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，获得目标用户的目标用户视频，所述目标用户视频包括对目标用户在多种颜色的光照序列下的原始用户视频进行压缩后的视频，对目标用户视频进行部分解码，得到目标用户的压缩域数据，以及基于目标用户视频和压缩域数据，采用目标活体检测模型对目标用户进行活体检测，得到活体检测结果，并输出活体检测结果；该方案可以提升活体检测的检测效率。活体检测的检测效率。活体检测的检测效率。

【技术实现步骤摘要】
活体检测方法和系统


[0001]本说明书涉及图像识别领域，尤其涉及一种活体检测方法和系统。

技术介绍

[0002]人脸识别相较于传统的密码校验和校验码等身份验证方式来说，更加高效和便捷。因此，被广泛应用于金融、出行和核身(核实用户真实身份)等场景。但是人脸识别也面临活体攻击等安全问题。为了能够检测各种类型的活体攻击，保障人脸识别系统的安全，活体检测成为了人脸识别系统中关键的环节。
[0003]目前，在活体检测过程中可以引入不同颜色的主动光源(炫光)，从而实现高精度的活体检测。然后，在通过炫光进行活体检测时，涉及到视频数据的处理，增加了活体检测的时间，因此，导致活体检测的效率较低。
[0004]因此，需要提供一种活体检测效率更高的活体检测方法和系统。

技术实现思路

[0005]本说明书提供一种活体检效率更高的活体检方法和系统。
[0006]第一方面，本说明书提供一种活体检测方法，包括：获得目标用户的目标用户视频，所述目标用户视频包括对所述目标用户在多种颜色的光照序列下的原始用户视频进行压缩后的视频；对所述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，包括：获得目标用户的目标用户视频，所述目标用户视频包括对所述目标用户在多种颜色的光照序列下的原始用户视频进行压缩后的视频；对所述目标用户视频进行部分解码，得到所述目标用户的压缩域数据，所述压缩域数据包括所述光照序列中不同颜色的光照对应的视频帧；以及基于所述目标用户视频和所述压缩域数据，采用目标活体检测模型对所述目标用户进行活体检测，得到活体检测结果，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，所述目标用户视频包括基于所述光照序列中的光照时间间隔对所述原始用户视频进行压缩后的视频。3.根据权利要求1所述的活体检测方法，其中，所述目标活体检测模型包括压缩域活体检测模型或目标域活体检测模型中的至少一种；以及所述采用目标活体检测模型对所述目标用户进行活体检测，得到活体检测结果，包括：将所述压缩域数据输入所述压缩域活体检测模型，得到所述目标用户的预测结果，以及基于所述预测结果，执行第一目标操作，所述第一目标操作包括第一操作或第二操作中的一种：所述第一操作包括确定所述预测结果满足预设条件，确定所述目标用户的活体检测结果为活体用户，以及所述第二操作包括确定所述预测结果不满足所述预设条件，基于所述目标用户视频，采用所述目标域活体检测模型对所述目标用户进行活体检测，得到所述活体检测结果。4.根据权利要求3所述的活体检测方法，其中，所述压缩域数据包括多帧关键帧、运动矢量数据和残差数据；以及所述将所述压缩域数据输入所述压缩域活体检测模型，得到所述目标用户的预测结果，包括：对所述多帧关键帧进行特征提取，并基于提取出的视频帧特征，确定出所述光照序列的第一光照预测结果，对所述运动矢量数据和所述残差数据进行特征提取，得到微表情特征，所述微表情特征表征至少一个预设微表情的特征信息，将所述视频帧特征和所述微表情特征进行融合，并基于融合后的多域活体特征，确定所述目标用户的第一攻击概率，以及将所述第一光照预测结果和所述第一攻击概率作为所述目标用户的预测结果。5.根据权利要求3所述的活体检测方法，其中，所述预设条件包括所述第一光照预测结果的准确率大于预设准确率阈值，且所述第一攻击概率小于第一预设概率阈值。6.根据权利要求3所述的活体检测方法，其中，所述采用所述目标域活体检测模型对所述目标用户进行活体检测，得到所述活体检测结果，包括：对所述目标用户视频进行全部解码，得到目标域数据；将所述目标域数据输入至所述目标域活体检测模型，得到所述目标用户的第二攻击概率；以及
基于所述第二攻击概率，执行第二目标操作，所述第二目标操作包括第三操作或第四操作；所述第三操作包括确定所述第二攻击概率大于预设第二概率阈值，确定所述目标用户的活体检测结果为攻击用户，以及所述第四操作包括确定所述第二攻击概率小于所述预设第二概率阈值，确定所述目标用户的活体检测结果为活体用户。7.根据权利要求3所述的活体检测方法，其中，所述压缩域活体检测模型的训练步骤包括：获得第一用户样本的第一用户视频样本，并对所述第一用户视频样本进行部分解码，得到压缩域数据样本；将所述压缩域数据样本输入至预设压缩域活体检测模型，得到第二光照预测结果、光流预测结果和预测活体类别；基于所述第二光照预测结果、所述光流预测结果和所述预测活体类别，确定所述预设压缩域活体检测模型对应的压缩域损失；以及基于所述压缩域损失对所述预设压缩域活体检测模型进行收敛，得到所述压缩域活体检测模型。8.根据权利要求7所述的活体检测方法，其中，所述预设压缩域活体检测模型包括光照序列预测网络、微表情提取网络和多域融合检测网络，所述压缩域数据样本包括多帧样本关键帧、运动矢量数据样本和残差数据样本；以及所述将所述压缩域数据样本输入至预设压缩域活体检...

【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：