活体检测的方法和装置制造方法及图纸

本发明专利技术公开了活体检测的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取待检测图片，然后将所述待检测图片转换为多个颜色模型的输入图片；将多个所述输入图片输入预先训练的检测模型，获取所述检测模型的输出数据，所述输出数据用于指示所述待检测图片中的目标是否为活体。该实施方式能够自动选取特征，泛化性好，在切换场景时检测精度高。

【技术实现步骤摘要】
活体检测的方法和装置
本专利技术涉及计算机
，尤其涉及一种活体检测的方法和装置。
技术介绍
静默活体检测是指不需要用户做任何动作就可以完成整个检测过程的活体检测方法。现有方案进行活体检测时引入了色彩空间、颜色等概念，但仍然在色彩空间手动选取特征。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：泛化性不足，在新场景下检测精度低。
技术实现思路
有鉴于此，本专利技术实施例提供一种活体检测的方法和装置，能够自动选取特征，泛化性好，在切换场景时检测精度高。为实现上述目的，根据本专利技术实施例的一个方面，提供了一种活体检测的方法，包括：获取待检测图片，然后将所述待检测图片转换为多个颜色模型的输入图片；将多个所述输入图片输入预先训练的检测模型，获取所述检测模型的输出数据，所述输出数据用于指示所述待检测图片中的目标是否为活体；其中，所述检测模型是按照如下步骤训练得到的：获取训练样本，所述训练样本包括样本图片和样本标签，所述样本标签用于指示所述样本图片中的目标是否为活体；采集所述样本图片中的目标区域图像；确定所述目标区域图像中的各个目标关键点，基于各个所述目标关键点确定目标轮廓；将所述目标区域图像转换为多个颜色模型的样本输入图片；基于每个所述样本图片对应的多个颜色模型的样本输入图片和目标轮廓进行训练，得到所述检测模型。可选地，所述多个颜色模型包括：bgr颜色模型、hsv颜色模型、YCbCr颜色模型。可选地，基于每个所述样本图片对应的多个颜色模型的样本输入图片和目标轮廓进行训练，得到所述检测模型，包括：将所述样本图片对应的多个颜色模型的样本输入图片输入googleNet网络进行前向传播，得到预测轮廓；确定所述预测轮廓与所述目标轮廓的欧氏距离，基于所述欧式距离进行反向传播，得到所述检测模型。可选地，通过SSD算法采集所述样本图片中的目标区域图像；确定所述目标区域图像中的各个目标关键点，包括：通过MTCNN算法，基于squeeceNet网络确定所述目标区域图像中的各个目标关键点。可选地，采集所述样本图片中的目标区域图像之后，还包括：统一各个所述目标区域图像的姿态和大小。根据本专利技术实施例的第二方面，提供一种活体检测的装置，包括：图片转换单元，获取待检测图片，然后将所述待检测图片转换为多个颜色模型的输入图片；模型检测单元，将多个所述输入图片输入预先训练的检测模型，获取所述检测模型的输出数据，所述输出数据用于指示所述待检测图片中的目标是否为活体；模型训练单元，按照如下步骤训练得到所述检测模型：获取训练样本，所述训练样本包括样本图片和样本标签，所述样本标签用于指示所述样本图片中的目标是否为活体；采集所述样本图片中的目标区域图像；确定所述目标区域图像中的各个目标关键点，基于各个所述目标关键点确定目标轮廓；将所述目标区域图像转换为多个颜色模型的样本输入图片；基于每个所述样本图片对应的多个颜色模型的样本输入图片和目标轮廓进行训练，得到所述检测模型。可选地，所述多个颜色模型包括：bgr颜色模型、hsv颜色模型、YCbCr颜色模型。可选地，所述模型训练单元基于每个所述样本图片对应的多个颜色模型的样本输入图片和目标轮廓进行训练，得到所述检测模型，包括：将所述样本图片对应的多个颜色模型的样本输入图片输入googleNet网络进行前向传播，得到预测轮廓；确定所述预测轮廓与所述目标轮廓的欧氏距离，基于所述欧式距离进行反向传播，得到所述检测模型。根据本专利技术实施例的第三方面，提供一种活体检测的电子设备，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，使得所述一个或多个处理器实现本专利技术实施例第一方面提供的方法。根据本专利技术实施例的第四方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本专利技术实施例第一方面提供的方法。上述专利技术中的一个实施例具有如下优点或有益效果：将待检测图片转换为多个颜色模型的输入图片作为待检测图片的特征输入检测模型，能够自动选取特征，泛化性好，在切换场景时检测精度高。上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。附图说明附图用于更好地理解本专利技术，不构成对本专利技术的不当限定。其中：图1是根据本专利技术实施例的活体检测的方法的主要流程的示意图；图2是本专利技术实施例中正样本图片中目标轮廓的示意图；图3是本专利技术实施例中负样本图片中目标轮廓的示意图；图4是根据本专利技术实施例的活体检测的装置的主要组成的示意图；图5是本专利技术实施例可以应用于其中的示例性系统架构图；图6是适于用来实现本专利技术实施例的终端设备或服务器的计算机系统的结构示意图。具体实施方式以下结合附图对本专利技术的示范性实施例做出说明，其中包括本专利技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本专利技术的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。根据本专利技术实施例的一个方面，提供了一种活体检测的方法。图1是根据本专利技术实施例的活体检测的方法的主要流程的示意图，如图1所示，活体检测的方法包括：步骤S101、获取待检测图片，然后将所述待检测图片转换为多个颜色模型的输入图片；步骤S102、将多个所述输入图片输入预先训练的检测模型，获取所述检测模型的输出数据，所述输出数据用于指示所述待检测图片中的目标是否为活体。活体是指待检测图片中的目标是真实目标，非活体是指待检测图片中的目标不是真实目标，例如预先拍摄的目标照片。本专利技术实施例中的目标可以根据实际情况进行选择性设定。例如，以指纹作为目标。再例如，在利用人脸解锁智能手机、人脸识别打卡、人脸门禁系统等场景下，目标是人脸。颜色模型是用一组数值来描述颜色的数学模型。本专利技术直接将待检测图片转换为多个颜色模型的图片，以各个颜色模型的图片作为特征输入检测模型，无需手动提取待检测图片的特征，能够自动选取特征，泛化性好，在切换场景时检测精度高。可选地，所述多个颜色模型包括：bgr颜色模型、hsv颜色模型、YCbCr颜色模型。bgr颜色模型是通过对蓝(B)、绿(G)、红(R)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的色彩模式。HSV(Hue,Saturation,Value)是根据颜色的直观特性创建的一种颜色空间,也称六角锥体模型(HexconeModel)。模型中颜色的参数分别是：色调(H)，饱和度(S)，明度(V)。YCbCr是色彩空间的一种，Y为颜色的亮度(luma)成分，而Cb和Cr则为蓝色和红色的浓度偏移量成份。采用bgr、hsv和YCbCr本文档来自技高网...

【技术保护点】
1.一种活体检测的方法，其特征在于，包括：/n获取待检测图片，然后将所述待检测图片转换为多个颜色模型的输入图片；/n将多个所述输入图片输入预先训练的检测模型，获取所述检测模型的输出数据，所述输出数据用于指示所述待检测图片中的目标是否为活体；/n其中，所述检测模型是按照如下步骤训练得到的：/n获取训练样本，所述训练样本包括样本图片和样本标签，所述样本标签用于指示所述样本图片中的目标是否为活体；/n采集所述样本图片中的目标区域图像；确定所述目标区域图像中的各个目标关键点，基于各个所述目标关键点确定目标轮廓；/n将所述目标区域图像转换为多个颜色模型的样本输入图片；基于每个所述样本图片对应的多个颜色模型的样本输入图片和目标轮廓进行训练，得到所述检测模型。/n

【技术特征摘要】
1.一种活体检测的方法，其特征在于，包括：
获取待检测图片，然后将所述待检测图片转换为多个颜色模型的输入图片；
将多个所述输入图片输入预先训练的检测模型，获取所述检测模型的输出数据，所述输出数据用于指示所述待检测图片中的目标是否为活体；
其中，所述检测模型是按照如下步骤训练得到的：
获取训练样本，所述训练样本包括样本图片和样本标签，所述样本标签用于指示所述样本图片中的目标是否为活体；
采集所述样本图片中的目标区域图像；确定所述目标区域图像中的各个目标关键点，基于各个所述目标关键点确定目标轮廓；
将所述目标区域图像转换为多个颜色模型的样本输入图片；基于每个所述样本图片对应的多个颜色模型的样本输入图片和目标轮廓进行训练，得到所述检测模型。


2.如权利要求1所述的方法，其特征在于，所述多个颜色模型包括：bgr颜色模型、hsv颜色模型、YCbCr颜色模型。


3.如权利要求1所述的方法，其特征在于，基于每个所述样本图片对应的多个颜色模型的样本输入图片和目标轮廓进行训练，得到所述检测模型，包括：
将所述样本图片对应的多个颜色模型的样本输入图片输入googleNet网络进行前向传播，得到预测轮廓；确定所述预测轮廓与所述目标轮廓的欧氏距离，基于所述欧式距离进行反向传播，得到所述检测模型。


4.如权利要求1所述的方法，其特征在于，通过SSD算法采集所述样本图片中的目标区域图像；
确定所述目标区域图像中的各个目标关键点，包括：通过MTCNN算法，基于squeeceNet网络确定所述目标区域图像中的各个目标关键点。


5.如权利要求1所述的方法，其特征在于，采集所述样本图片中的目标区域图像之后，还包括：统一各个所述目标区域图像的姿态和大小。


6.一种活...

【专利技术属性】
技术研发人员：丁岩，史培元，安山，
申请(专利权)人：北京沃东天骏信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11