活体检测方法、装置、电子设备及存储介质制造方法及图纸

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，涉及图像处理技术领域，尤其涉及计算机视觉和深度学习技术领域，包括：采集目标对象的第一人脸图像；采集目标对象的至少两张第二人脸图像，第二人脸图像是利用至少两个光线模板对目标对象进行打光后得到的，不同的光线模板分别照射出不同的条纹灯光；将第二人脸图像与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差分人脸图像进行活体检测，得到目标对象的第一活体检测结果。第一活体检测结果。第一活体检测结果。

【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与所述第一人脸图像进行差分处理，得到差分人脸图像；
[0013]第一检测模块，用于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。
[0014]根据本公开的另一方面，提供了一种电子设备，包括：
[0015]至少一个处理器；以及
[0016]与所述至少一个处理器通信连接的存储器；其中，
[0017]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执行上述任一项所述的方法。
[0018]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述任一项所述的方法。
[0019]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述任一项所述的方法。
[0020]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0021]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0022]图1是根据本公开实施例提供的一种活体检测方法的流程示意图；
[0023]图2是根据本公开实施例提供的光线模板照射出的条纹灯光的示意图；
[0024]图3是根据本公开实施例提供的一种对差分人脸图像进行人脸活体检测，得到第二活体检测结果的方法的流程示意图；
[0025]图4是根据本公开实施例提供的一种人脸对齐方法的流程示意图；
[0026]图5是根据本公开实施例提供的一种活体检测模型训练方法的流程示意图；
[0027]图6是根据本公开实施例提供的活体检测装置的结构示意图；
[0028]图7是根据本公开实施例提供的活体检测模型训练装置的结构示意图；
[0029]图8是用来实现本公开实施例的活体检测方法和活体检测模型训练方法的电子设备的框图。
具体实施方式
[0030]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0031]目前对人脸进行活体检测时，在所处环境的正常的灯光下采集当前目标对象的人脸图像，然后对当前目标对象使用多个颜色的纯色光进行打光(即将整个当前目标打上纯色的光，比如红色、蓝色或者绿色)后采集多张人脸图像，根据两次采集的人脸图像进行活体检测，只考虑了多个颜色的纯色光在不同介质上进行反射后的光的颜色的不同。这种方法适用于材质与人脸差别较大时的攻击方式，比如，攻击者提供的人脸图像是通过手机或者平板播放的人脸图像或者带人脸图像的视频，此时采集目标对象为手机屏幕或平板屏幕，打光后采集的人脸图像中的色彩是手机屏幕或平板屏幕被打上光之后反射到采集设备上的，而手机屏幕与平板屏幕的材质与人脸的材质有着很大的区别，两者反射的光的颜色也有很大的区别，所以能够根据打光后采集的人脸图像中的色彩与光的色彩之间的区别来进行有效的检测。但是对于一些材质与人脸差别较小的攻击方式的防御效果较差，比如仿真人脸，一般采用硅胶材质，与人脸的材质差别较小，对仿真人脸打光后采集的人脸图像中的色彩与光的色彩之间的区别较小，导致检测的准确率较差。
[0032]为了提高对材质与人脸差别较小的攻击方式的防御效果和活体检测的准确率，如图1所示，本公开一实施例提供了一种活体检测方法，该方法包括：
[0033]步骤101，采集目标对象的第一人脸图像。
[0034]利用采集设备(可以是摄像头、相机等设备)对目标对象进行采集，得到目标对象的第一人脸图像，第一人脸图像是采集设备在其所处环境中的自然光下采集的目标对象的人脸图像。
[0035]步骤102，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。
[0036]利用至少两个光线模板分别对目标对象进行打光后利用采集设备进行采集，得到至少两张第二人脸图像，如图2所示，不同的光线模板可以照射出不同的条纹灯光，条纹灯光可以是横向条纹状、竖向条纹状、斜向条纹状或者其他任意条纹的灯光。
[0037]相比第二人脸图像，第一人脸图像是未利用光线模板打光采集的目标对象的人脸图像。
[0038]步骤103，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。
[0039]将每个第二人脸图像分别与第一人脸图像进行差分处理，得到与该第二人脸图像对应的差分人脸图像。第二人脸图像和第一人脸图像均是宽为W像素高为H像素的图像，每个像素点为RGB(red、green、blue，红绿蓝三原色)颜色代码。将第二人脸图像中的每一个像素点的RGB颜色代码与第一人脸图像中对应的像素点的RGB颜色代码进行差分处理，得到差分后的RGB颜色代码，将每个差分后的RGB颜色代码按照对应的像素点组成新的图像，得到该第二人脸图像与第一人脸图像的差分人脸图像。
[0040]本实施例中提供了两种差分处理方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活体检测方法，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：