[發(fā)明專利]一種基于視頻分析的活體判別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201710044150.6
• 申請(qǐng)日: 2017-01-19
• 公開(kāi)（公告）號(hào): CN106874857B
• 公開(kāi)（公告）日: 2020-12-01
• 發(fā)明（設(shè)計(jì)）人: 趙凌;李季檁
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（上海）有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 深圳翼盛智成知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 44300
• 代理人: 黃威

1.一種基于視頻分析的活體判別方法，其特征在于，包括：

根據(jù)預(yù)置的特征提取模型提取待分析視頻的第一特征信息；所述待分析視頻包括多段n幀的子視頻，兩段相鄰的所述子視頻之間有m幀的重疊圖像，所述n為大于m的自然數(shù)；所述第一特征信息為多段子視頻的特征信息的平均值；所述多段子視頻中任一段子視頻的特征信息中包括時(shí)間特征信息和像素特征信息；

根據(jù)預(yù)置的分類模型及所述第一特征信息，計(jì)算所述待分析視頻對(duì)應(yīng)的類型判別參數(shù)值，所述分類模型包括活體視頻和非活體視頻分別對(duì)應(yīng)的基于特征信息的類型判別參數(shù)的計(jì)算信息；

根據(jù)所述類型判別參數(shù)值確定所述待分析視頻是否屬于活體視頻；

所述根據(jù)預(yù)置的特征提取模型提取待分析視頻的第一特征信息之前，還包括：在前期訓(xùn)練時(shí)，分別將多個(gè)視頻訓(xùn)練樣本包含的圖像的元素值輸入到計(jì)算網(wǎng)絡(luò)中計(jì)算得到對(duì)應(yīng)的特征信息，采用分類器根據(jù)所述特征信息對(duì)所述視頻訓(xùn)練樣本的通用問(wèn)題進(jìn)行分類，所述計(jì)算網(wǎng)絡(luò)包括多個(gè)串聯(lián)的參數(shù)計(jì)算層，任一參數(shù)計(jì)算層根據(jù)輸入信息與對(duì)應(yīng)的計(jì)算參數(shù)值得到計(jì)算結(jié)果，并輸入到下一參數(shù)計(jì)算層；

其中，在得到一個(gè)視頻訓(xùn)練樣本對(duì)應(yīng)的特征信息后，調(diào)整所述計(jì)算網(wǎng)絡(luò)中的各個(gè)參數(shù)計(jì)算層對(duì)應(yīng)的計(jì)算參數(shù)值，并基于調(diào)整后的計(jì)算網(wǎng)絡(luò)得到另一視頻訓(xùn)練樣本的特征信息，使得另一視頻訓(xùn)練樣本的特征信息滿足收斂條件，得到所述計(jì)算網(wǎng)絡(luò)中各個(gè)參數(shù)計(jì)算層的初始計(jì)算信息；

在微調(diào)時(shí)，對(duì)所述計(jì)算網(wǎng)絡(luò)中各個(gè)參數(shù)計(jì)算層的初始計(jì)算信息進(jìn)行調(diào)整，得到計(jì)算網(wǎng)絡(luò)中各個(gè)參數(shù)計(jì)算層的最終計(jì)算信息，則所述特征提取模型為包括所述最終計(jì)算信息的計(jì)算網(wǎng)絡(luò)，其中，在微調(diào)時(shí)，所述分類器對(duì)所述視頻訓(xùn)練樣本屬于活體視頻或非活體視頻的類型進(jìn)行分類。

2.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)預(yù)置的特征提取模型提取待分析視頻的第一特征信息，具體包括：

將所述待分析視頻分為多段n幀的子視頻；

分別根據(jù)所述特征提取模型提取所述多段子視頻的特征信息；

計(jì)算所述多段子視頻的特征信息的平均值作為所述第一特征信息。

3.如權(quán)利要求2所述的方法，其特征在于，所述特征提取模型包括卷積層，池化層和全連接層，根據(jù)所述特征提取模型提取所述多段子視頻中某一子視頻的特征信息，具體包括：

通過(guò)所述卷積層對(duì)所述某一子視頻的時(shí)間信息和像素信息進(jìn)行卷積計(jì)算得到t個(gè)維度的時(shí)間特征信息和像素特征信息；

通過(guò)所述池化層將所述t個(gè)維度的時(shí)間特征信息和像素特征信息進(jìn)行降維處理得到p個(gè)維度的時(shí)間特征信息和像素特征信息；

通過(guò)所述全連接層確定所述p個(gè)維度的時(shí)間特征信息和像素特征信息之間的關(guān)聯(lián)關(guān)系，則所述某一子視頻的特征信息包括具有所述關(guān)聯(lián)關(guān)系的p個(gè)維度的時(shí)間特征信息和像素特征信息。

4.如權(quán)利要求1至3任一項(xiàng)所述的方法，其特征在于，所述分類模型的數(shù)據(jù)包括活體視頻和非活體視頻分別對(duì)應(yīng)的基于特征信息的概率計(jì)算信息，則所述根據(jù)預(yù)置的分類模型及第一特征信息，計(jì)算所述待分析視頻對(duì)應(yīng)的類型判別參數(shù)值，具體包括：

根據(jù)所述第一特征信息及所述概率計(jì)算信息計(jì)算所述待分析視頻屬于活體視頻的第一概率和屬于非活體視頻的第二概率；

所述根據(jù)所述類型判別參數(shù)值確定所述待分析視頻是否屬于活體視頻，具體包括：將所述第一概率和第二概率中較大概率的視頻類型確定為所述待分析視頻的類型。

5.如權(quán)利要求4所述的方法，其特征在于，所述方法還包括：

根據(jù)所述多個(gè)視頻訓(xùn)練樣本中屬于活體視頻的第一視頻訓(xùn)練樣本對(duì)應(yīng)的第二特征信息確定活體視頻的基于特征信息的第一概率計(jì)算信息，使得根據(jù)所述第一概率計(jì)算信息得到的概率大于0.5；或，

根據(jù)所述多個(gè)視頻訓(xùn)練樣本中屬于非活體視頻的第二視頻訓(xùn)練樣本對(duì)應(yīng)的第三特征信息確定非活體視頻的基于特征信息的第二概率計(jì)算信息，使得根據(jù)所述第二概率計(jì)算信息得到的概率大于0.5。