【技术实现步骤摘要】
活体检测方法、装置、电子设备及存储介质
[0001]本公开涉及图像处理
,尤其涉及计算机视觉和深度学习
技术介绍
[0002]目前对人脸进行活体检测时,需要在所处环境的正常的灯光下采集当前用户的人脸图像,然后,在所处的环境中对当前用户使用多个颜色的纯色光进行打光后采集多个人脸图像,根据两次采集的人脸图像进行活体检测。
技术实现思路
[0003]本公开提供了一种活体检测方法、装置、电子设备及存储介质。
[0004]根据本公开的一方面,提供了一种活体检测方法,包括:
[0005]采集目标对象的第一人脸图像;
[0006]采集所述目标对象的至少两张第二人脸图像,所述第二人脸图像是利用至少两个光线模板对所述目标对象进行打光后得到的,不同的所述光线模板分别照射出不同的条纹灯光;
[0007]将所述第二人脸图像与所述第一人脸图像进行差分处理,得到差分人脸图像;
[0008]通过训练得到的活体检测模型对所述差分人脸图像进行活体检测,得到所述目标对象的第一活体检测结果。
[0009]根据本公开的另一方面,提供了一种活体检测装置,包括:
[0010]第一采集模块,用于采集目标对象的第一人脸图像;
[0011]所述第一采集模块,还用于采集所述目标对象的至少两张第二人脸图像,所述第二人脸图像是利用至少两个光线模板对所述目标对象进行打光后得到的,不同的所述光线模板分别照射出不同的条纹灯光;
[0012]第一计算模块,用于将所述第二人脸图像 ...
【技术保护点】
【技术特征摘要】
1.一种活体检测方法,包括:采集目标对象的第一人脸图像;采集所述目标对象的至少两张第二人脸图像,所述第二人脸图像是利用至少两个光线模板对所述目标对象进行打光后得到的,不同的所述光线模板分别照射出不同的条纹灯光;将所述第二人脸图像与所述第一人脸图像进行差分处理,得到差分人脸图像;通过训练得到的活体检测模型对所述差分人脸图像进行活体检测,得到所述目标对象的第一活体检测结果。2.根据权利要求1所述的方法,所述通过训练得到的活体检测模型对所述差分人脸图像进行活体检测,得到所述目标对象的第一活体检测结果,包括:通过骨架网络对所述差分人脸图像进行特征提取,得到所述差分人脸图像的人脸特征数据;将所述人脸特征数据输入激活函数,得到所述差分人脸图像的第二活体检测结果;根据所述第二活体检测结果获取所述第一活体检测结果。3.根据权利要求2所述的方法,所述根据所述第二活体检测结果获取所述第一活体检测结果,包括:将所述第二活体检测结果中的最大值、最小值、平均数或中位数确定为所述目标对象的第一活体检测结果。4.根据权利要求1所述的方法,所述将所述第二人脸图像与所述第一人脸图像进行差分处理,得到差分人脸图像,包括:根据预设的至少两个关键点对所述第一人脸图像和所述第二人脸图像进行关键点检测,得到至少六个关键点的坐标;根据所述坐标将所述第一人脸图像分别和每张所述第二人脸图像进行人脸对齐,得到对齐结果;基于所述对齐结果进行所述差分处理。5.根据权利要求1所述的方法,通过所述至少两个光线模板照射出的条纹灯光的颜色相同。6.一种活体检测模型训练方法,包括:获取多个人脸图像组,每个人脸图像组中包含样本目标对象的一张第一人脸图像、所述样本目标对象的至少两张第二人脸图像和所述第一人脸图像的标签,所述第二人脸图像为利用至少两个光线模板对所述样本目标对象进行打光后采集的人脸图像,所述第一人脸图像为未利用所述光线模板打光采集所述样本目标对象的人脸图像,所述标签用于指示所述样本目标对象为活体或非活体;将所述人脸图像组中的所述第二人脸图像与该人脸图像组中的第一人脸图像进行差分,得到差分人脸图像;通过初始活体检测模型对所述差分人脸图像进行检测,得到所述差分人脸图像的第二活体检测结果;根据所述人脸图像组对应的所有第二活体检测结果和该人脸图像组中的所述标签确定该人脸图像组的损失值;
根据所述多个人脸图像组的损失值对所述初始活体检测模型进行优化,得到活体检测模型。7.一种活体检测装置,包括:第一采集模块,用于采集目标对象的第一人脸图像;所述第一采集模块,还用于采集所述目标对象的至少两张第二人脸图像,所述第二人脸图像是利用至少两个光线模板对所述目标对象进行打光后得到的,不同的所述光线模板分别照射出不同的条纹灯光;第一计算模块,用于将所述第二人脸图像与所述第一人脸图像进行差分...
【专利技术属性】
技术研发人员:黄泽斌,
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:
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。