基于云端的人脸活体检测方法、电子设备和程序产品技术

一种基于云端的人脸活体检测方法、电子设备和程序产品，应用于人脸检测技术领域，该方法连续采集用户的多张第一人脸图像；确定每张第一人脸图像均为活体图像后，识别多张连续第一人脸图像中是否存在微动作；若存在微动作，则确认用户人脸活体检测通过。基于云端，连续采集用户的多张第一人脸图像，确定每张第一人脸图像均为活体图像后，识别多张连续第一人脸图像中是否存在微动作，若存在微动作，则确认用户人脸活体检测通过，通过活体识别和微动作识别对用户进行人脸活体检测，有效提升人脸活体检测的准确性，防止通过人脸照片或者人脸视频欺骗人脸识别系统的行为，实现区分真人假人的功能，保证信息安全。

【技术实现步骤摘要】
【国外来华专利技术】基于云端的人脸活体检测方法、电子设备和程序产品
本申请涉及人脸检测
，特别涉及一种基于云端的人脸活体检测方法、电子设备和程序产品。
技术介绍
随着深度学习技术的发展，人脸已经成为一种新的身份验证。人脸识别技术与其他生物特征识别技术相比，通过摄像头直接获取，可以非接触的方式完成识别过程，方便快捷，但是也带来了一些信息安全问题，比如可以通过人脸照片或者人脸视频欺骗人脸识别系统。
技术实现思路
本申请实施例提供了一种基于云端的人脸活体检测方法、电子设备和程序产品，主要用于盲人导航。第一方面，本申请实施例提供了一种基于云端的人脸活体检测方法，包括：连续采集用户的多张第一人脸图像；确定每张第一人脸图像均为活体图像后，识别所述多张连续第一人脸图像中是否存在微动作；若存在微动作，则确认所述用户人脸活体检测通过。第二方面，本申请实施例提供了一种电子设备，所述电子设备包括：存储器，一个或多个处理器；存储器与处理器通过通信总线相连；处理器被配置为执行存储器中的指令；所述存储介质中存储有用于执行权利要求第一方面所述方法中各个步骤的指令。第三方面，本申请实施例提供了一种与包括显示器的电子设备结合使用的计算机程序产品，所述计算机程序产品包括计算机可读的存储介质和内嵌于其中的计算机程序机制，所述计算机程序机制包括用于执行上述第一方面所述方法中各个步骤的指令。有益效果如下：本申请实施例中，连续采集用户的多张第一人脸图像，确定每张第一人脸图像均为活体图像后，识别多张连续第一人脸图像中是否存在微动作，若存在微动作，则确认用户人脸活体检测通过，通过活体识别和微动作识别对用户进行人脸活体检测，有效提升人脸活体检测的准确性，防止通过人脸照片或者人脸视频欺骗人脸识别系统的行为，实现区分真人假人的功能，保证信息安全。附图说明下面将参照附图描述本申请的具体实施例，其中：图1为本申请实施例中的一种基于云端的人脸活体检测方法流程示意图；图2为本申请实施例中的一种人脸关键特征部位示意图；图3为本申请实施例中的一种用于微表情识别的深度神经网络结构示意图；图4为本申请实施例中的另一种基于云端的人脸活体检测方法流程示意图；图5为本申请实施例中的一种电子设备的结构示意图。具体实施方式为了使本申请的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以互相结合。目前人脸识别应用越来越广泛，但是人脸识别存在一个核心安全问题：人脸欺诈，比如可以通过人脸照片、人脸视频或者3D脸膜欺骗人脸识别系统。为了解决上述人脸欺诈问题，提高人脸识别系统的安全性。本申请实施例提供了一种基于云端的人脸活体检测方法，连续采集用户的多张第一人脸图像，确定每张第一人脸图像均为活体图像后，识别多张连续第一人脸图像中是否存在微动作，若存在微动作，则确认用户人脸活体检测通过，通过活体识别和微动作识别对用户进行人脸活体检测，有效提升人脸活体检测的准确性，防止通过人脸照片或者人脸视频欺骗人脸识别系统的行为，实现区分真人假人的功能，保证信息安全。参见图1，本实施例提供的基于云端的人脸活体检测方法，包括：101，确定用户满足距离要求。人脸识别常用入侵手段通常为包含人脸图像或者人脸视频的打印照片/手机屏幕/电脑屏幕/3D脸膜等，这些入侵工具通常和正常的活体人脸存在特征上的差异。为了更好的识别该差异，本提案首先要对用户(如人脸)距识别装置(如摄像头)的距离进行要求，在保持摄像头和人脸在适当距离的基础上，对这些特征差异进行识别。确定用户满足距离要求的实现方案，包括但不限于：步骤1，获取用户的第二人脸图像。其中第二人脸图像为用户调距离用的图像，与后续人脸识别所用图像不同。步骤2，获取第二人脸图像中的人脸区域。步骤3，根据人脸区域确定用户距离。具体的，可以根据人脸区域占第二人脸图像的比重，确定用户距离。还可以从人脸区域中提取人脸预设部位之间的距离，根据距离与第二人脸图像的宽高的比值，确定用户距离。步骤4，若用户距离与距离要求匹配，则确定用户满足距离要求。步骤5，若用户距离与距离要求不匹配，则指导用户进行移动，以满足距离要求。具体的，可以向用户发送提示(如语音提示，或者文字提示)，以指导用户调整其位置，仪态等。调整后，再次执行步骤1至步骤3，确定调整后的距离是否与距离要求匹配，若匹配则再次执行步骤4，否则，再次执行步骤5。如此循环，直至用户满足距离要求。例如，本实施例进入执行时，先进行人脸检测，获得人脸区域。可以根据人脸区域的大小以及在图像中的区域比重近似估计人脸的距离，如果在合适的比重范围之内则认为在最佳距离内，否则根据比值的大小相应的提醒用户靠近或者远离。除此之外，还可以通过检测人脸一些关键特征部位(点)，如图2所示，根据这些关键部位(点)的之间的距离与图像宽高的比值来判断远近，比如先检测两眼，在根据两眼中心的距离与图像宽的比值。在计算用户距离时，可以获得关键点的2D坐标，然后通过solvepnp算法获得人脸相对摄像机的3D姿态欧拉角和3D平移(Tx,Ty,Tz)，进一步得到3D距离，然后判断距离是否在合适的范围之内。在判断距离是否在合适的范围之内以后，还可以根据上述的位置和姿态的检测结果对用户的脸的姿态进行提醒(如roll，pitch，yaw)，以及在2D图像中的位置进行提醒(偏左，偏右，偏上，偏下等)。此处的用户提醒：可以语音提示，也可以在图像上以文字的形式提示。其中，roll是围绕Z轴旋转，也叫翻滚角。pitch是围绕X轴旋转，也叫做俯仰角。yaw是围绕Y轴旋转，也叫偏航角。102，连续采集用户的多张第一人脸图像。在确认用户满足距离要求之后，会采集该用户的连续、多张人脸图像，即第一人脸图像。此处的第一人脸图像用户对该用户进行人脸活体检测的依据。103，确定各张第一人脸图像是否为活体图像。对于任一张第一人脸图像，若确定任一张第一人脸图像为活体图像，则将任一张第一人脸图像存入图像序列中。此处的图像序列，开始时为空，确定某张第一人脸图像为活体图像，会将该张第一人脸图像存入图像序列中，进而进行某张的下一张人脸图像是否为活体图像的检测，若某张的下一张为活体图像，则将某张的下一张存入图像序列中，如此循环，直至所有第一人脸图像均进行活体图像检测。若检测过程中发现某张的下一张非活体图像，此时将图像序列中的人脸图像清空。若确定任一张第一人脸图像非活体图像，则终止流程，清空图像序列，该用户的人脸活体检测不通过。其中，非活体图像，包括但不限于：照片(如打印照片，手机屏幕中的照片，电脑屏幕中的照片)、视频(如手机屏幕中的视频，电脑屏幕中的视频)、脸膜(如3D脸膜)。通过步骤103可以实现单张图像的过滤。具体的，通过机器学习的方法，对单张图像进行分类判别。例如，采用基于深度学习的CNN(卷积神经网络)进行分类判别，如采用非常流行的resnet分类网络进行分类判别。首先收集各种可能的欺诈样本，进行训练，比如可分为打印照片/手机屏幕/电脑屏幕/3D脸膜/正常脸几个类别进行训练。CNN训练完毕后，利用训练成功的网络模型和权重对每张第一人脸图像进行分类识别，哪个类别的输本文档来自技高网...

【技术保护点】
一种基于云端的人脸活体检测方法，其特征在于，包括：连续采集用户的多张第一人脸图像；确定每张第一人脸图像均为活体图像后，识别所述多张连续第一人脸图像中是否存在微动作；若存在微动作，则确认所述用户人脸活体检测通过。

【技术特征摘要】
【国外来华专利技术】1.一种基于云端的人脸活体检测方法，其特征在于，包括：连续采集用户的多张第一人脸图像；确定每张第一人脸图像均为活体图像后，识别所述多张连续第一人脸图像中是否存在微动作；若存在微动作，则确认所述用户人脸活体检测通过。2.根据权利要求1所述的方法，其特征在于，所述连续采集多张第一人脸图像之前，还包括：确定用户满足距离要求。3.根据权利要求2所述的方法，其特征在于，所述确定用户满足距离要求，包括：获取用户的第二人脸图像；获取所述第二人脸图像中的人脸区域；根据所述人脸区域确定所述用户距离；若所述用户距离与距离要求匹配，则确定所述用户满足距离要求。4.根据权利要求3所述的方法，其特征在于，所述根据所述人脸区域确定所述用户距离，包括：根据所述人脸区域占所述第二人脸图像的比重，确定所述用户距离；或者，从所述人脸区域中提取人脸预设部位之间的距离，根据所述距离与所述第二人脸图像的宽高的比值，确定所述用户距离。5.根据权利要求4所述的方法，其特征在于，所述根据所述人脸区域确定所述用户距离之后，还包括：若所述用户距离与距离要求不匹配，则指导所述用户进行移动，以满足距离要求。6.根据权利要求1至5任一权利要求所述的方法，其特征在于，所述连续采集用户的多张第一人脸图像之后...

【专利技术属性】
技术研发人员：刘兆祥，廉士国，王敏，
申请(专利权)人：深圳前海达闼云端智能科技有限公司，
类型：发明
国别省市：广东,44