WO2019071739A1

WO2019071739A1 - 人脸活体检测方法、装置、可读存储介质及终端设备

Info

Publication number: WO2019071739A1
Application number: PCT/CN2017/112624
Authority: WO
Inventors: 李长缤
Original assignee: 平安科技（深圳）有限公司
Priority date: 2017-10-13
Filing date: 2017-11-23
Publication date: 2019-04-18
Also published as: CN107862247B; CN107862247A

Abstract

一种人脸活体检测方法、装置、计算机可读存储介质及终端设备。所述方法包括：获取指定区域的第一图像（S101）；在所述第一图像中确定出人脸图像（S102）；根据所述人脸图像在所述第一图像中确定出当前背景图像（S103）；在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像（S104），所述第二图像为在所述指定区域无人时获取的所述指定区域的图像；计算所述当前背景图像与所述标准背景图像的图像相似度（S105）；若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸（S107）。通过本方法，非法分子即使获取到了合法用户的照片，也无法骗过识别系统，大大提高了人脸识别系统的安全性。

Description

说明书发明名称：人脸活体检测方法、装置、可读存储介质及终端设备 [0001] 本申请申明享有 2017年 10月 13日递交的申请号为 CN 201710954945.0、名称为" 一种人脸活体检测方法、装置、计算机可读存储介质及终端设备"中国专利申请的优先权，该中国专利申请的整体内容以参考的方式结合在本申请中。

技术领域

[0002] 本申请属于图像处理技术领域，尤其涉及一种人脸活体检测方法、装置、计算机可读存储介质及终端设备。

背景技术

[0003] 目前，生物特征识别技术已经被广泛地应用于日常生活中的方方面面。人脸生物特征识别技术，由于其具有方便易用，用户友好性，非接触式等优点，在近年来取得了突飞猛进的发展。然而，基于人脸的生物特征识别在应用层面上依然面临着一些考验，其中，最为突出的就是识别系统的安全性问题；作为一种用于身份识别的装置，它们很容易被一个非法分子假冒成合法的用户，且目前的大部分人脸识别系统都无法区分真实的人脸和照片，只要获取到了合法用户的照片，那么就能轻而易举地骗过这类识别系统，安全性较低。

技术问题

[0004] 有鉴于此，本申请实施例提供了一种人脸活体检测方法、装置、计算机可读存储介质及终端设备，以解决目前的人脸识别系统无法区分真实的人脸和照片，安全性较低的问题。

问题的解决方案

技术解决方案

[0005] 本申请实施例的第一方面提供了一种人脸活体检测方法，可以包括：

[0006] 获取指定区域的第一图像；

[0007] 在所述第一图像中确定出人脸图像；

[0008] 根据所述人脸图像在所述第一图像中确定出当前背景图像；

[0009] 在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人吋获取的所述指定区域的图像；

[0010] 计算所述当前背景图像与所述标准背景图像的图像相似度；

[0011] 若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸。

[0012] 本申请实施例的第二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可读指令，所述计算机可读指令被处理器执行吋实现如下步骤：

[0013] 获取指定区域的第一图像；

[0014] 在所述第一图像中确定出人脸图像；

[0015] 根据所述人脸图像在所述第一图像中确定出当前背景图像；

[0016] 在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人吋获取的所述指定区域的图像；

[0017] 计算所述当前背景图像与所述标准背景图像的图像相似度；

[0018] 若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸。

[0019] 本申请实施例的第三方面提供了一种人脸活体检测终端设备，包括存储器、处理器以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可读指令，所述处理器执行所述计算机可读指令吋实现如下步骤：

[0020] 获取指定区域的第一图像；

[0021] 在所述第一图像中确定出人脸图像；

[0022] 根据所述人脸图像在所述第一图像中确定出当前背景图像；

[0023] 在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人吋获取的所述指定区域的图像；

[0024] 计算所述当前背景图像与所述标准背景图像的图像相似度；

[0025] 若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸。

[0026] 本申请实施例的第四方面提供了一种人脸活体检测装置，可以包括：

[0027] 第一图像获取模块，用于获取指定区域的第一图像；

[0028] 人脸图像确定模块，用于在所述第一图像中确定出人脸图像；

[0029] 当前背景图像确定模块，用于根据所述人脸图像在所述第一图像中确定出当前背景图像； [0030] 标准背景图像确定模块，用于在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人吋获取的所述指定区域的图像；

[0031] 图像相似度计算模块，用于计算所述当前背景图像与所述标准背景图像的图像相似度；

[0032] 第一判定模块，用于若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸；

[0033] 第二判定模块，用于若所述图像相似度小于或等于所述阈值，则判定所述人脸图像不是真实人脸。发明的有益效果

有益效果

[0034] 本申请实施例与现有技术相比存在的有益效果是：本申请实施例预先获取了无人吋指定区域的图像（即第二图像），该图像即为人脸活体检测吋的背景图像，将其作为比对的基准，在进行人脸活体检测吋再次获取指定区域的图像（即第一图像），从中确定出人脸所在的人脸图像，然后根据人脸图像确定出当前背景图像，在第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，考虑到银行、政府单位、行政机构等进行身份核实的设备的摄像头一般所面向的背景是基本恒定的，若摄像头前的是真实人脸，则人脸检测吋的当前背景图像与人脸检测前的标准背景图像应该是一致的，若摄像头前的是人脸照片

，照片中的背景会遮挡住真实环境的背景，造成检测前后背景的不一致，因此通过判定当前背景图像与标准背景图像的图像相似度是否大于预设的阈值，即可判定出所述第一图像中的人脸是否为真实人脸。非法分子即使获取到了合法用户的照片，也无法骗过识别系统，大大提高了人脸识别系统的安全性。

对附图的简要说明

附图说明

[0035] 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性的前提下，还可以根据这些附图获得其他的附图。

[0036] 图 1为本申请实施例中一种人脸活体检测方法的一个实施例流程图；

[0037] 图 2为本申请实施例中一种人脸活体检测方法步骤 S102在一个应用场景下的示意流程图；

[0038] 图 3为本申请实施例中一种人脸活体检测方法步骤 S103在一个应用场景下的示意流程图；

[0039] 图 4为本申请实施例中一种人脸活体检测方法步骤 S105在一个应用场景下的示意流程图；

[0040] 图 5为本申请实施例中一种人脸活体检测方法对图像进行调整的示意流程图； [0041] 图 6为本申请实施例提供的人脸活体检测终端设备的示意框图；

[0042] 图 7为本申请实施例提供的人脸活体检测的计算机可读指令的功能模块图。

本发明的实施方式

[0043] 为使得本申请的发明目的、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，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

[0044] 一般的人脸活体检测方法所针对的对象是人脸本身，即通过各种算法直接判断当前的人脸图像是否为一个真实的人脸，一般而言算法复杂度较高。而本申请不对人脸本身进行判断，而是判断人脸的背景是否一致，考虑银行、政府单位、行政机构等进行身份核实的设备的摄像头一般所面向的背景是基本恒定的，若摄像头前的是真实人脸，则人脸检测吋的背景与人脸检测前的背景应该是一致的，若摄像头前的是照片或视频，则照片或视频中的背景会遮挡住真实环境的背景，造成检测前后背景的不一致，据此即可对人脸的真实与否做出判断。

[0045] 请参阅图 1，本申请实施例中一种人脸活体检测方法的一个实施例可以包括：

[0046] 步骤 S101、获取指定区域的第一图像。

[0047] 所述指定区域为进行人脸活体检测的摄像头所朝向的区域，在本实施例中，摄像头的位置及朝向保持固定不变，因此，摄像头所能拍摄到的所述指定区域也是固定的。

[0048] 在进行人脸活体检测吋，通过所述摄像头来获取包含人脸图像在内的所述指定区域的图像，即所述第一图像。

[0049] 步骤 S102、在所述第一图像中确定出人脸图像。

[0050] 在本实施例中可以采用如图 2所示的基于肤色的方法来确定人脸图像：

[0051] 步骤 S1021、将所述第一图像由 RGB空间转换到 YCbCr空间，得到转换后的第一图像。

[0052] 肤色作为人的体表显著特征之一，尽管人的肤色因为人种的不同有差异，呈现出不同的颜色，但是在排除了亮度和视觉环境等对肤色的影响后，皮肤的色调基本一致。在 YCbCr空间中， Y代表亮度， Cb和 Cr分别代表蓝色分量和红色分量，两者合称为色彩分量。 YCbCr空间具有将色度与亮度分离的特点，在 YCbCr空间中，肤色的聚类特性比较好，而且是两维独立分布，能够比较好地限制肤色的分布区域，并且受人种的影响不大。对比 RGB空间和 YCbCr空间，当光强发生变化吋， RGB空间中的 R (红色分量）、 G (绿色分量）、 B (蓝色分量）三个颜色分量会同吋发生变化，而 YCbCr空间中受光强影响相对独立，色彩分量受光强度影响不大，因此 YCbCr空间更适合用于肤色识别。

[0053] 可以通过以下公式实现由 RGB空间到 YCbCr空间的转换：

[0054] Y=0.257*R+0.564*G+0.098*B+16;

[0055] Cb=-0.148*R-0.291*G+0.439*B+128;

[0056] Cr=0.439*R-0.368*G-0.071*B+128。

[0057] 步骤 S1022、在所述转换后的第一图像中确定出满足预设的肤色判定条件的各个肤色像素点。

[0058] 由于肤色在 YCbCr空间的两路色彩分量受亮度信息的影响较小，本方案直接考虑 YCbCr空间的 CbCr分量，映射为两维独立分布的 CbCr空间。在 CbCr空间下，肤色类聚性好，利用预设的肤色判定条件即可将肤色像素点确定出来，在本实施例中，优选采用的肤色判定条件为： 77<Cb<127且 133<Cr<173，满足该肤色判定条件的像素点即为肤色像素点。 [0059] 步骤 S 1023、将所述各个肤色像素点组成肤色图像。

[0060] 步骤 S1024、在所述第一图像中确定出与所述肤色图像轮廓一致的所述人脸图像。

[0061] 所述肤色图像是在 YCbCr空间的图像，而第一图像中与所述肤色图像轮廓一致的图像即为 RGB空间的所述人脸图像。

[0062] 步骤 S103、根据所述人脸图像在所述第一图像中确定出当前背景图像。

[0063] 由于在步骤 S102中，已经确定出了人脸图像，可选地，此处可以将第一图像中除人脸图像以外的图像均作为当前背景图像。

[0064] 优选地，为了避免头发、衣物的影响，可以采用如图 3所示的方法将人脸图像周边一定范围内的像素从当前背景图像中去除。

[0065] 步骤 S1031、分别计算各个待定像素点与所述人脸图像的最近距离。

[0066] 所述待定像素点为在所述第一图像中不属于所述人脸图像的像素点，对其中的某个待定像素点而言，可以在人脸图像中确定出与其相距最近的像素点，该像素点与待定像素点两者之间的距离即为该待定像素点与所述人脸图像的最近距离。

[0067] 步骤 S1032、按照所述最近距离从小到大的顺序从所述待定像素点中依次选取边界像素点。

[0068] 所述边界像素点的数目与所述待定像素点总数目的比值为预设的第三比值，所述第三比值可以根据实际情况进行设置，例如，可以将其设置为 5%、 10%、 20 %等等, 本实施例对此不作具体限定。

[0069] 步骤 S1033、将除所述边界像素点之外的所述待定像素点所在区域确定为所述当前背景图像。

[0070] 例如，若所述待定像素点总数目为 10000，第三比值为 20%，则应当从所述待定像素点选取 2000个像素点作为边界像素点，具体地，按照所述最近距离从小到大的顺序从所述待定像素点中依次选取 2000个像素点作为边界像素点。最后将剩余的 8000个待定像素点所在区域确定为所述当前背景图像。

[0071] 步骤 S104、在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像。 [0072] 所述第二图像为在所述指定区域无人吋获取的所述指定区域的图像，容易理解地，所述第二图像与所述第一图像的取景范围一致，将所述第二图像作为所述第一图像比对的基准。

[0073] 由于在步骤 S103中已经确定出了第一图像中的当前背景图像，则可以在第二图像中确定出与所述当前背景图像的轮廓一致的图像，即所述标准背景图像。

[0074] 步骤 S105、计算所述当前背景图像与所述标准背景图像的图像相似度。

[0075] 具体地，可以采用如图 4所示的方法计算所述图像相似度：

[0076] 步骤 S1051、对所述当前背景图像进行二值化处理，得到二值当前背景图像。

[0077] 步骤 S1052、对所述标准背景图像进行二值化处理，得到二值标准背景图像。

[0078] 例如，可以使用自适应阈值二值化算法对所述当前背景图像和所述标准背景图像进行二值化处理，将图像分成较小的块，分别计算每块的直方图，根据每个直方图的峰值，为每个块计算其阈值。每个像素点的阈值根据相邻的块的阈值进行插值获得。在二值化过程中，将大于阈值的像素点设置为 1，小于阈值的像素点设置为 0，则可得到所述二值当前背景图像和所述二值标准背景图像。

[0079] 需要注意的是，还可以根据实际需要选取其它的二值化处理方法，本实施例对此不作具体限定。

[0080] 步骤 S1053、对所述二值当前背景图像和所述二值标准背景图像中相同位置上的像素点分别进行同或运算，然后将运算结果求和，得到相似像素点数目。

[0081] 步骤 S1054、计算所述二值当前背景图像或所述二值标准背景图像的像素点总数。

[0082] 需要注意的是，无论是计算所述二值当前背景图像的像素点总数，还是计算所述二值标准背景图像的像素点总数，所得结果都是相同的。

[0083] 步骤 S1055、根据所述相似像素点数目和所述像素点总数计算所述图像相似度

[0084] 例如，可以将所述相似像素点数目与所述像素点总数的比值确定为所述图像相似度。

[0085] 步骤 S106、判断所述图像相似度是否大于预设的阈值。

[0086] 所述阈值可以根据实际情况进行设置，例如，可以将其设置为 80%、 85%、 90 %等等，本实施例对此不作具体限定。

[0087] 若所述图像相似度大于所述阈值，则执行步骤 S107，若所述图像相似度小于或等于所述阈值，则执行步骤 S108。

[0088] 步骤 S107、判定所述人脸图像为真实人脸。

[0089] 步骤 S108、判定所述人脸图像不是真实人脸。

[0090] 优选地，为了减少在图像获取过程中因周边环境的光线干扰所引起的色彩偏差

，在步骤 S102之前，还可以采用如图 5所示的方法对所述第一图像进行调整： [0091] 步骤 S501、计算所述第一图像中的各个像素点的灰度值。

[0092] 在本实施例中，优选采用以下公式进行灰度值计算：

[0093] Gray=R*0.299+G*0.587+B*0.114，其中 Gray代表灰度值。

[0094] 步骤 S502、按照灰度值从大到小的顺序从所述第一图像中依次选取第一优选像素点。

[0095] 所述第一优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第一比值，所述第一比值可以根据实际情况进行设置，例如，可以将其设置为 5% 、 10%、 20%等等，本实施例对此不作具体限定。

[0096] 步骤 S503、计算所述第一优选像素点的第一平均灰度值。

[0097] 例如，若所述第一图像的像素点总数目为 20000，第一比值为 5%，则应当从所述第一图像中选取 1000个像素点作为第一优选像素点，具体地，按照灰度值从大到小的顺序从所述第一图像中依次选取 1000个像素点作为第一优选像素点，然后将这 1000个第一优选像素点的灰度值进行求和运算，最后将求和结果除以 1 000，则可得到所述第一平均灰度值。

[0098] 步骤 S504、按照灰度值从小到大的顺序从所述第一图像中依次选取第二优选像素点。

[0099] 所述第二优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第二比值，所述第二比值可以根据实际情况进行设置，例如，可以将其设置为 5% 、 10%、 20%等等，本实施例对此不作具体限定。

[0100] 步骤 S505、计算所述第二优选像素点的第二平均灰度值。

[0101] 例如，若所述第一图像的像素点总数目为 20000，第二比值为 5%，则应当从所述第一图像中选取 1000个像素点作为第二优选像素点，具体地，按照灰度值从小到大的顺序从所述第一图像中依次选取 1000个像素点作为第二优选像素点，然后将这 1000个第二优选像素点的灰度值进行求和运算，最后将求和结果除以 1 000，则可得到所述第二平均灰度值。

[0102] 步骤 S506、根据所述第一平均灰度值和所述第二平均灰度值确定调整系数。

[0103] 在本实施例中，优选采用以下公式进行调整系数计算：

[0104] A=255/ (G1-G2) ，其中， A为所述调整系数， G1为所述第一平均灰度值， G2 为所述第二平均灰度值。

[0105] 步骤 S507、使用所述调整系数对所述第一图像中的各个像素点的灰度值分别进行调整，得到调整后的第一图像。

[0106] 在本实施例中，优选采用以下公式对所述第一图像进行调整：

[0107] Gray2=A* (Grayl-G2) ，其中 Gray 1代表原始灰度值， Gray2代表调整后的灰度值。

[0108] 由于灰度值的取值范围为 [0， 255] , 若计算得到的 Gmy2大于 255，则将其设置为 255，若计算得到的 Gmy2小于 0，则将其设置为 0，最后通过四舍五入对结果进行取整。

[0109] 容易理解地，原始的第一图像由于周边环境的光线干扰可能导致其灰度值集中在某个区域上，造成色彩的偏差，而通过如图 5所示的方法，可以将第一图像的灰度值扩展到整个灰度区域内，从而达到对色彩偏差的校正效果。

[0110] 同理，优选地，也可以对所述第二图像进行调整，具体地调整方法与对所述第一图像进行调整的方法相似，具体可参见上述内容，本实施例对此不再赘述。

[0111] 综上所述，本申请实施例预先获取了无人吋指定区域的图像（即第二图像），该图像即为人脸活体检测吋的背景图像，将其作为比对的基准，在进行人脸活体检测吋再次获取指定区域的图像（即第一图像），从中确定出人脸所在的人脸图像，然后根据人脸图像确定出当前背景图像，在第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，考虑到银行、政府单位、行政机构等进行身份核实的设备的摄像头一般所面向的背景是基本恒定的，若摄像头前的是真实人脸，则人脸检测吋的当前背景图像与人脸检测前的标准背景图像应该是一致的，若摄像头前的是人脸照片，照片中的背景会遮挡住真实环境的背景，造成检测前后背景的不一致，因此通过判定当前背景图像与标准背景图像的图像相似度是否大于预设的阈值，即可判定出所述第一图像中的人脸是否为真实人脸。非法分子即使获取到了合法用户的照片，也无法骗过识别系统，大大提高了人脸识别系统的安全性。

[0112] 对应于上文实施例所述的人脸活体检测方法，图 6示出了本申请实施例提供的人脸活体检测终端设备的示意框图，为了便于说明，仅示出了与本申请实施例相关的部分。

[0113] 在本实施例中，所述人脸活体检测终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该人脸活体检测终端设备可包括：处理器 60 、存储器 61以及存储在所述存储器 61中并可在所述处理器 60上运行的计算机可读指令 62。

[0114] 所述处理器 60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该处理器也可以是任何常规的处理器等。

[0115] 所述存储器 61可以是所述人脸活体检测终端设备 6的内部存储单元，例如人脸活体检测终端设备 6的硬盘或内存。所述存储器 61也可以是所述人脸活体检测终端设备 6的外部存储设备，例如所述人脸活体检测终端设备 6上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC) ，安全数字（Secure Digital, SD) 卡，闪存卡（Flash Card) 等。进一步地，所述存储器 61还可以既包括所述人脸活体检测终端设备 6的内部存储单元也包括外部存储设备。所述存储器 61用于存储所述计算机可读指令以及所述人脸活体检测终端设备 6所需的其它计算机可读指令和数据。所述存储器 61还可以用于暂吋地存储已经输出或者将要输出的数据

[0116] 请参阅图 7，是本申请实施例提供的计算机可读指令 62的功能模块图。在本实施例中，所述的计算机可读指令 62可以被分割成一个或多个模块，所述一个或者多个模块被存储于所述存储器 61中，并由所述处理器 60所执行，以完成本申请。例如，在图 7中，所述的计算机可读指令 62，也即人脸活体检测的计算机可读指令可以被分割成第一图像获取模块 701、人脸图像确定模块 702、当前背景图像确定模块 703、标准背景图像确定模块 704、图像相似度计算模块 705、第一判定模块 706、第二判定模块 707，本申请所称的模块是指能够完成特定功能的一系列计算机可读指令的指令段。以下描述将具体介绍所述模块 701-707的功能

[0117] 第一图像获取模块 701，用于获取指定区域的第一图像；

[0118] 人脸图像确定模块 702，用于在所述第一图像中确定出人脸图像；

[0119] 当前背景图像确定模块 703，用于根据所述人脸图像在所述第一图像中确定出当前背景图像；

[0120] 标准背景图像确定模块 704，用于在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人吋获取的所述指定区域的图像；

[0121] 图像相似度计算模块 705，用于计算所述当前背景图像与所述标准背景图像的图像相似度；

[0122] 第一判定模块 706，用于若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸；

[0123] 第二判定模块 707，用于若所述图像相似度小于或等于所述阈值，则判定所述人脸图像不是真实人脸。

[0124] 进一步地，所述计算机可读指令 62中还可以包括：

[0125] 灰度值计算模块，用于计算所述第一图像中的各个像素点的灰度值；

[0126] 第一优选像素点选取模块，用于按照灰度值从大到小的顺序从所述第一图像中依次选取第一优选像素点，所述第一优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第一比值；

[0127] 第一平均灰度值计算模块，用于计算所述第一优选像素点的第一平均灰度值； [0128] 第二优选像素点选取模块，用于按照灰度值从小到大的顺序从所述第一图像中依次选取第二优选像素点，所述第二优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第二比值；

[0129] 第二平均灰度值计算模块，用于计算所述第二优选像素点的第二平均灰度值； [0130] 调整系数确定模块，用于根据所述第一平均灰度值和所述第二平均灰度值确定调整系数；

[0131] 灰度值调整模块，用于使用所述调整系数对所述第一图像中的各个像素点的灰度值分别进行调整，得到调整后的第一图像。

[0132] 进一步地，所述人脸图像确定模块 702可以包括：

[0133] 空间转换单元，用于将所述第一图像由 RGB空间转换到 YCbCr空间，得到转换后的第一图像；

[0134] 肤色像素点确定单元，用于在所述转换后的第一图像中确定出满足预设的肤色判定条件的各个肤色像素点；

[0135] 肤色图像组成单元，用于将所述各个肤色像素点组成肤色图像；

[0136] 人脸图像确定单元，用于在所述第一图像中确定出与所述肤色图像轮廓一致的所述人脸图像。

[0137] 进一步地，所述当前背景图像确定模块 703可以包括：

[0138] 最近距离计算单元，用于分别计算各个待定像素点与所述人脸图像的最近距离

，所述待定像素点为在所述第一图像中不属于所述人脸图像的像素点；

[0139] 边界像素点选取单元，用于按照所述最近距离从小到大的顺序从所述待定像素点中依次选取边界像素点，所述边界像素点的数目与所述待定像素点总数目的比值为预设的第三比值；

[0140] 当前背景图像确定单元，用于将除所述边界像素点之外的所述待定像素点所在区域确定为所述当前背景图像。

[0141] 进一步地，所述图像相似度计算模块 705可以包括：

[0142] 当前背景二值化处理单元，用于对所述当前背景图像进行二值化处理，得到二值当前背景图像；

[0143] 标准背景二值化处理单元，用于对所述标准背景图像进行二值化处理，得到二值标准背景图像； [0144] 相似像素点数目计算单元，用于对所述二值当前背景图像和所述二值标准背景图像中相同位置上的像素点分别进行同或运算，然后将运算结果求和，得到相似像素点数目；

[0145] 像素点总数计算单元，用于计算所述二值当前背景图像或所述二值标准背景图像的像素点总数；

[0146] 图像相似度计算单元，用于根据所述相似像素点数目和所述像素点总数计算所述图像相似度。

[0147] 在本申请各个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。

[0148] 所述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吋，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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括： U盘、移动硬盘、只读存储器（ROM, Read-Only Memory) 、随机存取存储器（RAM, Random Access Memory) 、磁碟或者光盘等各种可以存储计算机可读指令的介质。

[0149] 以上所述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。

Claims

权利要求书

[权利要求 1] 一种人脸活体检测方法，其特征在于，包括：

获取指定区域的第一图像；

在所述第一图像中确定出人脸图像；

根据所述人脸图像在所述第一图像中确定出当前背景图像；在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人吋获取的所述指定区域的图像；

计算所述当前背景图像与所述标准背景图像的图像相似度；若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸

[权利要求 2] 根据权利要求 1所述的人脸活体检测方法，其特征在于，在获取指定区域的第一图像之后，还包括：

计算所述第一图像中的各个像素点的灰度值；

按照灰度值从大到小的顺序从所述第一图像中依次选取第一优选像素点，所述第一优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第一比值；

计算所述第一优选像素点的第一平均灰度值；

按照灰度值从小到大的顺序从所述第一图像中依次选取第二优选像素点，所述第二优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第二比值；

计算所述第二优选像素点的第二平均灰度值；

根据所述第一平均灰度值和所述第二平均灰度值确定调整系数；使用所述调整系数对所述第一图像中的各个像素点的灰度值分别进行调整，得到调整后的第一图像。

[权利要求 3] 根据权利要求 1所述的人脸活体检测方法，其特征在于，所述在所述第一图像中确定出人脸图像包括：

将所述第一图像由 RGB空间转换到 YCbCr空间，得到转换后的第一图像；

在所述转换后的第一图像中确定出满足预设的肤色判定条件的各个肤色像素点；

将所述各个肤色像素点组成肤色图像；

在所述第一图像中确定出与所述肤色图像轮廓一致的所述人脸图像。

[权利要求 4] 根据权利要求 1所述的人脸活体检测方法，其特征在于，所述根据所述人脸图像在所述第一图像中确定出当前背景图像包括：

分别计算各个待定像素点与所述人脸图像的最近距离，所述待定像素点为在所述第一图像中不属于所述人脸图像的像素点；

按照所述最近距离从小到大的顺序从所述待定像素点中依次选取边界像素点，所述边界像素点的数目与所述待定像素点总数目的比值为预设的第三比值；

将除所述边界像素点之外的所述待定像素点所在区域确定为所述当前背景图像。

[权利要求 5] 根据权利要求 1至 4中任一项所述的人脸活体检测方法，其特征在于，所述计算所述当前背景图像与所述标准背景图像的图像相似度包括：对所述当前背景图像进行二值化处理，得到二值当前背景图像；对所述标准背景图像进行二值化处理，得到二值标准背景图像；对所述二值当前背景图像和所述二值标准背景图像中相同位置上的像素点分别进行同或运算，然后将运算结果求和，得到相似像素点数目计算所述二值当前背景图像或所述二值标准背景图像的像素点总数；根据所述相似像素点数目和所述像素点总数计算所述图像相似度。

[权利要求 6] —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可读指令，其特征在于，所述计算机可读指令被处理器执行吋实现如下步骤：

获取指定区域的第一图像；

在所述第一图像中确定出人脸图像；根据所述人脸图像在所述第一图像中确定出当前背景图像；

在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人吋获取的所述指定区域的图像；

[权利要求 7] 根据权利要求 6所述的计算机可读存储介质，其特征在于，在获取指定区域的第一图像之后，还包括：

计算所述第一图像中的各个像素点的灰度值；

计算所述第一优选像素点的第一平均灰度值；

计算所述第二优选像素点的第二平均灰度值；

[权利要求 8] 根据权利要求 6所述的计算机可读存储介质，其特征在于，所述在所述第一图像中确定出人脸图像包括：

将所述各个肤色像素点组成肤色图像；在所述第一图像中确定出与所述肤色图像轮廓一致的所述人脸图像。

[权利要求 9] 根据权利要求 6所述的计算机可读存储介质，其特征在于，所述根据所述人脸图像在所述第一图像中确定出当前背景图像包括：分别计算各个待定像素点与所述人脸图像的最近距离，所述待定像素点为在所述第一图像中不属于所述人脸图像的像素点；

[权利要求 10] 根据权利要求 6至 9中任一项所述的计算机可读存储介质，其特征在于，所述计算所述当前背景图像与所述标准背景图像的图像相似度包括对所述当前背景图像进行二值化处理，得到二值当前背景图像；对所述标准背景图像进行二值化处理，得到二值标准背景图像；对所述二值当前背景图像和所述二值标准背景图像中相同位置上的像素点分别进行同或运算，然后将运算结果求和，得到相似像素点数目计算所述二值当前背景图像或所述二值标准背景图像的像素点总数；根据所述相似像素点数目和所述像素点总数计算所述图像相似度。

[权利要求 11] 一种人脸活体检测终端设备，包括存储器、处理器以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可读指令，其特征在于，所述处理器执行所述计算机可读指令吋实现如下步骤：

获取指定区域的第一图像；

在所述第一图像中确定出人脸图像；

[权利要求 12] 根据权利要求 11所述的人脸活体检测终端设备，其特征在于，在获取指定区域的第一图像之后，还包括：

计算所述第一图像中的各个像素点的灰度值；

计算所述第一优选像素点的第一平均灰度值；

计算所述第二优选像素点的第二平均灰度值；

根据所述第一平均灰度值和所述第二平均灰度值确定调整系数；使用所述调整系数对所述第一图像中的各个像素点在 RGB空间中的三个颜色分量分别进行调整，得到调整后的第一图像。

[权利要求 13] 根据权利要求 11所述的人脸活体检测终端设备，其特征在于，所述在所述第一图像中确定出人脸图像包括：

将所述各个肤色像素点组成肤色图像；

[权利要求 14] 根据权利要求 11所述的人脸活体检测终端设备，其特征在于，所述根据所述人脸图像在所述第一图像中确定出当前背景图像包括：分别计算各个待定像素点距离所述人脸图像的最近距离，所述待定像素点为在所述第一图像中不属于所述人脸图像的像素点；

[权利要求 15] 根据权利要求 11至 14中任一项所述的人脸活体检测终端设备，其特征在于，所述计算所述当前背景图像与所述标准背景图像的图像相似度包括：

对所述当前背景图像进行二值化处理，得到二值当前背景图像；对所述标准背景图像进行二值化处理，得到二值标准背景图像；对所述二值当前背景图像和所述二值标准背景图像中相同位置上的像素点分别进行同或运算，然后将运算结果求和，得到相似像素点数目计算所述二值当前背景图像或所述二值标准背景图像的像素点总数；根据所述相似像素点数目和所述像素点总数计算所述图像相似度。

[权利要求 16] —种人脸活体检测装置，其特征在于，包括：

第一图像获取模块，用于获取指定区域的第一图像；

人脸图像确定模块，用于在所述第一图像中确定出人脸图像；当前背景图像确定模块，用于根据所述人脸图像在所述第一图像中确定出当前背景图像；

标准背景图像确定模块，用于在预设的第二图像中确定出与所述当前背景图像的轮廓一致的标准背景图像，所述第二图像为在所述指定区域无人吋获取的所述指定区域的图像；

图像相似度计算模块，用于计算所述当前背景图像与所述标准背景图像的图像相似度；

第一判定模块，用于若所述图像相似度大于预设的阈值，则判定所述人脸图像为真实人脸；

第二判定模块，用于若所述图像相似度小于或等于所述阈值，则判定所述人脸图像不是真实人脸。

[权利要求 17] 根据权利要求 16所述的人脸活体检测装置，其特征在于，还包括：灰度值计算模块，用于计算所述第一图像中的各个像素点的灰度值；第一优选像素点选取模块，用于按照灰度值从大到小的顺序从所述第一图像中依次选取第一优选像素点，所述第一优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第一比值；

第一平均灰度值计算模块，用于计算所述第一优选像素点的第一平均灰度值；

第二优选像素点选取模块，用于按照灰度值从小到大的顺序从所述第一图像中依次选取第二优选像素点，所述第二优选像素点的数目与所述第一图像的像素点总数目的比值为预设的第二比值；

第二平均灰度值计算模块，用于计算所述第二优选像素点的第二平均灰度值；

调整系数确定模块，用于根据所述第一平均灰度值和所述第二平均灰度值确定调整系数；

灰度值调整模块，用于使用所述调整系数对所述第一图像中的各个像素点的灰度值分别进行调整，得到调整后的第一图像。

[权利要求 18] 根据权利要求 16所述的人脸活体检测装置，其特征在于，所述人脸图像确定模块包括：

空间转换单元，用于将所述第一图像由 RGB空间转换到 YCbCr空间，得到转换后的第一图像；

肤色像素点确定单元，用于在所述转换后的第一图像中确定出满足预设的肤色判定条件的各个肤色像素点；

肤色图像组成单元，用于将所述各个肤色像素点组成肤色图像；人脸图像确定单元，用于在所述第一图像中确定出与所述肤色图像轮廓一致的所述人脸图像。

[权利要求 19] 根据权利要求 16所述的人脸活体检测装置，其特征在于，所述当前背景图像确定模块包括：

最近距离计算单元，用于分别计算各个待定像素点与所述人脸图像的最近距离，所述待定像素点为在所述第一图像中不属于所述人脸图像的像素点；

边界像素点选取单元，用于按照所述最近距离从小到大的顺序从所述待定像素点中依次选取边界像素点，所述边界像素点的数目与所述待定像素点总数目的比值为预设的第三比值；

当前背景图像确定单元，用于将除所述边界像素点之外的所述待定像素点所在区域确定为所述当前背景图像。

[权利要求 20] 根据权利要求 16至 19中任一项所述的人脸活体检测装置，其特征在于，所述图像相似度计算模块包括：

当前背景二值化处理单元，用于对所述当前背景图像进行二值化处理，得到二值当前背景图像；

标准背景二值化处理单元，用于对所述标准背景图像进行二值化处理，得到二值标准背景图像；

相似像素点数目计算单元，用于对所述二值当前背景图像和所述二值标准背景图像中相同位置上的像素点分别进行同或运算，然后将运算结果求和，得到相似像素点数目；

像素点总数计算单元，用于计算所述二值当前背景图像或所述二值标准背景图像的像素点总数；

图像相似度计算单元，用于根据所述相似像素点数目和所述像素点总数计算所述图像相似度。