一种目标对象的活体检测方法及系统技术方案

本说明书实施例公开了一种目标对象的活体检测方法及系统，所述方法包括：对待检测目标对象进行成像，生成至少一种模态的图像；基于攻击类型识别模型，对所述至少一种模态的图像进行识别，确定所述至少一种模态的图像对应的所述待检测目标对象的预判攻击类型，所述预判攻击类型为攻击类型集合中的元素；确定与所述预判攻击类型相关联的活体检测模型；将所述待检测目标对象的至少一种模态的图像输入所述相关联的活体检测模型进行检测，确定所述待检测目标对象是否为活体。

【技术实现步骤摘要】
一种目标对象的活体检测方法及系统
本说明书实施例涉及数据处理
，特别涉及一种目标对象的活体检测方法及系统。
技术介绍
随着身份识别技术在各个领域的广泛应用，例如利用人脸识别、掌纹识别或指纹识别等身份识别技术实现门禁解锁、手机解锁以及在线支付等，身份识别技术的安全性越来越受到人们的关注。目前，出现很多不法分子伪造活体来进行身份识别，并在身份识别成功后进行危害财产、人身、公共等安全的行为，其中，活体是指具有生命的物体，如活着的动物、植物、人体及其组织。然而，检测活体并进行预防需要较高的成本。因此，为了在保证身份识别安全的同时，降低成本，提升身份识别效率，本说明书提出一种目标对象的活体检测方法及系统。
技术实现思路
本说明书实施例的一个方面提供一种目标对象的活体检测方法，所述方法包括：对待检测目标对象进行成像，生成至少一种模态的图像；基于攻击类型识别模型，对所述至少一种模态的图像进行识别，确定所述至少一种模态的图像对应的所述待检测目标对象的预判攻击类型，所述预判攻击类型为攻击类型集合中的元素；确定与所述预判攻击类型相关联的活体检测模型；将所述待检测目标对象的至少一种模态的图像输入所述相关联的活体检测模型进行检测，确定所述待检测目标对象是否为活体。本说明书实施例的一个方面提供一种目标对象的活体检测系统，所述系统包括：成像模块，用于对待检测目标对象进行成像，生成至少一种模态的图像；预判攻击类型识别模块，用于基于攻击类型识别模型，对所述至少一种模态的图像进行识别，确定所述至少一种模态的图像对应的所述待检测目标对象的预判攻击类型，所述预判攻击类型为攻击类型集合中的元素；活体检测模型确定模块，用于确定与所述预判攻击类型相关联的活体检测模型；活体判断模块，用于将所述待检测目标对象的至少一种模态的图像输入所述相关联的活体检测模型进行检测，确定所述待检测目标对象是否为活体。本说明书实施例的一个方面提供一种目标对象的活体检测装置，包括至少一个存储介质和至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现目标对象的活体检测方法。附图说明本说明书将以示例性实施例的方式进一步描述，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：图1是根据本说明书的一些实施例所示的目标对象的活体检测系统的模块图；图2是根据本说明书的一些实施例所示的目标对象的活体检测的方法的流程图；图3是根据本说明书的一些实施例所示的攻击类型识别模型的训练方法的流程图；图4是根据本说明书的一些实施例所示的活体检测模型的训练方法的流程图；图5是根据本说明书的一些实施例所示的步骤204的流程图。具体实施方式为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。应当理解，本说明书中所使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。图1是根据本说明书的一些实施例所示的目标对象的活体检测系统的模块图。目标对象的活体检测系统100可以用于互联网服务平台。在一些实施例中，该系统100可以用于包含在线身份认证系统的线上服务平台。例如，银联支付平台、刷脸支付平台、刷脸开锁平台、以及人脸售货平台等。如图1所示，目标对象的活体检测系统100可以包括成像模块110、预判攻击类型识别模块120、活体检测模型确定模块130、活体判断模块140以及训练模块150。成像模块110可以用于对待检测目标对象进行成像，生成至少一种模态的图像。预判攻击类型识别模块120可以用于基于攻击类型识别模型，对所述至少一种模态的图像进行识别，确定所述至少一种模态的图像对应的所述待检测目标对象的预判攻击类型，所述预判攻击类型为攻击类型集合中的元素。攻击类型集合可以至少由训练攻击类型识别模型的训练样本的标签构成，关于训练样本见图3及其相关描述。在一些实施例中，攻击类型集合的元素可以包括但不限于：屏幕攻击、打印纸张攻击、3D面具攻击、3D硅胶面具攻击以及攻击类型不明确等。对应的，预判攻击类型可能是屏幕攻击、打印纸张攻击、3D面具攻击、3D硅胶面具攻击或者攻击类型不明确等。在一些实施例中，所述预判攻击类型识别模块120可以进一步用于：从所述至少一种模态的图像中，获取至少一种目标模态的图像，所述至少一种目标模态与训练所述攻击类型识别模型所用的样本图像的模态匹配；将所述至少一种目标模态的图像输入对应的所述攻击类型识别模型，获取至少一个概率分布，所述概率分布中的值代表所述待检测目标对象属于所述攻击类型集合中元素的概率；基于所述至少一个概率分布确定所述待检测目标对象的预判攻击类型。在一些实施例中，所述预判攻击类型识别模块120可以进一步用于：对所述至少一个概率分布进行融合运算或/和投票，基于融合运算的结果或/和投票的结果，确定所述待检测目标对象的预判攻击类型。活体检测模型确定模块130可以用于确定与所述预判攻击类型相关联的活体检测模型。活体判断模块140可以用于将所述待检测目标对象的至少一种模态的图像输入所述相关联的活体检测模型进行检测，确定所述待目标检测对象是否为活体。在一些实施例中，目标对象的活体检测系统100还包括训练模块150。在一些实施例中，所述训练模块150可以用于：获取多个第一训练样本，所述第一训练样本包含样本图像和第一标签，所述第一标签代表所述样本图像对应的样本目标对象的攻击类型，所述攻击类型集合至少包含所述第一标签；所述多个第一训练样本中的样本图像对应同一种模态；基于所述多个第一训练样本，训练得到所述攻击类型识别模型集合中的模型。在一些实施例中，所述训练模块150还可以用于：获取多个第二训练样本，所述第二训练样本包含样本图像和第二标签，所述第二标签代表所述样本图像对应的样本目标对象是否为活体，所本文档来自技高网...

【技术保护点】
1.一种目标对象的活体检测方法，包括：/n对待检测目标对象进行成像，生成至少一种模态的图像；/n基于攻击类型识别模型，对所述至少一种模态的图像进行识别，确定所述至少一种模态的图像对应的所述待检测目标对象的预判攻击类型，所述预判攻击类型为攻击类型集合中的元素；/n确定与所述预判攻击类型相关联的活体检测模型；/n将所述待检测目标对象的至少一种模态的图像输入所述相关联的活体检测模型进行检测，确定所述待检测目标对象是否为活体。/n

【技术特征摘要】
1.一种目标对象的活体检测方法，包括：
对待检测目标对象进行成像，生成至少一种模态的图像；
基于攻击类型识别模型，对所述至少一种模态的图像进行识别，确定所述至少一种模态的图像对应的所述待检测目标对象的预判攻击类型，所述预判攻击类型为攻击类型集合中的元素；
确定与所述预判攻击类型相关联的活体检测模型；
将所述待检测目标对象的至少一种模态的图像输入所述相关联的活体检测模型进行检测，确定所述待检测目标对象是否为活体。


2.如权利要求1所述的方法，所述攻击类型识别模型为攻击类型识别模型集合中的一个或多个模型，训练所述攻击类型识别模型集合中的任意一个模型包括：
获取多个第一训练样本，所述第一训练样本包含样本图像和第一标签，所述第一标签代表所述样本图像对应的样本目标对象的攻击类型，所述攻击类型集合至少包含所述第一标签；所述多个第一训练样本中的样本图像对应同一种模态；
基于所述多个第一训练样本，训练得到所述攻击类型识别模型集合中的模型。


3.如权利要求1所述的方法，所述相关联的活体检测模型为活体检测模型集合中的一个或多个模型，训练所述活体检测模型集合中的任意一个模型包括：
获取多个第二训练样本，所述第二训练样本包含样本图像和第二标签，所述第二标签代表所述样本图像对应的样本目标对象是否为活体，所述多个第二训练样本的样本图像对应同一个模态；
基于所述多个第二训练样本训练得到所述活体检测模型集合中的模型。


4.如权利要求2所述的方法，所述基于攻击类型识别模型，对所述至少一种模态的图像进行识别，确定所述至少一种模态的图像对应的所述待检测目标对象的预判攻击类型，包括：
从所述至少一种模态的图像中，获取至少一种目标模态的图像，所述至少一种目标模态与训练所述攻击类型识别模型所用的样本图像的模态匹配；
将所述至少一种目标模态的图像输入对应的所述攻击类型识别模型，获取至少一个概率分布，所述概率分布中的值代表所述待检测目标对象属于所述攻击类型集合中元素的概率；
基于所述至少一个概率分布确定所述待检测目标对象的预判攻击类型。


5.如权利要求4所述的方法，所述攻击类型识别模型为攻击类型识别模型集合中的多个模型，所述基于所述至少一个概率分布确定所述待检测目标对象的预判攻击类型，包括：
对所述至少一个概率分布进行融合运算或/和投票，基于融合运算的结果或/和投票的结果，确定所述待检测目标对象的预判攻击类型。


6.如权利要求2或3所述的方法，训练之前对所述样本图像进行预处理，所述预处理至少包括：
对样本图像进行切割；或/和
将所述样本图像或切割后的样本图像调整至预设的分辨率。


7.一种目标对象的活体检测系统，包括：<...

【专利技术属性】
技术研发人员：曹佳炯，李亮，
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