[發明專利]活體檢測方法和系統

在審

• 申請號: 202310112168.0
• 申請日: 2023-01-17
• 公開（公告）號: CN116110136A
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 曹佳炯
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06V40/40
• 分類號: G06V40/40;G06V10/774;G06V10/764;G06V40/16
• 代理公司: 北京留理知識產權代理事務所(普通合伙) 16049
• 代理人: 李哲

1.一種活體檢測方法，包括：

獲得目標用戶的目標用戶圖像；

將所述目標用戶圖像輸入至活體檢測模型，以得到多個攻擊類型中每一攻擊類型的攻擊概率和所述每一攻擊類型對應的至少一個攻擊線索的線索概率，所述活體檢測模型包括將特征空間按照攻擊類型進行解耦學習得到的模型；以及

基于所述攻擊概率和所述線索概率，確定所述目標用戶的活體檢測結果，并輸出所述活體檢測結果。

2.根據權利要求1所述的活體檢測方法，其中，所述多個攻擊類型包括物理攻擊、數字攻擊或混合攻擊中的至少兩種，所述混合攻擊包括采用所述物理攻擊的方式對數字攻擊的攻擊內容進行呈現的攻擊。

3.根據權利要求2所述的活體檢測方法，其中，所述物理攻擊包括打印紙張/照片、屏幕展示或三維面具中的至少一種。

4.根據權利要求2所述的活體檢測方法，其中，所述數字攻擊包括通過生成器生成虛擬用戶圖像或視頻，所述生成器包括內容生成器或對抗攻擊生成器中的至少一種。

5.根據權利要求1所述的活體檢測方法，其中，所述至少一個攻擊線索包括數字攻擊線索、物理攻擊線索和混合攻擊線索中的至少一個，所述混合攻擊線索包括至少一個所述數字攻擊線索和至少一個所述物理攻擊線索構成的線索。

6.根據權利要求5所述的活體檢測方法，其中，所述數字攻擊線索包括關鍵點連續性線索、臉部輪廓連續性線索或預處理魯棒性線索中的至少一種，所述關鍵點連續性線索表征多幀圖像之間的關鍵點波動程度，所述臉部輪廓連續性線索表征面部邊緣部分的頻域和時序連續性，所述預處理魯棒性表征預處理前后的特征波動程度。

7.根據權利要求5所述的活體檢測方法，其中，所述物理攻擊線索包括反光線索、區域異常線索或顏色異常線索中的至少一種，所述反光線索包括圖像中存在大于預設反光閾值的反光區域，所述區域異常線索包括臉部區域的形變或者畸變大于預設變化閾值，所述顏色異常線索包括臉部區域相比正常人臉之間的色彩差異大于預設差異閾值。

8.根據權利要求1所述的活體檢測方法，其中，所述活體檢測模型的訓練過程包括以下步驟：

獲得用戶圖像樣本，并將所述用戶圖像樣本輸入至預設活體檢測模型，以得到所述每一攻擊類型對應的樣本攻擊特征；

基于所述樣本攻擊特征，確定所述每一攻擊類型對應的第一預測信息和所述至少一個攻擊線索對應的第二預測信息；以及

基于所述第一預測信息和第二預測信息，對所述預設活體檢測模型進行收斂，得到訓練后的所述活體檢測模型。

9.根據權利要求8所述的活體檢測方法，其中，所述獲得用戶圖像樣本，包括：

基于數字攻擊對應的生成器生成至少一張數字攻擊圖像樣本，并基于物理攻擊對應的至少一種采集方式，采集至少一張物理攻擊圖像樣本；

基于所述至少一種采集方式，對所述至少一張數字攻擊圖像樣本進行物理攻擊的圖像采集，得到所述至少一張數字攻擊圖像樣本中每一數字攻擊圖像樣本對應的混合攻擊圖像樣本；以及

基于將所述至少一張數字攻擊圖像樣本、所述至少一張物理攻擊圖像樣本和所述混合攻擊圖像樣本，生成用戶圖像樣本集合，并在所述用戶圖像樣本集合中選取出用戶圖像樣本。

10.根據權利要求8所述的活體檢測方法，其中，所述預設活體檢測模型包括特征編碼網絡、特征解耦網絡和特征混合網絡；以及

所述將所述用戶圖像樣本輸入至預設活體檢測模型，以得到所述每一攻擊類型對應的樣本攻擊特征，包括：

將所述用戶圖像樣本輸入至所述特征編碼網絡，得到樣本用戶特征，

將所述樣本用戶特征輸入至所述特征解耦網絡，得到樣本數字攻擊特征和樣本物理攻擊特征，以及

將所述樣本數字攻擊特征和所述樣本物理攻擊特征輸入至所述特征混合網絡，得到樣本混合攻擊特征，并將所述樣本數字攻擊特征、樣本物理攻擊特征和樣本混合攻擊特征作為所述每一攻擊類型對應的樣本攻擊特征。