活体检测方法和装置、电子设备和计算机可读存储介质制造方法及图纸

本公开实施例公开了一种活体检测方法和装置、电子设备和计算机可读存储介质，其中，活体检测方法包括：获取摄像头采集到的包括目标对象的待检测图像；对所述待检测图像进行特征提取，得到特征数据；基于所述特征数据，得到所述目标对象的分类结果，其中所述分类结果为真人、假人或干扰项。本公开实施例可以提升活体检测结果的准确率。

Living body detection method and device, electronic equipment and computer-readable storage medium

【技术实现步骤摘要】
活体检测方法和装置、电子设备和计算机可读存储介质
本公开涉及图像处理技术，尤其是一种活体检测方法和装置、电子设备和计算机可读存储介质。
技术介绍
随着计算机视觉技术的不断发展，人脸识别技术已经得到了广泛的应用，然而，由于人脸的易获得和易伪造特性，需要通过活体检测来判定在摄像头前的人脸图像是否来自真实的人，以提高人脸识别的安全性。目前，如何提高活体检测的准确度是本领域的研究热点。
技术实现思路
本公开实施例提供一种活体检测的技术方案。根据本公开实施例的一个方面，提供的一种活体检测方法，包括：获取摄像头采集到的包括目标对象的待检测图像；对所述待检测图像进行特征提取，得到特征数据；基于所述特征数据，得到所述目标对象的分类结果，其中所述分类结果为真人、假人或干扰项。可选地，在上述活体检测方法实施例中，所述摄像头包括：单目摄像头、双目摄像头或三维摄像头。可选地，在上述活体检测方法实施例中，所述基于所述特征数据，得到所述目标对象的分类结果，包括：基于所述特征数据，得到所述目标对象分别属于真人、假人和干扰项的概率值；基于所述目标对象分别属于真人、假人和干扰项的概率值，确定所述目标对象的分类结果。可选地，在上述活体检测方法实施例中，所述基于所述目标对象分别属于真人、假人和干扰项的概率值，确定所述目标对象的分类结果，包括：在所述目标对象属于真人的概率值大于或等于预设值的情况下，确定所述目标对象的分类结果为真人；和/或，在所述目标对象属于真人的概率值小于预设值的情况下，基于所述目标对象属于假人的概率值和所述目标对象属于干扰项的概率值之间的大小关系，确定所述目标对象的分类结果。可选地，在上述活体检测方法实施例中，所述摄像头包括下列图像传感器中的至少一项：可见光传感器、近红外传感器、红外传感器、宽动态传感器。可选地，在上述活体检测方法实施例中，所述待检测图像包括第一图像和第二图像，所述特征数据包括从所述第一图像提取到的第一特征和从所述第二图像中提取到的第二特征。可选地，在上述活体检测方法实施例中，所述基于所述特征数据，得到所述目标对象的分类结果，包括：对所述第一特征和所述第二特征进行融合处理，得到融合特征；基于所述融合特征，得到所述目标对象的分类结果。可选地，在上述活体检测方法实施例中，还包括：获取所述待检测图像中的多个像素点的深度信息；所述基于所述特征数据，得到所述目标对象的分类结果，包括：基于所述特征数据和所述深度信息，得到所述目标对象的分类结果。可选地，在上述活体检测方法实施例中，所述获取所述待检测图像中的多个像素点的深度信息，包括：获取所述摄像头的深度传感器采集到的所述待检测图像对应的深度图。可选地，在上述活体检测方法实施例中，所述获取所述待检测图像中的多个像素点的深度信息，包括：通过对所述第一图像和所述第二图像进行处理，得到所述待检测图像中的多个像素点的深度信息。可选地，在上述活体检测方法实施例中，还包括：在所述分类结果为真人的情况下，输出提示通过活体检测的提示信息；和/或，在所述分类结果为假人或者干扰项的情况下，输出提示未通过活体检测的提示信息。可选地，在上述活体检测方法实施例中，所述方法通过神经网络实现，所述方法还包括：通过训练集对所述神经网络进行训练，其中，所述训练集包括：真人样本图像、假人样本图像与干扰样本图像。根据本公开实施例的另一个方面，提供的一种活体检测装置，包括：第一获取模块，用于获取摄像头采集到的包括目标对象的待检测图像；特征提取模块，用于对所述待检测图像进行特征提取，得到特征数据；确定模块，用于基于所述特征数据，得到所述目标对象的分类结果，其中所述分类结果为真人、假人或干扰项。可选地，在上述活体检测装置实施例中，所述摄像头包括：单目摄像头、双目摄像头或三维摄像头。可选地，在上述活体检测装置实施例中，所述确定模块包括：第一确定单元，用于基于所述特征数据，得到所述目标对象分别属于真人、假人和干扰项的概率值；第二确定单元，用于基于所述目标对象分别属于真人、假人和干扰项的概率值，确定所述目标对象的分类结果。可选地，在上述活体检测装置实施例中，所述第二确定单元，用于：在所述目标对象属于真人的概率值大于或等于预设值的情况下，确定所述目标对象的分类结果为真人；和/或，在所述目标对象属于真人的概率值小于预设值的情况下，基于所述目标对象属于假人的概率值和所述目标对象属于干扰项的概率值之间的大小关系，确定所述目标对象的分类结果。可选地，在上述活体检测装置实施例中，所述摄像头包括下列图像传感器中的至少一项：可见光传感器、近红外传感器、红外传感器、宽动态传感器。可选地，在上述活体检测装置实施例中，所述待检测图像包括第一图像和第二图像，所述特征数据包括从所述第一图像提取到的第一特征和从所述第二图像中提取到的第二特征。可选地，在上述活体检测装置实施例中，所述确定模块包括：融合单元，用于对所述第一特征和所述第二特征进行融合处理，得到融合特征；确定单元，用于基于所述融合特征，得到所述目标对象的分类结果。可选地，在上述活体检测装置实施例中，还包括：第二获取模块，用于获取所述待检测图像中的多个像素点的深度信息；所述确定模块，用于基于所述特征数据和所述深度信息，得到所述目标对象的分类结果。可选地，在上述活体检测装置实施例中，所述第二获取模块，用于获取所述摄像头的深度传感器采集到的所述待检测图像对应的深度图。可选地，在上述活体检测装置实施例中，所述第二获取模块，用于通过对所述第一图像和所述第二图像进行处理，得到所述待检测图像中的多个像素点的深度信息。可选地，在上述活体检测装置实施例中，还包括：输出模块，用于在所述分类结果为真人的情况下，输出提示通过活体检测的提示信息；和/或，在所述分类结果为假人或者干扰项的情况下，输出提示未通过活体检测的提示信息。可选地，在上述活体检测装置实施例中，所述装置通过神经网络实现，所述神经网络基于训练集训练得到，其中，所述训练集包括：真人样本图像、假人样本图像与干扰样本图像。根据本公开实施例的又一个方面，提供的一种电子设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现本公开上述任一实施例所述的方法。根据本公开实施例的又一个方面，提供的一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现本公开上述任一实施例所述的方法。根据本公开实施例的又一个方面，提供的一种计算机程序产品，包括计算机可读指令，其中，所述计算机可读指令被处理器执行时，所述处理器实现上述一个方面或上述一个方面的任意实施例所述的方法。可选本文档来自技高网...

【技术保护点】
1.一种活体检测方法，其特征在于，包括：/n获取摄像头采集到的包括目标对象的待检测图像；/n对所述待检测图像进行特征提取，得到特征数据；/n基于所述特征数据，得到所述目标对象的分类结果，其中所述分类结果为真人、假人或干扰项。/n

【技术特征摘要】
1.一种活体检测方法，其特征在于，包括：
获取摄像头采集到的包括目标对象的待检测图像；
对所述待检测图像进行特征提取，得到特征数据；
基于所述特征数据，得到所述目标对象的分类结果，其中所述分类结果为真人、假人或干扰项。


2.根据权利要求1所述的方法，其特征在于，所述摄像头包括：单目摄像头、双目摄像头或三维摄像头。


3.根据权利要求1或2所述的方法，其特征在于，所述基于所述特征数据，得到所述目标对象的分类结果，包括：
基于所述特征数据，得到所述目标对象分别属于真人、假人和干扰项的概率值；
基于所述目标对象分别属于真人、假人和干扰项的概率值，确定所述目标对象的分类结果。


4.根据权利要求3所述的方法，其特征在于，所述基于所述目标对象分别属于真人、假人和干扰项的概率值，确定所述目标对象的分类结果，包括：
在所述目标对象属于真人的概率值大于或等于预设值的情况下，确定所述目标对象的分类结果为真人；和/或，
在所述目标对象属于真人的概率值小于预设值的情况下，基于所述目标对象属于假人的概率值和所述目标对象属于干扰项的概率值之间的大小关系，确定所述目标对象的分类结果。


5.根据权利要求1-4任一所述的方法，其特征在于，所述摄像头包括下列图像...

【专利技术属性】
技术研发人员：张瑞，吴立威，郭晓阳，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：北京;11