[发明专利]活体对象识别方法、设备和计算机可读存储介质

说明书

本公开提出了用于活体目标检测的方法、设备和计算机可读存储介质。该方法包括：基于目标图像的类别来确定所述目标图像的第一活体检测值；以及根据所述目标图像的第一活体检测值来确定所述目标图像中的目标是否为活体目标。

技术领域

本公开总体上涉及图像识别领域，更具体地涉及用于在图像中识别活体对象的方法、设备和计算机可读存储介质。

背景技术

随着技术的进步，人脸识别系统已被广泛应用在例如门禁、安保、移动设备解锁、移动支付、图像处理(例如美图等)等领域中。然而，不同类型的欺骗攻击对于人脸识别系统来说是一个很大的威胁。常见的欺骗攻击手段，包括例如纸质打印图像攻击、照片图像攻击、屏幕图像攻击、屏幕视频攻击、3D打印攻击等等。这些攻击通过使用对象的非活体副本(例如，冲印照片、打印照片、手机屏幕图像、电脑屏幕图像等)来欺骗人脸识别系统，进而获得其不应当获得的权利。

因此，如何能够获取稳定有效的特征来进行活体的判别，一直是活体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，可以将活体检测方法大体分为两类：(1)侵入式活体检测方法；以及(2)非侵入式活体检测方法。

侵入式活体检测方法通常需要依赖用户的配合。用户需要在软件的提示下做出相应的动作，如眨眼、摇头、微笑等，进而检测系统对相应的动作进行识别，以此做为活体检测的依据。这类方法在实际应用中存在耗时长、界面不友好、用户体验差等缺点。

非侵入式活体检测方法通常不需要用户做任何特殊的动作，而是通过设备获取的图像或视频信息直接提取相应特征。其主要利用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。这类方法很大程度上依赖于设计者的能力，但对于变化复杂的实际场景，这类方法有时并不鲁棒。

发明内容

为了至少部分解决或减轻上述问题，提供了根据本公开实施例的用于在图像中识别活体对象的方法、设备和计算机可读存储介质。

根据本公开的第一方面，提供了一种用于在图像中识别活体对象的方法。该方法包括：确定所述图像中的候选对象；根据所述图像中与所述候选对象有关的一个或多个子图像来确定分别与所述一个或多个子图像相对应的一个或多个第一活体检测值；以及基于所述一个或多个第一活体检测值来确定所述候选对象是否是活体对象。

在一些实施例中，所述一个或多个子图像包括以下至少一项：仅包括所述候选对象在内的子图像；仅包括所述候选对象的局部在内的子图像；以及包括所述候选对象和所述候选对象的背景在内的子图像。在一些实施例中，每个第一活体检测值是针对相应子图像使用相应的第一卷积神经网络来确定的。在一些实施例中，每个第一卷积神经网络包括6个卷积层，分别包括16个3x3x3卷积核、16个3x3x16卷积核、32个3x3x16卷积核、32个3x3x32卷积核、64个3x3x32卷积核、以及64个3x3x64卷积核。在一些实施例中，在每个第一卷积神经网络中，在至少一个卷积层之后及其下一个卷积层之前，还包括批归一化层、修正线性单元、和池化层。在一些实施例中，在每个第一卷积神经网络中，在第五个卷积层之后且在第六个卷积层之前，不包括修正线性单元和池化层。在一些实施例中，基于所述一个或多个第一活体检测值来确定所述候选对象是否是活体对象的步骤包括：针对所述一个或多个第一活体检测值求加权平均或算数平均以得到综合第一活体检测值；以及将所述综合第一活体检测值与预设的第一活体检测阈值进行比较，并根据比较结果来确定所述候选对象是否是活体对象。在一些实施例中，针对所述一个或多个第一活体检测值求加权平均或算数平均以得到综合第一活体检测值的步骤包括：根据以下公式来计算所述综合第一活体检测值：

Score_pre＝0.3*Score_CNN1+0.4*Score_CNN2+0.3*Score_CNN3