活体检测方法、装置、电子设备以及存储介质制造方法及图纸

本公开提供了一种活体检测方法、装置、电子设备以及存储介质，本公开涉及为人工智能技术领域，具体涉及计算机视觉和深度学习技术领域，可应用于人脸识别等场景。具体实现方案为：获取待检测图像，待检测图像包括检测对象；利用预训练的活体检测模型的第一提取层从待检测图像中提取第一特征图；获取待检测图像对应的频域图像，利用活体检测模型的第二提取层从频域图像中提取第二特征图；基于第一特征图和第二特征图确定检测对象的活体检测结果。上述方法基于灰度信息和频域信息这两个维度的信息为依据进行活体检测，可以活体检测方法提升针对通过拍摄检测对象的实物照片所获得的待检测图像的泛化能力，提高活体检测结果的准确性和可靠性。性和可靠性。性和可靠性。

【技术实现步骤摘要】
活体检测方法、装置、电子设备以及存储介质


[0001]本公开涉及为人工智能
，具体涉及计算机视觉和深度学习
，可应用于人脸识别等场景。

技术介绍

[0002]活体检测是指区分一张图像是否为通过拍摄真实对象得到的，现有的活体检测方式，通常是采用基于深度学习技术的活体检测算法进行对图像中的检测对象进行活体检测。然而，现有的活体检测算法在一些应用场景的泛化能力较差，例如，如果待检测图像是通过拍摄检测对象的实物照片获得的，那么现有的活体检测算法便无法较准确是判断出检测对象是否为活体。

技术实现思路

[0003]本公开提供了一种活体检测方法、装置、电子设备以及存储介质。
[0004]根据本公开的第一方面，提供了一种活体检测方法，包括：
[0005]获取待检测图像，待检测图像包括检测对象；
[0006]利用预训练的活体检测模型的第一提取层从待检测图像中提取第一特征图；
[0007]获取待检测图像对应的频域图像，利用活体检测模型的第二提取层从频域图像中提取第二特征图；
[0008]基于第一特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活体检测方法，包括：获取待检测图像，所述待检测图像包括检测对象；利用预训练的活体检测模型的第一提取层从所述待检测图像中提取第一特征图；获取所述待检测图像对应的频域图像，利用所述活体检测模型的第二提取层从所述频域图像中提取第二特征图；基于所述第一特征图和所述第二特征图确定所述检测对象的活体检测结果。2.根据权利要求1所述的方法，其中，所述获取待检测图像，包括：从包含检测对象的原始图像中，识别出所述检测对象的关键特征区域；在所述原始图像中分割出包含所述关键特征区域的有效图像，并将所述有效图像作为待检测图像，所述待检测图像的尺寸为所述关键特征区域的尺寸的预设倍数。3.根据权利要求2所述的方法，其中，所述从包含检测对象的原始图像中，识别出所述检测对象的关键特征区域，包括：在包含检测对象的原始图像中，确定出所述检测对象上的多个预设类型的关键点的位置信息；基于所述多个预设类型的关键点的位置信息，从所述原始图像中识别出所述检测对象的关键特征区域。4.根据权利要求1所述的方法，在所述利用预训练的活体检测模型的第一提取层从所述待检测图像中提取第一特征图之前，还包括：对所述待检测图像中的像素值进行归一化处理，以将所述待检测图像中每个像素点的像素值调整到预设数值范围内；和/或，将所述待检测图像的尺寸调整为预设尺寸。5.根据权利要求1所述的方法，其中，所述获取所述待检测图像对应的频域图像，包括：对所述待检测图像进行傅里叶变换，得到所述待检测图像对应的频域图像。6.根据权利要求1至5中任一项所述的方法，其中，所述基于所述第一特征图和所述第二特征图确定所述检测对象的活体检测结果，包括：对所述第一特征图和所述第二特征图在预设维度上进行拼接，得到拼接特征图；基于所述拼接特征图确定所述检测对象的活体检测结果。7.根据权利要求6所述的方法，其中，所述基于所述拼接特征图确定所述检测对象的活体检测结果，包括：将所述拼接特征图输入到所述活体检测模型的检测层，利用检测层输出所述检测对象属于活体的概率，所述检测层包括全连接层和归一化指数函数层；基于所述概率和预设的概率阈值，确定所述检测对象的活体检测结果。8.一种活体检测装置，包括：图像获取模块，用于获取待检测图像，所述待检测图像包括检测对象；第一特征获取模块，用于利用预训练的活体检测模型的第一提取层从所述待检测图像中提取第一特征图；第二特征获取模块，用于获取所述待检测图像对应的频域图像，利用所述活体检测模型的第二提取层从所述频域图像中提取第二特征图；检测模块，用于基于所述第一特征图和所述第二特征图确定所述检测对象的活体检测
结果。9.根据权利要求8所述的...

【专利技术属性】
技术研发人员：王珂尧，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：