胁迫认证检测方法、装置及电子设备制造方法及图纸

本申请提供一种胁迫认证检测方法、装置及电子设备，该方法包括：获取认证者的人体图像序列，以及，获取认证者的人脸图像序列；通过人脸比对方式，确定同一认证者的目标人体图像序列以及目标人脸图像序列；当认证者的权限验证通过时，依据该认证者的目标人体图像序列以及目标人脸图像序列，对该认证者进行胁迫认证检测，确定该认证者是否为胁迫认证状态，并当确定该认证者为胁迫认证状态时，进行报警处理。该方法可以提高胁迫认证检测的准确性。该方法可以提高胁迫认证检测的准确性。该方法可以提高胁迫认证检测的准确性。

【技术实现步骤摘要】
胁迫认证检测方法、装置及电子设备


[0001]本申请涉及图像处理
，尤其涉及一种胁迫认证检测方法、装置及电子设备。

技术介绍

[0002]人脸识别技术是利用人脸区域的信息进行身份认证的技术，现已广泛应用于门禁系统中，虽然该技术为区域人员通行控制带来了极大的便利，但是在某些场合中却缺乏足够的安全性，例如在银行、医院、仓库等。不安全性主要来自于两点，一是非活体攻击，即利用照片、视频、头模等进行攻击，二是胁迫认证，即有第三方通过武力等威胁强迫认证者进行人脸认证。
[0003]如何准确识别胁迫认证成为一个亟待解决的技术问题。

技术实现思路

[0004]有鉴于此，本申请提供一种胁迫认证检测方法、装置及电子设备，以提高胁迫认证检测的准确性。
[0005]具体地，本申请是通过如下技术方案实现的：
[0006]根据本申请实施例的第一方面，提供一种胁迫认证检测方法，包括：
[0007]获取认证者的人体图像序列，以及，获取认证者的人脸图像序列；
[0008]通过人脸比对方式，确定同一认证者的目标人体图像序列以及目标人脸图像序列；
[0009]当认证者的权限验证通过时，依据该认证者的目标人体图像序列以及目标人脸图像序列，对该认证者进行胁迫认证检测，确定该认证者是否为胁迫认证状态，并当确定该认证者为胁迫认证状态时，进行报警处理。
[0010]根据本申请实施例的第二方面，提供一种胁迫认证检测装置，包括：
[0011]获取单元，用于获取认证者的人体图像序列，以及，获取认证者的人脸图像序列；
[0012]比对单元，用于通过人脸比对方式，确定同一认证者的目标人体图像序列以及目标人脸图像序列；
[0013]认证检测单元，用于当认证者的权限验证通过时，依据该认证者的目标人体图像序列以及目标人脸图像序列，对该认证者进行胁迫认证检测，确定该认证者是否为胁迫认证状态，并当确定该认证者为胁迫认证状态时，进行报警处理。
[0014]根据本申请实施例的第三方面，提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器用于执行机器可执行指令，以实现第一方面提供的胁迫认证检测方法。
[0015]根据本申请实施例的第四方面，提供一种机器可读存储介质，所述机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现第一方面提供的胁迫认证检测方法。
[0016]本申请提供的技术方案至少可以带来以下有益效果：
[0017]通过获取同一认证者的人体图像序列和人脸图像序列，并在认证者的权限验证通过时，依据认证者的人体图像序列和人脸图像序列，对认证者进行胁迫认证检测，通过结合人体特征信息和人脸特征信息进行胁迫认证检测，提高了胁迫认证检测的准确性。
附图说明
[0018]图1是本申请一示例性实施例示出的一种胁迫认证检测方法的流程示意图；
[0019]图2是本申请一示例性实施例示出的一种依据该认证者的目标人体图像序列以及目标人脸图像序列对该认证者进行胁迫认证检测的流程示意图；
[0020]图3A是本申请一示例性实施例示出的一种门禁认证场景下的胁迫认证检测方案实现流程示意图；
[0021]图3B是本申请一示例性实施例示出的一种刷脸支付场景下的胁迫认证检测方案实现流程示意图；
[0022]图4是本申请一示例性实施例示出的一种监控摄像头和门禁摄像头的部署示意图；
[0023]图5是本申请一示例性实施例示出的一种基于深度学习实现的胁迫认证检测的算法流程示意图；
[0024]图6是本申请一示例性实施例示出的一种胁迫认证检测装置的结构示意图；
[0025]图7是本申请一示例性实施例示出的一种电子设备的硬件结构示意图。
具体实施方式
[0026]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0027]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
[0028]为了使本领域技术人员更好地理解本申请实施例提供的技术方案，并使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例中技术方案作进一步详细的说明。
[0029]请参见图1，为本申请实施例提供的一种胁迫认证检测方法的流程示意图，如图1所示，该胁迫认证检测方法可以包括以下步骤：
[0030]步骤S100、获取认证者的人体图像序列，以及，获取认证者的人脸图像序列。
[0031]本申请实施例中，考虑到认证者被胁迫认证时，通常在行为以及情绪上会表现出一些异常，因此，可以依据认证过程中认证者在行为以及情绪上的异常特征，对认证者进行胁迫认证检测。
[0032]相应地，为了实现胁迫认证检测，可以分别获取认证者的人体图像序列，以及获取认证者的人脸图像序列。
[0033]示例性的，人体图像序列是指在一个视频序列中包含人体图像的连续帧；人脸图像序列是指在一个视频序列中包含人脸图像的连续帧。
[0034]示例性的，当获取到认证者的人体图像时，可以利用跟踪算法，并依据人脸检测结果，得到认证者的人体图像序列。
[0035]同理，当获取到认证者的人脸图像时，可以利用跟踪算法，并依据人脸检测结果，得到认证者的人脸图像序列。
[0036]步骤S110、通过人脸比对方式，确定同一认证者的目标人体图像序列以及目标人脸图像序列。
[0037]本申请实施例中，考虑到认证过程中，认证区域可能会出现多个人，尤其是在胁迫认证情况下，因此，为了提高胁迫认证检测的准确性，在得到认证者的人体图像序列，以及人脸图像序列时，还可以通过人脸比对方式，确定同一认证者的目标人体图像序列。
[0038]例如，可以从人体图像序列中取任意一张人体图像，并对其进行人脸检测，得到人脸图像特征(可以称为第一人脸图像特征)，以及，从人脸图像序列中取任意一张人脸图像，并对其进行人脸检测，得到人脸图像特征(可以称为第二人脸图像特征)，进而，可以通过比较第一人脸图像特征与第二人脸图像特征的方式，确定同一认证者的人体图像序列以及人脸图像序列(本文中称为目标人体图像序列以及目标人脸图像序列)。
[0039]需要说明的是，在进行人脸比对时，也可以依据多张人体图像(或多张人脸图像)的人脸图像特征的融合结果进行比对，或者，采用其它策略进行综合判断比对，其具体实现在此不做赘述。
[0040]步骤S120、当认证者的权限验证通过时，依据该认证者的目标人体图像序列以及目标人脸本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种胁迫认证检测方法，其特征在于，包括：获取认证者的人体图像序列，以及，获取认证者的人脸图像序列；通过人脸比对方式，确定同一认证者的目标人体图像序列以及目标人脸图像序列；当认证者的权限验证通过时，依据该认证者的目标人体图像序列以及目标人脸图像序列，对该认证者进行胁迫认证检测，确定该认证者是否为胁迫认证状态，并当确定该认证者为胁迫认证状态时，进行报警处理。2.根据权利要求1所述的方法，其特征在于，所述获取认证者的人体图像序列，以及，获取认证者的人脸图像序列，包括：通过第一图像采集设备获取认证者的人体图像序列，以及，通过第二图像采集设备获取认证者的人脸图像序列；其中，当认证者进入认证区域时，所述第一图像采集设备的监控场景中包括认证者完整的人体信息，所述第二图像采集设备的监控场景中包括认证者完整的人脸信息。3.根据权利要求1所述的方法，其特征在于，所述依据该认证者的目标人体图像序列以及目标人脸图像序列，对该认证者进行胁迫认证检测，包括：依据该认证者的目标人体图像序列以及目标人脸图像序列，确定该认证者的异常特征信息，所述异常特征信息包括行为异常特征信息、情绪异常特征信息以及物体异常特征信息中的一个或多个；依据该认证者的异常特征信息，进行胁迫认证检测。4.根据权利要求3所述的方法，其特征在于，所述依据该认证者的目标人体图像序列以及目标人脸图像序列，确定该认证者的异常特征信息，包括：利用第一卷积神经网络，提取该认证者的目标人体图像序列的人体图像特征，和/或，利用第二卷积神经网络，提取该认证者的目标人脸图像序列的人脸图像特征；将所述人体图像特征和/或所述人脸图像特征，输入到预设机器学习模型，得到该认证者的异常特征信息。5.根据权利要求4所述的方法，其特征在于，所述将所述人体图像特征和/或所述人脸图像特征，输入到预设机器学习模型，得到该认证者的异常特征信息，包括：分别为所述人体图像特征和/或所述人脸图像特征添加位置编码；所述位置编码用于标识特征来源，以及同一来源的特征之间的时间顺序；将添加位置编码后的人体图像特征和/或人脸图像特征，以及一个空特征，输入到基于序列输入的神经网络模型，并将所述基于序列输入的神经网络模型在所述空特征位置的输出特征，确定为该认证者的异常特征信息。6.根据权利要求5所述的方法，其特征在于，所述将所述人体图像特征和/或所述人脸图像特征，输入到预设机器学习模型，得到该认证者的异常特征信息之后，包括：利用多层感知机对该认证者的异常特征信息进行非线性处理，得到该认证者处于胁迫认证状态的概率。7.根据权利要求1所述的方法，其特征在于，所述胁迫认证检测的结果包括该认证者处于胁迫认证状态的概率；所述确定该认证者是否为胁迫认证状态，包括：当该认证者处于胁迫认证状态的概率高于报警阈值时，确定该认证者处于胁迫认证状
态；其中，所述报警阈值依据认证场景设定。8.一种胁迫认证检测装置，其特征在于，包括：获取单元，用于获取认证者的人体图像序...

【专利技术属性】
技术研发人员：颜聪泉，杨彭举，王春茂，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：