一种静默活体检测的方法和装置制造方法及图纸

本申请提供了一种静默活体检测的方法和装置，该静默活体检测的方法包括：将采集到的至少一张第一图片输入第一模型，获取所述第一图片的分类值S和量化值Q，将所述分类值S指示为活体、且量化值Q处于设定的阈值区间的所述第一图片输出作为待处理图片；将所述待处理图片输入第二模型，获取所述待处理图片经过图像质量提升后的预校验图片，将所述预校验图片输入人证对比平台，进行第一次校验，将校验成功的所述预校验图片输入业务流，进行二次校验。本申请所限定的检测方法能够在活体静默状态下进行检测以及图片质量分析，提高业务办理的效率，减少重复办理的时间成本以及资源成本，提升用户体验。提升用户体验。提升用户体验。

【技术实现步骤摘要】
一种静默活体检测的方法和装置


[0001]本申请涉及人脸识别
，并且更具体地，涉及一种静默活体检测的方法和装置。

技术介绍

[0002]在活体检测技术发展过程中，生物特征检测一直是被广泛应用的，特别是指纹、掌纹、人脸等生物识别信息。人脸信息的采集与公安数据库内身份证照片对比是确认身份的一种常用途径，然而由于公安数据库的管理以及开放模式，在人脸信息采集不清晰对比失败的情况下，二次采集认证需要耗费一定的等待时间以及额外的验证成本。
[0003]同时，随着人脸识别技术应用广泛，人脸识别系统中为了防止恶意者伪造和窃取他人的照片或者图像用于身份认证，保证用户安全，需要进行活体检测。目前的活体检测主要为人机互动配合式检测，需要用户配合设备发出的动作指令，完成转头、眨眼、张嘴等动作，用户体验较差，认证时间较长，对网络带宽等要求较高。因此，如何提升人脸信息采集的清晰度、提高验证通过率与准确性，提升用户体验，缩短验证时间与网络带宽压力，仍然是一个亟待解决的问题。

技术实现思路

[0004]本申请实施例提供了一种静默活体检测的方法和装置，能够通过静默采样进行活体检测与身份认证进行提前批次校验，提高整体校验通过率与准确性，缩减校验时间与成本，提升用户体验。
[0005]第一方面，提供一种静默活体检测的方法，该方法包括：将采集到的至少一张第一图片输入第一模型，获取所述第一图片的分类值S和量化值Q，所述第一模型用于检测所述第一图片中的活体检测与图片质量检测，所述分类值S用于确定所述第一图片是否为活体，所述量化值Q用于确定所述第一图片的图片质量；将所述分类值S指示为活体、且量化值Q处于设定的阈值区间的所述第一图片输出作为待处理图片；将所述待处理图片输入第二模型，获取所述待处理图片经过图像质量提升后的预校验图片，所述第二模型用于提升图片质量，还原曝光覆盖区域的人脸特征；将所述预校验图片输入人证对比平台，进行第一次校验，将校验成功的所述预校验图片输入业务流，进行二次校验。
[0006]本申请实施例将待检测人员采集的图片输入到神经网络模型中，同时输出分类值与量化值，既能够快速获得待检测人员采集图片的活体检测情况，也能够对采集的图像质量进行一个量化评估，有助于更精确的对补光装置的补光参数进行调节分析。同时，相比于仅通过神经网络模型输出活体检测结果的方案相比，本申请同时输出分类值和量化值，可以对图片质量进行量化评估，在官方数据库平台采集的人像图像像素、对比度等质量参数发生优化或提升时，可以重新根据新的采集标准划分量化值区间，并将量化值对应于新区间，输出高质量可通过官方数据库认证的图片，而无需对图片重新进行分析、重新训练检测模型等，能够节省大量的人力物力资源。
[0007]可选地，所述方法还包括：采集待认证人员图像，所述待认证人员图像包括开启补光装置时，在不同曝光参数下连续拍摄采集的至少一张待认证人员图像，将所述采集的至少一张待认证人员图像通过高动态光照渲染HDR技术进行图像合成，得到所述第一图片。
[0008]可选地，所述第一模型包括人像裁剪模块、活体检测模块以及图片质量检测模块，包括：将所述第一图片输入所述第一模型的所述人像裁剪模块，获取所述第一图片经过所述人像裁剪模块后保留的人像区域以及背景感兴趣区域的第二图片；将所述第一图片、所述第二图片输入所述第一模型的活体检测模块，获取平均预测分数G，所述平均预测分数G大于设定活体检测阈值时，判定所述第一图片包含的待认证人员图像为活体，获取指示为活体的所述分类值S，所述活体检测模块包括三级模型，分别为活体分类检测模型、人脸区域活体检测模型以及攻击特征检测模型；将所述第二图片输入所述第一模型的所述活体检测模块，获取所述分类值S指示为活体的第三图片，将所述第二图片输入所述第一模型的所述活体检测模块，获取所述分类值S指示为活体的包括眼部特征的第四图片；将所述第三图片、所述第四图片输入所述第一模型的图片质量检测模块，获取所述量化值Q，所述图片质量检测模块包括二级模型，分别为用户分类模型和眼部图像质量检测模型。
[0009]可选地，所述第二模型包括骨干网络与信息交互层，包括：将所述待处理图片输入所述第二模型的所述骨干网络，获取所述待处理图片的第一特征层和第二特征层；所述第一特征层用于识别所述待处理图片中的曝光区域，所述第二特征层用于识别所述待处理图片中其他曝光参数下被第一特征覆盖区域的人脸特征；将所述第一特征层输入所述信息交互层，获得第一全连接层，所述第一全连接层用于根据所述第一特征层对所述待处理图片进行识别以及区域标记；将所述第二特征层输入所述信息交互层，获得第二全连接层，所述第二全连接层用于根据所述第二特征层对所述待处理图片进行识别以及区域标记。
[0010]可选地，所述第一模型的所述活体检测模块包括三级模型，分别为所述活体分类检测模型、所述人脸区域活体检测模型以及所述攻击特征检测模型，包括：将待检测图片输入所述活体检测模块的所述三级检测模型，获取所述待检测图片的预测分数a、b、c，通过计算获取平均预测分数G＝(a+b+c)/3，当所述平均预测分数G高于设定的活体检测阈值时，判断检测图片为活体，输出分类值S＝1，当所述平均预测分数G低于设定的活体检测阈值时，判断检测图片为假体攻击，输出分类值S＝0。
[0011]可选地，所述第二模型的所述图片质量检测模块包含二级模型，分别为所述用户分类模型、所述眼部图像质量检测模型，包括：将待检测图片输入所述图片质量检测模块的所述二级检测模型，获取所述待检测图片的预测量化值d％、e％，通过计算获取所述量化值Q＝(d％+e％)/2。
[0012]可选地，所述方法还包括：将所述第一图片输入所述第一模型获取输出序列值，所述分类值S与所述量化值Q组成所述输出序列值，通过所述输出序列值可直观判断所述第一图片是否为活体以及图片质量区间，所述输出序列值位数与设定的所述量化值Q输出区间个数有关，所述序列值首位为所述分类值S，其后为所述量化值Q所属的输出区间对应的数字输出。
[0013]可选地，所述方法还包括：将所述待处理图片输入所述第二模型的所述信息交互层，获取所述预校验图片，所述待处理图片通过所述信息交互层的次数由所述输出序列值决定。
[0014]可选地，所述方法还包括：所述第一模型通过损失函数进行修正，所述损失函数满足
[0015]L
total
＝α
·
L
reg
+β
·
L
fus
，
[0016]其中，
[0017][0018]L
total
为所述损失函数，L
reg
为量化损失函数，L
fus
为融合损失函数，α为量化损失函数的权重，β为融合损失函数的权重，为预测的量化值，s
i
为真实的量化值，N为模型训练的输入样本数量。
[0019]第二方面，提供了一种静默活体检测的装置，该装置包括：采集单元，用于采集至少一张第一图片，处理单元本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种静默活体检测的方法，其特征在于，包括：将采集到的至少一张第一图片输入第一模型，获取所述第一图片的分类值S和量化值Q，所述第一模型用于检测所述第一图片中的活体检测与图片质量检测，所述分类值S用于确定所述第一图片是否为活体，所述量化值Q用于确定所述第一图片的图片质量；将所述分类值S指示为活体、且量化值Q处于设定的阈值区间的所述第一图片输出作为待处理图片；将所述待处理图片输入第二模型，获取所述待处理图片经过图像质量提升后的预校验图片，所述第二模型用于提升图片质量，还原曝光覆盖区域的人脸特征；将所述预校验图片输入人证对比平台，进行第一次校验，将校验成功的所述预校验图片输入业务流，进行二次校验。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：采集待认证人员图像，所述待认证人员图像包括开启补光装置时，在不同曝光参数下连续拍摄采集的至少一张待认证人员图像，将所述采集的至少一张待认证人员图像通过高动态光照渲染HDR技术进行图像合成，得到所述第一图片。3.根据权利要求1所述的方法，其特征在于，所述第一模型包括人像裁剪模块、活体检测模块以及图片质量检测模块，包括：将所述第一图片输入所述第一模型的所述人像裁剪模块，获取所述第一图片经过所述人像裁剪模块后保留的人像区域以及背景感兴趣区域的第二图片；将所述第一图片、所述第二图片输入所述第一模型的活体检测模块，获取平均预测分数G，所述平均预测分数G大于设定活体检测阈值时，判定所述第一图片包含的待认证人员图像为活体，获取指示为活体的所述分类值S，所述活体检测模块包括三级模型，分别为活体分类检测模型、人脸区域活体检测模型以及攻击特征检测模型；将所述第二图片输入所述第一模型的所述活体检测模块，获取所述分类值S指示为活体的第三图片，将所述第二图片输入所述第一模型的所述活体检测模块，获取所述分类值S指示为活体的包括眼部特征的第四图片；将所述第三图片、所述第四图片输入所述第一模型的图片质量检测模块，获取所述量化值Q，所述图片质量检测模块包括二级模型，分别为用户分类模型和眼部图像质量检测模型。4.根据权利要求1所述的方法，其特征在于，所述第二模型包括骨干网络与信息交互层，包括：将所述待处理图片输入所述第二模型的所述骨干网络，获取所述待处理图片的第一特征层和第二特征层；所述第一特征层用于识别所述待处理图片中的曝光区域，所述第二特征层用于识别所述待处理图片中其他曝光参数下被第一特征覆盖区域的人脸特征；将所述第一特征层输入所述信息交互层，获得第一全连接层，所述第一全连接层用于
根据所述第一特征层对所述待处理图片进行识别以及区域标记；将所述第二特征层输入所述信息交互层，获得第二全连接层，所述第二全连接层用于根据所述第二特征层对所述待处理图片进行识别以及区域标记。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述第一模型的所述活体检测模块包括三级模型，分别为所述活体分类检测模型、所述人脸区域活体检测模型以及所述攻击特征检测模型，包括：将待检测图片输入所述活体检测模块的所述三级检测模型，获取所述待检测图片的预测分数a、b、c，通过计算获取平均预测分数G＝(a+b+c)/3，当所述平均预测分数G高于设定的活体检测阈值时，判断检测图片为活体，输出分类值S＝1，当所述平均预测分数G低于设定的活体检测阈值时，判断检测图片为假体攻击，输出分类值S＝0。6.根据权利要求1至4中任一项所述的方法，其特征在于，所述第二模型的所述图片质量检测模块包含二级模型，分别为所述用户分类模型、所述眼部图像质量检测模型，包括：将待检测图片输入所述图片质量检测模块的所述二级检测模型，获取所述待检测图片的预测量化值d％、e％，通过计算获取所述量化值Q＝(d％+e％)/2。7.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：将所述第一图片输入所述第一模型获取输出序列值，所述分类值S与所述量化值Q组成所述输出序列值，通过所述输出序列值可直观判断所述第一图片是否为活体以及图片质量区间，所述输出序列值位数与设定的所述量化值Q输出区间个数有关，所述序列值首位为所述分类值S，其后为所述量化值Q所属的输出区间对应的数字输出。8.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：将所述待处理图片输入所述第二模型的所述信息交互层，获取所述预校验图片，所述待处理图片通过所述信息交互层的次数由所述输出序列值决定。9.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：所述第一模型通过损失函数进行修正，所述损失函数满足L
total
＝α
·
L
reg
+β
·
L
fus
，其中，L
total
为所述损失函数，L
reg
为量化损失函数，L
fus
为融合损失函数，α为量化损失函数的权重，β为融合损失函数的权重，为预测的量化值，s
i
为真实的量化值，N为模型训练的输入样本数量。10.一种静默活体检测的装置，其特征在于，包括：采集单元，用于采集至少一张第一图片，处理单元，用于将采集到的至少一张第一图片输入第一模型，获取所述第一图片的分类值S和量化值Q，
所述第一模型用于检测所述第一图片中的活体检测与图片质量检测，所述分类值S用于确定所述第一图片是否为活体，所述量化值Q用于确定所述第一图片的图片质量；所述处理单元，用于将所述分类值S指示为活体、且量化值Q处于设定的阈值区间的所述第一图片输出作为待处理图片；所述处理单元，用于将所述待处理图片输入第二模型，...

【专利技术属性】
技术研发人员：吴筝，
申请(专利权)人：北京飞腾时光信息科技有限公司，
类型：发明
国别省市：