基于人脸姿态的活体验证方法、装置及电子设备制造方法及图纸

本申请提供了一种基于人脸姿态的活体验证方法、装置及电子设备，获取待检测对象的目标人脸图像，并从所述目标人脸图像中提取出目标人脸关键点；基于提取出的所述目标人脸关键点，确定人脸特征图像；将至少两个所述人脸特征图像输入至预先训练好的人脸姿态识别模型中，得到所述待检测对象的人脸姿态动作角度；当所述人脸姿态动作角度大于预设角度阈值时，确定所述目标人脸图像来自真人。这样，通过人脸特征图像以及人脸姿态识别模型获取检测对象的人脸姿态角度信息，根据获取的人脸姿态角度信息判断目标人脸图像是否是真人，进而有效的提高了对活体检测的准确率。的提高了对活体检测的准确率。的提高了对活体检测的准确率。

【技术实现步骤摘要】
基于人脸姿态的活体验证方法、装置及电子设备


[0001]本申请涉及人脸姿态的活体验证的
，尤其是涉及一种基于人脸姿态的活体验证方法、装置及电子设备。

技术介绍

[0002]随着科技的快速发展，人脸姿态的识别已经越来越多的应用到人们的生活当中，随着人脸姿态识别技术的发展，对于人脸姿态识别的效果出了更高的要求。在解决多姿态人脸识别问题、人机交互问题和其他很多应用场景中，人脸姿态估计是很重要的一步。
[0003]现阶段，人脸姿态估计有多种方法，可以基于表观的方法以及基于分类的方法等，但是因为人脸的姿态是连续的，获取人脸的姿态很耗时间，同时获取的精度比较低，导致人脸姿态识别技术在应用于活体验证中会导致活体验证不准确。

技术实现思路

[0004]有鉴于此，本申请的目的在于提供一种基于人脸姿态的活体验证方法、装置及电子设备，通过人脸特征图像以及人脸姿态识别模型获取检测对象的人脸姿态角度信息，根据获取的人脸姿态角度信息判断目标人脸图像是否是真人，进而有效的提高了对活体检测的准确率。
[0005]本申请主要包括以下几个方面：第一方面，本申请实施例提供了一种基于人脸姿态的活体验证方法，所述活体验证方法包括：获取待检测对象的目标人脸图像，并从所述目标人脸图像中提取出目标人脸关键点；基于提取出的所述目标人脸关键点，确定人脸特征图像；将至少两个所述人脸特征图像输入至预先训练好的人脸姿态识别模型中，得到所述待检测对象的人脸姿态动作角度；当所述人脸姿态动作角度大于预设角度阈值时，确定所述目标人脸图像来自真人。
[0006]在一些实施例中，通过以下步骤训练所述人脸姿态识别模型：从预先建立的人脸关键点数据库中获取多个人脸关键点；基于获取的多个所述人脸关键点，生成人脸关键点特征图；将所述人脸关键点特征图与预先设置的参考图像组合得到样本特征图像；将所述样本特征图像以及对应的人脸姿态标签输入至预选构建好的深度学习模型中，训练得到所述人脸姿态识别模型。
[0007]在一些实施例中，通过以下步骤生成人脸关键点特征图，包括：针对每一个人脸关键点，计算在预设像素范围内该人脸关键点的二维高斯分布点；
根据确定出的多个二维高斯分布点，生成所述人脸关键点特征图。
[0008]在一些实施例中，将所述人脸关键点特征图与预先设置的参考图像组合得到样本特征图像，包括：将该人脸关键点特征图按照每一个人脸关键点与所述参考图像组合，得到与该张人脸关键点特征图对应的样本特征图像。
[0009]在一些实施例中，所述活体验证方法还包括：当所述人脸姿态动作角度小于或者等于预设角度阈值时，确定所述目标人脸图像来自照片。
[0010]第二方面，本申请实施例还提供一种基于人脸姿态的活体验证装置，所述活体验证装置包括：获取模块，用于获取待检测对象的目标人脸图像，并从所述目标人脸图像中提取出目标人脸关键点；人脸特征图像确定模块，用于基于提取出的所述目标人脸关键点，确定人脸特征图像；人脸姿态动作角度输出模块，用于将至少两个所述人脸特征图像输入至预先训练好的人脸姿态识别模型中，得到所述待检测对象的人脸姿态动作角度；第一验证模块，用于当所述人脸姿态动作角度大于预设角度阈值时，确定所述目标人脸图像来自真人。
[0011]在一些实施例中，所述活体验证装置还包括模型训练模块，所述模型训练模块用于通过以下步骤训练所述人脸姿态识别模型：从预先建立的人脸关键点数据库中获取多个人脸关键点；基于获取的多个所述人脸关键点，生成人脸关键点特征图；将所述人脸关键点特征图与预先设置的参考图像组合得到样本特征图像；将所述样本特征图像以及对应的人脸姿态标签输入至预选构建好的深度学习模型中，训练得到所述人脸姿态识别模型。
[0012]在一些实例中，所述活体验证装置还包括人脸关键点特征图生成模块，所述人脸关键点特征图生成模块用于通过以下步骤生成人脸关键点特征图：针对每一个人脸关键点，计算在预设像素范围内该人脸关键点的二维高斯分布点；根据确定出的多个二维高斯分布点，生成所述人脸关键点特征图。
[0013]第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的基于人脸姿态的活体验证方法的步骤。
[0014]第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的基于人脸姿态的活体验证方法的步骤。
[0015]本申请提供了一种基于人脸姿态的活体验证方法、装置及电子设备，获取待检测对象的目标人脸图像，并从所述目标人脸图像中提取出目标人脸关键点；基于提取出的所述目标人脸关键点，确定人脸特征图像；将至少两个所述人脸特征图像输入至预先训练好
的人脸姿态识别模型中，得到所述待检测对象的人脸姿态动作角度；当所述人脸姿态动作角度大于预设角度阈值时，确定所述目标人脸图像来自真人。
[0016]这样，通过人脸特征图像以及人脸姿态识别模型获取检测对象的人脸姿态角度信息，根据获取的人脸姿态角度信息判断目标人脸图像是否是真人，进而有效的提高了对活体检测的准确率。
[0017]为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图，作详细说明如下。
附图说明
[0018]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0019]图1为本申请实施例所提供的一种基于人脸姿态的活体验证方法的流程图；图2为本申请实施例所提供的一种基于人脸姿态的活体验证方法中的人脸关键点图；图3为本申请实施例所提供的一种用基于人脸姿态的活体验证方法中的人脸关键点特征图；图4为本申请实施例所提供的另一种基于人脸姿态的活体验证方法的流程图；图5为本申请实施例所提供的一种基于人脸姿态的活体验证装置的结构示意图之一；图6为本申请实施例所提供的一种基于人脸姿态的活体验证装置的结构示意图之二；图7为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
[0020]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中的附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人脸姿态的活体验证方法，其特征在于，所述活体验证方法包括：获取待检测对象的目标人脸图像，并从所述目标人脸图像中提取出目标人脸关键点；基于提取出的所述目标人脸关键点，确定人脸特征图像；将至少两个所述人脸特征图像输入至预先训练好的人脸姿态识别模型中，得到所述待检测对象的人脸姿态动作角度；当所述人脸姿态动作角度大于预设角度阈值时，确定所述目标人脸图像来自真人。2.根据权利要求1所述的活体验证方法，其特征在于，通过以下步骤训练所述人脸姿态识别模型：从预先建立的人脸关键点数据库中获取多个人脸关键点；基于获取的多个所述人脸关键点，生成人脸关键点特征图；将所述人脸关键点特征图与预先设置的参考图像组合得到样本特征图像；将所述样本特征图像以及对应的人脸姿态标签输入至预选构建好的深度学习模型中，训练得到所述人脸姿态识别模型。3.根据权利要求2所述的活体验证方法，其特征在于，通过以下步骤生成人脸关键点特征图，包括：针对每一个人脸关键点，计算在预设像素范围内该人脸关键点的二维高斯分布点；根据确定出的多个二维高斯分布点，生成所述人脸关键点特征图。4.根据权利要求2所述的活体验证方法，其特征在于，将所述人脸关键点特征图与预先设置的参考图像组合得到样本特征图像，包括：将该人脸关键点特征图按照每一个人脸关键点与所述参考图像组合，得到与该张人脸关键点特征图对应的样本特征图像。5.根据权利要求1所述的活体验证方法，其特征在于，所述活体验证方法还包括：当所述人脸姿态动作角度小于或者等于所述预设角度阈值时，确定所述目标人脸图像来自照片。6.一种基于人脸姿态的活体验证装置，其特征在于，所述活体验证装置包括：获取模块，用于获取待检测对象的目标人脸图像，并从所述目标人脸图像中提取出目标人脸关键...

【专利技术属性】
技术研发人员：李建伟，王秋明，
申请(专利权)人：北京远鉴信息技术有限公司，
类型：发明
国别省市：