活体图像检测方法、装置以及电子设备制造方法及图纸

本申请提供了一种活体图像检测方法、装置以及电子设备，其中，该方法包括：获取原始图像，对原始图像进行指定对象的特征检测；如果检测到原始图像包含指定对象，将指定对象所在的区域等比例划分成多个图像块；基于每个图像块提取rPPG信号；分别将rPPG信号输入至预先训练好的检测模型，检测每个图像块提取的rPPG信号中是否包含有指定对象对应的活体rPPG信号；如果是，确定原始图像为活体图像。本申请提供的活体图像检测方法、装置以及电子设备，可以减少指定对象本身或者所处环境发生的变化对整个原始图像的影响，与对整个原始图像进行检测的方式相比，能够提高检测过程的抗干扰性，从而提高活体检测的准确性。

【技术实现步骤摘要】
活体图像检测方法、装置以及电子设备
本申请涉及图像处理的
，具体而言，涉及一种活体图像检测方法、装置以及电子设备。
技术介绍
目前，随着计算机视觉和机器学习技术的发展，人脸识别技术发展得越来越快，识别准确率越来越高，在日常生活中也得到了广泛的应用，比如门禁，金融支付等。因此，人脸识别的重要优点就是用户体验好，方便快捷。但是，另一方面人脸识别的隐私性相对较差，这是因为人脸图片相对于指纹、虹膜等信息更容易获取。因此，为了实现在保证人脸识别高准确率的同时保证安全性，现有技术中多采用活体检测的方式，来保证安全性。而在实际运用过程汇总，活体检测技术，往往会受到很多因素的干扰而导致误判，比如，人脸自身的一些表情、姿态变化，以及，环境光照变化因素等等，这些都容易造成活体检测的误判。针对上述活体检测容易出现误判的问题，目前尚未提出有效的解决方案。
技术实现思路
有鉴于此，本申请的目的在于提供一种活体图像检测方法、装置以及电子设备，以改善活体检测容易出现误判的问题，提高检测正确率。根据本申请的一个方面，提供一种电子设备，可以包括存储介质和与存储介质通信的处理器。存储介质存储有处理器可执行的机器可读指令。当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，以执行以下操作：获取原始图像，对原始图像进行指定对象的特征检测；如果检测到原始图像包含指定对象，将指定对象所在的区域等比例划分成多个图像块；基于每个图像块提取rPPG信号；分别将rPPG信号输入至预先训练好的检测模型，检测每个图像块提取的rPPG信号中是否包含有指定对象对应的活体rPPG信号；如果是，确定原始图像为活体图像。在一些实施例中，上述原始图像为视频图像；上述将指定对象所在的区域等比例划分成多个图像块的步骤包括：获取包含指定对象的连续多帧图像；基于每帧图像，将指定对象所在的区域等比例划分成多个图像块。在一些实施例中，上述将指定对象所在的区域等比例划分成多个图像块的步骤包括：按照指定对象的轮廓，在每帧图像中对指定对象所在的区域进行裁切，以获取包含指定对象的矩形图；基于矩形图对指定对象所在的区域进行等比例划分，以生成多个图像块；其中，每个图像块均包含部分指定对象的图像。在一些实施例中，上述基于矩形图对指定对象所在的区域进行等比例划分的步骤包括：获取矩形图的原始尺寸比例，以及预先设置的划分比例；根据原始尺寸比例与划分比例对矩形图进行缩放，生成矩形图对应的缩放图，其中，缩放图的尺寸比例与划分比例满足整数倍关系；基于缩放图，按照预先设置的划分比例进行等比例划分。在一些实施例中，上述预先训练好的检测模型为多示例学习模型；上述分别将rPPG信号输入至预先训练好的检测模型的步骤包括：将原始图像标记为多示例学习模型对应的包，以及，根据每个图像块提取的rPPG信号生成与包对应的示例；将示例输入至多示例学习模型，以使多示例学习模型根据示例对包进行标记。在一些实施例中，上述方法还包括：获取预先建立的样本集，其中，样本集包括指定对象的图像集，其中，图像集一部分图像为带有活体标记，另一部分图像带有非活体标记；将图像集中的图像作为多示例学习模型对应的包，对多示例学习模型进行训练，以生成检测模型，其中，多示例学习模型为具有检测rPPG信号是否为活体rPPG信号的功能的模型。在一些实施例中，上述基于每个图像块提取rPPG信号的步骤包括：计算每个图像块中每个颜色通道像素值的平均值，对平均值进行去噪声处理；根据平均值计算每个图像块对应的rPPG值；基于多帧图像中的每帧图像，根据相同位置的图像块对应的rPPG值生成相同位置的图像块对应的rPPG信号。在一些实施例中，上述方法还包括：如果检测出每个图像块提取的rPPG信号均不包含有指定对象对应的活体rPPG信号，确定原始图像为非活体图像。在一些实施例中，上述方法还包括：如果确定原始图像为活体图像，对原始图像进行图像识别，以确定出原始图像对应的用户身份。在一些实施例中，上述对原始图像进行图像识别的步骤，包括：当指定对象为人脸时，对原始图像进行人脸识别；根据人脸识别结果确定原始图像对应的用户是否合法，或者，根据人脸识别结果确定原始图像对应的用户的身份标识。根据本申请的另一个方面，还提供一种活体图像检测装置，包括：第一获取模块，用于获取原始图像，对原始图像进行指定对象的特征检测；划分模块，用于如果检测到原始图像包含指定对象，将指定对象所在的区域等比例划分成多个图像块；提取模块，用于基于每个图像块提取rPPG信号；检测模块，用于分别将rPPG信号输入至预先训练好的检测模型，检测每个图像块提取的rPPG信号中是否包含有指定对象对应的活体rPPG信号；第一确定模块，用于当检测模块的检测结果为是时，确定原始图像为活体图像。在一些实施例中，上述原始图像为视频图像；上述划分模块用于：获取包含指定对象的连续多帧图像；基于每帧图像，将指定对象所在的区域等比例划分成多个图像块。在一些实施例中，上述划分模块还用于：按照指定对象的轮廓，在每帧图像中对指定对象所在的区域进行裁切，以获取包含指定对象的矩形图；基于矩形图对指定对象所在的区域进行等比例划分，以生成多个图像块；其中，每个图像块均包含部分指定对象的图像。在一些实施例中，上述划分模块还用于：获取矩形图的原始尺寸比例，以及预先设置的划分比例；根据原始尺寸比例与划分比例对矩形图进行缩放，生成矩形图对应的缩放图，其中，缩放图的尺寸比例与划分比例满足整数倍关系；基于缩放图，按照预先设置的划分比例进行等比例划分。在一些实施例中，上述预先训练好的检测模型为多示例学习模型；上述监测模块用于：将原始图像标记为多示例学习模型对应的包，以及，根据每个图像块提取的rPPG信号生成与包对应的示例；将示例输入至多示例学习模型，以使多示例学习模型根据示例对包进行标记。在一些实施例中，上述装置还包括：第二获取模块，用于获取预先建立的样本集，其中，样本集包括指定对象的图像集，其中，图像集一部分图像为带有活体标记，另一部分图像带有非活体标记；训练模块，用于将图像集中的图像作为多示例学习模型对应的包，对多示例学习模型进行训练，以生成检测模型，其中，多示例学习模型为具有检测rPPG信号是否为活体rPPG信号的功能的模型。在一些实施例中，上述提取模块用于：计算每个图像块中每个颜色通道像素值的平均值，对平均值进行去噪声处理；根据平均值计算每个图像块对应的rPPG值；基于多帧图像中的每帧图像，根据相同位置的图像块对应的rPPG值生成相同位置的图像块对应的rPPG信号。在一些实施例中，上述装置还包括：第二确定模块，用于如果检测出每个图像块提取的rPPG信号均不包含有指定对象对应的活体rPPG信号，确定原始图像为非活体图像。在一些实施例中，上述装置还包括：识别模块，用于如果确定原始图像为活体图像，对原始图像进行图像识别，以确定出原始图像对应的用户身份。在一些实施例中，上述识别模块用于：当指本文档来自技高网...

【技术保护点】
1.一种活体图像检测方法，其特征在于，包括：/n获取原始图像，对所述原始图像进行指定对象的特征检测；/n如果检测到所述原始图像包含所述指定对象，将所述指定对象所在的区域等比例划分成多个图像块；/n基于每个所述图像块提取rPPG信号；/n分别将所述rPPG信号输入至预先训练好的检测模型，检测每个所述图像块提取的rPPG信号中是否包含有所述指定对象对应的活体rPPG信号；/n如果是，确定所述原始图像为活体图像。/n

【技术特征摘要】
1.一种活体图像检测方法，其特征在于，包括：
获取原始图像，对所述原始图像进行指定对象的特征检测；
如果检测到所述原始图像包含所述指定对象，将所述指定对象所在的区域等比例划分成多个图像块；
基于每个所述图像块提取rPPG信号；
分别将所述rPPG信号输入至预先训练好的检测模型，检测每个所述图像块提取的rPPG信号中是否包含有所述指定对象对应的活体rPPG信号；
如果是，确定所述原始图像为活体图像。


2.根据权利要求1所述的方法，其特征在于，所述原始图像为视频图像；
将所述指定对象所在的区域等比例划分成多个图像块的步骤包括：
获取包含所述指定对象的连续多帧图像；
基于每帧所述图像，将所述指定对象所在的区域等比例划分成多个图像块。


3.根据权利要求2所述的方法，其特征在于，将所述指定对象所在的区域等比例划分成多个图像块的步骤包括：
按照所述指定对象的轮廓，在每帧所述图像中对所述指定对象所在的区域进行裁切，以获取包含所述指定对象的矩形图；
基于所述矩形图对所述指定对象所在的区域进行等比例划分，以生成多个图像块；
其中，每个所述图像块均包含部分所述指定对象的图像。


4.根据权利要求3所述的方法，其特征在于，基于所述矩形图对所述指定对象所在的区域进行等比例划分的步骤包括：
获取所述矩形图的原始尺寸比例，以及预先设置的划分比例；
根据所述原始尺寸比例与所述划分比例对所述矩形图进行缩放，生成所述矩形图对应的缩放图，其中，所述缩放图的尺寸比例与所述划分比例满足整数倍关系；
基于所述缩放图，按照预先设置的所述划分比例进行等比例划分。


5.根据权利要求1所述的方法，其特征在于，所述预先训练好的检测模型为多示例学习模型；
所述分别将所述rPPG信号输入至预先训练好的检测模型的步骤包括：
将所述原始图像标记为所述多示例学习模型对应的包，以及，根据每个所述图像块提取的所述rPPG信号生成与所述包对应的示例；
将所述示例输入至所述多示例学习模型，以使...

【专利技术属性】
技术研发人员：赵元，陈路燕，沈海峰，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11