[發(fā)明專利]一種活體檢測(cè)方法、裝置、及其識(shí)別模型訓(xùn)練方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811424932.3
• 申請(qǐng)日: 2018-11-27
• 公開(kāi)（公告）號(hào): CN111222380A
• 公開(kāi)（公告）日: 2020-06-02
• 發(fā)明（設(shè)計(jì)）人: 任志浩;華叢一
• 申請(qǐng)（專利權(quán)）人: 杭州海康威視數(shù)字技術(shù)股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/20;G06K9/46;G06K9/62;G06T3/40
• 代理公司: 北京德琦知識(shí)產(chǎn)權(quán)代理有限公司 11018
• 代理人: 謝安昆;宋志強(qiáng)

本申請(qǐng)公開(kāi)了一種活體檢測(cè)方法，該方法包括，將獲取的待檢測(cè)目標(biāo)近紅外光圖像進(jìn)行歸一化處理，得到歸一化后的第一圖像；基于第一圖像，統(tǒng)計(jì)灰度直方圖，求取灰度直方圖的方差，得到區(qū)分特征；將區(qū)分特征輸入至訓(xùn)練后的識(shí)別模型；根據(jù)所述識(shí)別模型的輸出結(jié)果，進(jìn)行檢測(cè)結(jié)果的判定。本方法能夠有效抵御照片和視頻顯示包括手機(jī)等假體的攻擊，提高識(shí)別設(shè)備的安全性。并且，無(wú)需待檢測(cè)目標(biāo)按特定指令進(jìn)行配合，整個(gè)驗(yàn)證過(guò)程耗時(shí)少，體驗(yàn)好。

技術(shù)領(lǐng)域

本發(fā)明涉及活體識(shí)別技術(shù)領(lǐng)域，特別地，涉及一種活體檢測(cè)方法。

背景技術(shù)

活體檢測(cè)技術(shù)是為了防止惡意者將偽造的他人生物特征用于身份認(rèn)證，在生物特征識(shí)別過(guò)程中，針對(duì)待認(rèn)證樣本是否具有生命特征進(jìn)行檢測(cè)的技術(shù)。例如，目前廣泛應(yīng)用的人臉活體檢測(cè)，大部分是通過(guò)眨眼、張嘴、搖頭、點(diǎn)頭等組合動(dòng)作，使用人臉關(guān)鍵點(diǎn)定位和人臉追蹤等技術(shù)，驗(yàn)證用戶是否為真實(shí)活體本人操作，以便有效抵御照片、換臉、面具、遮擋以及屏幕翻拍等常見(jiàn)的攻擊手段，從而幫助用戶甄別欺詐行為，保障用戶的利益。

上述的人臉活體檢測(cè)單一地基于可見(jiàn)光的人臉識(shí)別設(shè)備，容易被視頻中的人臉攻破，不具備防假功能，設(shè)備的安全性很低；并且，在檢測(cè)過(guò)程中需要有交互式動(dòng)作(用戶配合指令完成相應(yīng)的動(dòng)作，如微笑、朗讀等)，這種基于交互式指令的檢測(cè)需要用戶配合，用戶體驗(yàn)差，一旦獲取所有指令可針對(duì)性的錄制視頻，也難以防備視頻攻擊。

部分人臉活體檢測(cè)也利用紅外成像，檢測(cè)虹膜、嘴唇等特征信息，還有捕捉微表情等方法，但此類方法對(duì)硬件要求較高，算法亦相對(duì)復(fù)雜。

另有一些活體檢測(cè)技術(shù)有3D成像(多目成像、結(jié)構(gòu)光等)、熱紅外和多光譜等。基于熱紅外的活體檢測(cè)方法通過(guò)熱紅外成像分析臉部溫度分布，用于采集熱紅外圖像的熱紅外儀器成本貴且易受溫度影響，硬件成本高，需要多幀圖像綜合判斷，算法耗時(shí)長(zhǎng)；而3D方法對(duì)設(shè)備精度要求高，應(yīng)用限制多，實(shí)現(xiàn)的效果并不理想。

發(fā)明內(nèi)容

本發(fā)明提供了一種活體檢測(cè)方法，以減少活體檢測(cè)過(guò)程的耗時(shí)。

本發(fā)明一方面提供一種活體檢測(cè)方法，該方法包括，

將獲取的待檢測(cè)目標(biāo)近紅外光圖像進(jìn)行歸一化處理，得到歸一化后的第一圖像；

基于第一圖像，統(tǒng)計(jì)灰度直方圖，求取灰度直方圖的方差，得到區(qū)分特征；

將區(qū)分特征輸入至訓(xùn)練后的識(shí)別模型；

根據(jù)所述識(shí)別模型的輸出結(jié)果，進(jìn)行檢測(cè)結(jié)果的判定。

其中，所述訓(xùn)練后的識(shí)別模型通過(guò)如下步驟訓(xùn)練得到：

將近紅外光活體圖像進(jìn)行歸一化處理，得到第二圖像；將近紅外光非活體圖像進(jìn)行歸一化處理，得到第三圖像；

基于第二圖像，統(tǒng)計(jì)灰度直方圖，求取灰度直方圖的方差，得到基于第二圖像的區(qū)分特征；基于第三圖像，統(tǒng)計(jì)灰度直方圖，求取灰度直方圖的方差，得到基于第三圖像的區(qū)分特征；

將基于第二圖像的區(qū)分特征作為正樣本數(shù)據(jù)，基于第三圖像的區(qū)分特征作為負(fù)樣本數(shù)據(jù)，輸入至待訓(xùn)練的識(shí)別模型進(jìn)行訓(xùn)練，直至該識(shí)別模型的輸出結(jié)果達(dá)到第一閾值，將該識(shí)別模型的當(dāng)前模型參數(shù)作為訓(xùn)練后的模型參數(shù)，得到訓(xùn)練后的識(shí)別模型；

所述根據(jù)所述識(shí)別模型的輸出結(jié)果，進(jìn)行檢測(cè)結(jié)果的判定包括，判斷識(shí)別模型的輸出是否大于所述第一閾值，如果是，則判定待檢測(cè)目標(biāo)為活體，否則，判定待檢測(cè)目標(biāo)為非活體。

其中，所述歸一化處理包括，將獲取的近紅外光圖像縮放為圖像寬度為第一像素、圖像長(zhǎng)度為第二像素的圖像。

較佳地，所述統(tǒng)計(jì)灰度直方圖，求取灰度直方圖的方差，得到區(qū)分特征包括，

將所述歸一化后的圖像按照n×n像素子塊的平均值變換為第一圖像塊，其中，n為第一像素、第二像素的公約數(shù)；