活体检测方法和系统技术方案

本说明书提供的活体检测方法和系统，在获得目标用户在多个模态下的用户图像，得到多模态图像组，并在所述多模态图像组中选取出第一模态图像和第二模态图像后，所述第一模态图像的图像质量大于所述第二模态图像的图像质量，基于第一模态图像，对第二模态图像进行质量增强，以得到增强后的目标多模态图像组，以及将目标多模态图像组输入至目标活体检测模型，以得到目标用户的活体检测结果，并输出活体检测结果；该方案可以提升活体检测的准确率。该方案可以提升活体检测的准确率。该方案可以提升活体检测的准确率。

【技术实现步骤摘要】
活体检测方法和系统


[0001]本说明书涉及活体检测领域，尤其涉及一种活体检测方法和系统。

技术介绍

[0002]近年来，随着互联网技术的飞速发展，在人脸识别系统中活体检测已经成为不可缺少的一环，通过活体检测可以有效拦截非活体类型的攻击样本。为了提升活体检测的准确率，现有的活体检测方法往往可以通过采集用户在多个模态下的图像进行活体检测。
[0003]在对现有技术的研究和实践过程中，本申请的专利技术人发现多模态成像系统由于需要同时采集多种模态的图像，使得采集到的图像的质量相对不稳定，会出现一个或多个模态质量低的情况，因此，导致活体检测的准确率较低。

技术实现思路

[0004]本说明书提供一种准确率更高的活体检测方法和系统。
[0005]第一方面，本说明书提供一种活体检测方法，包括：获得目标用户的多模态图像组，并在所述多模态图像组中选取出第一模态图像和第二模态图像，所述多模态图像组包括所述目标用户在多个模态下的用户图像，所述第一模态图像的图像质量大于所述第二模态图像的图像质量；基于所述第一模态图像，对所述第二模态图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活体检测方法，包括：获得目标用户的多模态图像组，并在所述多模态图像组中选取出第一模态图像和第二模态图像，所述多模态图像组包括所述目标用户在多个模态下的用户图像，所述第一模态图像的图像质量大于所述第二模态图像的图像质量；基于所述第一模态图像，对所述第二模态图像进行质量增强，以得到增强后的目标多模态图像组；以及将所述目标多模态图像组输入至目标活体检测模型，以得到所述目标用户的活体检测结果，并输出所述活体检测结果。2.根据权利要求1所述的活体检测方法，其中，所述多个模态包括色彩图像、深度图像、红外图像或热成像图像中的至少两种模态。3.根据权利要求1所述的活体检测方法，其中，所述在所述多模态图像组中选取出第一模态图像和第二模态图像，包括：将所述多模态图像组输入至质量检测模型，以得到所述多模态图像组中每一模态对应的模态图像的图像质量值；基于所述图像质量值，对所述模态图像进行质量排序；以及基于排序结果，在所述多模态图像组中选取出所述第一模态图像和所述第二模态图像。4.根据权利要求3所述的活体检测方法，其中，所述基于排序结果，在所述多模态图像组中选取出所述第一模态图像和所述第二模态图像，包括：基于排序结果，在所述多模态图像组中选取出预设排序范围对应的至少一个模态图像，得到所述第二模态图像；以及将所述多模态图像组中除所述第二模态图像以外的模态图像作为所述第一模态图像。5.根据权利要求3所述的活体检测方法，其中，所述质量检测模型的训练过程包括以下步骤：获得所述多个模态对应的第一图像样本组，所述第一图像样本组包括所述多个模态中每一模态对应的第一模态图像样本；将所述第一图像样本组输入至预设质量检测模型，以得到所述每一模态对应的模态图像特征集合和所述第一模态图像样本的预测图像质量值；以及基于所述模态图像特征集合和所述预测图像质量值，对所述预设质量检测模型进行收敛，以得到训练后的所述质量检测模型。6.根据权利要求5所述的活体检测方法，其中，所述预设质量检测模型包括所述每一模态对应的特征提取网络、模态关系识别网络和质量预测网络；以及所述将所述第一图像样本组输入至预设质量检测模型，以得到所述每一模态对应的模态图像特征集合和所述第一模态图像样本的预测图像质量值，包括：将所述第一模态图像样本输入至对应模态的特征提取网络，得到所述每一模态的样本图像特征，将所述样本图像特征输入至所述模态关系识别网络，以得到不同模态之间的模态关系特征和所述样本图像特征对应的模态回归特征，并将所述模态回归特征和对应的所述样本图像特征作为对应模态的所述模态图像特征集合，以及
将所述样本图像特征和所述模态关系特征输入至所述质量预测网络，以得到所述第一模态图像样本的预测图像质量值。7.根据权利要求6所述的活体检测方法，其中，所述模态关系识别网络包括模态转换子网络，以及所述将所述样本图像特征输入至所述模态关系识别网络，以得到不同模态之间的模态关系特征和所述样本图像特征对应的模态回归特征，包括：将所述样本图像特征输入至所述模态转换子网络，以得到其他模态对应的模态图像特征，所述其他模态为所述多个模态中除所述样本图像特征对应的模态以外的模态，将所述模态图像特征作为所述样本图像特征对应的模态回归特征，并确定所述模态回归特征与对应模态的样本图像特征之间的特征差值，以及将所述特征差值进行融合，以得到所述不同模态之间的模态关系特征。8.根据权利要求5所述的活体检测方法，其中，所述对预设质量检测模型进行收敛，以得到训练后的所述质量检测模型，包括：基于所述预测图像质量值，确定所述第一图像样本组对应的图像质量损失信息；基于所述模态图像特征集合，确定所述第一图像样本组对应的特征回归损失信息，所述特征回归损失信息的约束条件为约束模态回归特征与对应模态的样本图像特征之间的特征差值小于预设差值阈值；将所述图像质量损失信息和所述特征回归损失信息进行融合，并基于融合后的质量检测损失信息，对预设质量检测模型进行收敛，得到所述质量检测模型。9.根据权利要求8所述的活体检测方法，其中，所述基于所述预测图像质量，确定所述第一图像样本组对应的图像质量损失信息，包括：获得所述第一图像样本组中标注的质量排序结果和所述第一模态图像样本对应的标注图像质量值；将所述标注图像质量值与对应的第一模态图像样本的预测图像质量值进行对比，以得到所述第一图像样本组对应的质量回归损失信息；基于所述预测图像质量值，确定所述第一图像样本组的预测质量排序结果，并将所述质量排序结果与所述预测质量排序结果进行对比，以得到所述第一图像样本组对应的质量排序损失信息；以及将所述质量回归损失信息和所述质量排序损失信息作为所述图像质量损失信息。10.根据权利要求1所述的活体检测方法，其中，所述对所述第二模态图像进行质量增强，以得到增强后的目标多模态图像组，包括：采用图像质量增强模型分别对所述第一模态图像和所述第二模态图像进行特征提取，得到所述第一模态图像的第一图像内容特征和所述第二模态图像的第二图像内容特征；以及基于所述第一图像内容特征和所述第二图像内容特征，生成增强后的第二模态图像，并将所述第一模态图像和所述增强后的第二模态图像作为所述目标多模态图像组。11.根据权利要求10所述的活体检测方法，其中，所述基于所述第一图像内容特征和所述第二图像内容特征，生成增强后的第二模态图像，包括：基于所述第二图像内容特征，在所述第一图像内容特征中提取出所述第二模态图像对
应的候选图像内容...

【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：