一种人脸活体检测方法、装置、设备及存储介质制造方法及图纸

本申请实施例公开了一种人脸活体检测方法、装置、设备及存储介质，相关实施例可应用于地图、智慧交通、人工智能等各种场景，用于提高人脸活体检测的安全性。本申请实施例的方法包括：获取待处理人脸视频，并从待处理人脸视频中提取目标图像帧，获取目标图像帧中的人脸所对应的纹理信息以及形变信息，将纹理信息以及形变信息输入至人脸活体检测模型，通过人脸活体检测模型的特征编码层进行特征处理，得到纹理特征以及形变特征，将纹理特征以及形变特征拼接为目标特征，并目标特征输入至人脸活体检测模型的分类器，通过分类器输出目标特征对应的人脸活体预测得分，若人脸活体预测得分大于或等于活体阈值，则确定待处理人脸视频中的人脸为活体。脸为活体。脸为活体。

【技术实现步骤摘要】
一种人脸活体检测方法、装置、设备及存储介质


[0001]本申请实施例涉及图像数据处理
，尤其涉及一种人脸活体检测方法、装置、设备及存储介质。

技术介绍

[0002]随着互联网及移动通讯技术的发展，在计算机视觉中，人脸活体检测算法常见于动作检测、伪造检测等。其中，动作检测旨在判断用户是否按照特定要求做相应的动作，如：眨眼、张嘴、点头和摇头等。而伪造检测多用于判断输入是否存在人工编辑的痕迹。
[0003]目前，在已有的人脸活体动作检测技术方案中，例如，眨眼和张嘴等动作检测，可以通过验证五官的局部信息是否有变化来判断是否有相应动作发生。点头和摇头等动作检测，则需要通过验证人脸的全局信息是否有明显偏移来判断是否做了相应动作。虽然上述动作检测形态已被广泛应用在日常生活中，但是各类问题也随之涌现。例如，如果局部信息不精确或存在误差时，则眨眼或张嘴检测效果较差，此外，局部信息也容易受到人工编辑的破坏行为的干扰，导致人脸活体检测的安全性大幅降低。
[0004]而即使点头和摇头等动作检测，使用的是人脸的全局信息，但往往这种全局信息存在难以精确估计的问题，特别是人脸的俯仰角，在判断点头的过程中起到至关重要的作用，从而影响动作检测的效果。另外，在做点头和摇头动作的过程中，带来了较大的人脸姿态变化，也会严重影响人脸识别的效果，从而导致人脸活体检测的准确性和安全性不高。

技术实现思路

[0005]本申请实施例提供了一种人脸活体检测方法、装置、设备及存储介质，用于通过对由远及近的动作交互，来获取不同距离下的目标图像帧对应的人脸全局形变信息，全局形变信息对局部误差或扰动不敏感，能够大幅降低非活体破坏的行为，同时，能够将符合活体特性的形变信息结合在由远及近的过程中，基于目标对象较为自然的表情以及保持较统一的姿态，获取到的能够作为辅助判断的纹理信息，来作为人脸活体检测模型的输入信息，能够更好地获取精确度较高的人脸活体预测得分，从而能够基于人脸活体预测得分更准确地进行活体判断，提高对非活体破坏的行为的防御，加强人脸活体检测的安全性和通用性。
[0006]本申请实施例一方面提供了一种人脸活体检测方法，包括：
[0007]获取待处理人脸视频，并从待处理人脸视频中提取目标图像帧，其中，待处理人脸视频是通过采集目标对象的人脸从第一位置移动到第二位置得到的；
[0008]获取目标图像帧中的人脸所对应的纹理信息以及形变信息；
[0009]将纹理信息以及形变信息输入至人脸活体检测模型，通过人脸活体检测模型的特征编码层进行特征处理，得到纹理特征以及形变特征；
[0010]将纹理特征以及形变特征拼接为目标特征，并目标特征输入至人脸活体检测模型的分类器，通过分类器输出目标特征对应的人脸活体预测得分；
[0011]若人脸活体预测得分大于或等于活体阈值，则确定待处理人脸视频中的人脸为活
体。
[0012]本申请另一方面提供了一种人脸活体检测装置，包括：
[0013]获取单元，用于获取待处理人脸视频，并从待处理人脸视频中提取目标图像帧，其中，待处理人脸视频是通过采集目标对象的人脸从第一位置移动到第二位置得到的；
[0014]获取单元，还用于获取目标图像帧中的人脸所对应的纹理信息以及形变信息；
[0015]处理单元，用于将纹理信息以及形变信息输入至人脸活体检测模型，通过人脸活体检测模型的特征编码层进行特征处理，得到纹理特征以及形变特征；
[0016]处理单元，还用于将纹理特征以及形变特征拼接为目标特征，并目标特征输入至人脸活体检测模型的分类器，通过分类器输出目标特征对应的人脸活体预测得分；
[0017]确定单元，用于若人脸活体预测得分大于或等于活体阈值，则确定待处理人脸视频中的人脸为活体。
[0018]在一种可能的设计中，本申请实施例另一方面的一种实现方式中，获取单元具体可以用于：
[0019]按照时间戳顺序，依次从待处理人脸视频中提取初始帧、中间帧以及最终帧，其中，初始帧是通过第一位置对应的初始时间戳提取到的，最终帧是通过第二位置对应的最终时间戳提取到的，中间帧是从初始时间戳至最终时间戳中提取到的一帧或多帧图像；
[0020]获取单元具体可以用于：基于初始帧、中间帧以及最终帧，获取纹理信息以及形变信息。
[0021]在一种可能的设计中，本申请实施例另一方面的一种实现方式中，获取单元具体可以用于：
[0022]分别对初始帧、中间帧以及最终帧进行关键点提取，得到初始人脸关键点集合、中间人脸关键点集合以及最终人脸关键点集合；
[0023]基于初始人脸关键点集合、中间人脸关键点集合以及最终人脸关键点集合，计算形变信息；
[0024]分别对初始帧、中间帧以及最终帧进行人脸信息提取，得到初始人脸图像、中间人脸图像以及最终人脸图像；
[0025]基于初始人脸图像、中间人脸图像以及最终人脸图像，确定纹理信息。
[0026]在一种可能的设计中，本申请实施例另一方面的一种实现方式中，获取单元具体可以用于：
[0027]计算初始人脸关键点集合中的任意两个关键点之间的欧氏距离，并基于欧氏距离生成初始人脸关键点集合对应的初始距离矩阵；
[0028]计算中间人脸关键点集合中的任意两个关键点之间的欧氏距离，并基于欧氏距离生成中间人脸关键点集合对应的中间距离矩阵；
[0029]计算最终人脸关键点集合中的任意两个关键点之间的欧氏距离，并基于欧氏距离生成最终人脸关键点集合对应的最终距离矩阵；
[0030]将初始距离矩阵、中间距离矩阵以及最终距离矩阵，作为形变信息。
[0031]在一种可能的设计中，本申请实施例另一方面的一种实现方式中，获取单元具体可以用于：
[0032]获取初始帧中人脸所在的初始人脸区域，并对初始人脸区域进行人脸裁剪，得到
初始人脸图像；
[0033]获取中间帧中人脸所在的中间人脸区域，并对中间人脸区域进行人脸裁剪，得到中间人脸图像；
[0034]获取最终帧中人脸所在的最终人脸区域，并对最终人脸区域进行人脸裁剪，得到最终人脸图像；
[0035]获取单元具体可以用于：基于每帧对应的采集位置与目标对象的人脸之间的距离，从初始人脸图像、中间人脸图像以及最终人脸图像，选取最小距离对应的图像作为纹理信息。
[0036]在一种可能的设计中，本申请实施例另一方面的一种实现方式中，
[0037]获取单元，还用于获取人脸样本视频，并从人脸样本视频中提取样本图像帧，其中，人脸样本视频是通过采集采样对象的人脸从第一位置移动到第二位置得到的；
[0038]获取单元，还用于获取样本图像帧中的人脸所对应的样本纹理信息以及样本形变信息；
[0039]处理单元，还用于将样本纹理信息以及样本形变信息输入至人脸活体检测模型，通过人脸活体检测模型的特征编码层进行特征处理，得到样本纹理特征以及样本形变特征；
[0040]处理单元，还用于将样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸活体检测方法，其特征在于，包括：获取待处理人脸视频，并从所述待处理人脸视频中提取目标图像帧，其中，所述待处理人脸视频是通过采集目标对象的人脸从第一位置移动到第二位置得到的；获取所述目标图像帧中的人脸所对应的纹理信息以及形变信息；将所述纹理信息以及所述形变信息输入至人脸活体检测模型，通过所述人脸活体检测模型的特征编码层进行特征处理，得到纹理特征以及形变特征；将所述纹理特征以及所述形变特征拼接为目标特征，并所述目标特征输入至所述人脸活体检测模型的分类器，通过所述分类器输出所述目标特征对应的人脸活体预测得分；若所述人脸活体预测得分大于或等于活体阈值，则确定所述待处理人脸视频中的人脸为活体。2.根据权利要求1所述的方法，其特征在于，所述从所述待处理人脸视频中提取目标图像帧，包括：按照时间戳顺序，依次从所述待处理人脸视频中提取初始帧、中间帧以及最终帧，其中，所述初始帧是通过所述第一位置对应的初始时间戳提取到的，所述最终帧是通过所述第二位置对应的最终时间戳提取到的，所述中间帧是从所述初始时间戳至所述最终时间戳中提取到的一帧或多帧图像；所述获取所述目标图像帧中的人脸所对应的纹理信息以及形变信息，包括：基于所述初始帧、所述中间帧以及所述最终帧，获取所述纹理信息以及所述形变信息。3.根据权利要求2所述的方法，其特征在于，所述基于所述初始帧、所述中间帧以及所述最终帧，获取所述纹理信息以及所述形变信息，包括：分别对所述初始帧、所述中间帧以及所述最终帧进行关键点提取，得到初始人脸关键点集合、中间人脸关键点集合以及最终人脸关键点集合；基于所述初始人脸关键点集合、所述中间人脸关键点集合以及所述最终人脸关键点集合，计算形变信息；分别对所述初始帧、所述中间帧以及所述最终帧进行人脸信息提取，得到初始人脸图像、中间人脸图像以及最终人脸图像；基于所述初始人脸图像、中间人脸图像以及最终人脸图像，确定所述纹理信息。4.根据权利要求3所述的方法，其特征在于，所述基于所述初始人脸关键点集合、所述中间人脸关键点集合以及所述最终人脸关键点集合，计算形变信息，包括：计算所述初始人脸关键点集合中的任意两个关键点之间的欧氏距离，并基于所述欧氏距离生成所述初始人脸关键点集合对应的初始距离矩阵；计算所述中间人脸关键点集合中的任意两个关键点之间的欧氏距离，并基于所述欧氏距离生成所述中间人脸关键点集合对应的中间距离矩阵；计算所述最终人脸关键点集合中的任意两个关键点之间的欧氏距离，并基于所述欧氏距离生成所述最终人脸关键点集合对应的最终距离矩阵；将所述初始距离矩阵、所述中间距离矩阵以及所述最终距离矩阵，作为所述形变信息。5.根据权利要求3所述的方法，其特征在于，所述分别对所述初始帧、所述中间帧以及所述最终帧进行人脸信息提取，得到初始人脸图像、中间人脸图像以及最终人脸图像，包括：
获取所述初始帧中人脸所在的初始人脸区域，并对所述初始人脸区域进行人脸裁剪，得到所述初始人脸图像；获取所述中间帧中人脸所在的中间人脸区域，并对所述中间人脸区域进行人脸裁剪，得到所述中间人脸图像；获取所述最终帧中人脸所在的最终人脸区域，并对所述最终人脸区域进行人脸裁剪，得到所述最终人脸图像；所述基于所述初始人脸图像、中间人脸图像以及最终人脸图像，确定所述纹理信息，包括：基于每帧对应的采集位置与所述目标对象的人脸之间的距离，从所述初始人脸图像、中间人脸图像以及最终人脸图像，选取最小距离对应的图像作为所述纹理信息。6.根据权利要求1所述的方法，其特征在于，所述人脸活体检测模型的训练包括如下步骤：获取人脸样本视频，并从所述人脸样本视频中提取样本图像帧，其中，所述人脸样本视频是通过采集采样对象的...

【专利技术属性】
技术研发人员：杨静，刘世策，毕明伟，丁守鸿，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：