活体检测方法、装置、计算机可读介质及电子设备制造方法及图纸

本申请的实施例提供了一种活体检测方法、装置、计算机可读介质及电子设备。该活体检测方法包括：根据包含检测对象的待处理图像，获取待处理图像的像素特征，对待处理图像进行边缘检测以提取检测对象的边缘作为第一图像，对待处理图像进行归一化处理，得到第二图像；将待处理图像、第一图像和第二图像输入至深度神经网络模型中，以使深度神经网络模型输出检测对象是否活体的第一判断结果；将第一判断结果和像素特征输入至第一分类器中，使第一分类器输出检测对象是否活体的第二判断结果，以根据第二判断结果确定所述检测对象是否活体。本申请实施例的技术方案提高活体检测的准确率，进而保证人脸识别系统的安全性。

【技术实现步骤摘要】
活体检测方法、装置、计算机可读介质及电子设备
本申请涉及图像处理
，具体而言，涉及一种活体检测方法、装置、计算机可读介质及电子设备。
技术介绍
人脸活体检测是人脸识别系统的重要组成部分，通过区分摄像机前的物体是真人还是假体，可有效提升人脸识别系统的安全性。在目前的技术方案中，通过机器学习的方法，对可见光下的单帧人脸图像进行识别，以确定该人脸是活体或者假体。然而，当出现有人通过打印人脸图片、人脸视频等平面人脸假体进行检测时，很难对这些人脸假体进行有效的识别，导致识别结果错误。
技术实现思路
本申请的实施例提供了一种活体检测方法、装置、计算机可读介质及电子设备，进而至少在一定程度上可以提高人脸活体检测结果的准确性，进而保证人脸识别系统的安全性。本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。根据本申请实施例的一个方面，提供了一种活体检测方法，该方法包括：根据包含检测对象的待处理图像，获取所述待处理图像的像素特征；对所述待处理图像进行边缘检测以提取所述检测对象的边缘作为第一图像，对所述待处理图像进行归一化处理，得到第二图像；将所述待处理图像、所述第一图像和所述第二图像输入至深度神经网络模型中，以使所述深度神经网络模型输出所述检测对象是否活体的第一判断结果；将所述第一判断结果和所述像素特征输入至第一分类器中，使所述第一分类器输出所述检测对象是否活体的第二判断结果，并根据所述第二判断结果确定所述检测对象是否活体。>基于前述方案，在本申请的一些实施例中，根据包含检测对象的待处理图像，获取所述待处理图像的像素特征，包括：获取待识别的包含检测对象的图像；根据所述图像，获取所述图像的像素特征；将所述像素特征输入至第二分类器中，使所述第二分类器输出所述图像的分类标签；将分类标签为指定类型的图像确定为所述待处理图像，并获取所述待处理图像的像素特征。基于前述方案，在本申请的一些实施例中，所述图像为RGB图像；根据所述图像，获取所述图像的像素特征，包括：根据所述图像，获取所述图像中各个像素的每一通道的分量值；根据所述分量值，获取所述图像的像素特征。基于前述方案，在本申请的一些实施例中，根据所述分量值，获取所述图像的像素特征，包括：根据所述分量值，确定所述分量值中的特征值；根据所述特征值以及各个通道的分量值，确定所述图像的像素特征。基于前述方案，在本申请的一些实施例中，根据所述分量值，确定所述分量值中的特征值，包括：根据所述分量值，计算各个通道中每一数值对应的分量值数量；根据所述分量值数量，确定所述分量值中的特征值。基于前述方案，在本申请的一些实施例中，将所述待处理图像、所述第一图像和所述第二图像输入至深度神经网络模型中，包括：将所述待处理图像、所述第一图像和所述第二图像分别转换成对应于不同通道的单通道图像；将所述单通道图像进行融合，得到包含至少两个通道的多通道图像；将所述多通道图像输入至所述深度神经网络模型中。基于前述方案，在本申请的一些实施例中，根据所述单通道图像，得到包含至少两个通道的多通道图像，包括：将所述单通道图像进行融合，得到包含三个通道的多通道图像。根据本申请实施例的一个方面，提供了一种活体检测装置，该装置包括：获取模块，用于根据包含检测对象的待处理图像，获取所述待处理图像的像素特征；转换模块，用于对所述待处理图像进行边缘检测以提取所述检测对象的边缘作为第一图像，对所述待处理图像进行归一化处理，得到第二图像；第一处理模块，用于将所述待处理图像、所述第一图像和所述第二图像输入至深度神经网络模型中，以使所述深度神经网络模型输出所述检测对象是否活体的第一判断结果；第二处理模块，用于将所述第一判断结果和所述像素特征输入至第一分类器中，使所述第一分类器输出所述检测对象是否活体的第二判断结果，以根据所述第二判断结果确定所述检测对象是否活体。根据本申请实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的活体检测方法。根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的活体检测方法。在本申请的一些实施例所提供的技术方案中，通过根据包含检测对象的待处理图像，获取待处理图像的像素特征，并对待处理图像进行边缘检测以提取检测对象的边缘作为第一图像，对待处理图像进行归一化，得到第二图像，将待处理图像、第一图像、和第二图像输入至深度神经网络模型中，使该深度神经网络模型输出检测对象是否活体的第一判断结果，并将第一判断结果和像素特征输入至第一分类器中，使第一分类器输出检测对象是否活体的第二判断结果，再根据该第二判断结果确定检测对象是否活体。由此，对待处理图像进行处理，得到第一图像和第二图像，可以获取检测对象的多维信息，以保证后续识别结果的准确性，且深度神经网络模型与第一分类器相结合，可以提高识别结果的准确性，进而保证了人脸识别系统的安全性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图；图2示出了根据本申请的一个实施例的活体检测方法的流程图；图3示出了根据本申请的一个实施例的图2的活体检测方法中步骤S210的流程示意图；图4示出了根据本申请的一个实施例的图3的活体检测方法中步骤S320的流程示意图；图5示出了根据本申请的一个实施例的图4的活体检测方法中步骤S420的流程示意图；图6示出了根据本申请的一个实施例的图5的活体检测方法中步骤S510的流程示意图；图7示出了根据本申请的一个实施例的活体检测方法中进行图像融合的流程示意图；图8示出了根据本申请的一个实施例的活体检测方法的流程示意图；图9示出了根据本申请的一个实施例的活体检测装置的框图；图10示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。此外，所描述的本文档来自技高网...

【技术保护点】
1.一种活体检测方法，其特征在于，包括：/n根据包含检测对象的待处理图像，获取所述待处理图像的像素特征；/n对所述待处理图像进行边缘检测以提取所述检测对象的边缘作为第一图像，对所述待处理图像进行归一化处理，得到第二图像；/n将所述待处理图像、所述第一图像和所述第二图像输入至深度神经网络模型中，以使所述深度神经网络模型输出所述检测对象是否活体的第一判断结果；/n将所述第一判断结果和所述像素特征输入至第一分类器中，使所述第一分类器输出所述检测对象是否活体的第二判断结果，以根据所述第二判断结果确定所述检测对象是否活体。/n

【技术特征摘要】
1.一种活体检测方法，其特征在于，包括：
根据包含检测对象的待处理图像，获取所述待处理图像的像素特征；
对所述待处理图像进行边缘检测以提取所述检测对象的边缘作为第一图像，对所述待处理图像进行归一化处理，得到第二图像；
将所述待处理图像、所述第一图像和所述第二图像输入至深度神经网络模型中，以使所述深度神经网络模型输出所述检测对象是否活体的第一判断结果；
将所述第一判断结果和所述像素特征输入至第一分类器中，使所述第一分类器输出所述检测对象是否活体的第二判断结果，以根据所述第二判断结果确定所述检测对象是否活体。


2.根据权利要求1所述的方法，其特征在于，根据包含检测对象的待处理图像，获取所述待处理图像的像素特征，包括：
获取待识别的包含检测对象的图像；
根据所述图像，获取所述图像的像素特征；
将所述像素特征输入至第二分类器中，使所述第二分类器输出所述图像的分类标签；
将分类标签为指定类型的图像确定为所述待处理图像，并获取所述待处理图像的像素特征。


3.根据权利要求2所述的方法，其特征在于，所述图像为RGB图像；
根据所述图像，获取所述图像的像素特征，包括：
根据所述图像，获取所述图像中各个像素的每一通道的分量值；
根据所述分量值，获取所述图像的像素特征。


4.根据权利要求3所述的方法，其特征在于，根据所述分量值，获取所述图像的像素特征，包括：
根据所述分量值，确定所述分量值中的特征值；
根据所述特征值以及各个通道的分量值，确定所述图像的像素特征。


5.根据权利要求4所述的方法，其特征在于，根据所述分量值，确定所述分量值中的特征值，包括：
根据所述分量值，计算各个通道中每一数值对应的分量值数量；
根据所述分量值数...

【专利技术属性】
技术研发人员：元涛，黄慜哲，林昱，
申请(专利权)人：睿云联厦门网络通讯技术有限公司，
类型：发明
国别省市：福建;35