[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

本說明書提供的活體檢測方法和系統，在獲得目標用戶的目標用戶圖像后，將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后得到的模型，以及基于攻擊概率和線索概率，確定目標用戶的活體檢測結果，并輸出活體檢測結果；該方案可以提升活體檢測的準確性。

技術領域

本說明書涉及活體檢測領域，尤其涉及一種活體檢測方法和系統。

背景技術

近年來，隨著互聯網技術的飛速發展，在人臉識別系統中活體檢測已經成為不可缺少的一環，通過活體檢測可以有限攔擊非活體類型的攻擊樣本?，F有的活體檢測方法往往針對活體攻擊的屬性或類型，采用對應的活體檢測模型或算法進行檢測。

在對現有技術的研究和實踐過程中，本申請的發明人發現活體攻擊的類型往往可以有多種，每種對應的活體檢測模型或算法往往對其他類型的活體攻擊的檢測性能較差，使得對應的活體檢測模型或算法的適配性較差，因此，導致活體檢測的準確性較低。

發明內容

本說明書提供一種準確性更高的活體檢測方法和系統。

第一方面，本說明書提供一種活體檢測方法，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。

在一些實施例中，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。

在一些實施例中，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。

在一些實施例中，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。

在一些實施例中，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。

在一些實施例中，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。

在一些實施例中，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。

在一些實施例中，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。