基于双目摄像头的活体检测方法、系统及存储介质技术方案

本发明专利技术涉及一种基于双目摄像头的活体检测方法，所述双目摄像头具有第一摄像头和第二摄像头，第一摄像头和第二摄像头均用于可见光，所述方法包括以下步骤：对第一摄像头拍摄的第一图像进行目标检测，得到第一目标图像；根据预先定义的截取规则在第二摄像头拍摄的第二图像中截取第二目标图像；对第一目标图像和第二目标图像进行梯度计算，得到目标梯度；对所述目标梯度进行分析，以判断目标是否为活体。实现了准确、高速、且低成本的活体检测。且低成本的活体检测。且低成本的活体检测。

【技术实现步骤摘要】
基于双目摄像头的活体检测方法、系统及存储介质


[0001]本专利技术涉及一种基于双目摄像头的活体检测方法，一种用于执行活体检测方法的系统以及一种计算机可读存储介质。

技术介绍

[0002]目前较为流行或者应用比较广泛的活体检测方法有：基于深度学习的单目摄像头活体检测方法、基于双目红外
‑
可见光摄像头的活体检测方法。
[0003]基于深度学习的单目摄像头活体检测方法，是使用大量人脸照片和大量人脸复拍照片利用深度学习捕获其光线、形变等细节特征，从而实现是否为活体的分类任务，其受光线等因素影响较大，准确率目前还未能达到商用级。
[0004]在基于双目红外
‑
可见光摄像头的活体检测方法中，通过红外线摄像头采集待识别对象的红外光成像，并通过可见光摄像头采集待识别对象的可见光成像，若红外光成像不存在图像，判定待识别对象为非活体，反之则提取可见光成像和红外光成像中待识别对象眼部和脸部的特征，并基于提取的特征判断待识别对象是否为活体，其在高分辨率红外摄像头下虽然准确率较高但是成本较高并且延迟也较大。在图1中示出了基于双目红外
‑
可见光摄像头的活体检测方法的流程图。

技术实现思路

[0005]鉴于现有技术中存在的问题，本专利技术的目的在于，提供一种基于双目摄像头的活体检测方法，一种用于执行活体检测方法的系统以及一种计算机可读存储介质，其能够解决现有技术中活体检测延迟高、成本高的问题，并实现准确、高速、且低成本的活体检测模型。
[0006]为了实现上述目的，根据第一方面，本专利技术提出了一种基于双目摄像头的活体检测方法，所述双目摄像头具有第一摄像头和第二摄像头，所述第一摄像头和第二摄像头均用于可见光，所述方法包括以下步骤：
[0007]对第一摄像头拍摄的第一图像进行目标检测，得到第一目标图像；
[0008]根据预先定义的截取规则在第二摄像头拍摄的第二图像中截取第二目标图像；
[0009]对第一目标图像和第二目标图像进行梯度计算，得到目标梯度；
[0010]对所述目标梯度进行分析，以判断目标是否为活体。
[0011]根据本专利技术的活体检测方法在低成本、低延迟的情况下具有较高的检测准确率以及较低的硬件性能要求。通过使用具有两个可见光摄像头的双目摄像头(也可称为“双目可见光摄像头”)，能够获取单目摄像头无法获取的深度信息，相比于单目摄像头，检测更不容易受到光线等因素影响，因此提高了检测准确率。由于第二目标图像的获取仅需要简单地根据预先定义的截取规则进行、而无需进行单独的目标检测，根据本专利技术的方法执行简单且快速。另外，相比于双目红外
‑
可见光摄像头，降低了硬件成本，并且省却了额外的红外人脸检测步骤，使得延迟得以降低。
[0012]本专利技术因此提供了一阶段的目标检测跟踪解决方案，其可以实现高速、高准确率的目标检测跟踪方法。
[0013]在示例性实施例中，第一摄像头和第二摄像头具有相同型号及参数，尤其完全相同。根据优选实施方案，第一摄像头和第二摄像头彼此平移地、尤其水平平移地偏置并且相互具有距离，所述预先定义的截取规则根据所述距离定义。由于双目摄像头采用两个相同型号及参数的摄像头，并且安装差别只是所述平移距离，因此目标在第一图像和第二图像中只是做了平移，并且该平移为常数且为摄像头距离/基线。在此，可以在对第一摄像头拍摄的第一图像进行目标检测，得到第一目标图像的步骤中得到目标坐标，在根据预先定义的截取规则在第二摄像头拍摄的第二图像中截取第二目标图像的步骤中基于所述目标坐标、根据所述预先定义的截取规则截取第二目标图像。
[0014]需要指出的是，在对第一目标图像和第二目标图像进行梯度计算，得到目标梯度的步骤中，梯度计算意味着，对第一目标图像和第二目标图像进行帧差法，即计算两帧图像在时间上的梯度。第一图像和第二图像的拍摄时间相同。这意味着，第一图像和第二图像分别包括时间上先后拍摄的至少两帧图像，每帧图像的拍摄时间分别相互对应。第一目标图像和第二目标图像也相应地分别包括至少两帧图像。
[0015]在示例性实施例中，所述方法还包括以下步骤：
[0016]在执行对第一摄像头拍摄的第一图像进行目标检测，得到第一目标图像的步骤之前，通过收集同一目标的多个不同的数据，进行目标检测训练。然后可以将检测到的目标进行特征提取、特征比对，并进行特征分类训练。目标检测训练和特征分类训练通过将相应数据输入到模型进行。由此实现了基于深度学习的活体检测方法，进一步提高了检测的准确度。
[0017]在示例性实施例中，对所述目标梯度进行分析，以判断目标是否为活体的步骤中的所述分析包括：
[0018]将得到的目标梯度进行特征提取；
[0019]将提取的特征进行特征分类，得到是否为活体的分类结果。
[0020]通过这种分析方式进行的目标梯度提取、比对，能够构建快速、准确的分析模型和算法结构。
[0021]在示例性实施例中，所述目标为人脸。
[0022]在示例性实施例中，借助浅层神经网络进行所述特征提取。所述特征分类可以是二分类。可以使用SVM(Support Vector Machine，支持向量机)进行所述二分类。浅层神经网络、SVM在GPU加速后消耗时间较少，速度极快。
[0023]根据第二方面，本专利技术提出了一种用于执行活体检测方法的系统，其包括：
[0024]具有第一摄像头和第二摄像头的双目摄像头，所述第一摄像头和第二摄像头均用于可见光,
[0025]处理器，和
[0026]存储器，所述存储器上存储有程序，当所述程序被所述处理器执行时，使得所述处理器实现前文所述的活体检测方法。
[0027]根据第三方面，本专利技术提出了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现前文所述的活体检测方法。
[0028]在示例性实施例中，所述计算机程序通过目标检测训练和/或特征分类训练得出。
[0029]前文针对基于双目摄像头的活体检测方法进行的说明也相应地适用于所述用于执行活体检测方法的系统和计算机可读存储介质。
[0030]借助根据本专利技术的基于双目摄像头的活体检测方法、用于执行活体检测方法的系统、计算机可读存储介质，极大提高了活体检测的速度及准确率，使得活体检测可以在众多硬件设备中应用。
附图说明
[0031]图1示出了现有技术中基于双目红外
‑
可见光摄像头的活体检测方法的流程图。
[0032]图2示出了根据本专利技术的活体检测方法的步骤。
[0033]图3示出了根据本专利技术的活体检测方法的一种示例性实施例的步骤。
具体实施方式
[0034]为使本领域的技术人员更好地理解本专利技术的技术方案，下面结合附图对本专利技术的技术方案进行详细描述。
[0035]在下文中将参考附图更充分地描述示例实施例，但是所述示例实施例可以以不同形式来体现且不应当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双目摄像头的活体检测方法，所述双目摄像头具有第一摄像头和第二摄像头，所述第一摄像头和第二摄像头均用于可见光，所述方法包括以下步骤：对第一摄像头拍摄的第一图像进行目标检测，得到第一目标图像；根据预先定义的截取规则在第二摄像头拍摄的第二图像中截取第二目标图像；对第一目标图像和第二目标图像进行梯度计算，得到目标梯度；对所述目标梯度进行分析，以判断目标是否为活体。2.根据权利要求1所述的方法，其特征在于，第一摄像头和第二摄像头相同。3.根据权利要求1所述的方法，其特征在于，第一摄像头和第二摄像头彼此平移地偏置并且相互具有距离，所述预先定义的截取规则根据所述距离定义。4.根据权利要求1所述的方法，其特征在于，所述方法还包括以下步骤：在对第一摄像头拍摄的第一图像进行目标检测，得到第一目标图像之前，通过收集同一目标的多个不同的数据，进行目标检测训练。5.根据权利要求4所述的方法，其特征在于，将检测到的目标进行特征提取、特征比对，并进行特征分类训练。6.根据权利要求1所述的方...

【专利技术属性】
技术研发人员：罗静，郭宇鹏，毛少将，王晓，雷庆庆，李沛然，任峰，
申请(专利权)人：通号通信信息集团有限公司，
类型：发明
国别省市：