[发明专利]活体检测的方法、装置及计算机存储介质

说明书

本发明实施例提供了一种活体检测的方法、装置及计算机存储介质，该方法包括：获取待验证对象的图像；利用已经训练好的神经网络，得到所述待验证对象的图像的热力图；根据所述热力图，确定所述待验证对象的图像的翻拍分数；根据所述翻拍分数，判断所述待验证对象的图像是否为屏幕翻拍图像，当所述待验证对象的图像为屏幕翻拍图像时，确定所述待验证对象为非活体。由此可见，本发明实施例的活体检测的方法可以根据图像的热力图得到其翻拍分数，并根据该翻拍分数确定是否为屏幕翻拍图像，能够降低对非活体的误识别率，进而能够保证活体识别的有效性，防止假体攻击。

技术领域

本发明涉及人工智能领域，更具体地涉及一种活体检测的方法、装置及计算机存储介质。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别综合运用了数字图像、视频处理、模式识别、计算机视觉等多种技术。当前，人脸识别系统越来越多地应用于安防、金融、社保等需要身份验证的领域中的场景，如银行远程开户、线上交易操作验证、无人值守的门禁系统、线上社保办理和领取、远程医保办理等等。

然而目前的人脸识别技术可能被不法分子攻击，对于伪造的人脸和真正的人脸区分度不高。例如对显示照片的手机屏幕进行识别时，可能会将假的人脸误识别为真实的人脸。这样会导致人脸识别的误识别率较高。

发明内容

考虑到上述问题而提出了本发明。本发明提供了一种活体检测的方法、装置及计算机存储介质，能够降低活体检测中的误识别率。

根据本发明的第一方面，提供了一种活体检测的方法，包括：

获取待验证对象的图像；

利用已经训练好的神经网络，得到所述待验证对象的图像的热力图；

根据所述热力图，确定所述待验证对象的图像的翻拍分数；

根据所述翻拍分数，判断所述待验证对象的图像是否为屏幕翻拍图像，当所述待验证对象的图像为屏幕翻拍图像时，确定所述待验证对象为非活体。

示例性地，在所述利用已经训练好的神经网络，得到所述待验证对象的图像的热力图之前，还包括：

将所述待验证对象的图像按比例缩放到第一预定尺寸；

将所述第一预定尺寸的图像的外围补充像素点以获得第二预定尺寸的图像；

所述利用已经训练好的神经网络，得到所述待验证对象的图像的热力图，包括：

将所述第二预定尺寸的图像输入到所述已经训练好的神经网络，得到所述待验证对象的图像的所述热力图。

示例性地，所述利用已经训练好的神经网络，得到所述待验证对象的图像的热力图，包括：

将所述待验证对象的图像输入到所述已经训练好的神经网络，得到所述待验证对象的图像的所述热力图。

示例性地，所述神经网络通过以下方式训练得到：

根据多个样本图像，通过训练得到所述神经网络，其中，每个样本图像中的每个像素具有标注信息。

示例性地，所述样本图像中的至少部分像素具有第一标注信息，所述第一标注信息表示所述至少部分像素具有屏幕属性；

和/或，所述样本图像中的至少部分像素具有第二标注信息，所述第二标注信息表示所述至少部分像素具有非屏幕属性。

示例性地，所述样本图像具有第三标注信息，所述第三标注信息表示所述样本图像具有一个子区域，所述子区域内的像素具有屏幕属性，所述子区域外的像素具有非屏幕属性。

示例性地，所述热力图用于表示所述待验证对象的图像中的每一个像素的屏幕属性概率，