【技术实现步骤摘要】
活体检测方法、装置、电子设备及计算机可读存储介质
[0001]本申请涉及图像识别
，具体而言，本申请涉及一种活体检测方法、装置、电子设备及计算机可读存储介质。
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，用于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伪造手段，从而帮助用户甄别欺诈行为，保障用户的利益。
[0003]现有的活体检测手段，通常是基于真实的人脸图像与二次成像的图像之间存在的纹理差异来判定，例如传统方式是针对整张面部图像，使用LBP(Local Binary Patterns，局部二值模式)、HOG(Histogram of Oriented Gradient，方向梯度直方图)、哈尔小波变换和灰度共生矩阵等提取纹理特征，得到分布直方图，然后用SVM、随机森林等分类器进行活体判别。这种活体检测手段存在准确率低，适应场景有限，鲁棒性差等缺陷。而深度学习的方式，则将活体检测当作二分类问题，活体类别记作1，非活体类别记作0，使用卷积神...
【技术保护点】
【技术特征摘要】
1.一种活体检测方法，其特征在于，包括：获取被检测对象的面部图像；对所述面部图像进行纹理检测，获得纹理检测结果；其中，所述对所述面部图像进行纹理检测，获得纹理检测结果，包括：获取所述面部图像的色彩信息，将所述面部图像的色彩信息输入至预先训练的纹理检测模型中，获得所述纹理检测模型输出的纹理检测结果；所述色彩信息包括RGB色彩模式信息和HSV颜色空间信息；所述纹理检测模型以样本面部图像的色彩信息作为训练样本，以所述样本面部图像的纹理检测结果作为训练标签训练而成；所述纹理检测结果用于表征被检测对象的纹理为活体的纹理或非活体的纹理。2.根据权利要求1所述的活体检测方法，其特征在于，所述获取被检测对象的面部图像，包括：获取原始图像，所述原始图像中包括所述被检测对象的面部；确定所述原始图像中的至少四个关键点，所述至少四个关键点分别位于被检测对象的双眼和两嘴角处；以所述至少四个关键点分别作为中心构建正方形，构建的至少四个正方形中的每个正方形与其他任意一个正方形不存在重叠区域且具有最大面积；将所述至少四个正方形在所述原始图像中的区域进行拼接，获得所述面部图像。3.根据权利要求1或2所述的活体检测方法，其特征在于，所述纹理检测模型包括第一子网络模型、第二子网络模型、特征融合层以及结果输出层；所述将所述面部图像的色彩信息输入至预先训练的纹理检测模型中，获得所述纹理检测模型输出的纹理检测结果，包括：将所述面部图像的色彩信息输入至所述第一子网络模型，获得所述第一子网络模型对所述色彩信息进行多次卷积和池化处理后输出的色彩特征；将所述面部图像的色彩信息输入至所述第二子网络模型，获得所述第二子网络模型输出的梯度特征，所述梯度特征与所述色彩特征的尺寸相同，所述梯度特征用于表征所述面部图像的梯度信息；将所述色彩特征和梯度特征输入至所述特征融合层，获得所述特征融合层输出的融合特征，所述融合特征用于表征所述色彩特征和梯度特征融合后的结果；将所述融合特征输入至所述结果输出层，获得所述结果输出层输出的纹理检测结果。4.根据权利要求2所述的活体检测方法，其特征在于，所述以所述至少四个关键点分别作为中心构建正方形，包括：计算左眼处的关键点到所述原始图像的左边框的距离，记为第一距离；计算右眼处的关键点到所述原始图像的右边框的距离，记为第二距离；计算左嘴角处的关键点到所述原始图像的左边框的距离，记为第三距离；计算右嘴角处的关键点到所述原始图像的右边框的距离，记为第四距离；计算双眼处的关键点的水平距离，记为第五距离；计算两嘴角处的关键点的水平距离，记为第六距离；计算双眼处的关键点的中心到两嘴角处的关键点的中心的垂直距离，记为第七距离；则以左眼处的关键点为中心的正方形的边长为所述第五距离、所述第七距离和两倍的所述第一距离中的最小值；以右眼处的关键点为中心的正方形的边长为所述第五距离、所
述第七距离和两倍的所述第二距离中的最小值；以左嘴角处的关键点为中心的正方形的边长为所述第六距离、所述第七距离和两倍的所述第三距离中的最小值；以右嘴角处的关键点为中心的正方形的边长为所述第六距离、所述第七距离和两倍的所述第四距离中的最小值。5.根据权利要求1-4任意一项所述的活体检测方法，其特征在于，还包括：若所述面部图像的纹理检测结果符合第一预设条件，则获取所述被检测对象的另一帧面部图像...
【专利技术属性】
技术研发人员：于潇丹，
申请(专利权)人：亚信科技中国有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。