人脸活体的鉴别方法和装置制造方法及图纸

本发明专利技术涉及一种人脸活体的鉴别方法，包括：获取随机的动作序列集，提示用户在规定的时间内依次完成动作序列集中的指定动作；获取人脸视频序列，使用人脸检测方法检测人脸视频序列中的第一帧人脸图像；定位第一帧人脸图像中的人脸关键点；采用跟踪人脸关键点，输出每一帧的人脸关键点；根据人脸关键点采用连续分析法输出人脸视频序列对应的动作的状态参数；根据状态参数的连续性鉴别用户是否完成当前的指定动作，如果用户在规定的时间内依次完成动作序列集中的指定动作，则鉴定为人脸活体，否则，鉴定为非活体，提高了人脸活体鉴别的准确率。此外，还提出了一种人脸活体的鉴别装置。

【技术实现步骤摘要】
人脸活体的鉴别方法和装置
本专利技术涉及计算机
，特别是涉及一种人脸活体的鉴别方法和装置。
技术介绍
随着计算机技术的发展，各种应用都伴随着身份验证这一操作，如在支付时通过人脸识别验证操作者身份。假冒者往往采用拍摄的照片或提前录制的视频进行假冒身份的验证，使得在验证过程中验证是否是活体显得尤为重要。现有的人脸活体的鉴别往往采用纹理分类器鉴别人脸活体，当人像照片或人像视频画质较高时，会将照片或视频误判为真人，当视频采集设备质量较差时，真人也不能通过活体鉴别，产生很高的误判率。
技术实现思路
基于此，有必要针对上述技术问题，提供一种人脸活体的鉴别方法和装置，提高人脸活体鉴别的准确率。一种人脸活体的鉴别方法，所述方法包括：获取随机的动作序列集，提示用户在规定的时间内依次完成所述动作序列集中的指定动作；获取人脸视频序列，使用人脸检测方法检测所述人脸视频序列中的第一帧人脸图像；定位所述第一帧人脸图像中的人脸关键点；跟踪人脸关键点，输出每一帧的人脸关键点；根据所述人脸关键点采用连续分析法输出所述人脸视频序列对应的动作的状态参数；根据所述状态参数的连续性鉴别用户是否完成当前的指定动作，如果用户在规定的时间内依次完成所述动作序列集中的指定动作，则鉴定为人脸活体，否则，鉴定为非活体。一种人脸活体的鉴别装置，所述装置包括：提示模块，用于获取随机的动作序列集，提示用户在规定的时间内依次完成所述动作序列集中的指定动作；检测模块，用于获取人脸视频序列，使用人脸检测方法检测所述人脸视频序列中的第一帧人脸图像；定位跟踪人脸关键点模块，用于定位所述第一帧人脸图像中的人脸关键点，跟踪人脸关键点，输出每一帧的人脸关键点；连续分析模块，用于根据所述人脸关键点采用连续分析法输出所述人脸视频序列对应的动作的状态参数；鉴定模块，用于根据所述状态参数的连续性鉴别用户是否完成当前的指定动作，如果用户在规定的时间内依次完成所述动作序列集中的指定动作，则鉴定为人脸活体，否则，鉴定为非活体。上述人脸活体的鉴别方法和装置，通过获取随机的动作序列集，提示用户在规定的时间内依次完成动作序列集中的指定动作，获取人脸视频序列，使用人脸检测方法检测人脸视频序列中的第一帧人脸图像，定位第一帧人脸图像中的人脸关键点，跟踪人脸关键点，输出每一帧的人脸关键点，根据人脸关键点采用连续分析法输出人脸视频序列对应的动作的状态参数，根据状态参数的连续性鉴别用户是否完成当前的指定动作，如果用户在规定的时间内依次完成动作序列集中的指定动作，则鉴定为人脸活体，否则，鉴定为非活体，根据状态参数的连续性鉴定用户是否完成当前的指定动作，相当于不仅要完成指定动作的端点状态，还要保证从一个端点状态到另一个端点状态之间的动作的连续性，假冒的视频往往完成动作时不能具有很好的连续性，大大提高了人脸活体鉴别的准确性。附图说明图1为一个实施例中人脸活体的鉴别方法的应用环境图；图2为一个实施例中图1中服务器的内部结构图；图3为一个实施例中图1中终端的内部结构图；图4为一个实施例中人脸活体的鉴别方法的流程图；图5为一个实施例中人脸活体的鉴别装置的结构框图；图6为另一个实施例中人脸活体的鉴别装置的结构框图。具体实施方式图1为一个实施例中人脸活体的鉴别方法运行的应用环境图。如图1所示，该应用环境包括终端110、服务器120，其中终端110和服务器120通过网络进行通信。终端110包括视频序列采集装置，可为智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此。终端110可通过网络从服务器120接收随机的动作序列集或向服务器120发送视频序列等，服务器120可以响应终端110发送的鉴定请求等。在一个实施例中，图1中的服务器120的内部结构如图2所示，该服务器120包括通过系统总线连接的处理器、存储介质、内存和网络接口。其中，该服务器120的存储介质存储有操作系统、数据库和第一人脸活体的鉴别装置，数据库用于存储数据，如用户的人脸视频，第一人脸活体的鉴别装置用于实现一种适用于服务器120的人脸活体的鉴别方法。该服务器120的处理器用于提供计算和控制能力，支撑整个服务器120的运行。该服务器120的内存为存储介质中的第一人脸活体的鉴别装置的运行提供环境。该服务器120的网络接口用于与外部的终端110通过网络连接通信，比如向终端110发送随机的动作序列集等。在一个实施例中，图1中的终端110的内部结构如图3所示，该终端110包括通过系统总线连接的处理器、图形处理单元、存储介质、内存、网络接口、显示屏幕和输入设备。其中，终端110的存储介质存储有操作系统，还包括第二人脸活体的鉴别装置，该装置用于实现一种适用于终端的人脸活体的鉴别方法。该处理器用于提供计算和控制能力，支撑整个终端110的运行。终端110中的图形处理单元用于至少提供显示界面的绘制能力，内存为存储介质中的第二人脸活体的鉴别装置的运行提供环境，网络接口用于与服务器120进行网络通信，如接收服务器120发送的随机的动作序列集等。显示屏幕用于显示应用界面等，如显示应用界面上的随机的动作序列对应的示范动作动画等，输入设备包括摄像头，用于采集用户的视频，接收用户输入的命令或数据等。对于带触摸屏的终端110，显示屏幕和输入设备可为触摸屏。如图4所示，在一个实施例中，提供了一种人脸活体的鉴别方法，以应用于上述应用环境中的服务器或终端来举例说明，包括如下步骤：步骤S210，获取随机的动作序列集，提示用户在规定的时间内依次完成所述动作序列集中的指定动作。具体的，随机的动作序列集可由服务器或终端产生，如随机的动作序列集为“左右摇头，眨眼，张嘴，上下摇头”，并在终端显示随机的动作序列集，可通过文字、示范视频的形式显示提示信息，可逐个显示，提示用户在规定的时间内依次完成动作序列集中的指定动作，可提示用户面向摄像头等按要求完成指定动作，可以限定每个指定动作的完成时间。如果是由服务器产生，则将随机的动作序列集发送至终端。在一个实施例中，动作序列集中的指定动作需要完成预设数目个，可以不用全部完成。步骤S220，获取人脸视频序列，使用人脸检测方法检测人脸视频序列中的第一帧人脸图像。具体的，通过摄像头采集用户的人脸视频序列，获取人脸视频序列中的每帧人脸视频图像，按照时间的先后顺序使用人脸检测方法检测人脸视频图像的第一帧人脸图像。人脸检测方法可以根据需要自定义，如采用基于深度学习的人脸检测方法，深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示，在人脸检测率和误检率上明显优于基于肤色或者统计学习的方法，并且适用于更加多变的图像。步骤S230，定位第一帧人脸图像中的人脸关键点，跟踪人脸关键点，输出每一帧的人脸关键点。具体的，可以精确定位面部的关键区域位置，人脸关键点包括眉毛、眼睛、鼻子、嘴巴，脸部轮廓等，支持一定程度遮挡以及多角度人脸。定位出第一帧人脸关键点后，后续人脸图像帧进行人脸关键点跟踪,输出每一帧的人脸关键点，人脸关键点的跟踪可以采用不同的跟踪方法，如光流跟踪、TLD(Tracking-Learning-Detection)跟踪、利用配准前后帧关系的跟踪。在一个实施例中，人脸检测方法为基于深度卷积神经网络的人脸检测方法，定位本文档来自技高网...

【技术保护点】
一种人脸活体的鉴别方法，所述方法包括：获取随机的动作序列集，提示用户在规定的时间内依次完成所述动作序列集中的指定动作；获取人脸视频序列，使用人脸检测方法检测所述人脸视频序列中的第一帧人脸图像；定位所述第一帧人脸图像中的人脸关键点；跟踪人脸关键点，输出每一帧的人脸关键点；根据所述人脸关键点采用连续分析法输出所述人脸视频序列对应的动作的状态参数；根据所述状态参数的连续性鉴别用户是否完成当前的指定动作，如果用户在规定的时间内依次完成所述动作序列集中的指定动作，则鉴定为人脸活体，否则，鉴定为非活体。

【技术特征摘要】
1.一种人脸活体的鉴别方法，所述方法包括：获取随机的动作序列集，提示用户在规定的时间内依次完成所述动作序列集中的指定动作；获取人脸视频序列，使用人脸检测方法检测所述人脸视频序列中的第一帧人脸图像；定位所述第一帧人脸图像中的人脸关键点；跟踪人脸关键点，输出每一帧的人脸关键点；根据所述人脸关键点采用连续分析法输出所述人脸视频序列对应的动作的状态参数；根据所述状态参数的连续性鉴别用户是否完成当前的指定动作，如果用户在规定的时间内依次完成所述动作序列集中的指定动作，则鉴定为人脸活体，否则，鉴定为非活体。2.根据权利要求1所述的方法，其特征在于，所述人脸检测方法为基于深度卷积神经网络的人脸检测方法，所述定位所述第一帧人脸图像中的人脸关键点采用基于深度卷积神经网络的定位方法。3.根据权利要求1所述的方法，其特征在于，当前指定动作为摇头，所述根据所述人脸关键点采用连续分析法输出所述人脸视频序列对应的动作的状态参数的步骤包括：根据每帧人脸图像的人脸关键点做姿态估计得到连续的人脸三维角度。4.根据权利要求1所述的方法，其特征在于，当前指定动作为眨眼或张嘴，所述根据所述人脸关键点采用连续分析法输出所述人脸视频序列对应的动作的状态参数的步骤包括：通过回归器输出所述人脸视频序列对应的动作的连续状态值，所述连续状态值与所述当前指定动作的张开幅度对应。5.根据权利要求1所述的方法，其特征在于，所述根据所述状态参数的连续性鉴别用户是否完成当前的指定动作的步骤包括：判断任意相邻的两个状态参数的差值是否大于预设阈值，如果是，则当前的指定动作鉴定不通过，否则当前的指定动作鉴定通过。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过分类器判断所述人脸视频序列中的人脸图像的类别，如果所述人脸图像为异常人脸...

【专利技术属性】
技术研发人员：汪铖杰，李季檩，黄飞跃，吴永坚，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44