活体检测方法、装置、设备与存储介质制造方法及图纸

本说明书实施例提供一种活体检测方法、装置、设备与存储介质，该方法包括：获取目标检测对象针对事务发起的身份认证请求，基于身份认证请求生成认证交互信息，认证交互信息用于指示目标检测对象做出认证动作；采集目标检测对象的认证动作，以生成认证动作视频；获取认证动作对应的参照动作视频，将参照动作视频与认证动作视频进行比对，以得到目标检测对象的活体检测结果；参照动作视频是基于目标检测对象在注册事务时所采集的注册动作生成的。在注册事务时所采集的注册动作生成的。在注册事务时所采集的注册动作生成的。

【技术实现步骤摘要】
活体检测方法、装置、设备与存储介质


[0001]本说明书涉及计算机
，尤其涉及一种活体检测方法、装置、设备与存储介质。

技术介绍

[0002]人脸识别技术在为人们的生产和生活提供便利的同时，也引出了额外的风险。其中较为典型的为活体攻击，即通过照片、手机等媒介尝试仿冒用户的攻击方法。活体攻击也是目前人脸识别系统面临的最有威胁的安全隐患。解决上述问题的方法通常称为活体检测，其目的是判断获取到的生物特征是否来自一个有生命、在现场的、真实的人。
[0003]近年来随着基于深度学习的生成技术的成熟，各类基于照片生成动作视频的攻击方法给活体检测算法提出了新的挑战。因此，亟待提出一种有效的活体防攻击检测方法，以应对活体攻击事件。

技术实现思路

[0004]本说明书的主要目的在于提供一种活体检测方法、装置、设备与存储介质，旨在实现活体检测，解决对假体攻击样本的防御性较差的问题。所述技术方案如下：
[0005]第一方面，本说明书实施例提供了一种活体检测方法，包括：
[0006]获取目标检测对象针对事务发起的身份认证请求，基于所述身份认证请求生成认证交互信息，所述认证交互信息用于指示所述目标检测对象做出认证动作；
[0007]采集所述目标检测对象的所述认证动作，以生成认证动作视频；
[0008]获取所述认证动作对应的参照动作视频，将所述参照动作视频与所述认证动作视频进行比对，以得到所述目标检测对象的活体检测结果；所述参照动作视频是基于所述目标检测对象在注册所述事务时所采集的注册动作生成的。
[0009]第二方面，本说明书实施例提供了一种活体检测模型的训练方法，包括：
[0010]初始化动作预测模型中的初始结构参数；
[0011]获取活体样本对象的生物特征样本图像；
[0012]将所述生物特征样本图像作为所述动作预测模型的输入，以得到预测身份标签和预测优选注册动作；
[0013]采用动作预测损失函数计算所述预测身份标签对应的身份标签损失值和所述预测优选注册动作对应的动作预测损失值；
[0014]基于所述身份标签损失值和所述动作预测损失值对所述初始结构参数进行调整，以得到目标结构参数，基于所述目标结构参数生成训练后的所述动作预测模型。
[0015]第三方面，本说明书实施例提供了一种活体检测模型的训练方法，包括：
[0016]初始化模拟动作视频生成模型中的初始结构参数；
[0017]获取活体样本对象的优选注册动作样本视频和样本备选注册动作标签；
[0018]将所述优选注册动作样本视频和所述样本备选注册动作标签作为所述模拟动作
生成模型的输入，以得到样本模拟动作视频；
[0019]采用模拟动作视频生成损失函数计算所述样本模拟动作视频对应的视频重建损失值和所述样本模拟动作视频对应的约束损失值；
[0020]基于所述视频重建损失值和所述约束损失对所述初始结构参数进行调整，以得到目标结构参数，基于所述目标结构参数生成训练后的所述模拟动作生成模型。
[0021]第四方面，本说明书实施例提供了一种活体检测模型的训练方法，包括：
[0022]初始化动作特征比对模型中的初始结构参数；
[0023]获取活体样本对象的样本认证动作视频和所述认证动作的样本认证动作模拟视频；
[0024]将所述样本认证动作视频和所述样本认证动作模拟视频输入动作特征比对模型，得到所述样本认证动作视频的样本认证动作视频融合特征和所述样本认证动作模拟视频的样本认证动作模拟视频融合特征；
[0025]采用动作特征比对损失函数计算所述样本认证动作视频融合特征和所述样本认证动作模拟视频融合特征的多源特征重建损失值以及活体检测损失值；
[0026]基于所述多源特征重建损失值和所述活体检测损失值对所述初始结构参数进行调整，以得到目标结构参数，基于所述目标结构参数生成训练后的所述动作特征比对模型。
[0027]第五方面，本说明书实施例提供一种活体检测装置，包括：
[0028]认证交互模块，用于获取目标检测对象针对事务发起的身份认证请求，基于所述身份认证请求生成认证交互信息，所述认证交互信息用于指示所述目标检测对象做出认证动作；
[0029]采集模块，用于采集所述目标检测对象的所述认证动作，以生成认证动作视频；
[0030]检测模块，用于获取所述认证动作对应的参照动作视频，将所述参照动作视频与所述认证动作视频进行比对，以得到所述目标检测对象的活体检测结果；所述参照动作视频是基于所述目标检测对象在注册所述事务时所采集的注册动作生成的。
[0031]第六方面，本说明书实施例提供一种活体检测装置，包括：
[0032]第一参数设置模块，用于初始化动作预测模型中的初始结构参数；
[0033]第一获取模块，用于获取活体样本对象的生物特征样本图像；
[0034]预测模块，用于将所述生物特征样本图像作为所述动作预测模型的输入，以得到预测身份标签和预测优选注册动作；
[0035]动作预测损失计算模块，用于采用动作预测损失函数计算所述预测身份标签对应的身份标签损失值和所述预测优选注册动作对应的动作预测损失值；
[0036]第一训练模块，用于基于所述身份标签损失值和所述动作预测损失值对所述初始结构参数进行调整，以得到目标结构参数，基于所述目标结构参数生成训练后的所述动作预测模型。
[0037]第七方面，本说明书实施例提供一种活体检测装置，包括：
[0038]第二参数设置模块，用于初始化模拟动作视频生成模型中的初始结构参数；
[0039]第二获取模块，用于获取活体样本对象的优选注册动作样本视频和样本备选注册动作标签；
[0040]模拟模块，用于将所述优选注册动作样本视频和所述样本备选注册动作标签作为
所述模拟动作生成模型的输入，以得到样本模拟动作视频；
[0041]模拟动作视频生成损失计算模块，用于采用模拟动作视频生成损失函数计算所述样本模拟动作视频对应的视频重建损失值和所述样本模拟动作视频对应的约束损失值；
[0042]第二训练模块，用于基于所述视频重建损失值和所述约束损失对所述初始结构参数进行调整，以得到目标结构参数，基于所述目标结构参数生成训练后的所述模拟动作生成模型。
[0043]第八方面，本说明书实施例提供一种活体检测装置，包括：
[0044]第三参数设置模块，用于初始化动作特征比对模型中的初始结构参数；
[0045]第三获取模块，用于获取活体样本对象的样本认证动作视频和所述认证动作的样本认证动作模拟视频；
[0046]特征融合模块，用于将所述样本认证动作视频和所述样本认证动作模拟视频输入动作特征比对模型，得到所述样本认证动作视频的样本认证动作视频融合特征和所述样本认证动作模拟视频的样本认证动作模拟视频融合特征；
[0047]多源特征重建损失计算模块，用于采用动作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活体检测方法，包括：获取目标检测对象针对事务发起的身份认证请求，基于所述身份认证请求生成认证交互信息，所述认证交互信息用于指示所述目标检测对象做出认证动作；采集所述目标检测对象的所述认证动作，以生成认证动作视频；获取所述认证动作对应的参照动作视频，将所述参照动作视频与所述认证动作视频进行比对，以得到所述目标检测对象的活体检测结果；所述参照动作视频是基于所述目标检测对象在注册所述事务时所采集的注册动作生成的。2.如权利要求1所述的方法，所述获取所述认证动作对应的参照动作视频，与所述认证动作视频进行比对，得到所述目标检测对象的活体检测结果之前，还包括：基于目标检测对象的生物特征信息，确定所述目标检测对象的优选注册动作；基于所述优选注册动作生成注册交互信息，所述注册交互信息用于指示所述目标检测对象做出所述优选注册动作；采集所述目标检测对象的注册动作视频；基于所述注册动作视频，生成至少一个备选注册动作的模拟动作视频，并将所述注册动作视频和所述模拟动作视频作为所述参照动作视频。3.如权利要求2所述的方法，所述基于目标检测对象的人脸特征信息，预测优选注册动作，包括：获取所述目标检测对象的生物特征图像，对所述生物特征图像进行特征提取，得到对应的生物特征信息；基于所述生物特征信息，预测优选注册动作。4.如权利要求2所述的方法，所述基于所述注册动作视频，生成至少一个备选注册动作的模拟动作视频，包括：对所述注册动作视频进行特征提取，得到对应的注册视频特征；基于所述注册视频特征和至少一个备选注册动作标签，得到与所述备选注册动作标签数量对应的备选注册动作的模拟动作视频。5.如权利要求1所述的方法，所述获取所述认证动作对应的参照动作视频，与所述认证动作视频进行比对，得到所述目标检测对象的活体检测结果，包括：获取所述认证动作对应的参照动作视频；分别对所述认证动作视频和所述参照动作视频进行特征提取，得到所述认证动作视频对应的认证动作多源特征和所述参照动作视频对应的参照动作多源特征；对所述认证动作多源特征和所述参照动作多源特征进行降维处理，得到所述认证动作多源特征对应的认证动作融合特征和所述参照动作多源特征对应的参照动作融合特征；确认所述认证动作融合特征和所述参照动作融合特征的差异值，基于所述差异值，得到所述目标检测对象的活体检测结果。6.一种活体检测模型的训练方法，所述活体检测模型包括动作预测模型，包括：初始化动作预测模型中的初始结构参数；获取活体样本对象的生物特征样本图像；将所述生物特征样本图像作为所述动作预测模型的输入，以得到预测身份标签和预测优选注册动作；
采用动作预测损失函数计算所述预测身份标签对应的身份标签损失值和所述预测优选注册动作对应的动作预测损失值；基于所述身份标签损失值和所述动作预测损失值对所述初始结构参数进行调整，以得到目标结构参数，基于所述目标结构参数生成训练后的所述动作预测模型。7.如权利要求6所述的方法，所述动作预测模型包括特征编码模块、身份识别模块和动作预测模块；所述将所述生物特征样本图像作为所述动作预测模型的输入，得到预测身份标签和预测优选注册动作，包括：将所述生物特征样本图像输入至特征编码模块，以得到对应的样本生物特征信息；将所述样本生物特征信息输入至身份识别模块，以得到预测身份标签；将所述样本生物特征信息输入至动作预测模块，以得到预测优选注册动作。8.如权利要求7所述的方法，所述动作预测损失函数包括身份损失函数和动作损失函数；采用动作预测损失函数计算所述预测身份标签对应的身份标签损失值和所述预测优选注册动作对应的动作预测损失值，包括：基于所述身份识别模块的身份损失函数，计算所述预测身份标签与所述活体样本对象预先标注的真实身份标签的偏差值，将所述偏差值作为所述身份识别模块的身份标签损失值；基于所述动作预测模块的动作损失函数，计算所述预测优选注册动作与所述活体样本对象预先标注的真实优选注册动作的偏差值，将所述偏差值作为所述动作预测模型的动作预测损失值。9.如权利要求7所述的方法，所述基于所述身份标签损失值和所述动作预测损失值对所述初始结构参数进行调整，以得到目标结构参数，基于所述目标结构参数生成训练后的所述动作预测模型，包括：若所述身份标签损失值未达到第一预设值，则基于所述身份标签损失值调整所述身份识别模块的第一初始结构参数，并转入执行将所述样本生物特征信息输入至身份识别模块，以得到预测身份标签的步骤，直到所述身份标签损失值收敛到所述第一预设值，得到第一目标结构参数；若所述动作预测损失值未达到第二预设值，则基于所述动作预测损失值调整所述动作预测模块的第二初始结构参数，并转入执行将所述样本生物特征信息输入至动作预测模块，以得到预测优选注册动作的步骤，直到所述动作预测损失值收敛到所述第二预设值，得到第二目标结构参数；基于所述第一目标结构参数和所述第二目标结构参数，生成训练后的所述动作预测模型。10.如权利要求7所述的方法，所述基于所述身份识别模块的身份损失函数，计算所述预测身份标签与所述活体样本对象预先标注的真实身份标签的偏差值，将所述偏差值作为所述身份识别模块的身份标签损失值之前，还包括：采集所述活体样本对象的所有注册动作对应的样本认证动作视频；基于所述样本认证动作视频，计算所述活体样本对象在做所述注册动作时的面部关键
点偏移量；基于所述面部关键点偏移量，得到各所述注册动作对应的平均关键点偏移量；计算所述活体样本对象的各所述注册动作对应的面部关键点偏移量与所述平均关键点偏移量的差值，将差值最大的注册动作作为所述活体样本对象的真实优选注册动作。11.一种活体检测模型的训练方法，所述活体检测模型包括模拟动作视频生成模型，包括：初始化模拟动作视频生成模型中的初始结构参数；获取活体样本对象的优选注册动作样本视频和样本备选注册动作标签；将所述优选注册动作样本视频和所述样本备选注册动作标签作为所述模拟动作生成模型的输入，以得到样本模拟动作视频；采用模拟动作视频生成损失函数计算所述样本模拟动作视频对应的视频重建损失值和所述样本模拟动作视频对应的约束损失值；基于所述视频重建损失值和所述约束损失对所述初始结构参数进行调整，以得到目标结构参数，基于所述目标结构参数生成训练后的所述模拟动作生成模型。12.如权利要求11所述的方法，所述模拟动作视频生成模型包括视频编码器、动作生成器和约束模块；所述将所述优选注册动作样本视频和所述样本备选注册动作标签作为所述模拟动作视频生成模型的输入，以得到样本模拟动作视频，包括：将所述优选注册动作样本视频输入至视频编码器，得到优选样本注册动作特征；将所述优选样本注册动作特征和所述样本备选注册动作标签输入至动作生成器，得到所述样本备选注册动作的样本模拟动作视频。13.如权利要求12所述的方法，所述模拟动作视频生成模型还包括约束模块；所述模拟动作视频生成损失函数包括视频重建损失函数和约束损失函数；所述采用模拟动作视频生成损失函数计算所述样本模拟动作视频对应的视频重建损失值和所述样本模拟动作视频对应的约束损失值，包括：获取所述活体样本对象的备选注册动作样本视频；将所述样本模拟动作视频和所述备选注册动作样本视频输入至约束模块，得到所述样本模拟动作视频的样本约束参数，以及所述备选动作样本视频的真实约束参数，所述约束参数包括光流、关键点偏移量和身份标签中的一种或多种；采用所述约束损失函数，计算所述样本约束参数和所述真实约束参数计算的约束损失，所述约束损失包括光流损失、关键点偏移值和身份标签相似度中的一种或多种；基于所述视频重建损失函数，计算所述样本模拟动作视频和所述备选注册动作样本视频的视频重建损失值。14.如权利要求13所述的方法，所述基于所述视频重建损失值和所述约束损失对所述初始结构参数进行调整，以得...

【专利技术属性】
技术研发人员：曹佳炯，
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：