[發(fā)明專利]一種活體檢測方法、裝置、系統(tǒng)及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201911204090.5
• 申請日: 2019-11-29
• 公開（公告）號: CN112883762A
• 公開（公告）日: 2021-06-01
• 發(fā)明（設(shè)計(jì)）人: 楊濤;周石圣;王杰;劉玉珠;謝昆
• 申請（專利權(quán)）人: 廣州慧睿思通科技股份有限公司;廣州慧睿思通人工智能技術(shù)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 深圳智匯遠(yuǎn)見知識產(chǎn)權(quán)代理有限公司 44481
• 代理人: 沈園園;王旭

1.一種活體檢測方法，其特征在于，所述方法包括：

獲取待檢測目標(biāo)的近紅外圖像和RGB圖像；

基于所述RGB圖像，判斷所述近紅外圖像中是否存在人臉圖像；

若所述近紅外圖像中存在人臉圖像，獲取所述RGB圖像中人臉圖像的紋理特征；

判斷所述紋理特征是否符合預(yù)設(shè)標(biāo)準(zhǔn)；

若所述紋理特征符合預(yù)設(shè)標(biāo)準(zhǔn)，則所述待檢測目標(biāo)為活體目標(biāo)。

2.根據(jù)權(quán)利要求1所述的活體檢測方法，其特征在于，所述基于所述RGB圖像，判斷所述近紅外圖像中是否存在人臉圖像，包括：

對所述RGB圖像進(jìn)行人臉檢測，獲取所述RGB圖像中的第一圖像，并得到所述第一圖像在所述RGB圖像中的坐標(biāo)范圍；其中，所述第一圖像中包含人臉圖像；

根據(jù)所述第一圖像在所述RGB圖像中的坐標(biāo)范圍，在所述近紅外圖像中獲取第二圖像；所述第二圖像在所述近紅外圖像中的坐標(biāo)范圍與所述第一圖像在所述RGB圖像中的坐標(biāo)范圍的坐標(biāo)原點(diǎn)相同，且所述第二圖像在所屬近紅外圖像中的坐標(biāo)范圍包含所述第一圖像在所述RGB圖像中的坐標(biāo)范圍；

判斷所述第二圖像中是否存在人臉圖像；

若所述第二圖像中存在人臉圖像，則所述近紅外圖像中存在人臉圖像；若所述第二圖像中不存在人臉圖像，則所述近紅外圖像中不存在人臉圖像。

3.根據(jù)權(quán)利要求2所述的活體檢測方法，其特征在于，所述判斷所述第二圖像中是否存在人臉圖像，包括：

通過人臉檢測算法判斷所述第二圖像中是否存在人臉圖像。

4.根據(jù)權(quán)利要求1所述的活體檢測方法，其特征在于，所述獲取所述RGB圖像中人臉圖像的紋理特征之前，所述方法還包括：

獲取所述RGB圖像的飽和度；

判斷所述飽和度是否大于或等于預(yù)設(shè)閾值；

若所述飽和度大于或等于預(yù)設(shè)閾值，則執(zhí)行所述獲取所述RGB圖像中人臉圖像的紋理特征的步驟；

若所述飽和度小于預(yù)設(shè)閾值，則確定所述待檢測目標(biāo)為非活體目標(biāo)。

5.根據(jù)權(quán)利要求1所述的活體檢測方法，其特征在于，所述獲取所述RGB圖像中人臉圖像的紋理特征，包括：

從所述RGB圖像中獲取所述人臉圖像；

將所述人臉圖像的尺寸縮放至預(yù)設(shè)尺寸；

獲取縮放后的所述人臉圖像中的LBP值，作為所述人臉圖像的紋理特征。

6.根據(jù)權(quán)利要求1所述的活體檢測方法，其特征在于，所述判斷所述紋理特征是否符合預(yù)設(shè)標(biāo)準(zhǔn)，包括：

將所述紋理特征輸入預(yù)先訓(xùn)練得到的識別模型，得到識別結(jié)果；

根據(jù)所述識別結(jié)果判斷所述紋理特征是否符合預(yù)設(shè)標(biāo)準(zhǔn)。

7.根據(jù)權(quán)利要求6所述的活體檢測方法，其特征在于，所述識別模型的訓(xùn)練方法包括：

建立識別模型；

獲取對不同樣本目標(biāo)進(jìn)行拍攝得到的樣本圖像，其中，樣本目標(biāo)包括：屏幕類人臉、照片類人臉、紙張類人臉和真人人臉；

獲取每個(gè)樣本圖像中人臉圖像的樣本紋理特征；

將每個(gè)所述樣本紋理特征分別輸入所述識別模型中，分別得到樣本識別結(jié)果；

將與對應(yīng)所述樣本目標(biāo)相匹配的樣本識別結(jié)果進(jìn)行計(jì)數(shù)，得到累計(jì)數(shù)值；

判斷所述累計(jì)數(shù)值與所有樣本識別結(jié)果的數(shù)量的比的比值是否達(dá)到預(yù)設(shè)比值；

若所述累計(jì)數(shù)值與所有樣本識別結(jié)果的數(shù)量的比的比值達(dá)到預(yù)設(shè)比值，則所述識別模型收斂，得到訓(xùn)練完成的識別模型；

若所述累計(jì)數(shù)值與所有樣本識別結(jié)果的數(shù)量的比的比值未達(dá)到預(yù)設(shè)比值，則所述識別模型未收斂，調(diào)整所述識別模型的參數(shù)，通過調(diào)整后的識別模型重新對所述樣本紋理特征進(jìn)行識別，得到新的樣本識別結(jié)果，直至所述累計(jì)數(shù)值與所有樣本識別結(jié)果的數(shù)量的比的比值達(dá)到預(yù)設(shè)比值。