活体检测方法、装置以及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、装置和计算机可读存储介质，该方法包括：获取双目摄像头的第一图像传感器采集到的第一图像，以及获取所述双目摄像头的第二图像传感器采集到的第二图像；对所述第一图像和所述第二图像进行双目匹配处理，得到所述第一图像和所述第二图像的视差信息；根据所述视差信息，得到活体检测结果。采用本公开实施例，能提高活体检测精度。

【技术实现步骤摘要】
活体检测方法、装置以及存储介质
本公开涉及计算机视觉领域，尤其涉及活体检测方法、装置以及存储介质。
技术介绍
人脸防伪是信息安全、防伪
的重要问题。人脸防伪中一项重要研究方向即为活体检测，活体检测是指利用计算机视觉技术，判定在摄像头前的人脸图像是否来自真实的人。目前，基于双目摄像头的活体检测已经成功应用在了许多场景中，这些场景所覆盖的范围非常大，其环境因素包含背景、光照、距离、动作等多个因素，这就导致了活体检测算法在性能的提升上难度非常大。亟需寻求一种解决方案提升活体算法精度。公开内容本公开提供一种活体检测技术。第一方面，公开了一种活体检测方法，包括：获取双目摄像头的第一图像传感器采集到的第一图像，以及获取所述双目摄像头的第二图像传感器采集到的第二图像；对所述第一图像和所述第二图像进行双目匹配处理，得到所述第一图像和所述第二图像的视差信息；根据所述视差信息，得到活体检测结果。在一种可能的实现方式中，所述第一图像和所述第二图像具有不同的模态。在一个例子中，所述第一图像和所述第二图像中的其中一个为RGB图像，另一个为近红外图像。在一种可能的实现方式中，所述对所述第一图像和所述第二图像进行双目匹配处理，得到所述第一图像和所述第二图像的视差信息，包括：从所述第一图像中获取目标对象的第一目标区域图像，以及从所述第二图像中获取所述目标对象的第二目标区域图像；基于所述第一目标区域图像和所述第二目标区域图像，得到所述第一图像和所述第二图像的视差信息。在一种可能的实现方式中，所述从所述第一图像中获取目标对象的第一目标区域图像，包括：对所述第一图像进行关键点检测，得到所述目标对象的第一关键点信息；基于所述目标对象的第一关键点信息，从所述第一图像中截取所述目标对象的第一目标区域图像。在一种可能的实现方式中，所述从所述第二图像中获取目标对象的第二目标区域图像，包括：对所述第二图像进行关键点检测，得到所述目标对象的第二关键点信息；基于所述目标对象的第二关键点信息，从所述第二图像中截取所述目标对象的第二目标区域图像。在一种可能的实现方式中，所述从所述第一图像中获取目标对象的第一目标区域图像，包括：对所述第一图像进行目标检测，得到所述目标对象所在的第一目标区域；基于所述第一目标区域，从所述第一图像中截取所述第一目标区域图像。在一种可能的实现方式中，所述从所述第一图像中获取目标对象的第一目标区域图像，包括：对所述第一图像进行目标检测，得到所述目标对象的第一候选区域图像；对所述第一候选区域图像进行关键点检测，得到所述目标对象的第一关键点信息；基于所述目标对象的第一关键点信息，从所述第一图像中获取所述目标对象的第一图像。在一种可能的实现方式中，所述从所述第二图像中获取目标对象的第二目标区域图像，包括：对所述第二图像进行目标检测，得到所述目标对象所在的第二目标区域；基于所述第二目标区域，从所述第二图像中截取所述第二目标区域图像。在一种可能的实现方式中，在所述基于所述第一目标区域图像和所述第二目标区域图像，得到所述第一图像和所述第二图像的视差信息之前，还包括：确定第一目标区域图像和第二目标区域图像是否一致；在确定所述第一目标区域图像和所述第二目标区域图像一致的情况下，基于所述第一目标区域图像和所述第二目标区域图像，得到所述第一图像和所述第二图像的视差信息。在一种可能的实现方式中，所述方法还包括：在确定所述第一目标区域图像和所述第二目标区域图像不一致的情况下，基于所述第一目标区域图像，得到校正处理后的所述第二目标区域图像；所述基于所述第一目标区域图像和所述第二目标区域图像，得到所述第一图像和所述第二图像的视差信息，包括：基于所述第一目标区域图像和所述校正处理后的所述第二目标区域图像，得到所述第一图像和所述第二图像的视差信息。在一种可能的实现方式中，所述基于所述第一目标区域图像和所述第二目标区域图像，得到所述第一图像和所述第二图像的视差信息，包括：对所述第一目标区域图像进行特征提取处理，得到第一特征数据，并对所述第二目标区域图像进行特征提取处理，得到第二特征数据；基于所述第一特征数据和所述第二特征数据，得到所述第一图像和所述第二图像的视差信息。在一种可能的实现方式中，所述对所述第一目标区域图像进行特征提取处理，得到第一特征数据，并对所述第二目标区域图像进行特征提取处理，得到第二特征数据，包括：利用双目匹配神经网络中的第一特征提取子网络对所述第一目标区域图像进行特征提取，得到第一特征数据，并利用所述双目匹配神经网络中的第二特征提取子网络对所述第二目标区域图像进行特征提取，得到第二特征数据。在一种可能的实现方式中，所述对所述第一目标区域图像进行特征提取处理，得到第一特征数据，并对所述第二目标区域图像进行特征提取处理，得到第二特征数据，包括：对所述第一目标区域图像和所述第二目标区域图像分别进行归一化处理，以使得归一化处理后的所述第一目标区域图像和归一化处理后的所述第二目标区域图像具有统一的分布；利用双目匹配神经网络中的特征提取子网络对归一化处理后的所述第一目标区域图像进行特征提取，得到第一特征数据，并利用所述特征提取子网络对归一化处理后的所述第二目标区域图像进行特征提取，得到第二特征数据。在一种可能的实现方式中，所述基于所述第一图像和所述第二图像，得到所述第一图像和所述第二图像的视差信息，包括：对所述第一图像进行特征提取处理，得到第一特征数据，并对所述第二图像进行特征提取处理，得到第二特征数据；基于所述第一特征数据和所述第二特征数据，得到所述第一图像和所述第二图像之间的视差信息。可选地，对第一图像和第二图像进行特征提取的方式可以参照上述对所述第一目标区域图像和第二目标区域图像进行特征提取的各种可能的实现方式。在一种可能的实现方式中，所述基于所述第一特征数据和所述第二特征数据，得到所述第一图像和所述第二图像之间的视差信息，包括：确定所述第一特征数据和所述第二特征数据之间的匹配代价；基于所述匹配代价，得到所述第一图像和所述第二图像之间的视差信息。在一种可能的实现方式中，所述基于所述匹配代价，得到所述第一图像和所述第二图像之间的视差信息，包括：对所述匹配代价进行特征提取处理，得到第三特征数据；基于所述第三特征数据，得到所述第一图像和所述第二图像之间的视差信息。在一种可能的实现方式中，所述对所述匹配代价进行特征提取处理，得到第三特征数据，包括：对基于所述匹配代价得到的第k-1级融合特征数据进行特征提取，得到第k级特征数据，其中，所述第k-1级融合特征数据是通过对基于所述匹配代价得到的第1级特征数据到第k-1级特征数据进行融合处理得到的，k为大于1的整数；将基于所述匹配代价得到的第1级特征数据至所述第k级特征数据进行融合处理，得到第k级融合特征数据；基于所述第k级融合特征数据，得到第三特征数据。在一种可能的实现方式中，所述根据所述视差信息，得到活体检测结果，包括：根据所述第一目标区域图像、所述第二目标区域图像本文档来自技高网...

【技术保护点】
1.一种活体检测方法，其特征在于，包括：/n获取双目摄像头的第一图像传感器采集到的第一图像，以及获取所述双目摄像头的第二图像传感器采集到的第二图像；/n对所述第一图像和所述第二图像进行双目匹配处理，得到所述第一图像和所述第二图像的视差信息；/n根据所述视差信息，得到活体检测结果。/n

【技术特征摘要】
1.一种活体检测方法，其特征在于，包括：
获取双目摄像头的第一图像传感器采集到的第一图像，以及获取所述双目摄像头的第二图像传感器采集到的第二图像；
对所述第一图像和所述第二图像进行双目匹配处理，得到所述第一图像和所述第二图像的视差信息；
根据所述视差信息，得到活体检测结果。


2.根据权利要求1所述的方法，其特征在于，包括：
所述第一图像和所述第二图像具有不同的模态。


3.根据权利要求1任一项所述的方法，其特征在于，所述根据所述视差信息，得到活体检测结果，包括：
根据从所述第一图像中获取的第一目标区域图像、从所述第二图像中获取的第二目标区域图像及所述视差信息，得到活体检测结果。


4.根据权利要求3所述的方法，其特征在于，所述根据从所述第一图像中获取的第一目标区域图像、从所述第二图像中获取的第二目标区域图像及所述视差信息，得到活体检测结果，包括：
对所述视差信息进行特征提取，得到第三活体特征数据；
对从所述第一目标区域图像中提取的第一活体特征数据、从所述第二目标区域图像中提取的第二活体特征数据和所述第三活体特征数据进行融合处理，得到第一融合特征数据；
基于所述第一融合特征数据，得到活体检测结果。


5.根据权利要求1任一项所述的方法，其特征在于，所述根据所述视差信息，得到活体检测结果，包括：
将所述视差信息作为监督，训练活体检测神...

【专利技术属性】
技术研发人员：张瑞，杨武魁，杨凯，梁明阳，郭晓阳，吴立威，
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