【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。