[發明專利]一種活體檢測方法及裝置

在審

• 申請號: 202110017406.0
• 申請日: 2021-01-07
• 公開（公告）號: CN114743276A
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 于鯤;王能
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06V40/40
• 分類號: G06V40/40;G06T7/194;G06F17/16;G06N3/04;G06V10/82
• 代理公司: 北京安信方達知識產權代理有限公司 11262
• 代理人: 李丹;栗若木

本申請公開了一種活體檢測方法及裝置，采用雙路2D自注意力架構，從網絡結構本身增強了整個活體檢測過程的表達能力，獲得了更符合人臉篡改任務的注意力，提升了活體檢測的準確度；和/或，將自監督約束首次引入活體檢測任務，解決了攻擊線索沒有真實標簽無法約束的問題，從而讓攻擊線索圖充分對攻擊數據進行了表達，提升了活體檢測的準確度。

技術領域

本申請涉及但不限于人工智能技術，尤指一種活體檢測方法及裝置。

背景技術

反人臉欺詐檢測(FAS，Face Anti-spoof，也稱為活體檢測)技術，是用于判斷捕捉到的人臉是真實人臉，還是偽造的人臉攻擊(如：彩色紙張打印的人臉圖、電子設備屏幕中的人臉數字圖像、或面具等)的技術，從而避免虛假認證。活體檢測在金融支付、門禁等應用場景，活體檢測一般是嵌套在人臉檢測與人臉識別/驗證中的模塊，用來驗證用戶是否真實本人。

活體檢測對應的計算機視覺問題就是分類問題，可看成二分類(真或假)，也可以看成多分類問題(如真人、紙張攻擊、屏幕攻擊、面具攻擊等)。

相關技術中，對線索圖的回歸僅對真人數據進行約束，攻擊數據沒有任何監督，完全自由迭代，也就是說，對攻擊數據的線索圖表達能力有限；而且，沒有針對人臉篡改任務的特點設計網絡結構，大大影響了活體檢測的準確度。

發明內容

本申請提供一種活體檢測方法及裝置，能夠提升活體檢測的準確度。

本發明實施例提供了一種活體檢測方法，包括：

將解碼得到的圖像劃分為臉部區域和背景區域；

對臉部區域進行卷積處理和歸一化處理得到第一圖像信息，對臉部區域和背景區域分別進行卷積處理后進行歸一化處理得到第二圖像信息；

融合第一圖像信息和第二圖像信息得到活體攻擊檢測信息。

在一種示例性實例中，所述將解碼得到的圖像劃分為臉部區域和背景區域之前，還包括：

采用級聯的編碼器到解碼器結構，對待檢測圖像進行編碼處理和解碼處理。

在一種示例性實例中，所述編碼處理包括一級或多級，所述解碼處理包括一級或多級；

當所述解碼處理包括多級時，每一級解碼得到的圖像均執行所述活體檢測方法對解碼得到的圖像進行的處理后再輸入下一級解碼器，直到沒有解碼器。

在一種示例性實例中，所述對臉部區域進行卷積處理和歸一化處理得到第一圖像信息，包括：

對所述臉部區域使用二維圖像2D卷積得到第一向量Q、第一向量K、第一向量V，并重新排列為一維特征；

根據第一向量Q和第一向量K計算矩陣乘法，得到第一注意力圖E；

對第一注意力圖E進行歸一化處理；

對歸一化處理后的第一結果與第一向量V相乘，并重新排列為臉部區域大小的圖像；

將重新排列后的臉部區域大小的圖像與松鼠解碼得到的圖像相加得到所述第一圖像信息。

在一種示例性實例中，所述對人臉區域和背景區域分別進行卷積處理后進行歸一化處理得到第二圖像信息，包括：

對所述臉部區域和所述背景區域分別使用2D卷積得到第二向量Q`、第二向量K`、第二向量V`，并重新排列為一維特征；

根據第二向量Q`和第二向量K`計算矩陣乘法，得到第二注意力圖E`；

對第二注意力圖E`進行歸一化處理；

對歸一化處理后的第二結果與第二向量V`相乘，并重新排列為臉部區域大小的圖像；