活体检测方法及系统技术方案

本说明书提供一种活体检测方法及系统，采用目标终端设备对目标用户的目标图像进行特征提取，并将提取的目标特征发送至服务器，由服务器进行活体检测，从而将活体检测的整体运算分为两部分，运算量小的部分在目标终端设备上进行，运算量大的部分在服务器上进行，从而提升活体检测的性能。同时，目标终端设备与服务器之间传输的是目标图像的特征而不是目标图像，从而提升安全性。从而提升安全性。从而提升安全性。

【技术实现步骤摘要】
活体检测方法及系统


[0001]本说明书涉及人工智能
，尤其涉及一种活体检测方法及系统。

技术介绍

[0002]人脸识别是用户身份认证的一种主要手段。随着人脸识别系统的广泛应用，其安全性也受到了活体攻击的挑战。因此，有必要在人脸识别系统中增加活体检测的环节。目前，活体检测具有两种方案。一种方案是由终端设备采集人脸图像，并传输至云端，以及采用部署在云端的高性能活体检测模型对人脸图像进行活体检测，再将活体检测结果返回终端设备。该方案需要在终端设备和云端之间进行人脸图像传输，存在泄露用户隐私的风险。另一种方案是通过终端设备采集人脸图像，并采用终端设备上部署的轻量级活体检测模型对人脸图像进行活体检测。该方案受限于终端设备的算力和存储能力，活体检测性能较差。因此，需要提供一种能够同时兼顾安全性和活体检测性能的活体检测方法和系统。

技术实现思路

[0003]本说明书提供一种活体检测方法及系统，能够提高活体检测性能和安全性。
[0004]第一方面，本说明书提供一种活体检测方法，应用于服务器，所述方法包括：接收目标终端设备发送的目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活体检测方法，应用于服务器，所述方法包括：接收目标终端设备发送的目标特征，所述目标特征是所述目标终端设备基于目标用户的目标图像进行特征提取得到的；基于所述目标特征进行活体检测，得到第一活体检测结果；至少基于所述第一活体检测结果确定目标活体检测结果；以及输出所述目标活体检测结果。2.根据权利要求1所述的方法，其中，所述目标特征包括：第一特征，包括基于特征提取模型对所述目标图像进行特征提取得到的特征，所述特征提取模型部署在所述目标终端设备上；或者第二特征，包括对所述第一特征进行压缩得到的压缩特征。3.根据权利要求2所述的方法，其中，所述基于所述目标特征进行活体检测，得到第一活体检测结果，包括：基于所述目标特征，确定目标活体检测特征；以及基于活体分类模型对所述目标活体检测特征进行活体检测，得到所述第一活体检测结果，所述活体分类模型部署在所述服务器。4.根据权利要求3所述的方法，其中，所述基于所述目标特征，确定目标活体检测特征，包括：将所述第一特征作为所述目标活体检测特征；或者对所述第二特征进行解压，得到解压特征，将所述解压特征作为所述目标活体检测特征。5.根据权利要求3所述的方法，其中，所述特征提取模型和所述活体分类模型是同时训练得到的，训练目标包括预测活体分类结果与其对应的真实活体分类结果的差异在第一预设范围内。6.根据权利要求5所述的方法，其中，所述训练目标还包括预测图像与其对应的原始图像的差异在第二预设范围内，所述预测图像包括基于所述特征提取模型输出的预测特征重建的图像。7.根据权利要求4所述的方法，其中，所述第二特征包括基于N个不同的压缩模型对所述第一特征分别进行压缩得到的N个压缩特征，所述N为正整数，所述N个压缩模型部署在所述目标终端设备；所述对所述第二特征进行解压，得到解压特征，将所述解压特征作为所述目标活体检测特征，包括：基于N个解压模型分别对所述N个压缩特征进行解压，得到N个解压特征，将所述N个解压特征作为所述目标活体检测特征，所述N个解压模型与所述N个压缩模型对应，所述N个解压模型部署在所述服务器。8.根据权利要求7所述的方法，其中，所述N个压缩模型和所述N个解压模型是同时训练得到的，训练目标包括基于所述N个解压模型输出的N个预测解压特征与所述第一特征的差异在第三预设范围内。9.根据权利要求8所述的方法，其中，所述训练目标还包括以下至少一种：所述N个压缩模型输出的N个预测压缩特征中的非零元素的数量在第四预设范围内；以
及基于所述N个预测压缩特征重建的预测图像与其对应的原始训练图像之间的差异大于预设第一差异阈值。10.根据权利要求4所述的方法，其中，所述第二特征包括基于融合模型对N个压缩特征进行融合得到的压缩融合特征，所述N个压缩特征是基于不同的N个压缩模型对所述第一特征分别进行压缩得到的，所述N为大于1的整数，所述N个压缩模型和所述融合模型部署在所述目标终端设备；所述对所述第二特征进行解压，得到解压特征，将所述解压特征作为所述目标活体检测特征，包括：基于融合解压模型对所述压缩融合特征进行解压，并将解压得到的解压融合特征作为所述目标活体检测特征，所述融合解压模型部署在所述服务器。11.根据权利要求10所述的方法，其中，所述N个压缩模型、所述融合模型和所述融合解压模型是同时训练得到的，训练目标包括所述融合解压模型输出的预测解压融合特征与所述第一特征的差异在第五预设范围内。12.根据权利要求11所述的方法，其中，所述训练目标还包括以下至少一种：基于所述N个压缩模型输出的N个预测压缩特征进行解压得到的N个预测解压特征与所述第一特征的差异在第六预设范围内；所述N个预测压缩特征中的非零元素的数量在第七预设范围内；所述融合模型输出的预测融合特征中的非零元素的数量在第八预设范围内；以及基于所述预测融合特征重建的预测图像与其对应的原始训练图像之间的差异大于预设第二差异阈值。13.根据权利要求1所述的方法，其中，所述至少基于所述第一活体检测结果确定目标活体检测结果，包括：确定第二活体检测结果；以及基于所述第...

【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：