[發(fā)明專利]用于檢測(cè)人臉圖像的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201810256946.2
• 申請(qǐng)日: 2018-03-27
• 公開(kāi)（公告）號(hào): CN108399401B
• 公開(kāi)（公告）日: 2022-05-03
• 發(fā)明（設(shè)計(jì)）人: 洪智濱
• 申請(qǐng)（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號(hào): G06V40/16
• 分類號(hào): G06V40/16;G06V40/40
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

本申請(qǐng)實(shí)施例公開(kāi)了用于檢測(cè)人臉圖像的方法和裝置。該方法的一具體實(shí)施方式包括：獲取目標(biāo)人臉的待檢測(cè)人臉圖像；將待檢測(cè)人臉圖像輸入至預(yù)先訓(xùn)練的第一活體檢測(cè)模型，得到檢測(cè)結(jié)果，其中，第一活體檢測(cè)模型用于確定輸入的人臉圖像對(duì)應(yīng)的人臉是否為活體人臉，第一活體檢測(cè)模型的訓(xùn)練樣本由活體人臉的人臉圖像和用于表征檢測(cè)到活體人臉的檢測(cè)結(jié)果組成。該實(shí)施方式提高了活體檢測(cè)的靈活性。

技術(shù)領(lǐng)域

本申請(qǐng)實(shí)施例涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體涉及用于檢測(cè)人臉圖像的方法和裝置。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)的發(fā)展，人臉識(shí)別技術(shù)的應(yīng)用越來(lái)越廣泛。在人臉識(shí)別領(lǐng)域，通過(guò)生物體的生物特征不僅能夠區(qū)分生物個(gè)體，還能夠?qū)ι飩€(gè)體的身體狀態(tài)進(jìn)行判斷。例如，通過(guò)生物體圖像可以判斷生物是否為活體；生物體圖像還可以作為解鎖的判斷依據(jù)。

然而，采用拍照、攝像等手段，可以得到活體人臉的非活體人臉圖像或非活體人臉視頻等。利用非活體人臉圖像、非活體人臉視頻可以冒充他人身份，以進(jìn)行損害他人利益的不當(dāng)行為。在各個(gè)行業(yè)(例如金融行業(yè))，人臉識(shí)別技術(shù)已逐漸用于遠(yuǎn)程開(kāi)戶、取款、支付等，以進(jìn)行身份驗(yàn)證。活體檢測(cè)結(jié)果的準(zhǔn)確性往往關(guān)乎用戶的切身利益。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提出了用于檢測(cè)人臉圖像的方法和裝置。

第一方面，本申請(qǐng)實(shí)施例提供了一種用于檢測(cè)人臉圖像的方法，該方法包括：獲取目標(biāo)人臉的待檢測(cè)人臉圖像；將待檢測(cè)人臉圖像輸入至預(yù)先訓(xùn)練的第一活體檢測(cè)模型，得到檢測(cè)結(jié)果，其中，第一活體檢測(cè)模型用于確定輸入的人臉圖像對(duì)應(yīng)的人臉是否為活體人臉，第一活體檢測(cè)模型的訓(xùn)練樣本由活體人臉的人臉圖像和用于表征檢測(cè)到活體人臉的檢測(cè)結(jié)果組成。

在一些實(shí)施例中，第一活體檢測(cè)模型是通過(guò)如下步驟訓(xùn)練得到的：獲取第一活體檢測(cè)模型的訓(xùn)練樣本集合，其中，訓(xùn)練樣本由活體人臉的人臉圖像和用于表征檢測(cè)到活體人臉的檢測(cè)結(jié)果組成；利用機(jī)器學(xué)習(xí)算法，將訓(xùn)練樣本集合中的每個(gè)訓(xùn)練樣本包括的人臉圖像作為輸入，將用于表征檢測(cè)到活體人臉的檢測(cè)結(jié)果作為輸出，訓(xùn)練得到第一活體檢測(cè)模型。

在一些實(shí)施例中，第一活體檢測(cè)模型包括預(yù)先訓(xùn)練的第二活體檢測(cè)模型；以及將待檢測(cè)人臉圖像輸入至預(yù)先訓(xùn)練的第一活體檢測(cè)模型，得到檢測(cè)結(jié)果，包括：提取待檢測(cè)人臉圖像的特征數(shù)據(jù)；將特征數(shù)據(jù)輸入至第二活體檢測(cè)模型，得到檢測(cè)結(jié)果，其中，第二活體檢測(cè)模型用于確定輸入的特征數(shù)據(jù)對(duì)應(yīng)的人臉是否為活體人臉，第二活體檢測(cè)模型的訓(xùn)練樣本由活體人臉的人臉圖像的特征數(shù)據(jù)和用于表征檢測(cè)到活體人臉的檢測(cè)結(jié)果組成。

在一些實(shí)施例中，第一活體檢測(cè)模型包括預(yù)先訓(xùn)練的第一概率模型；以及將待檢測(cè)人臉圖像輸入至預(yù)先訓(xùn)練的第一活體檢測(cè)模型，得到檢測(cè)結(jié)果，包括：將待檢測(cè)人臉圖像輸入至第一概率模型，得到目標(biāo)人臉為活體人臉的概率，其中，第一概率模型用于確定待檢測(cè)人臉圖像對(duì)應(yīng)的人臉為活體人臉的概率，第一概率模型的訓(xùn)練樣本由活體人臉的人臉圖像和人臉圖像對(duì)應(yīng)的人臉是活體人臉的概率組成；基于概率與預(yù)設(shè)的概率閾值的大小關(guān)系，生成檢測(cè)結(jié)果。

在一些實(shí)施例中，第一活體檢測(cè)模型包括預(yù)先訓(xùn)練的第二概率模型；以及將待檢測(cè)人臉圖像輸入至預(yù)先訓(xùn)練的第一活體檢測(cè)模型，得到檢測(cè)結(jié)果，包括：提取待檢測(cè)人臉圖像的特征數(shù)據(jù)；將特征數(shù)據(jù)輸入至第二概率模型，得到目標(biāo)人臉為活體人臉的概率，其中，第二概率模型用于確定特征數(shù)據(jù)對(duì)應(yīng)的人臉為活體人臉的概率，第二概率模型的訓(xùn)練樣本由活體人臉的人臉圖像的特征數(shù)據(jù)和人臉圖像對(duì)應(yīng)的人臉是活體人臉的概率組成；基于概率與預(yù)設(shè)的概率閾值的大小關(guān)系，生成檢測(cè)結(jié)果。

在一些實(shí)施例中，第一活體檢測(cè)模型為單分類支持向量機(jī)。

第二方面，本申請(qǐng)實(shí)施例提供了一種用于檢測(cè)人臉圖像的裝置，該裝置包括：獲取單元，配置用于獲取目標(biāo)人臉的待檢測(cè)人臉圖像；輸入單元，配置用于將待檢測(cè)人臉圖像輸入至預(yù)先訓(xùn)練的第一活體檢測(cè)模型，得到檢測(cè)結(jié)果，其中，第一活體檢測(cè)模型用于確定輸入的人臉圖像對(duì)應(yīng)的人臉是否為活體人臉，第一活體檢測(cè)模型的訓(xùn)練樣本由活體人臉的人臉圖像和用于表征檢測(cè)到活體人臉的檢測(cè)結(jié)果組成。