物联网人工智能人脸验证方法及系统技术方案

本发明专利技术实施例提供一种物联网人工智能人脸验证方法及系统，通过确定出每个连续的时间节点的每个疑似活体区域以及与当前疑似活体区域存在关联性的关联疑似活体区域，因而可以基于疑似活体区域和关联疑似活体区域的关联关系进行光谱图像特征识别后，通过人工智能模型进行人脸验证，从而可以能够提高人脸部位区域在预设时间段内的光谱条件上的变化差异的判别准确性，提高活体检测的准确性。提高活体检测的准确性。提高活体检测的准确性。

【技术实现步骤摘要】
物联网人工智能人脸验证方法及系统


[0001]本专利技术涉及物联网及人工智能
，具体而言，涉及一种物联网人工智能人脸验证方法及系统。

技术介绍

[0002]在人脸验证的过程中，需要验证目标对象用户是否为真实活体，从而避免检测出一些欺诈行为，避免造成用户账户财产的损失。随着5G技术的快速发展，人脸活体检测会大量使用到物联网控制验证过程中，在传统的人脸验证方案中，在活体检测的过程中往往难以准确判别人脸部位区域在一段时间段内的光谱条件上的变化差异，从而导致活体检测的准确性较低。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本专利技术的目的在于提供一种物联网人工智能人脸验证方法及系统，通过确定出每个连续的时间节点的每个疑似活体区域以及与当前疑似活体区域存在关联性的关联疑似活体区域，因而可以基于疑似活体区域和关联疑似活体区域的关联关系进行光谱图像特征识别后，通过人工智能模型进行人脸验证，从而可以能够提高人脸部位区域在预设时间段内的光谱条件上的变化差异的判别准确性，提高活体检测的准确性。
[0004]第一方面，本专利技术提供一种物联网人工智能人脸验证方法，应用于物联网云服务器，所述物联网云服务器与多个物联网人脸验证终端通信连接，所述方法包括：获取所述物联网人脸验证终端在检测到人脸验证指令时采集到的目标采集区域在预设时间段内每个连续的时间节点的人脸图像数据流；根据所述每个连续的时间节点的人脸图像数据流确定与所述目标采集区域对应的每个疑似活体区域，对于每个疑似活体区域，从剩余的时间节点的人脸图像数据流中分别确定与当前疑似活体区域存在关联性的关联疑似活体区域，其中，所述疑似活体区域之外的区域为非活体区域；对所述当前疑似活体区域进行光谱图像特征识别，并对所述关联疑似活体区域进行光谱图像特征识别，分别得到所述当前疑似活体区域的第一光谱图像特征识别信息和所述关联疑似活体区域的第二光谱图像特征识别信息，其中，所述第一光谱图像特征识别信息和所述第二光谱图像特征识别信息分别包括各自对应的光谱条件的光谱位置坐标信息，所述光谱条件分别为各自对应的光反射特征所关联的多个预设的光谱形式；根据所述第一光谱图像特征识别信息和所述第二光谱图像特征识别信息生成每个当前疑似活体区域与对应的关联疑似活体区域的活体特征识别信息；根据所述活体特征识别信息分别对每个当前疑似活体区域与对应的关联疑似活体区域进行活体特征单元识别，并将识别到的活体特征单元按照时序排列的方式进行拼接后，得到多个拼接光谱特征向量序列，并基于人工智能模型对每个所述拼接光谱特征向量序列
进行识别得到所述目标采集区域的人脸验证结果。
[0005]在第一方面的一种可能的实现方式中，所述根据所述每个连续的时间节点的人脸图像数据流确定与所述目标采集区域对应的每个疑似活体区域的步骤，包括：根据所述每个连续的时间节点的人脸图像数据流，确定包含有所述目标采集区域的光反射特性信息的光反射动态变化信息，并在所述光反射动态变化信息中确定具有第一光反射特征的第一动态变化信息，和具有第二光反射特征的第二动态变化信息，所述第一光反射特征用于表示光反射强度大于第一预设强度所对应的光反射特征，所述第二光反射特征用于表示光反射强度小于第二预设强度所对应的光反射特征；在与所述目标采集区域的人脸位置相对应的所述光反射动态变化信息的光反射特征中，确定人脸位置关键点的光反射特征；获取所述第一动态变化信息上的第一动态变化像素值区间的区间大小，以及所述第二动态变化信息上的第二动态变化像素值区间的区间大小；若所述第一动态变化像素值区间的区间大小和所述第二动态变化像素值区间的区间大小都大于或等于设定长度，则将所述第一动态变化像素值区间的区间大小与所述第二动态变化像素值区间的区间大小进行比较，若所述第一动态变化像素值区间的区间大小大于所述第二动态变化像素值区间的区间大小，则将所述第一动态变化像素值区间作为疑似活体像素值区间；若所述第二动态变化像素值区间的区间大小大于所述第一动态变化像素值区间的区间大小，则将所述第二动态变化像素值区间作为疑似活体像素值区间；若所述第一动态变化像素值区间的区间大小等于所述第二动态变化像素值区间的区间大小，则将所述第一动态变化像素值区间或者所述第二动态变化像素值区间作为疑似活体像素值区间；将匹配各所述疑似活体像素值区间且与所述人脸位置关键点的光反射特征匹配的区域，确定为待定疑似活体区域，根据确定的所述待定疑似活体区域，将所述光反射动态变化信息切分为多个分割动态变化信息，并根据各所述分割动态变化信息的变化范围与预设范围之间的关系，将满足条件的待定疑似活体区域确定为所述目标采集区域对应的疑似活体区域。
[0006]在第一方面的一种可能的实现方式中，所述对于每个疑似活体区域，从剩余的时间节点的人脸图像数据流中分别确定与当前疑似活体区域存在关联性的关联疑似活体区域的步骤，包括：对于每个疑似活体区域，获取所述疑似活体区域的至少一个局部特征组，并对所述至少一个局部特征组中每个局部特征组进行解析，获取每个局部特征组所包含的关键特征点，其中，所述局部特征组用于表示所述疑似活体区域的各个局部特征点以及每个局部特征点所对应的脸部部位信息；获取每个关键特征点在对应的时间段内的特征点变化值、特征点深度值和特征点颜色值，其中，所述特征点变化值用于描述每个关键特征点的特征点变化值、所述特征点深度值用于描述每个关键特征点的特征点深度值，所述特征点颜色值用于描述每个关键特征点的特征点颜色值；对每个关键特征点在对应的时间段内的特征点变化值、特征点深度值和特征点颜色值
进行映射关联后进行合并，得到每个关键特征点对应的特征值映射序列，所述特征值映射序列用于表示每个关键特征点在对应的时间段内的特征点变化值、特征点深度值和特征点颜色值之间的对应关系；根据每个关键特征点对应的特征值映射序列从剩余的时间节点的人脸图像数据流中分别确定与当前疑似活体区域存在关联性的关联疑似活体区域。
[0007]在第一方面的一种可能的实现方式中，所述根据所述第一光谱图像特征识别信息和所述第二光谱图像特征识别信息生成每个当前疑似活体区域与对应的关联疑似活体区域的活体特征识别信息的步骤，包括：获取第一光谱图像特征识别信息和所述第二光谱图像特征识别信息各自对应的光谱条件的光谱位置坐标信息之间的共同光谱位置坐标信息的光照强度以及各光谱位置坐标集合；在根据所述光照强度确定出所述共同光谱位置坐标信息中包含有目标光谱坐标区域的情况下，根据所述共同光谱位置坐标信息在目标光谱坐标区域下的光谱位置坐标集合确定所述共同光谱位置坐标信息在设定目标光谱坐标区域下的各光谱位置坐标集合与共同光谱位置坐标信息在目标光谱坐标区域下的各光谱位置坐标集合之间的坐标区域差异之差，并将共同光谱位置坐标信息在设定目标光谱坐标区域下的与在目标光谱坐标区域下的光谱位置坐标集合的坐标区域差异相同的光谱位置坐标集合调整到相应的目标光谱坐标区域下，其中，所述目标光谱坐标区域表示光照强度处于预设异常光照强度范围内的光谱坐标区域；在共同光谱位置坐标信息的当前设定目标光谱坐标区域下包含有多个光谱位置坐标集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物联网人工智能人脸验证方法，其特征在于，应用于物联网云服务器，所述物联网云服务器与多个物联网人脸验证终端通信连接，所述方法包括：获取所述物联网人脸验证终端在检测到人脸验证指令时采集到的目标采集区域在预设时间段内每个连续的时间节点的人脸图像数据流；根据所述每个连续的时间节点的人脸图像数据流确定与所述目标采集区域对应的每个疑似活体区域，对于每个疑似活体区域，从剩余的时间节点的人脸图像数据流中分别确定与当前疑似活体区域存在关联性的关联疑似活体区域，其中，所述疑似活体区域之外的区域为非活体区域；对所述当前疑似活体区域进行光谱图像特征识别，并对所述关联疑似活体区域进行光谱图像特征识别，分别得到所述当前疑似活体区域的第一光谱图像特征识别信息和所述关联疑似活体区域的第二光谱图像特征识别信息，其中，所述第一光谱图像特征识别信息和所述第二光谱图像特征识别信息分别包括各自对应的光谱条件的光谱位置坐标信息，所述光谱条件分别为各自对应的光反射特征所关联的多个预设的光谱形式，光反射特征包括光谱反射率，其中，对所述当前疑似活体区域进行光谱图像特征识别的方式包括：基于光谱重排的光谱特征提取方法对所述当前疑似活体区域进行光谱图像特征识别，并对所述关联疑似活体区域进行光谱图像特征识别，从而得到第一光谱图像特征识别信息和第二光谱图像特征识别信息；根据所述第一光谱图像特征识别信息和所述第二光谱图像特征识别信息生成每个当前疑似活体区域与对应的关联疑似活体区域的活体特征识别信息；根据所述活体特征识别信息分别对每个当前疑似活体区域与对应的关联疑似活体区域进行活体特征单元识别，并将识别到的活体特征单元按照时序排列的方式进行拼接后，得到多个拼接光谱特征向量序列，并基于人工智能模型对每个所述拼接光谱特征向量序列进行识别得到所述目标采集区域的人脸验证结果；其中，目标采集区域是指物联网人脸验证终端能够采集到的区域，每个时间节点是指一个具体的时刻，或者是指在该预设时间段内的一个子时间段，疑似活体区域为需要进行活体检测的区域，疑似活体区域之外的区域被确定为非活体区域。2.根据权利要求1所述的物联网人工智能人脸验证方法，其特征在于，所述根据所述每个连续的时间节点的人脸图像数据流确定与所述目标采集区域对应的每个疑似活体区域的步骤，包括：根据所述每个连续的时间节点的人脸图像数据流，确定包含有所述目标采集区域的光反射特性信息的光反射动态变化信息，并在所述光反射动态变化信息中确定具有第一光反射特征的第一动态变化信息，和具有第二光反射特征的第二动态变化信息，所述第一光反射特征用于表示光反射强度大于第一预设强度所对应的光反射特征，所述第二光反射特征用于表示光反射强度小于第二预设强度所对应的光反射特征，当所述第一预设强度和所述第二预设强度不相同时，所述第二预设强度小于所述第一预设强度；在与所述目标采集区域的人脸位置相对应的所述光反射动态变化信息的光反射特征中，确定人脸位置关键点的光反射特征；获取所述第一动态变化信息上的第一动态变化像素值区间的区间大小，以及所述第二动态变化信息上的第二动态变化像素值区间的区间大小；
若所述第一动态变化像素值区间的区间大小和所述第二动态变化像素值区间的区间大小都大于或等于设定长度，则将所述第一动态变化像素值区间的区间大小与所述第二动态变化像素值区间的区间大小进行比较，若所述第一动态变化像素值区间的区间大小大于所述第二动态变化像素值区间的区间大小，则将所述第一动态变化像素值区间作为疑似活体像素值区间；若所述第二动态变化像素值区间的区间大小大于所述第一动态变化像素值区间的区间大小，则将所述第二动态变化像素值区间作为疑似活体像素值区间；若所述第一动态变化像素值区间的区间大小等于所述第二动态变化像素值区间的区间大小，则将所述第一动态变化像素值区间或者所述第二动态变化像素值区间作为疑似活体像素值区间；将匹配各所述疑似活体像素值区间且与所述人脸位置关键点的光反射特征匹配的区域，确定为待定疑似活体区域，根据确定的所述待定疑似活体区域，将所述光反射动态变化信息切分为多个分割动态变化信息，并根据各所述分割动态变化信息的变化范围与预设范围之间的关系，将满足条件的待定疑似活体区域确定为所述目标采集区域对应的疑似活体区域。3.根据权利要求1所述的物联网人工智能人脸验证方法，其特征在于，所述对于每个疑似活体区域，从剩余的时间节点的人脸图像数据流中分别确定与当前疑似活体区域存在关联性的关联疑似活体区域的步骤，包括：对于每个疑似活体区域，获取所述疑似活体区域的至少一个局部特征组，并对所述至少一个局部特征组中每个局部特征组进行解析，获取每个局部特征组所包含的关键特征点，其中，所述局部特征组用于表示所述疑似活体区域的各个局部特征点以及每个局部特征点所对应的脸部部位信息；获取每个关键特征点在对应的时间段内的特征点变化值、特征点深度值和特征点颜色值，其中，所述特征点变化值用于描述每个关键特征点的特征点变化值、所述特征点深度值用于描述每个关键特征点的特征点深度值，所述特征点颜色值用于描述每个关键特征点的特征点颜色值；对每个关键特征点在对应的时间段内的特征点变化值、特征点深度值和特征点颜色值进行映射关联后进行合并，得到每个关键特征点对应的特征值映射序列，所述特征值映射序列用于表示每个关键特征点在对应的时间段内的特征点变化值、特征点深度值和特征点颜色值之间的对应关系；根据每个关键特征点对应的特征值映射序列从剩余的时间节点的人脸图像数据流中分别确定与当前疑似活体区域存在关联性的关联疑似活体区域。4.根据权利要求1-3中任意一项所述的物联网人工智能人脸验证方法，其特征在于，所述根据所述第一光谱图像特征识别信息和所述第二光谱图像特征识别信息生成每个当前疑似活体区域与对应的关联疑似活体区域的活体特征识别信息的步骤，包括：获取第一光谱图像特征识别信息和所述第二光谱图像特征识别信息各自对应的光谱条件的光谱位置坐标信息之间的共同光谱位置坐标信息的光照强度以及各光谱位置坐标集合；在根据所述光照强度确定出所述共同光谱位置坐标信息中包含有目标光谱坐标区域
的情况下，根据所述共同光谱位置坐标信息在目标光谱坐标区域下的光谱位置坐标集合确定所述共同光谱位置坐标信息在设定目标光谱坐标区域下的各光谱位置坐标集合与共同光谱位置坐标信息在目标光谱坐标区域下的各光谱位置坐标集合之间的坐标区域差异之差，并将共同光谱位置坐标信息在设定目标光谱坐标区域下的与在目标光谱坐标区域下的光谱位置坐标集合的坐标区域差异相同的光谱位置坐标集合调整到相应的目标光谱坐标区域下，其中，所述目标光谱坐标区域表示光照强度处于预设异常光照强度范围内的光谱坐标区域；在共同光谱位置坐标信息的当前设定目标光谱坐标区域下包含有多个光谱位置坐标集合的情况下，根据所述共同光谱位置坐标信息在目标光谱坐标区域下的光谱位置坐标集合确定共同光谱位置坐标信息在当前设定目标光谱坐标区域下的各光谱位置坐标集合之间的坐标区域差异之差，并根据所述各光谱位置坐标集合之间的坐标区域差异之差对当前设定目标光谱坐标区域下的各光谱位置坐标集合进行筛选；根据所述共同光谱位置坐标信息在目标光谱坐标区域下的光谱位置坐标集合为上述筛选得到的每一个光谱位置坐标集合设置目标光谱坐标区域的标签，并将所述每一个光谱位置坐标集合调整到所述目标光谱坐标区域下；根据所述设定目标光谱坐标区域下的第一光谱位置坐标集合、所述目标光谱坐标区域下的第二光谱位置坐标集合、所述第一光谱图像特征识别信息的第一环境影响因素参数以及所述第二光谱图像特征识别信息的第二环境影响因素参数，确定所述第一光谱图像特征识别信息和所述第二光谱图像特征识别信息各自对应的第一光谱特征向量序列和第二光谱特征向量序列，第一环境影响因素参数和第二环境影响因素参是指各自对应的光谱环境下的参数，光谱环境下的参数包括光谱环境温度；分别从所述第一光谱特征向量序列和所述第二光谱特征向量序列中确定所述第一光谱图像特征识别信息的第一候选光谱特征向量和所述第二光谱图像特征识别信息的第二候选光谱特征向量；当确定出所述第一候选光谱特征向量和所述第二候选光谱特征向量时，以所述第一候选光谱特征向量和所述第二候选光谱特征向量进行匹配，获得匹配信息，并根据所述匹配信息判断所述第一候选光谱特征向量和所述第二候选光谱特征向量是否为多结合光谱特征向量的候选光谱特征向量，若是，则按照每个结合光谱特征向量将所述第一候选光谱特征向量和所述第二候选光谱特征向量分别转换为多个具有所述结合光谱特征向量的第一结合光谱特征向量集合和第...

【专利技术属性】
技术研发人员：周亚琴，
申请(专利权)人：周亚琴，
类型：发明
国别省市：