本发明专利技术公开了一种活体检测的实现方法及系统，所述方法可以在用户进行身份验证时，首先进行是否真人及人脸是否在检测区域等静态检测，本发明专利技术使用深度学习中多特征融合技术，通过设计神经网络结构提取不同层特征，构建特征金字塔结构对不同尺度特征图进行融合，利用最终特征层进行静态检测；当用户通过静态检测后，本发明专利技术可以利用语音提示来引导用户执行一些列面部的动态动作并实时采集用户执行动作时的人脸特征点坐标，利用人脸特征点坐标确定的动态轨迹，根据动态轨迹来验证是否为用户的真实活体操作。本发明专利技术不但能有效甄别欺诈与冒认行为，提高识别与检测的准确率，而且结合使用动态检测与静态检测，也能节省大量检测成本，并提高识别与检测的效率。并提高识别与检测的效率。并提高识别与检测的效率。
【技术实现步骤摘要】
一种活体检测的实现方法及系统
[0001]本专利技术涉及身份认证的
，尤其涉及一种活体检测的方法及系统。
技术介绍
[0002]随着科技与通信的发展，各种各样的智能终端与智能应用已逐渐普及，成为人们生活的一部分，并为生活带来不少便利。由于智能终端与智能应用记录了用户的各种生活数据，为了保障用户的个人与生活隐私安全，在使用时需要对用户的身份进行识别认证，以确保用户数据不被盗窃。
[0003]其中一种常用的身份识别方法是人脸识别，其识别方式是用户预先录入个人的面部特征，在触发使用时再通过智能终端获取当前用户的面部特征，将当前的面部特征与在先录入的面部特征作比对，以确定触发用户的身份。
[0004]当目前常用的人脸识别方法有如下技术问题：由于面部特征是在用户静态使用时提取得到，不法分子可以通过盗用用户的照片或头像进行特征提取，以冒认用户身份，从而盗窃数据，增加了用户数据泄露的风险，安全保密性较低。
技术实现思路
[0005]本专利技术提出一种活体检测方法及系统，所述方法分别对检测用户进行静态和活体检测，结合静态与动态检测以确定用户身份，从而避免冒认情况，以提高身份识别的准确率，保障用户的隐私安全。
[0006]本专利技术实施例的第一方面提供了一种活体检测方法，所述方法包括：
[0007]在用户触发身份验证时，利用预设的神经网络对用户进行防止翻拍检测，并实时采集关于用户人脸的第一视频帧集合，所述第一视频帧集合包含用户在静态时的多张连续的视频帧；
[0008]静态检测所述第一视频帧集合所包含的人脸特征信息，其中，所述人脸特征信息包含人脸数量与人脸所在区域；
[0009]当所述人脸特征信息满足预设的静态特征条件时，播放预设的动态指示语音，并在用户执行所述动态指示语音对应的动态动作时采集第二视频帧集合，从所述第二视频帧集合中提取脸部动态特征集，其中，所述第二视频帧集合包含用户在执行动态动作时的多张连续的视频帧，所述脸部动态特征集包括多个人脸特征关键点；
[0010]根据所述脸部动态特征集进行动态检测以确定用户身份。
[0011]在第一方面的一种可能的实现方式中，所述根据所述脸部动态特征集进行动态检测以确定用户身份，包括：
[0012]归一化处理所述多个人脸特征关键点得到多个归一化关键点；
[0013]在所述第二视频帧集合的每张视频帧中查找每个所述归一化关键点对应特征坐标点，得到多个特征坐标点；
[0014]利用所述多个特征坐标点确定用户在执行动态动作时的动态轨迹；
[0015]若所述动态轨迹与所述预设的动态指示语音对应的指示轨迹相同，则确定用户身份通过，其中，所述指示轨迹包括：眼睛轨迹与嘴巴轨迹；
[0016]若所述动态轨迹与所述预设的动态指示语音对应的指示轨迹不相同，则确定用户身份不通过。
[0017]在第一方面的一种可能的实现方式中，所述利用所述多个特征坐标点确定用户在执行动态动作时的动态轨迹，包括：
[0018]将每个所述特征坐标点转换成预设的人脸3D模板对应模板坐标点，得到多个模板坐标点；
[0019]利用所述多个模板坐标点计算用户人脸相对于预设的人脸3D模板的旋转向量；
[0020]利用所述旋转向量计算在用户执行动态动作时的角度变化值，并基于所述角度变化值确定用户的动作轨迹。
[0021]在第一方面的一种可能的实现方式中，所述利用所述旋转向量计算在用户执行动态动作时的角度变化值，包括：
[0022]计算所述旋转向量的L2范数得到向量夹角；
[0023]通过三角函数计算所述向量夹角对应的弧度角得到带方向的角度值；
[0024]统计用户执行所述动态指示语音对应的动态动作时的多个角度值，利用所述多个角度值计算角度变化值。
[0025]在第一方面的一种可能的实现方式中，所述静态检测所述第一视频帧集合所包含的人脸特征信息，包括：
[0026]利用预设的人脸检测模型识别并统计所述第一视频帧集合中每张视频帧的人脸个数和人脸位置，得到人脸数量和人脸所在区域；
[0027]当所述人脸数量等于预设数量值且所述人脸所在区域与预设区域重叠，则确定满足预设的静态特征条件；
[0028]否则，则确定不满足预设的静态特征条件。
[0029]在第一方面的一种可能的实现方式中，所述预设的人脸检测模型，具体为：
[0030]采用训练图像样本对图像模型进行模型训练后得到，其中，所述图像模型为根据YOLO目标检测算法构建。
[0031]在第一方面的一种可能的实现方式中，所述防止翻拍检测，具体为：
[0032]采集触发身份验证的用户图像，利用预设的神经网络对所述用户图像进行二分类加速推理，以确定所述用户图像中的用户人像是否为真实人像；
[0033]若所述用户图像中的用户人像是真实人像，则执行所述实时采集关于用户人脸的第一视频帧集合的步骤；
[0034]若所述用户图像中的用户人像不是真实人像，则停止触发身份验证操作；
[0035]其中，所述预设的神经网络为采用Mobilenet结构的Depthwise Separable Convolution结构单元设计双分支网络结构并提取第六层输出与分支结构branch进行级联后，利用PyTorch进行训练参数设置和分布式训练后得到，所述双分支网络结构分为主干分支结构和副分支结构，主干分支结构为对网络进行类别的预测，副分支结构为对网络进行监督训练；
[0036]所述训练参数设置具体为：将所述预设的神经网络的权重文件加载至内存当中并
设置为静态变量，并当用户调用所述预设的神经网络，以所述预设的神经网络的权重文件为共享权重矩阵；
[0037]所述主干分支结构使用Softmax函数作为损失函数进行类别的预测，监督分支结构使用均方误差MSE；
[0038]主干分支结构的损失为：
[0039][0040]监督分支的损失为：
[0041][0042]网络总的损失为：
[0043][0044]在第一方面的一种可能的实现方式中，在所述静态检测所述第一视频帧集合所包含的人脸特征信息的步骤后，所述方法还包括：
[0045]按等比例扩充所述人脸所在区域的长宽得到扩充区域；
[0046]从所述扩充区域中提取边界信息；
[0047]利用所述边界信息构建预设区域。
[0048]在第一方面的一种可能的实现方式中，在所述根据所述脸部动态特征集进行动态检测以确定用户身份的步骤后，所述方法还包括：
[0049]采用量化方法对预设的神经网络的原始数据进行线性变换和数据映射得到调整数据；
[0050]利用所述调整数据对预设的神经网络进行微调优化。
[0051]本专利技术实施例的第二方面提供了一种活体检测系统，所述系统包括：
[0052]静态采集模块，用于在用户触发身份验证时，利用预设的神经网络对用户进行防止翻拍检测，并实时本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种活体检测方法，其特征在于，所述方法包括：在用户触发身份验证时，利用预设的神经网络对用户进行防止翻拍检测，并实时采集关于用户人脸的第一视频帧集合，所述第一视频帧集合包含用户在静态时的多张连续的视频帧；静态检测所述第一视频帧集合所包含的人脸特征信息，其中，所述人脸特征信息包含人脸数量与人脸所在区域；当所述人脸特征信息满足预设的静态特征条件时，播放预设的动态指示语音，并在用户执行所述动态指示语音对应的动态动作时采集第二视频帧集合，从所述第二视频帧集合中提取脸部动态特征集，其中，所述第二视频帧集合包含用户在执行动态动作时的多张连续的视频帧，所述脸部动态特征集包括多个人脸特征关键点；根据所述脸部动态特征集进行动态检测以确定用户身份。2.根据权利要求1所述的活体检测方法，其特征在于，所述根据所述脸部动态特征集进行动态检测以确定用户身份，包括：归一化处理所述多个人脸特征关键点得到多个归一化关键点；在所述第二视频帧集合的每张视频帧中查找每个所述归一化关键点对应特征坐标点，得到多个特征坐标点；利用所述多个特征坐标点确定用户在执行动态动作时的动态轨迹；若所述动态轨迹与所述预设的动态指示语音对应的指示轨迹相同，则确定用户身份通过，其中，所述指示轨迹包括：眼睛轨迹与嘴巴轨迹；若所述动态轨迹与所述预设的动态指示语音对应的指示轨迹不相同，则确定用户身份不通过。3.根据权利要求2所述的活体检测方法，其特征在于，所述利用所述多个特征坐标点确定用户在执行动态动作时的动态轨迹，包括：将每个所述特征坐标点转换成预设的人脸3D模板对应模板坐标点，得到多个模板坐标点；利用所述多个模板坐标点计算用户人脸相对于预设的人脸3D模板的旋转向量；利用所述旋转向量计算在用户执行动态动作时的角度变化值，并基于所述角度变化值确定用户的动作轨迹。4.根据权利要求3所述的活体检测方法，其特征在于，所述利用所述旋转向量计算在用户执行动态动作时的角度变化值，包括：计算所述旋转向量的L2范数得到向量夹角；通过三角函数计算所述向量夹角对应的弧度角得到带方向的角度值；统计用户执行所述动态指示语音对应的动态动作时的多个角度值，利用所述多个角度值计算角度变化值。5.根据权利要求1所述的活体检测方法，其特征在于，所述静态检测所述第一视频帧集合所包含的人脸特征信息，包括：利用预设的人脸检测模型识别并统计所述第一视频帧集合中每张视频帧的人脸个数和人脸位置，得到人脸数量和人脸所在区域；当所述人脸数量等于预设数量值且所述人脸所在区域与预设区域重叠，则确定满足预
设的静态特征条件；否则，则确定不满足预设的静态特征条件。6.根据权利要求5所述的活体检测方法，其特征在于，所述预设的人脸检测模型，具体为：采用训练图像样本对图像模型进行模型训练后得到，其中，所述图像模型...
【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：广州佰锐网络科技有限公司，
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。