【技术实现步骤摘要】
活体检测方法、装置、计算机设备和存储介质
本申请涉及计算机
，尤其涉及一种活体检测方法、装置、计算机设备和存储介质。
技术介绍
如今，生物特征识别技术如今已经可以十分精确地识别生物特征，但是一个风险仍然存在，即被伪造合法用户生物特征的攻击的风险，因此活体检测是生物特征识别系统中不可或缺的环节。以人体为例，现有的活体检测技术分为两类：第一类是以活体指纹识别为代表的传统活体检测技术，即机器只对真人活体指纹产生识别反应，对其他一切物质不作识别，常应用于如考勤机、门禁系统等。活体指纹识别的原理比较简单：如识别皮肤的温度、人体皮肤的电容值等，但存在的缺陷主要包括：需要专用硬件设备，价格昂贵；需要用户主动进行配合，所需检测时间较长；第二类是以人机交互检测为代表的现代活体检测技术，常用于人脸支付等所需安全级别较高的场景，其原理为，机器发出指令，例如摇头、点头、眨眼等，待检测人做出相应动作，机器以用户动作是否符合指令为标准判断是否为活体。上述通过指令判断是否为活体的方法需要用户较长时间配合，指令相对固定，容易被欺骗者伪造。
【技术保护点】
1.一种活体检测方法，其特征在于，所述方法包括：/n获取包含目标对象的三维图像张量，所述三维图像张量由视频图像的预设个时间序列帧组成；/n输入所述三维图像张量至预设三维活体检测模型，通过所述预设三维活体检测模型提取所述三维图像张量的三维特征张量，通过所述预设三维活体检测模型的向量转换函数，将所述三维特征张量转化为二维特征向量，将所述二维特征向量输入至所述预设三维活体检测模型的分类层，计算所述二维特征向量与所述分类层中的标准特征向量的相似度，根据所述相似度输出所述二维特征向量的识别结果，所述识别结果包括活体和非活体。/n
【技术特征摘要】
1.一种活体检测方法，其特征在于，所述方法包括：
获取包含目标对象的三维图像张量，所述三维图像张量由视频图像的预设个时间序列帧组成；
输入所述三维图像张量至预设三维活体检测模型，通过所述预设三维活体检测模型提取所述三维图像张量的三维特征张量，通过所述预设三维活体检测模型的向量转换函数，将所述三维特征张量转化为二维特征向量，将所述二维特征向量输入至所述预设三维活体检测模型的分类层，计算所述二维特征向量与所述分类层中的标准特征向量的相似度，根据所述相似度输出所述二维特征向量的识别结果，所述识别结果包括活体和非活体。
2.根据权利要求1所述的方法，其特征在于，获取包含目标对象的三维图像张量之前，还包括：
获取包含多个三维训练图像张量的训练集合，所述三维训练图像张量携带标签，所述标签包括活体标签和非活体标签；
输入所述训练集合中各个所述三维训练图像张量至初始三维活体检测模型，输出各个所述三维训练图像张量对应的识别结果；
统计所述训练集合中所述三维训练图像张量的识别结果和对应的标签的匹配值；
判断所述匹配值是否大于预设匹配值；
当所述匹配值大于或等于所述预设匹配值时，得到所述预设三维活体检测模型。
3.根据权利要求2所述的方法，其特征在于，当所述匹配值小于所述预设匹配值时，还包括：
更新所述初始三维活体检测模型的模型参数，得到更新三维活体检测模型；
输入各个所述三维训练图像张量至所述更新三维活体检测模型，直至所述匹配值大于或等于所述预设匹配值时，得到所述预设三维活体检测模型。
4.根据权利要求2或3所述的方法，其特征在于，所述获取包含多个三维训练图像张量的训练集合之前，还包括：
获取多个训练视频图像，获取各个所述训练视频图像中的预设个序列帧组成初始三维训练图像张量；
对各个所述初始三维训练图像张量进行下采样，得到对应的下采样三维训练图像张量；
获取样本生成规则；
按照所述样本生成规则，生成与各个所述下采样三维训练图像张量对应的多个生成三维训练图像张量；
由所述生成三维训练图像张量和所述下采样三维训练图像张量组成所述训练集合。
5.根据权利要求1所述的方法，其特征在于，所述预设三维活体检测模型包括至少一个特征提取单元，每个所述特征提取单元包含一个卷积层和一个池化层，所述通过所述预设三维活体检测模型提取所述三维图像张量的三维特征张量，包括：
输...
【专利技术属性】
技术研发人员：程思潇，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。