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，在获取目标面部视频，并在目标面部视频中提取出多个显著性图像帧后，在多个显著性图像帧中识别出攻击区域和活体区域，并基于攻击区域和活体区域，生成攻击图像帧和活体图像帧，以及基于攻击图像帧和活体图像帧，确定目标面部视频的活体类别；该方案可以提升活体检测的准确率和效率。效率。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]近年来，随着互联网技术的飞速发展，在人脸识别系统中活体检测已经成为不可缺少的一环，通过活体检测可以有效拦截非活体类型的攻击样本。现有的活体检测方法往往通过单帧面部图像或者多张图像面部直接进行活体检测。
[0003]在对现有技术的研究和实践中，本申请的专利技术人发现基于单帧面部图像进行活体检测时，单帧面部图像的信息量比较有限，使得检测精度较低，而直接采用多张图像进行活体检测，往往计算资源的消耗较大，难以在计算资源有限的普通设备上使用，因此，导致活体检测的准确率和效率较低。

技术实现思路

[0004]本说明书提供一种准确率和效率更高的活体检测方法和系统。
[0005]第一方面，本说明书提供一种活体检测方法，包括：获取目标面部视频，并在所述目标面部视频中提取出多个显著性图像帧；在所述多个显著性图像帧中识别出攻击区域和活体区域，并基于所述攻击区域和活体区域，生成攻击图像帧和活体图像帧；以及基于所述攻击图像帧和所述活体图像帧，确定所述目标面部视频的活体类别。
[0006]在一些实施例中，所述在所述目标面部视频中提取出多个显著性图像帧，包括：对所述目标面部视频的图像帧进行过滤，以得到候选图像帧集合；以及对所述候选图像帧集合进行显著性采样，得到多个显著性图像帧。
[0007]在一些实施例中，所述对所述目标面部视频的图像帧进行过滤，以得到候选图像帧集合，包括：对所述目标面部视频进行分帧，得到原始图像帧集合；在所述原始图像帧集合中选取出至少一张面部图像帧，得到面部图像帧集合；以及基于所述面部图像帧集合的图像帧数量，对所述面部图像帧集合中的面部图像帧进行均匀下采样，得到候选图像帧集合。
[0008]在一些实施例中，所述基于所述面部图像帧集合的图像帧数量，对所述面部图像帧集合中的面部图像帧进行均匀下采样，得到候选图像帧集合，包括：基于所述面部图像帧集合的图像帧数量，确定所述面部图像帧集合与所述原始图像帧集合的帧数比值；在所述帧数比值未超过预设帧数比值阈值时，对所述面部图像帧集合中的面部图像帧进行均匀下采样，得到所述候选图像帧集合。
[0009]在一些实施例中，所述基于所述面部图像帧集合的图像帧数量，确定所述面部图像帧集合与所述原始图像帧集合的帧数比值之后，还包括：在所述帧数比值超过所述预设帧数比值阈值时，返回执行所述获取目标面部视频的步骤，直至所述帧数比值未超过所述预设帧数比值阈值时为止。
[0010]在一些实施例中，所述对所述候选图像帧集合进行显著性采样，得到多个显著性
图像帧，包括：对所述候选图像帧集合中的每一候选图像帧进行特征提取，得到所述每一候选图像帧的图像特征；对所述图像特征进行降维，以得到所述候选图像帧集合的主成分特征；以及基于所述主成分特征，在所述候选图像帧集合中选取出多个显著性图像帧。
[0011]在一些实施例中，所述基于所述主成分特征，在所述候选图像帧集合中选取出多个显著性图像帧，包括：获取所述每一候选图像帧的图像特征与所述主成分特征之间的特征相似度；以及基于所述特征相似度，在所述候选图像帧集合中选取出多个显著性图像帧。
[0012]在一些实施例中，所述在所述多个显著性图像帧中识别出攻击区域和活体区域，包括：将所述多个显著性图像帧中每一显著性图像帧划分为多个图像区域，得到所述多个图像区域中每一图像区域对应的区域图像；采用区域检测网络对所述区域图像进行活体检测，得到所述每一图像区域的区域活体概率和区域攻击概率；以及基于所述区域活体概率和所述区域攻击概率，在所述多个显著性图像帧中识别出攻击区域和活体区域。
[0013]在一些实施例中，所述基于所述区域活体概率和所述区域攻击概率，在所述多个显著性图像帧中识别出攻击区域和活体区域，包括：基于所述区域活体概率，在所述多个显著性图像帧中同一位置的图像区域中选取出至少一个图像区域，得到所述活体区域；以及基于所述区域攻击概率，在所述多个显著性图像帧中同一位置的图像区域中选取出至少一个图像区域，得到所述攻击区域。
[0014]在一些实施例中，所述基于所述攻击区域和活体区域，生成攻击图像帧和活体图像帧，包括：基于所述攻击区域在所述每一显著性图像帧中的区域位置，对所述攻击区域进行组合，得到攻击图像帧；以及基于所述活体区域在所述每一显著性图像帧中的区域位置，对所述活体区域进行组合，得到活体图像帧。
[0015]在一些实施例中，所述攻击图像帧和所述活体图像帧的数量相同，且所述攻击图像帧和所述活体图像帧的数量小于所述多个显著性图像帧的数量。
[0016]在一些实施例中，所述基于所述攻击图像帧和所述活体图像帧，确定所述目标面部视频的活体类别，包括：采用活体检测网络将所述攻击图像帧和所述活体图像帧进行对比，以得到攻击概率图谱；以及基于所述攻击概率图谱，确定所述目标面部视频的活体类别。
[0017]在一些实施例中，所述活体检测网络包括活体编码子网络、攻击编码子网络和融合对比子网络；以及所述采用活体检测网络将所述攻击图像帧和所述活体图像帧进行对比，以得到攻击概率图谱，包括：采用所述活体编码子网络对所述活体图像帧进行特征编码，得到活体特征，采用所述攻击编码子网络对所述攻击图像帧进行特征编码，得到攻击特征，以及采用所述融合对比子网络将所述活体特征和所述攻击特征进行对比，以得到所述攻击概率图谱。
[0018]在一些实施例中，所述采用所述融合对比子网络将所述活体特征和所述攻击特征进行对比，以得到所述攻击概率图谱，包括：采用所述融合对比子网络在所述活体特征和所述攻击特征中提取出同一像素位置的特征，得到每一像素位置的像素活体特征和像素攻击特征；将所述像素活体特征和像素攻击特征进行对比，以得到所述每一像素位置对应的像素攻击概率；以及将所述每一像素位置对应的像素攻击概率进行组合，得到所述攻击概率图谱。
[0019]在一些实施例中，所述将所述像素活体特征和像素攻击特征进行对比，以得到所
述每一像素位置对应的像素攻击概率，包括：将所述每一像素位置的像素活体特征和像素攻击特征进行拼接，得到像素融合特征；获取所述每一像素位置的像素活体特征和所述像素攻击特征的特征距离；以及基于所述像素融合特征和所述特征距离，确定所述每一像素位置对应的像素攻击概率。
[0020]在一些实施例中，所述活体检测网络的训练过程包括以下步骤：获取图像帧样本，所述图像帧样本包括活体图像帧样本和攻击图像帧样本；采用预设活体检测网络对所述图像帧样本进行特征提取，并基于提取出的样本活体特征和样本攻击特征，预测所述图像帧样本对应的攻击概率，得到预测概率图谱；以及基于所述样本活体特征、所述样本攻击特征和所述预测概率图谱，确定所述图像帧样本的目标活体损失信息，并基于所述目标活体损失信息对所述预设活体检测网络进行收敛，得到训练后的活体检测网络。
[0021]在一些实施例中，所述基于所述样本活体特征、所述样本攻击特征和所述预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活体检测方法，包括：获取目标面部视频，并在所述目标面部视频中提取出多个显著性图像帧；在所述多个显著性图像帧中识别出攻击区域和活体区域，并基于所述攻击区域和活体区域，生成攻击图像帧和活体图像帧；以及基于所述攻击图像帧和所述活体图像帧，确定所述目标面部视频的活体类别。2.根据权利要求1所述的活体检测方法，其中，所述在所述目标面部视频中提取出多个显著性图像帧，包括：对所述目标面部视频的图像帧进行过滤，以得到候选图像帧集合；以及对所述候选图像帧集合进行显著性采样，得到多个显著性图像帧。3.根据权利要求2所述的活体检测方法，其中，所述对所述目标面部视频的图像帧进行过滤，以得到候选图像帧集合，包括：对所述目标面部视频进行分帧，得到原始图像帧集合；在所述原始图像帧集合中选取出至少一张面部图像帧，得到面部图像帧集合；以及基于所述面部图像帧集合的图像帧数量，对所述面部图像帧集合中的面部图像帧进行均匀下采样，得到候选图像帧集合。4.根据权利要求3所述的活体检测方法，其中，所述基于所述面部图像帧集合的图像帧数量，对所述面部图像帧集合中的面部图像帧进行均匀下采样，得到候选图像帧集合，包括：基于所述面部图像帧集合的图像帧数量，确定所述面部图像帧集合与所述原始图像帧集合的帧数比值；在所述帧数比值未超过预设帧数比值阈值时，对所述面部图像帧集合中的面部图像帧进行均匀下采样，得到所述候选图像帧集合。5.根据权利要求4所述的活体检测方法，其中，所述基于所述面部图像帧集合的图像帧数量，确定所述面部图像帧集合与所述原始图像帧集合的帧数比值之后，还包括：在所述帧数比值超过所述预设帧数比值阈值时，返回执行所述获取目标面部视频的步骤，直至所述帧数比值未超过所述预设帧数比值阈值时为止。6.根据权利要求2所述的活体检测方法，其中，所述对所述候选图像帧集合进行显著性采样，得到多个显著性图像帧，包括：对所述候选图像帧集合中的每一候选图像帧进行特征提取，得到所述每一候选图像帧的图像特征；对所述图像特征进行降维，以得到所述候选图像帧集合的主成分特征；以及基于所述主成分特征，在所述候选图像帧集合中选取出多个显著性图像帧。7.根据权利要求6所述的活体检测方法，其中，所述基于所述主成分特征，在所述候选图像帧集合中选取出多个显著性图像帧，包括：获取所述每一候选图像帧的图像特征与所述主成分特征之间的特征相似度；以及基于所述特征相似度，在所述候选图像帧集合中选取出多个显著性图像帧。8.根据权利要求1所述的活体检测方法，其中，所述在所述多个显著性图像帧中识别出攻击区域和活体区域，包括：将所述多个显著性图像帧中每一显著性图像帧划分为多个图像区域，得到所述多个图
像区域中每一图像区域对应的区域图像；采用区域检测网络对所述区域图像进行活体检测，得到所述每一图像区域的区域活体概率和区域攻击概率；以及基于所述区域活体概率和所述区域攻击概率，在所述多个显著性图像帧中识别出攻击区域和活体区域。9.根据权利要求8所述的活体检测方法，其中，所述基于所述区域活体概率和所述区域攻击概率，在所述多个显著性图像帧中识别出攻击区域和活体区域，包括：基于所述区域活体概率，在所述多个显著性图像帧中同一位置的图像区域中选取出至少一个图像区域，得到所述活体区域；以及基于所述区域攻击概率，在所述多个显著性图像帧中同一位置的图像区域中选取出至少一个图像区域，得到所述攻击区域。10.根据权利要求1所述的活体检测方法，其中，所述基于所述攻击区域和活体区域，生成攻击图像帧和活体图像帧，包括：基于所述攻击区域在所述每一显著性图像帧中的区域位置，对所述攻击区域进行组合，得到攻击图像帧；以及基于所述活体区域在所述每一显著性图像帧中的区域位置，对所述活体区域进行组合，得到活体图像帧。11.根据权利要求10所述的活体检测方法，其中，所述攻击图像帧和所述活体图像帧的数量相同，且所述攻击图像帧和所述活体图像帧的数量小于所述多个显著性图像帧的数量。12.根据权利要求1所述的活体检测方法，其中，所述基于所述攻击图像帧和所述活体图像帧，确定所述目标面部视频的活体类别，包括：采用活体检测网络将所述攻击图像帧和所述活体...

【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：