[發(fā)明專利]活體檢測的方法、裝置及計算機存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201710413340.0
• 申請日: 2017-06-05
• 公開（公告）號: CN108875467B
• 公開（公告）日: 2020-12-25
• 發(fā)明（設(shè)計）人: 鄒雨恒;劉宇軒;周舒暢
• 申請（專利權(quán)）人: 北京曠視科技有限公司;北京邁格威科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京市磐華律師事務(wù)所 11336
• 代理人: 高偉;劉愛平

本發(fā)明實施例提供了一種活體檢測的方法、裝置及計算機存儲介質(zhì)，該方法包括：獲取待驗證對象的圖像；利用已經(jīng)訓練好的神經(jīng)網(wǎng)絡(luò)，得到所述待驗證對象的圖像的熱力圖；根據(jù)所述熱力圖，確定所述待驗證對象的圖像的翻拍分數(shù)；根據(jù)所述翻拍分數(shù)，判斷所述待驗證對象的圖像是否為屏幕翻拍圖像，當所述待驗證對象的圖像為屏幕翻拍圖像時，確定所述待驗證對象為非活體。由此可見，本發(fā)明實施例的活體檢測的方法可以根據(jù)圖像的熱力圖得到其翻拍分數(shù)，并根據(jù)該翻拍分數(shù)確定是否為屏幕翻拍圖像，能夠降低對非活體的誤識別率，進而能夠保證活體識別的有效性，防止假體攻擊。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能領(lǐng)域，更具體地涉及一種活體檢測的方法、裝置及計算機存儲介質(zhì)。

背景技術(shù)

人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術(shù)。人臉識別綜合運用了數(shù)字圖像、視頻處理、模式識別、計算機視覺等多種技術(shù)。當前，人臉識別系統(tǒng)越來越多地應(yīng)用于安防、金融、社保等需要身份驗證的領(lǐng)域中的場景，如銀行遠程開戶、線上交易操作驗證、無人值守的門禁系統(tǒng)、線上社保辦理和領(lǐng)取、遠程醫(yī)保辦理等等。

然而目前的人臉識別技術(shù)可能被不法分子攻擊，對于偽造的人臉和真正的人臉區(qū)分度不高。例如對顯示照片的手機屏幕進行識別時，可能會將假的人臉誤識別為真實的人臉。這樣會導致人臉識別的誤識別率較高。

發(fā)明內(nèi)容

考慮到上述問題而提出了本發(fā)明。本發(fā)明提供了一種活體檢測的方法、裝置及計算機存儲介質(zhì)，能夠降低活體檢測中的誤識別率。

根據(jù)本發(fā)明的第一方面，提供了一種活體檢測的方法，包括：

獲取待驗證對象的圖像；

利用已經(jīng)訓練好的神經(jīng)網(wǎng)絡(luò)，得到所述待驗證對象的圖像的熱力圖；

根據(jù)所述熱力圖，確定所述待驗證對象的圖像的翻拍分數(shù)；

根據(jù)所述翻拍分數(shù)，判斷所述待驗證對象的圖像是否為屏幕翻拍圖像，當所述待驗證對象的圖像為屏幕翻拍圖像時，確定所述待驗證對象為非活體。

示例性地，在所述利用已經(jīng)訓練好的神經(jīng)網(wǎng)絡(luò)，得到所述待驗證對象的圖像的熱力圖之前，還包括：

將所述待驗證對象的圖像按比例縮放到第一預定尺寸；

將所述第一預定尺寸的圖像的外圍補充像素點以獲得第二預定尺寸的圖像；

所述利用已經(jīng)訓練好的神經(jīng)網(wǎng)絡(luò)，得到所述待驗證對象的圖像的熱力圖，包括：

將所述第二預定尺寸的圖像輸入到所述已經(jīng)訓練好的神經(jīng)網(wǎng)絡(luò)，得到所述待驗證對象的圖像的所述熱力圖。

示例性地，所述利用已經(jīng)訓練好的神經(jīng)網(wǎng)絡(luò)，得到所述待驗證對象的圖像的熱力圖，包括：

將所述待驗證對象的圖像輸入到所述已經(jīng)訓練好的神經(jīng)網(wǎng)絡(luò)，得到所述待驗證對象的圖像的所述熱力圖。

示例性地，所述神經(jīng)網(wǎng)絡(luò)通過以下方式訓練得到：

根據(jù)多個樣本圖像，通過訓練得到所述神經(jīng)網(wǎng)絡(luò)，其中，每個樣本圖像中的每個像素具有標注信息。

示例性地，所述樣本圖像中的至少部分像素具有第一標注信息，所述第一標注信息表示所述至少部分像素具有屏幕屬性；

和/或，所述樣本圖像中的至少部分像素具有第二標注信息，所述第二標注信息表示所述至少部分像素具有非屏幕屬性。

示例性地，所述樣本圖像具有第三標注信息，所述第三標注信息表示所述樣本圖像具有一個子區(qū)域，所述子區(qū)域內(nèi)的像素具有屏幕屬性，所述子區(qū)域外的像素具有非屏幕屬性。

示例性地，所述熱力圖用于表示所述待驗證對象的圖像中的每一個像素的屏幕屬性概率，