[发明专利]目标检测方法及装置

说明书

本发明实施例提供了目标检测方法及装置，所述方法包括：确定出目标图像的质量类别；确定出与目标图像的质量类别相对应的质量类别的卷积神经网络；根据相对应的质量类别的卷积神经网络，确定出目标图像的真目标检测值；根据目标图像的真目标检测值，确定出目标图像中的目标是否为真目标。本发明实施例中，既不需要用户执行指定动作，又可以在多种硬件条件、和/或应用场景下为每个目标图像选择了与其质量类别更为契合的卷积神经网络，可得到更为精确的真目标检测值；更为精确地确定出目标图像中的目标是否为真目标，增强了检测目标图像中的真假目标的鲁棒性。

技术领域

本发明涉及计算机视觉技术领域，具体而言，本发明涉及一种目标检测方法及装置。

背景技术

目标的活体检测是计算机视觉和图像处理领域的重要内容，当检测出图像中的目标为活体目标时，确定该目标为真目标。以目标检测中的人脸检测为例，基于人脸检测和识别的系统已进入实用阶段，例如可以应用于手机解锁、和移动支付等场景。传统的目标检测方法通常是要求用户通过终端设备的拍摄装置获取目标图像，当确定出获取的目标图像中包含目标时，默认该目标为活体目标，进而进行解锁或支付等操作。

然而，传统的目标检测方法容易遭受不同形式的欺骗攻击。常见的欺骗攻击手段包括：纸质打印图像攻击、照片攻击、屏幕图像攻击、屏幕视频攻击、3D打印攻击等等。以纸质打印图像攻击为例，其攻击原理为：利用打印出的包含目标的纸质图像冒充真实的目标，对准终端设备的拍摄装置，导致终端设备很可能将包含目标的纸质图像误判定为真实的目标，从而很容易导致误解锁或误支付等严重后果。

如何能够获取稳定有效的特征来进行真假目标的判别，一直是目标检测研究领域的重点和难点问题。根据是否需要用户的配合，可以将现有的目标检测方法分为两大类：侵入式目标检测方法、和非侵入式目标检测方法。

现有的侵入式目标检测方法需要依赖用户的配合，用户根据软件的提示做出诸如眨眼、摇头、或微笑等指定的动作，进而对该指定的动作进行识别，以此做为真目标检测的依据。然而，这类方法在实际应用中存在识别步骤较为繁琐、耗时较长、和/或需要用户作出额外的指定动作导致用户体验较差等缺点。例如，用户在公共场合对准终端设备的拍摄装置逐一进行眨眼、摇头和微笑等指定动作，容易导致其他人员对该用户的精神状态产生误解，很容易给用户带来麻烦。

现有的非侵入式目标检测方法，通常是通过终端设备的拍摄装置获取的图像或视频信息并从中直接提取相应的特征，根据提取出的特征确定出获取的图像或视频中的目标为真假目标。具体的，根据所使用的特征类型，又可以包括基于人工设计特征的目标检测方法。

基于人工设计特征的目标检测方法，主要利用设计者在相关计算机视觉和图像处理研究领域的经验，设计一定的客观算法提取图像或视频的特征，对于不同设备和应用场景，提取特征的方法是一样的。然而，由于不同终端设备的拍摄装置存在性能差异，所拍摄生成的目标图像存在差异；例如有的图像的曝光略微过度，色调偏红；有的图像的色彩还原较为真实。现有的基于人工设计特征的目标检测方法，基于同一提取特征的方法提取出的特征，在复杂多变的多种实际场景中，很容易产生真假目标的误检测，导致这类目标检测方法的鲁棒性较差。例如基于人工设计的类似局部二值模式(Local binary pattern,LBP)等特征的提取方法，只考虑图像的局部纹理信息。但在实际的目标检测中，如低光照、或逆光等条件下的图像与正常光照条件下的图像之间存在差异，基于这类特征的目标检测方法通常不能在低光照、或逆光等条件下有效地区分出真假目标。

综上，现有的目标检测方法存在需要用户执行指定动作、或者对不同硬件条件应用场景下的目标图像容易产生真假目标误检测的缺陷。

发明内容

本发明针对现有方式的缺点，提出一种目标检测方法及装置，用以解决现有技术存在需要用户执行指定动作、或者对不同硬件条件应用场景下的目标图像容易产生真假目标误检测的问题，以帮助用户节省执行指定动作的步骤，并对多种硬件条件、和/或应用场景下获取的目标图像作出更为精确的真假目标的检测。