一种活体验证方法及设备技术

本发明专利技术实施例公开了一种活体验证方法及设备。所述方法包括：获得第一图像数据，解析所述第一图像数据，获得所述第一图像数据的纹理特征；所述纹理特征表征以下属性特征的至少之一：所述第一图像数据的模糊特征、所述第一图像数据的反光特征、所述第一图像数据的边框特征；基于分类模型获得所述纹理特征对应的第一类参数；基于统计处理方式获得所述第一图像数据中与所述纹理特征对应的第二类参数；所述第二类参数与所述第一类参数不同；当所述第一类参数大于第一类阈值、且所述第二类参数大于第二类阈值时，基于所述第一类参数和所述第二类参数确定融合参数；当所述融合参数大于第三类阈值时，确定活体验证通过。

【技术实现步骤摘要】
一种活体验证方法及设备
本专利技术涉及人脸识别技术，具体涉及一种活体验证方法及设备。
技术介绍
现有的被动活体验证方法主要分为三类：基于运动的方法、基于设备的方法以及基于纹理的方法。其中，基于运动的方法主要是通过分析图像背景或者用户无意识的行为判断是否存在三维深度变化，从而区分照片还是真人。基于设备的方法通过不同光源或光强度下采集的人脸图像来检测真实人脸与照片/视频图像的差异。这类方法是基于真实人脸对光源的反光程度、与照片/视频对光源的反光程度不同。基于纹理的方法是通过分析图像的某一类图像特征直接进行分类。上述三类方法均有一些不足之处：基于运动的方法仍然需要用户做出一些转头或侧脸动作才可以，并不是完全的被动验证，而且对于视频无法区分。基于设备的方法虽然能够取得较好的效果，但严重依赖于设备，可扩展性不强。基于图像纹理的方法采用单一的图像特征很难描述不同的攻击样本。比如频域分析对于高清图像无效，反光度对于暗光下拍摄的无反光图像无效等等。
技术实现思路
为解决现有存在的技术问题，本专利技术实施例提供一种活体验证方法及设备。为达到上述目的，本专利技术实施例的技术方案是这样实现的：本专利技术实施例本文档来自技高网...

【技术保护点】
一种活体验证方法，其特征在于，所述方法包括：获得第一图像数据，解析所述第一图像数据，获得所述第一图像数据的纹理特征；所述纹理特征表征以下属性特征的至少之一：所述第一图像数据的模糊特征、所述第一图像数据的反光特征、所述第一图像数据的边框特征；基于分类模型获得所述纹理特征对应的第一类参数；基于统计处理方式获得所述第一图像数据中与所述纹理特征对应的第二类参数；所述第二类参数与所述第一类参数不同；当所述第一类参数大于第一类阈值、且所述第二类参数大于第二类阈值时，基于所述第一类参数和所述第二类参数确定融合参数；当所述融合参数大于第三类阈值时，确定活体验证通过。

【技术特征摘要】
1.一种活体验证方法，其特征在于，所述方法包括：获得第一图像数据，解析所述第一图像数据，获得所述第一图像数据的纹理特征；所述纹理特征表征以下属性特征的至少之一：所述第一图像数据的模糊特征、所述第一图像数据的反光特征、所述第一图像数据的边框特征；基于分类模型获得所述纹理特征对应的第一类参数；基于统计处理方式获得所述第一图像数据中与所述纹理特征对应的第二类参数；所述第二类参数与所述第一类参数不同；当所述第一类参数大于第一类阈值、且所述第二类参数大于第二类阈值时，基于所述第一类参数和所述第二类参数确定融合参数；当所述融合参数大于第三类阈值时，确定活体验证通过。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：判定所述第一类参数不大于所述第一类阈值、或所述第二类参数不大于所述第二类阈值、或所述融合参数不大于所述第三类阈值时，确定活体验证不通过。3.根据权利要求1或2所述的方法，其特征在于，所述获得所述第一图像数据的纹理特征，包括：分别获得所述第一图像数据的第一纹理特征、第二纹理特征和第三纹理特征；所述第一纹理特征表征所述第一图像数据的模糊特征；所述第二纹理特征表征所述第一图像数据的反光特征；所述第三纹理特征表征所述第一图像数据的边框特征；所述基于预先配置的分类模型获得所述纹理特征对应的第一类参数，包括：基于预先配置的第一分类模型获得所述第一纹理特征对应的第一参数，基于预先配置的第二分类模型获得所述第二纹理特征对应的第二参数，基于预先配置的第三分类模型获得所述第三纹理特征对应的第三参数；所述统计所述第一图像数据中与所述纹理特征对应的第二类参数，包括：统计所述第一图像数据中与所述第一纹理特征对应的第四参数、与所述第二纹理特征对应的第五参数以及所述第三纹理特征对应的第六参数。4.根据权利要求3所述的方法，其特征在于，所述判定所述第一类参数大于第一类阈值、且所述第二类参数大于第二类阈值时，基于所述第一类参数和所述第二类参数确定融合参数，包括：判定所述第一参数大于第一阈值、且所述第二参数大于第二阈值、且所述第三参数大于第三阈值、且所述第四参数大于第四阈值、且所述第五参数大于第五阈值、且所述第六参数大于第六阈值时，基于所述第一参数、所述第二参数、所述第三参数、所述第四参数、所述第五参数和所述第六参数确定融合参数。5.根据权利要求3所述的方法，其特征在于，所述判定所述第一类参数不大于所述第一类阈值、或所述第二类参数不大于所述第二类阈值、或所述融合参数不大于所述第三类阈值时，确定活体验证不通过，包括：判定所述第一参数不大于所述第一阈值、或所述第二参数不大于所述第二阈值、或所述第三参数不大于所述第三阈值、或所述第四参数不大于所述第四阈值、或所述第五参数不大于所述第五阈值、或所述第六参数不大于所述第六阈值时，或所述融合参数不大于所述第三类阈值时，确定活体验证不通过。6.根据权利要求3所述的方法，其特征在于，所述获得所述第一图像数据的第一纹理特征，包括：将所述第一图像数据转换为色相饱和度HSV模型数据；对所述HSV模型数据进行局部二值模式LBP处理，分别获得对应于色调数据的第一LBP特征数据、对应于饱和度数据的第二LBP特征数据和对应于明度数据的第三LBP特征数据，将所述第一LBP特征数据、所述第二LBP特征数据和所述第三LBP特征数据作为所述第一纹理特征。7.根据权利要求3所述的方法，其特征在于，获得所述第一图像数据的第二纹理特征，包括：提取所述第一图像数据的反光特征，以及提取所述第一图像数据的颜色直方图特征，将所述反光特征和颜色直方图特征作为所述第二纹理特征；其中，所述提取所述第一图像数据的反光特征，包括：获得所述第一图像数据的反射率图像，基于所述第一图像数据以及所述反射率图像获得反光图像；对所述反射率图像进行分块处理，获得图像分块灰度统计参数作为所述反光特征。8.根据权利要求3所述的方法，其特征在于，获得所述第一图像数据的第三纹理特征，包括：对所述第一图像数据进行滤波处理，获得所述第一图像数据的第一边缘图像数据；对所述第一边缘图像数据进行LBP处理，获得表征所述第三纹理特征的第四LBP特征数据。9.根据权利要求3所述的方法，其特征在于，所述统计所述第一图像数据中与所述第一纹理特征对应的第四参数，包括：对所述第一图像数据进行高斯滤波处理，获得所述第一图像数据的高斯图像数据；基于所述第一图像数据与所述高斯图像数据获得差分图像数据，获得所述差分图像数据的梯度信息作为所述第四参数。10.根据权利要求3所述的方法，其特征在于，统计所述第一图像数据中与所述第二纹理特征对应的第五参数，包括：获得所述第一图像数据的反光图像；对所述反光图像进行二值化处理，基于二值化处理后的图像对所述反光图像进行分块，统计每个分块图像中亮度满足预设阈值的区域在相应分块图像中的第一比例关系，计算所有分块图像对应的第一比例关系的总和作为所述第五参数。11.根据权利要求3所述的方法，其特征在于，统计所述第一图像数据中与所述第三纹理特征对应的第六参数，包括：识别所述第一图像数据中的人脸所在区域；对所述第一图像数据进行边缘检测处理，获得第二边缘图像数据，识别出所述第二边缘图像数据中长度满足第一预设条件的第一直线；抽取所述第一直线中位置在所述人脸所在区域以外、且斜率满足第二预设条件的第二直线，统计所述第二直线的数量作为所述第六参数。12.根据权利要求4所述的方法，其特征在于，所述基于所述第一参数、所述第二参数、所述第三参数、所述第四参数、所述第五参数和所述第六参数确定融合参数，包括：预先采用机器学习算法分别获得所述第一参数对应的第一权重系数、所述第二参数对应的第二权重系数、所述第三参数对应的第三权重系数、所述第四参数对应的第四权重系数、所述第五参数对应的第五权重系数和所述第六参数对应的第六权重系数；获得所述第一参数与所述第一权重系数的第一乘积、所述第二参数与所述第二权重系数的第二乘积、所述第三参数与所述第三权重系数的第三乘积、所述...

【专利技术属性】
技术研发人员：熊鹏飞，王汉杰，
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