一种基于机具维度的人脸识别处理方法、装置以及设备制造方法及图纸

本说明书实施例公开了一种基于机具维度的人脸识别处理方法、装置以及设备。方案包括：获取机具预先采集并保留的所述机具所处场景的场景图像，并提取所述场景图像的全局特征；获取所述机具在用户进行人脸识别时采集的人脸图像，并提取所述人脸图像的全局特征和局部特征，所述局部特征包括人脸区域的特征；根据所述场景图像的全局特征、所述人脸图像的全局特征和局部特征进行特征比对，得到比对结果；根据所述人脸图像的全局特征和局部特征，以及所述比对结果，利用预先训练的活体防攻击模型进行融合处理；根据所述融合处理的结果，判断所述人脸图像中的人脸是否为活体。所述人脸图像中的人脸是否为活体。所述人脸图像中的人脸是否为活体。

【技术实现步骤摘要】
一种基于机具维度的人脸识别处理方法、装置以及设备


[0001]本说明书涉及人脸识别
，尤其涉及一种基于机具维度的人脸识别处理方法、装置以及设备。

技术介绍

[0002]人脸识别技术近年来得到了飞速发展，也在诸如支付、考勤以及认证等场景得到了广泛的应用。由于人脸图像容易被获取，因此，许多攻击者会利用盗取到的用户人脸图像对人脸识别系统进行活体攻击。比如，常见的用手机屏幕展示和打印照片以尝试欺骗人脸识别系统就是活体攻击。
[0003]为了防御活体攻击，人脸识别系统一般都集成了活体检测技术(在该场景下可以称为：活体防攻击技术)。目前，常见的活体防攻击技术是基于交互的活体检测，这类方案需要用户进行配合做一些指定动作，比如指示用户眨眼、张嘴、摇头等。
[0004]基于此，针对人脸识别，还需要用户体验更好更安全的活体防攻击方案。

技术实现思路

[0005]本说明书一个或多个实施例提供一种基于机具维度的人脸识别处理方法、装置、设备以及存储介质，用以解决如下技术问题：针对人脸识别，还需要用户体验更好更安全的活体防攻击方案。
[0006]为解决上述技术问题，本说明书一个或多个实施例是这样实现的：
[0007]本说明书一个或多个实施例提供的一种基于机具维度的人脸识别处理方法，包括：
[0008]获取机具预先采集并保留的所述机具所处场景的场景图像，并提取所述场景图像的全局特征；
[0009]获取所述机具在用户进行人脸识别时采集的人脸图像，并提取所述人脸图像的全局特征和局部特征，所述局部特征包括人脸区域的特征；
[0010]根据所述场景图像的全局特征、所述人脸图像的全局特征和局部特征进行特征比对，得到比对结果；
[0011]根据所述人脸图像的全局特征和局部特征，以及所述比对结果，利用预先训练的活体防攻击模型进行融合处理；
[0012]根据所述融合处理的结果，判断所述人脸图像中的人脸是否为活体。
[0013]本说明书一个或多个实施例提供的一种基于机具维度的人脸识别处理装置，包括：
[0014]场景留底模块，获取机具预先采集并保留的所述机具所处场景的场景图像，并提取所述场景图像的全局特征；
[0015]人脸处理模块，获取所述机具在用户进行人脸识别时采集的人脸图像，并提取所述人脸图像的全局特征和局部特征，所述局部特征包括人脸区域的特征；
[0016]特征比对模块，根据所述场景图像的全局特征、所述人脸图像的全局特征和局部特征进行特征比对，得到比对结果；
[0017]融合处理模块，根据所述人脸图像的全局特征和局部特征，以及所述比对结果，利用预先训练的活体防攻击模型进行融合处理；
[0018]活体判断模块，根据所述融合处理的结果，判断所述人脸图像中的人脸是否为活体。
[0019]本说明书一个或多个实施例提供的一种基于机具维度的人脸识别处理设备，包括：
[0020]至少一个处理器；以及，
[0021]与所述至少一个处理器通信连接的存储器；其中，
[0022]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
[0023]获取机具预先采集并保留的所述机具所处场景的场景图像，并提取所述场景图像的全局特征；
[0024]获取所述机具在用户进行人脸识别时采集的人脸图像，并提取所述人脸图像的全局特征和局部特征，所述局部特征包括人脸区域的特征；
[0025]根据所述场景图像的全局特征、所述人脸图像的全局特征和局部特征进行特征比对，得到比对结果；
[0026]根据所述人脸图像的全局特征和局部特征，以及所述比对结果，利用预先训练的活体防攻击模型进行融合处理；
[0027]根据所述融合处理的结果，判断所述人脸图像中的人脸是否为活体。
[0028]本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
[0029]获取机具预先采集并保留的所述机具所处场景的场景图像，并提取所述场景图像的全局特征；
[0030]获取所述机具在用户进行人脸识别时采集的人脸图像，并提取所述人脸图像的全局特征和局部特征，所述局部特征包括人脸区域的特征；
[0031]根据所述场景图像的全局特征、所述人脸图像的全局特征和局部特征进行特征比对，得到比对结果；
[0032]根据所述人脸图像的全局特征和局部特征，以及所述比对结果，利用预先训练的活体防攻击模型进行融合处理；
[0033]根据所述融合处理的结果，判断所述人脸图像中的人脸是否为活体。
[0034]本说明书一个或多个实施例采用的上述至少一个技术方案能够达到以下有益效果：利用了机具维度的场景信息，通过全局加局部的特征比对学习技术，察觉活体攻击引发的场景变化并对其敏感，据此对人脸识别进行风险判断，并将风险判断的结果融合在基于分类的活体检测过程中，得到最终的判断结果，从而，能够有效地提升活体检测的安全性，对于高难度活体攻击也能有很好的召回，且不容易被绕过，而且无需用户额外进行配合，有助于提高用户体验。
附图说明
[0035]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0036]图1为本说明书一个或多个实施例提供的基于机具维度的人脸识别处理方案的构思简图；
[0037]图2为本说明书一个或多个实施例提供的一种基于机具维度的人脸识别处理方法的流程示意图；
[0038]图3为本说明书一个或多个实施例提供的一种基于机具维度的人脸识别处理装置的结构示意图；
[0039]图4为本说明书一个或多个实施例提供的一种基于机具维度的人脸识别处理设备的结构示意图。
具体实施方式
[0040]本说明书实施例提供一种基于机具维度的人脸识别处理方法、装置、设备以及存储介质。
[0041]为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0042]
技术介绍
中提到常见的活体防攻击技术是基于交互的活体检测。但是，由于这类方案需要用户配合做指定动作，则耗时更长，不仅如此，用户的动作若做得不规范，还会被要求重试或者直接判定为认证失败，因此，用户体验较差；另一方面，这类方案还可能被利用简单的动作生成技术绕过，因此，安全能力有限。
[0043]下面的一些实施例针对上述问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机具维度的人脸识别处理方法，包括：获取机具预先采集并保留的所述机具所处场景的场景图像，并提取所述场景图像的全局特征；获取所述机具在用户进行人脸识别时采集的人脸图像，并提取所述人脸图像的全局特征和局部特征，所述局部特征包括人脸区域的特征；根据所述场景图像的全局特征、所述人脸图像的全局特征和局部特征进行特征比对，得到比对结果；根据所述人脸图像的全局特征和局部特征，以及所述比对结果，利用预先训练的活体防攻击模型进行融合处理；根据所述融合处理的结果，判断所述人脸图像中的人脸是否为活体。2.如权利要求1所述的方法，所述机具预先采集所述机具所处场景的场景图像，具体包括：所述机具在未进行人脸识别时，多次采集所述机具所处场景的场景图像；对各所述场景图像进行人脸检测，保留未检测到人脸的所述场景图像。3.如权利要求1所述的方法，所述根据所述场景图像的全局特征、所述人脸图像的全局特征和局部特征进行特征比对，得到比对结果，具体包括：根据所述场景图像的全局特征与所述人脸图像的全局特征，进行相似度计算；根据所述相似度计算的结果，确定比对结果。4.如权利要求3所述的方法，所述根据所述场景图像的全局特征与所述人脸图像的全局特征，进行相似度计算，具体包括：根据所述人脸图像的局部特征，对所述场景图像的全局特征和所述人脸图像的全局特征中的对应特征进行泛化处理；根据所述泛化处理后的所述场景图像的全局特征和所述人脸图像的全局特征，进行相似度计算。5.如权利要求1所述的方法，所述根据所述场景图像的全局特征、所述人脸图像的全局特征和局部特征进行特征比对，得到比对结果，具体包括：将所述人脸图像的全局特征与局部特征进行特征比对，得到比对中间结果；若所述比对中间结果反映的相似度大于第一设定阈值，则根据所述人脸图像的局部特征，在所述人脸图像的全局特征中提取实际人脸边缘场景特征，在所述场景图像的全局特征中提取假想人脸边缘场景特征；将所述实际人脸边缘场景特征与所述假想人脸边缘场景特征进行特征比对，得到比对结果。6.如权利要求5所述的方法，所述将所述人脸图像的全局特征与局部特征进行特征比对，得到比对中间结果之后，所述方法还包括：若所述比对中间结果反映的相似度小于第二设定阈值，则将所述场景图像的全局特征与所述人脸图像的全局特征进行特征比对，得到比对结果，所述第二设定阈值小于所述第一设定阈值。7.如权利要求5所述的方法，所述比对结果包含所述实际人脸边缘场景特征与所述假想人脸边缘场景特征之间的特征差集；
所述根据所述人脸图像的全局特征和局部特征，以及所述比对结果，利用预先训练的活体防攻击模型进行融合处理，具体包括：将所述人脸图像的全局特征和局部特征，以及所述特征差集进行组合后，输入预先训练的活体防攻击模型进行融合处理，以便进行分类预测。8.如权利要求1所述的方法，所述根据所述人脸图像的全局特征和局部特征，以及所述比对结果，利用预先训练的活体防攻击模型进行融合处理，具体包括：获取预先训练的活体分类模型对所述人脸图像的输出特征；将所述人脸图像的全局特征和局部特征，以及所述输出特征进行融合处理，并输入预先训练的活体防攻击模型，进行分类预测，得到参考分类数据；通过所述活体防攻击模型，对所述比对结果和所述参考分类数据进行融合处理。9.如权利要求8所述的方法，所述比对结果包括反映所述场景图像与所述人脸图像中人脸区域以外部分之间相似度的归一化风险分数；所述参考分类数据包括将所述人脸图像中的人脸分类为活体或者非活体的分类概率；所述对所述比对结果和所述参考分类数据进行融合处理，具体包括：叠加所述归一化风险分数和所述分类概率，得到判决分数，以便根据所述判决分数和对应的设定阈值，判定所述人脸图像中的人脸是否为活体。10.一种基于机具维度的人脸识别处理装置，包括：场景留底模块，获取机具预先采集并保留的所述机具所处场景的场景图像，并提取所述场景图像的全局特征；人脸处...

【专利技术属性】
技术研发人员：曹佳炯，丁菁汀，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：