基于深度学习的活体检测方法、装置及存储介质制造方法及图纸

本申请公开了一种基于深度学习的活体检测方法、装置及存储介质。其中，该方法，包括：获取与待识别对象相关的视频，其中视频中包含待识别对象的嘴部区域图像，其中视频是通过在待识别对象读取第一文本信息的过程中对待识别对象进行拍摄而获得的视频；利用特征提取模型，生成与嘴部区域图像对应的第一特征序列；利用深度可分离卷积网络模型，对第一特征序列进行特征提取，生成第二特征序列；利用转换模型，根据第二特征序列生成唇语信息；以及根据唇语信息以及第一文本信息，判定待识别对象是否为活体。否为活体。否为活体。

【技术实现步骤摘要】
基于深度学习的活体检测方法、装置及存储介质


[0001]本申请涉及信息识别领域，特别是涉及一种基于深度学习的活体检测方法、装置及存储介质。

技术介绍

[0002]活体检测是在一些身份验证场景确定对象真实生理特征的方法，在人脸识别应用中，活体检测能通过眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体本人操作。可有效抵御照片、换脸、面具、遮挡以及屏幕翻拍等常见的攻击手段，从而帮助用户甄别欺诈行为，保障用户的利益。当前使用嘴部信息进行活体检测的方法主要是有两个方法：
[0003]一方法是从待测人脸视频中抽取若干视频帧，获取从待测人脸视频中抽取的每一所述视频帧的嘴部的若干关键点位置，通过所述嘴部的若干关键点位置获取每一抽取的所述视频帧的嘴部的嘴部长度和嘴部宽度，并通过计算所述嘴部长度和所述嘴部宽度的比值获取对应的所述视频帧的嘴部数值，基于每一抽取的所述视频帧的所述嘴部数值判断所述待测人脸视频的嘴部运动的情况。
[0004]另一方法是采集待识别的用户在读取验证内容时的视频信息，根据所述视频信息获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的活体检测方法，其特征在于，包括：获取与待识别对象相关的视频，其中所述视频中包含所述待识别对象的嘴部区域图像，其中所述视频是通过在所述待识别对象读取第一文本信息的过程中对所述待识别对象进行拍摄而获得的视频；利用特征提取模型，生成与所述嘴部区域图像对应的第一特征序列；利用深度可分离卷积网络模型，对所述第一特征序列进行特征提取，生成第二特征序列；利用转换模型，根据所述第二特征序列生成唇语信息；以及根据所述唇语信息以及所述第一文本信息，判定所述待识别对象是否为活体。2.根据权利要求1所述的方法，其特征在于，根据所述唇语信息以及所述第一文本信息，判定所述待识别对象是否为活体的操作，包括：将所述唇语信息与所述第一文本信息进行匹配；以及根据所述匹配的结果，判定所述待识别对象是否为活体。3.根据权利要求2所述的方法，其特征在于，将所述唇语信息与所述第一文本信息进行匹配的操作，包括：获取与所述第一文本信息对应的文本编码信息；以及将所述唇语信息与所述文本编码信息进行匹配。4.根据权利要求2所述的方法，其特征在于，将所述唇语信息与所述第一文本信息进行匹配的操作，包括：将所述唇语信息转换为相应的第二文本信息；以及将所述第二文本信息与所述第一文本信息进行匹配。5.根据权利要求1所述的方法，其特征在于，利用特征提取模型，生成与所述嘴部区域图像对应的第一特征序列的操作，包括：利用3D卷积神经网络模型，生成与所述嘴部区域图像对应的第一特征序列。6.根据权利要求1所述的方法，其特征在于，利用转换模型，根据所述第二特征序列生成唇语信息的操作，包括：利用转换器模型，根据所述第二特征序列生成所述唇语信息。7.一种存储介质，其特征在于，所...

【专利技术属性】
技术研发人员：孔志飞，曾定衡，赵立军，
申请(专利权)人：北京中关村科金技术有限公司，
类型：发明
国别省市：