[發明專利]用于活體檢驗的方法和裝置,電子設備和存儲介質有效
| 申請號: | 201910239825.1 | 申請日: | 2019-03-27 |
| 公開(公告)號: | CN110059579B | 公開(公告)日: | 2020-09-04 |
| 發明(設計)人: | 邱迪;唐宇晨 | 申請(專利權)人: | 北京三快在線科技有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06N3/04 |
| 代理公司: | 北京英創嘉友知識產權代理事務所(普通合伙) 11447 | 代理人: | 曾堯 |
| 地址: | 100190 北京市海*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 用于 活體 檢驗 方法 裝置 電子設備 存儲 介質 | ||
1.一種用于活體檢驗的方法,其特征在于,所述方法包括:
通過三維相機模組獲取待檢對象面部的三維點云數據矩陣,其中,所述三維點云數據矩陣包括所述待檢對象面部每一采樣點的三維坐標信息以及影像參數信息;
將所述三維點云數據矩陣輸入預先訓練的空間變換模型,得到矯正后的三維點云數據矩陣,其中,所述空間變換模型通過未處于預設位姿的樣本三維點云數據矩陣的坐標分布特征,以及所述樣本三維點云數據矩陣經人工校正至處于所述預設位姿時的坐標分布特征訓練得到;
根據所述校正后的三維點云數據矩陣,以及預先訓練的活體檢測模型,確定所述待檢對象是否為活體;
所述活體檢測模型為卷積神經網絡模型;所述根據所述校正后的三維點云數據矩陣,以及預先訓練的活體檢測模型,確定所述待檢對象是否為活體,包括:
通過預先訓練的卷積神經網絡模型,從所述校正后的三維點云數據矩陣提取特征矩陣;
計算所述特征矩陣的方差值;
判斷所述方差值是否位于預設的方差范圍內,其中,所述預設的方差范圍是根據對應活體樣本面部的特征矩陣計算得到的方差值確定的;
若所述方差值位于預設的方差范圍內,確定所述待檢對象為活體。
2.根據權利要求1所述的方法,其特征在于,所述計算得到所述特征矩陣的方差值,包括:
通過以下公式計算得到方差值σ2:
其中,X表示所述特征矩陣中的任一元素;μ表示所述特征矩陣中所有元素的均值;N表示所述特征矩陣中的元素總數。
3.根據權利要求1所述的方法,其特征在于,所述將所述三維點云數據矩陣輸入預先訓練的空間變換模型,得到矯正后的三維點云數據矩陣,包括:
將所述三維點云數據矩陣中的三維坐標信息,輸入預先訓練的空間變換模型得到空間變換矩陣;其中,所述空間變換模型通過未處于預設位姿的樣本三維點云數據矩陣坐標分布特征,以及所述樣本三維點云數據矩陣經人工校正至處于所述預設位姿時的坐標分布特征訓練得到;
通過所述空間變換矩陣對所述三維點云數據矩陣進行坐標校正,得到校正后的三維點云數據矩陣。
4.根據權利要求3所述的方法,其特征在于,所述預設位姿為表征面部處于正視角度的位姿。
5.根據權利要求3所述的方法,其特征在于,所述通過所述空間變換矩陣對所述三維點云數據矩陣進行坐標校正,得到校正后的三維點云數據矩陣,包括:
通過如下公式對所述三維點云數據矩陣進行坐標校正:
其中,為輸入量;表示校正前三維點云數據矩陣的三維坐標;Aθ表示所述空間變換矩陣,為所述空間變換矩陣的展開表示;為輸出量;表示校正后三維點云數據矩陣的三維坐標。
6.根據權利要求1-5任一項所述的方法,其特征在于,所述影像參數信息包括以下任意參數:
顏色參數,反射強度參數,溫度參數。
7.根據權利要求1-4任一項所述的方法,其特征在于,在所述通過三維相機模組獲取待檢對象面部的三維點云數據矩陣之前,所述方法還包括:
通過距離傳感器確定所述待檢對象面部與所述三維相機模組的距離;
若所述距離小于預設距離閾值,通過三維相機模組獲取待檢對象面部的三維點云數據矩陣;
若所述距離不小于所述預設距離閾值,發出用于指示所述待檢對象靠近所述三維相機模組的提示信息。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京三快在線科技有限公司,未經北京三快在線科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910239825.1/1.html,轉載請聲明來源鉆瓜專利網。





