活体检测方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种活体检测方法、装置、设备及存储介质，属于计算机技术领域。本申请实施例通过检测模型中级联的两个分支分别对目标的彩色图像和红外图像中人脸区域进行检测，综合两种图像的检测结果来确定目标是否为活体，一方面，通过对彩色图像中人脸区域进行检测，能够有效防御黑白打印和红外打印的图像进行防御，又结合红外图像中人脸区域的检测，还能够有效防御屏幕图像类和彩色打印图像的攻击，从而达到了全面防御的效果，防御效果好，实用性好，检测结果的准确性好。另一方面，综合过程中考虑到两种图像对环境信息的要求不同，根据目标所处的环境信息来确定两种图像结合时的权重，这样加权得到的检测结果的准确性更好，防御效果更好。

Live detection methods, devices, equipment and storage media

【技术实现步骤摘要】
活体检测方法、装置、设备及存储介质
本申请涉及计算机
，特别涉及一种活体检测方法、装置、设备及存储介质。
技术介绍
随着计算机技术的发展，活体检测技术在各个领域中均得到了广泛的应用。活体检测技术是指在一些身份验证场景确定对象真实生理特征的方法，在一些场景中需要验证当前是否为真人操作，如果不是真人操作则视为攻击，在确定是真人操作时，则可以执行相应的业务逻辑。常见的攻击手段有各种打印照片攻击(比如彩色打印照片、黑白打印照片、红外打印照片等)和屏幕播放攻击(比如手机屏幕、平板屏幕、电脑屏幕等)。目前，活体检测方法通常是采用单目相机采集目标的图像，对采集到的图像进行活体检测，确定目标是否为活体。例如，该单目相机可以为彩色相机，也可以为红外相机。由于不同的相机采集到的图像只能针对某种类型的攻击进行检测，而不能涵盖上述常见的攻击手段，做不到很好的防御，例如，彩色相机只能防御红外或黑白打印的图像，且容易受光照强度的影响而导致无法准确检测。红外相机只能防御屏幕图像和彩色图像，而无法防御红外打印或黑白打印的图像。因而，通过上述活体检测方法的实用性较差，检测结果的准确性较差。
技术实现思路
本申请实施例提供了一种活体检测方法、装置、设备及存储介质，可以解决相关技术中实用性较差和检测结果的准确性较差的问题。所述技术方案如下：一方面，提供了一种活体检测方法，所述方法包括：获取目标的彩色图像和红外图像中的人脸区域；将所述目标的彩色图像和红外图像中的人脸区域，分别输入检测模型中级联的第一检测模型分支和第二检测模型分支中；分别基于所述第一检测模型分支和第二检测模型分支，对所述彩色图像和所述红外图像的人脸区域进行活体检测，得到检测结果；根据所述目标所处的环境信息，确定所述彩色图像和所述红外图像各自的权重；根据所述彩色图像和所述红外图像各自的权重，对所述彩色图像和所述红外图像的检测结果进行加权，输出所述目标的检测结果，所述检测结果用于指示所述目标是否为活体。在一种可能实现方式中，所述目标的检测结果包括所述目标为活体的概率；所述检测结果用于指示所述目标是否为活体，包括：当所述目标的检测结果中的所述概率小于第一阈值时，确定所述目标不是活体。当所述目标的检测结果中的所述概率大于或等于第一阈值时，确定所述目标为活体。在一种可能实现方式中，所述彩色图像检测结果或所述深度图像检测结果包括所述目标为活体的概率；所述方法还包括：当所述彩色图像检测结果或所述深度图像检测结果中的所述概率小于第二阈值时，确定所述目标不是活体；当所述彩色图像检测结果或所述深度图像检测结果中的所述概率大于或等于第二阈值时，确定所述目标为活体。在一种可能实现方式中，所述检测模型的模型参数基于正负样本训练得到，所述模型参数包括彩色图像和所述红外图像各自的权重、第一阈值、第二阈值；所述第二级检测模块的初始模型参数与所述第一级检测模块的模型参数相同；所述检测模型基于对训练得到的候选检测模型进行模型蒸馏或模型剪枝得到。一方面，提供了一种活体检测装置，所述装置包括：获取模块，用于获取目标的彩色图像和红外图像中的人脸区域；检测模块，用于将所述目标的彩色图像和红外图像中的人脸区域，分别输入检测模型中级联的第一检测模型分支和第二检测模型分支中；所述检测模块，还用于分别基于所述第一检测模型分支和第二检测模型分支，对所述彩色图像和所述红外图像的人脸区域进行活体检测，得到检测结果；确定模块，还用于根据所述目标所处的环境信息，确定所述彩色图像和所述红外图像各自的权重；所述检测模块，还用于根据所述彩色图像和所述红外图像各自的权重，对所述彩色图像和所述红外图像的检测结果进行加权，输出所述目标的检测结果，所述检测结果用于指示所述目标是否为活体。在一种可能实现方式中，所述检测模块，用于：对于所述第一检测模型分支和所述第二检测模型分支中任一检测模型分支，对输入所述检测模型分支的人脸区域进行特征提取，得到第一图像特征；获取另一个检测模型分支提取到的第二图像特征；根据彩色图像和红外图像之间的像素差异以及所述第二图像特征，获取第三图像特征；对所述第一图像特征和所述第三图像特征进行检测，得到所述检测模型分支对应的图像的检测结果。在一种可能实现方式中，所述目标的检测结果包括所述目标为活体的概率；所述检测结果用于指示所述目标是否为活体，包括：当所述目标的检测结果中的所述概率小于第一阈值时，确定所述目标不是活体。当所述目标的检测结果中的所述概率大于或等于第一阈值时，确定所述目标为活体。在一种可能实现方式中，所述检测模型包括第一级检测模块和第二级检测模块，所述第一级检测模块用于对一种图像的人脸区域进行活体检测，所述第二级检测模块包括所述级联的第一检测模型分支和第二检测模型分支。在一种可能实现方式中，所述第一级检测模块用于对红色图像的人脸区域进行活体检测；所述检测模块和所述确定模块还用于执行下述任一项：基于所述第一级检测模块，对所述彩色图像的人脸区域进行活体检测，得到彩色图像检测结果；当所述彩色图像检测结果指示所述目标为活体时，基于所述第二级检测模块，执行分别检测步骤和确定步骤；当基于所述第二级检测模块得到所述目标的检测结果指示所述目标为活体时，基于所述第一级检测模块，对所述彩色图像的人脸区域进行活体检测，得到彩色图像检测结果，将所述彩色图像检测结果作为所述目标的最终检测结果。在一种可能实现方式中，所述彩色图像检测结果或所述深度图像检测结果包括所述目标为活体的概率；所述检测模块还用于：当所述彩色图像检测结果或所述深度图像检测结果中的所述概率小于第二阈值时，确定所述目标不是活体；当所述彩色图像检测结果或所述深度图像检测结果中的所述概率大于或等于第二阈值时，确定所述目标为活体。在一种可能实现方式中，所述检测模型的模型参数基于正负样本训练得到，所述模型参数包括彩色图像和所述红外图像各自的权重、第一阈值、第二阈值；所述第二级检测模块的初始模型参数与所述第一级检测模块的模型参数相同；所述检测模型基于对训练得到的候选检测模型进行模型蒸馏或模型剪枝得到。在一种可能实现方式中，所述第一级检测模块用于对深度图像的人脸区域进行活体检测；所述检测模块和所述确定模块还用于执行下述任一项：获取目标的深度图像中的人脸区域；基于所述第一级检测模块，对所述深度图像中的人脸区域进行活体检测，得到深度图像检测结果；当所述检测结果指示所述目标为活体时，执行所述获取步骤、分别检测步骤和确定步骤；当基于所述第二级检测模块得到所述目标的检测结果指示所述目标为活体时，获取目标的深度图像中的人脸区域；基于所述第一级检测模块，对所述深度图像中的人脸区域进行活体检测，得到深度图像检测结果，将所述深度像检测结果作为所述目标的最终检测结果。在一种可能实本文档来自技高网...

【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获取目标的彩色图像和红外图像中的人脸区域；/n将所述目标的彩色图像和红外图像中的人脸区域，分别输入检测模型中级联的第一检测模型分支和第二检测模型分支中；/n分别基于所述第一检测模型分支和第二检测模型分支，对所述彩色图像和所述红外图像的人脸区域进行活体检测，得到检测结果；/n根据所述目标所处的环境信息，确定所述彩色图像和所述红外图像各自的权重；/n根据所述彩色图像和所述红外图像各自的权重，对所述彩色图像和所述红外图像的检测结果进行加权，输出所述目标的检测结果，所述检测结果用于指示所述目标是否为活体。/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：
获取目标的彩色图像和红外图像中的人脸区域；
将所述目标的彩色图像和红外图像中的人脸区域，分别输入检测模型中级联的第一检测模型分支和第二检测模型分支中；
分别基于所述第一检测模型分支和第二检测模型分支，对所述彩色图像和所述红外图像的人脸区域进行活体检测，得到检测结果；
根据所述目标所处的环境信息，确定所述彩色图像和所述红外图像各自的权重；
根据所述彩色图像和所述红外图像各自的权重，对所述彩色图像和所述红外图像的检测结果进行加权，输出所述目标的检测结果，所述检测结果用于指示所述目标是否为活体。


2.根据权利要求1所述的方法，其特征在于，所述分别基于所述第一检测模型分支和第二检测模型分支，对所述彩色图像和所述红外图像的人脸区域进行活体检测，得到检测结果，包括：
对于所述第一检测模型分支和所述第二检测模型分支中任一检测模型分支，对输入所述检测模型分支的人脸区域进行特征提取，得到第一图像特征；
获取另一个检测模型分支提取到的第二图像特征；
根据彩色图像和红外图像之间的像素差异以及所述第二图像特征，获取第三图像特征；
对所述第一图像特征和所述第三图像特征进行检测，得到所述检测模型分支对应的图像的检测结果。


3.根据权利要求1所述的方法，其特征在于，所述检测模型包括第一级检测模块和第二级检测模块，所述第一级检测模块用于对一种图像的人脸区域进行活体检测，所述第二级检测模块包括所述级联的第一检测模型分支和第二检测模型分支。


4.根据权利要求3所述的方法，其特征在于，所述第一级检测模块用于对红色图像的人脸区域进行活体检测；所述方法还包括下述任一项：
基于所述第一级检测模块，对所述彩色图像的人脸区域进行活体检测，得到彩色图像检测结果；当所述彩色图像检测结果指示所述目标为活体时，基于所述第二级检测模块，执行分别检测步骤和确定步骤；
当基于所述第二级检测模块得到所述目标的检测结果指示所述目标为活体时，基于所述第一级检测模块，对所述彩色图像的人脸区域进行活体检测，得到彩色图像检测结果，将所述彩色图像检测结果作为所述目标的最终检测结果。


5.根据权利要求3所述的方法，其特征在于，所述第一级检测模块用于对深度图像的人脸区域进行活体检测；所述方法还包括下述任一项：
获取目标的深度图像中的人脸区域；基于所述第一级检测模块，对所述深度图像中的人脸区域进行活体检测，得到深度图像检测结果；当所述检测结果指示所述目标为活体时，执行所述获取步骤、分别检测步骤和确定步骤；
当基于所述第二级检测模块得到所述目标的检测结果指示所述目标为活体时，获取目标的深度图像中的人脸区域；基于所述第一级检测模块，对所述深度图像中的人脸区域进行活体检测，得到深度图像检测结果，将所述深度像检测结果作为所述目标的最终检测结果。


6.根据权利要求1所述的方法，其特征在于，所述获取目标的彩色图像和红外图像中的人脸区域，包括：
分别基于双目相机中的彩色相机和红外相机，对目标进行图像采集，得到所述目标的彩色图像和红外图像；
对所述彩色图像和所述红外图像进行人脸检测，得到所述彩色图像和所述红外图像中的人脸区域。


7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
获取所述双目相机的双目视差；
根据所述双目相机的双目视差，获取所述彩色图像和所述红外图像中的人脸区域对应的三维信息；
分别将所述彩色图像和所述红外图像中的人脸区域对应的三维信...

【专利技术属性】
技术研发人员：杨静，刘世策，周恩慈，丁守鸿，李季檩，
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