象执行第一特定动作的情况下,在屏幕的第一位置展示水印,并获取屏幕在第一位置展示水印时被测对象的第一图像;第二获取模块403,用于将水印由第一位置移动至第二位置,并获取水印由第一位置移动至第二位置时被测对象的第二图像;第一检测模块404,用于对第一图像和第二图像进行眼部检测,得到第一图像对应的第一眼部检测结果和第二图像对应的第二眼部检测结果;确定模块405,用于根据第一眼部检测结果和第二眼部检测结果,确定被测对象是否为活体。
在本申请一实施方式中,该装置还包括:第二展示模块,用于在屏幕展示第二指令,以使被测对象响应于第二指令执行第二特定动作;第三获取模块,用于获取屏幕展示第二指令时被测对象的检测图像;在检测图像符合设定条件的情况下,通过屏幕展示第一指令。
在本申请一实施方式中,第一眼部检测结果包括第一图像对应的第一眼球检测结果和第一水印检测结果,第二眼部检测结果包括第二图像对应的第二眼球检测结果和第二水印检测结果;相应的,第一检测模块404包括:第一检测子模块,用于对第一图像和第二图像进行人脸检测,得到第一图像对应的第一人脸图像和第二图像对应的第二人脸图像;第二检测子模块,用于对第一人脸图像和第二人脸图像进行眼球检测,得到第一图像对应的第一眼球检测结果和第二图像对应的第二眼球检测结果;第三检测子模块,用于对第一眼球图像和第二眼球图像分别进行水印检测,得到第一图像对应的第一水印检测结果和第二图像对应的第二水印检测结果。
在本申请一实施方式中,确定模块405用于在第一眼部检测结果和/或第二眼部检测结果不符合设定检测条件的情况下,确定被测对象不是活体。
在本申请一实施方式中,确定模块405包括:第一确定子模块,用于根据第一眼球中心信息和第一水印中心信息,确定第一眼球中心与第一水印中心的第一距离;第二确定子模块,用于根据第二眼球中心信息和第二水印中心信息,确定第二眼球中心与第二水印中心的第二距离;第三确定子模块,用于根据第一距离和第二距离的匹配度,确定被测对象是否为活体。
在本申请一实施方式中,第一眼部检测结果还包括第一图像对应的第一眼部长度,第二眼部检测结果还包括第二图像对应的第二眼部长度;相应的,第三确定子模块包括:第一确定单元,用于根据第一距离和第一眼部长度,确定第一参数;第二确定单元,用于根据第二距离和第二眼部长度,确定第二参数;第三确定单元,用于根据第一参数和第二参数,确定检测参数;第四确定单元用于在检测参数符合设定参数阈值的情况下,确定被测对象为活体;在检测参数不符合设定参数阈值的情况下,确定被测对象不为活体。
需要说明的是,本申请实施例装置的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果,因此不做赘述。对于本申请实施例提供的检测装置中未尽的技术细节,可以根据图1至图3中任一附图的说明而理解。
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非瞬时计算机可读存储介质。
图5示出了可以用来实施本申请的实施例的示例电子设备50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5所示,电子设备50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,还可存储电子设备50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。
电子设备50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允许电子设备50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,例如检测方法。例如,在一些实施例中,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/或安装到电子设备50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。
为了提供与被测对象的交互,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:用于向被测对象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),被测对象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被测对象的交互;例如,提供给被测对象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)来接收来自被测对象的输入。
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,具有图形被测对象界面或者网络浏览器的被测对象计算机,被测对象可以通过该图形被测对象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,本申请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。
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)
1.一种检测方法,其特征在于,所述方法包括:
通过屏幕展示第一指令,以使被测对象根据所述第一指令执行第一特定动作;
在所述被测对象执行第一特定动作的情况下,在所述屏幕的第一位置展示水印,并获取屏幕在第一位置展示水印时所述被测对象的第一图像;
将所述水印由所述第一位置移动至第二位置,并获取所述水印由所述第一位置移动至所述第二位置时所述被测对象的第二图像;
对所述第一图像和所述第二图像进行眼部检测,得到所述第一图像对应的第一眼部检测结果和所述第二图像对应的第二眼部检测结果;
根据所述第一眼部检测结果和所述第二眼部检测结果,确定所述被测对象是否为活体。
2.根据权利要求1所述的方法,其特征在于,在所述通过屏幕展示第一指令之前,所述方法还包括:
在所述屏幕展示第二指令,以使所述被测对象响应于所述第二指令执行第二特定动作;
获取所述屏幕展示所述第二指令时所述被测对象的检测图像;
在所述检测图像符合设定条件的情况下,通过所述屏幕展示第一指令。
3.根据权利要求1所述的方法,其特征在于,所述第一眼部检测结果包括所述第一图像对应的第一眼球检测结果和第一水印检测结果,所述第二眼部检测结果包括所述第二图像对应的第二眼球检测结果和第二水印检测结果;相应的,
对所述第一图像和所述第二图像进行眼部检测,包括:
对所述第一图像和所述第二图像进行人脸检测,得到所述第一图像对应的第一人脸图像和所述第二图像对应的第二人脸图像;
对所述第一人脸图像和所述第二人脸图像进行眼球检测,得到所述第一图像对应的第一眼球检测结果和所述第二图像对应的第二眼球检测结果;
对所述第一眼球图像和所述第二眼球图像分别进行水印检测,得到第一图像对应的第一水印检测结果和所述第二图像对应的第二水印检测结果。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一眼部检测结果和所述第二眼部检测结果,确定所述被测对象是否为活体,包括:
在所述第一眼部检测结果和/或所述第二眼部检测结果不符合设定检测条件的情况下,确定所述被测对象不是活体。
5.根据权利要求3所述的方法,其特征在于,所述第一眼球检测结果包括所述第一图像对应的第一眼球中心信息,所述第二眼球检测结果包括所述第二图像对应的第二眼球中心信息;
所述第一水印检测结果包括所述第一图像对应的第一水印中心信息,所述第二水印检测结果包括所述第二图像对应的第二水印中心信息。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一眼部检测结果和所述第二眼部检测结果,确定所述被测对象是否为活体,包括:
根据所述第一眼球中心信息和所述第一水印中心信息,确定第一眼球中心与第一水印中心的第一距离;
根据所述第二眼球中心信息和所述第二水印中心信息,确定第二眼球中心与第二水印中心的第二距离;
根据所述第一距离和所述第二距离的匹配度,确定所述被测对象是否为活体。
7.根据权利要求6所述的方法,其特征在于,所述第一眼部检测结果还包括所述第一图像对应的第一眼部长度,所述第二眼部检测结果还包括所述第二图像对应的第二眼部长度;相应的,
根据所述第一距离和所述第二距离的匹配度,确定所述被测对象是否为活体,包括:
根据所述第一距离和所述第一眼部长度,确定第一参数;
根据所述第二距离和所述第二眼部长度,确定第二参数;
根据所述第一参数和第二参数,确定检测参数;
在所述检测参数符合设定参数阈值的情况下,确定所述被测对象为活体;
在所述检测参数不符合设定参数阈值的情况下,确定所述被测对象不为活体。
8.一种检测装置,其特征在于,所述装置包括:
第一展示模块,用于通过屏幕展示第一指令,以使被测对象根据所述第一指令执行第一特定动作;
第一获取模块,用于在所述被测对象执行第一特定动作的情况下,在所述屏幕的第一位置展示水印,并获取屏幕在第一位置展示水印时所述被测对象的第一图像;
第二获取模块,用于将所述水印由所述第一位置移动至第二位置,并获取所述水印由所述第一位置移动至所述第二位置时所述被测对象的第二图像;
第一检测模块,用于对所述第一图像和所述第二图像进行眼部检测,得到所述第一图像对应的第一眼部检测结果和所述第二图像对应的第二眼部检测结果;
确定模块,用于根据所述第一眼部检测结果和所述第二眼部检测结果,确定所述被测对象是否为活体。
9.一种电子设备,其特征在于,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1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311694931.1A CN117636485A (zh) | 2023-12-11 | 2023-12-11 | 一种检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311694931.1A CN117636485A (zh) | 2023-12-11 | 2023-12-11 | 一种检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117636485A true CN117636485A (zh) | 2024-03-01 |
Family
ID=90023301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311694931.1A Pending CN117636485A (zh) | 2023-12-11 | 2023-12-11 | 一种检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117636485A (zh) |
-
2023
- 2023-12-11 CN CN202311694931.1A patent/CN117636485A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107358149B (zh) | 一种人体姿态检测方法和装置 | |
US11830230B2 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
US11182592B2 (en) | Target object recognition method and apparatus, storage medium, and electronic device | |
CN112633144A (zh) | 人脸遮挡检测方法、系统、设备及存储介质 | |
US10740912B2 (en) | Detection of humans in images using depth information | |
CN113221771B (zh) | 活体人脸识别方法、装置、设备、存储介质及程序产品 | |
US20230334235A1 (en) | Detecting occlusion of digital ink | |
CN113971751A (zh) | 训练特征提取模型、检测相似图像的方法和装置 | |
CN109766755A (zh) | 人脸识别方法及相关产品 | |
CN113642431A (zh) | 目标检测模型的训练方法及装置、电子设备和存储介质 | |
CN113537374B (zh) | 一种对抗样本生成方法 | |
CN112528974B (zh) | 测距方法、装置、电子设备及可读存储介质 | |
CN112560584A (zh) | 一种人脸检测方法及装置、存储介质、终端 | |
CN113326773A (zh) | 识别模型训练方法、识别方法、装置、设备及存储介质 | |
CN113065379B (zh) | 融合图像质量的图像检测方法、装置、电子设备 | |
CN113643260A (zh) | 用于检测图像质量的方法、装置、设备、介质和产品 | |
CN116261742A (zh) | 信息处理装置及信息处理方法 | |
CN117636485A (zh) | 一种检测方法、装置、电子设备及存储介质 | |
CN115937950A (zh) | 一种多角度人脸数据采集方法、装置、设备及存储介质 | |
CN115311723A (zh) | 活体检测方法、装置及计算机可读存储介质 | |
CN114140320A (zh) | 图像迁移方法和图像迁移模型的训练方法、装置 | |
CN115205939B (zh) | 人脸活体检测模型训练方法、装置、电子设备及存储介质 | |
CN109389089A (zh) | 基于人工智能算法的多人行为识别方法及装置 | |
CN115909329B (zh) | 一种微观目标识别方法、装置、电子设备和存储介质 | |
US20240037976A1 (en) | Information processing device, information processing method, and computer-readable recording medium |
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 |