活体检测方法、装置、服务器和人脸识别设备制造方法及图纸

本说明书提供一种活体检测方法、装置、服务器和人脸识别设备。在一个实施例中，通过先从目标图像数据中获取目标对象的人脸比对特征；再确定并根据目标对象的人脸比对特征，与包含有多个疑似非活体对象的人脸比对特征的预设的攻击图像特征库之间的相似度参数，来判断目标对象是否为疑似非活体对象，进而再确定目标对象是否为活体对象。提高了活体检测的准确度和效率。

Living detection methods, devices, servers and face recognition devices

【技术实现步骤摘要】
活体检测方法、装置、服务器和人脸识别设备
本说明书属于互联网
，尤其涉及活体检测方法、装置、服务器和人脸识别设备。
技术介绍
随着技术的发展，人脸识别的应用越来越广泛，在许多应用场景中，经常会使用人脸识别技术通过对所采集的图像数据进行人脸识别来确定用户的身份，进而为用户提供对应的服务，或者开通相应的权限。但是，目前出现了一些通过使用包含有他人人脸的照片、视频等，或者套用包含他人人脸的面具等方式来伪装成他人，以蒙混通过人脸识别，对他人的权益安全产生威胁的现象。因此，在一些实施例中，在进行人脸识别之前，通常会先通过预先训练得到的活体检测模型先进行活体检测，以确定所要识别的图像数据中的人脸对象是否是真实的人类的脸，而不是照片、视频或者面具等。目前，亟需一种较为高效、准确的活体检测方法。
技术实现思路
本说明书提供了一种活体检测方法、装置、服务器和人脸识别设备，以高效、准确地对目标图像数据进行活体检测。本说明书提供的一种活体检测方法、装置、服务器和人脸识别设备是这样实现的：一种活体检测方法，包括：获取目标图像数据，其中，所述目标图像数据包含有目标对象；从所述目标图像数据中获取目标对象的人脸比对特征；确定所述人脸比对特征与预设的攻击图像特征库的相似度参数，其中，所述预设的攻击图像特征库中包括多个疑似非活体对象的人脸比对特征；根据所述相似度参数，确定所述目标对象是否为活体对象。一种活体检测装置，包括：第一获取模块，用于获取目标图像数据，其中，所述目标图像数据包含有目标对象；第二获取模块，用于从所述目标图像数据中获取目标对象的人脸比对特征；第一确定模块，用于确定所述人脸比对特征与预设的攻击图像特征库的相似度参数，其中，所述预设的攻击图像特征库中包括多个疑似非活体对象的人脸比对特征；第二确定模块，用于根据所述相似度参数，确定所述目标对象是否为活体对象。获取模块，用于获取目标图像数据，其中，所述目标图像数据包含有目标对象；处理模块，用于调用预设的活体检测模型，从所述目标图像数据中提取目标特征，并通过所述预设的活体检测模型根据所述目标特征确定出所述目标对象为非活体对象的概率值作为目标概率；第一确定模块，用于确定所述目标特征与预设的攻击图像特征库的相似度参数，其中，所述预设的攻击图像特征库包括多个用于指示疑似非活体对象的特征数据；第二确定模块，用于根据所述目标概率，和所述相似度参数，确定所述目标图像数据中的目标对象是否为活体对象。一种服务器，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现获取目标图像数据，其中，所述目标图像数据包含有目标对象；从所述目标图像数据中获取目标对象的人脸比对特征；确定所述人脸比对特征与预设的攻击图像特征库的相似度参数，其中，所述预设的攻击图像特征库中包括多个疑似非活体对象的人脸比对特征；根据所述相似度参数，确定所述目标对象是否为活体对象。一种人脸识别设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现获取目标图像数据，其中，所述目标图像数据包含有目标对象；从所述目标图像数据中获取目标对象的人脸比对特征；确定所述人脸比对特征与预设的攻击图像特征库的相似度参数，其中，所述预设的攻击图像特征库中包括多个疑似非活体对象的人脸比对特征；根据所述相似度参数，确定所述目标图像数据中的目标对象是否为活体对象；在确定所述目标对象不是活体对象的情况下，确定人脸识别失败。本说明书提供的一种活体检测方法、装置、服务器和人脸识别设备。通过先从目标图像数据中获取目标对象的人脸比对特征；再确定并根据目标对象的人脸比对特征，与包含有多个疑似非活体对象的人脸比对特征的预设的攻击图像特征库之间的相似度参数，来判断目标对象是否为疑似非活体对象，进而再确定目标对象具体是否为活体对象。提高了活体检测的准确度和效率。附图说明为了更清楚地说明本说明书实施例，下面将对实施例中所需要使用的附图作简单地介绍，下面描述中的附图仅仅是本说明书中记载的一些实施例，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。图1是应用本说明书实施例提供的活体检测方法的系统结构组成的一个实施例的示意图；图2是在一个场景示例中，应用本说明书实施例提供的活体检测方法的一种实施例的示意图；图3是在一个场景示例中，应用本说明书实施例提供的活体检测方法的一种实施例的示意图；图4是本说明书的一个实施例提供的活体检测方法的流程示意图；图5是本说明书的一个实施例提供的活体检测方法的一个实施例示意图；图6是本说明书的一个实施例提供的活体检测方法的一个实施例示意图；图7是本说明书的一个实施例提供的服务器的结构组成示意图；图8是本说明书的一个实施例提供的活体检测装置的结构组成示意图。具体实施方式为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。本说明书实施例提供一种活体检测方法，该方法具体可以应用于包含有服务器和采集终端的系统架构中。具体可以参阅图1所示。其中，所述采集终端布设于某个具体的应用场景中，并通过有线或无线的方式与服务器耦合，以便进行数据交互。通过该系统可以采集该应用场景中包含有的目标对象的目标图像数据，并对所图像数据中的目标对象进行活体检测。具体的，所述采集终端具体可以用于采集包含有目标对象的目标图像数据，并将所述目标图像数据发送至服务器。所述服务器具体可以用于通过使用人脸比对模型等方式从所述目标图像数据中获取目标对象的人脸比对特征；确定所述人脸比对特征与预设的攻击图像特征库的相似度参数，其中，所述预设的攻击图像特征库中包括多个疑似非活体对象的人脸比对特征；根据所述相似度参数，确定所述目标对象是否为活体对象。在本实施例中，所述服务器可以是一种应用于数据处理平台一侧，能够实现数据传输、数据处理等功能的后台业务服务器。具体的，所述服务器可以为一个具有数据运算、存储功能以及网络交互功能的电子设备；也可以为运行于该电子设备中，为数据处理、存储和网络交互提供支持的软件程序。在本实施方式中，并不具体限定所述服务器的数量。所述服务器具体可以为一个服务器，也可以为几个服务器，或者，由若干服务器形成的服务器集群。在本实施例中，所述采集终端可以是一种应用于具体的场景区域一侧，能够实现数据采集、数据传输等功能的前端设备。具体地，所述采集终端例如可以为监控摄像头，也可以是安装有摄像头的其他电子设备，例如平板电脑、笔记本电脑、智能手机等。在一个具体的场景示例中，参阅图2所示，可以将本说明书实施例提供的活体检测方法应用于自动售货机的刷脸支付场本文档来自技高网...

【技术保护点】
1.一种活体检测方法，包括：/n获取目标图像数据，其中，所述目标图像数据包含有目标对象；/n从所述目标图像数据中获取目标对象的人脸比对特征；/n确定所述人脸比对特征与预设的攻击图像特征库的相似度参数，其中，所述预设的攻击图像特征库中包括多个疑似非活体对象的人脸比对特征；/n根据所述相似度参数，确定所述目标对象是否为活体对象。/n

【技术特征摘要】
1.一种活体检测方法，包括：
获取目标图像数据，其中，所述目标图像数据包含有目标对象；
从所述目标图像数据中获取目标对象的人脸比对特征；
确定所述人脸比对特征与预设的攻击图像特征库的相似度参数，其中，所述预设的攻击图像特征库中包括多个疑似非活体对象的人脸比对特征；
根据所述相似度参数，确定所述目标对象是否为活体对象。


2.根据权利要求1所述的方法，在确定所述人脸比对特征与预设的攻击图像特征库的相似度参数后，所述方法还包括：
使用预设的活体检测模型，确定所述目标图像数据中的目标对象为非活体对象的概率值作为目标概率；
相应的，根据所述相似度参数，确定所述目标对象是否为活体对象，包括：
根据所述相似度参数，和所述目标概率，确定所述目标图像数据中的目标对象是否为活体对象。


3.根据权利要求1所述的方法，确定所述人脸比对特征与预设的攻击图像特征库的相似度参数，包括：
根据所述人脸比对特征与所述预设的攻击图像特征库，计算所述人脸比对特征与预设的攻击图像特征库中的各个特征数据之间的余弦相似度；
根据所述人脸比对特征与预设的攻击图像特征库中的各个特征数据之间的余弦相似度，确定所述人脸比对特征与预设的攻击图像特征库的相似度参数。


4.根据权利要求1所述的方法，根据所述目标概率，和所述相似度参数，确定所述目标图像数据中的目标对象是否为活体对象，包括：
比较所述相似度参数和预设的相似度阈值，确定所述相似度参数是否大于等于所述预设的相似度阈值，得到对应的第一比较结果；
根据所述第一比较结果，确定出与所述第一比较结果匹配的概率阈值；
比较所述目标概率和所述概率阈值，确定所述目标概率是否大于等于所述概率阈值，得到对应的第二比较结果；
根据所述第二比较结果，确定所述目标对象是否为活体对象。


5.根据权利要求4所述的方法，根据所述第一比较结果，确定出与所述第一比较结果匹配的概率阈值，包括：
根据所述第一比较结果，在确定所述相似度参数大于等于所述预设的相似度阈值的情况下，确定预设的第一概率值作为与所述第一比较结果匹配的概率阈值；
根据所述第一比较结果，在确定所述相似度参数小于所述预设的相似度阈值的情况下，确定预设的第二概率值作为与所述第一比较结果匹配的概率阈值；其中，所述预设的第一概率值的数值小于所述预设的第二概率值。


6.根据权利要求1所述的方法，所述预设的攻击图像特征库按照以下方式建立：
获取样本数据，其中，所述样本数据包括包含有非活体对象的图像数据，和包含有活体对象的图像数据；
通过人脸比对模型，从所述样本数据中提取得到多个样本特征；
从所述多个样本特征中筛选出用于指示疑似非活体对象的特征数据，作为黑样本特征；
根据所述黑样本特征，建立所述预设的攻击图像特征库。


7.根据权利要求6所述的方法，从所述多个样本特征中筛选出用于指示疑似非活体对象的特征数据，作为黑样本特征，包括：
确定所述样本数据的LBP特征；
根据所述样本数据的LBP特征，通过混合高斯模型，划分得到第一样本数据集和第二样本数据集；
利用预设的活体检测模型，分别确定第一样本数据集的目标概率平均值，和第二样本数据集的目标概率平均值；
根据所述第一样本数据集的目标概率平均值，和第二样本数据集的目标概率平均值，从所述第一样本数据集和第二样本数据集中选择目标概率平均值大的样本数据集作为符合要求的样本数据集；
获取所述符合要求的样本数据集中的样本数据的样本特征作为所述黑样本特征。


8.根据权利要求6所述的方法，在从所述多个样本特征中筛选出用于指示疑似非活体对象的特征数据，作为黑样本特征之前，所述方法还包括：
通过预设的活体检测模型根据所述样本数据确定出样本数据中的目标对象为非活体对象的目标概率；
根据所述样本数据的目标概率，从所述样本特征中删除目标概率小于预设门槛值的样本数据所对应的样本特征。


9.根据权利要求6所述的方法，在根据所述黑样本特征，建立所述预设的攻击图像特征库后，所述方法还包括：
根据所述预设的攻击图像特征库，建立多个黑样本特征组，其中，所述黑样本特征组包括两个黑样本特征；
计算黑样本特征组所包括的两个黑样本特征之间的余弦相似度；
筛选出余弦相似度大于预设的相似度阈值的黑样本特征组，作为调整组；
从所述调整组中筛选出一个黑样本特征，作为冗余特征；
从所述预设的攻击图像特征库中删除所述冗余特征。


10.一种活体检测装置，包括：
第一获取模块，用于获取目标图像数据，其中，所述目...

【专利技术属性】
技术研发人员：曹佳炯，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33