[发明专利]活体检测与身份认证的方法、装置及计算机存储介质在审
申请号: | 201710448942.X | 申请日: | 2017-06-14 |
公开(公告)号: | CN108875469A | 公开(公告)日: | 2018-11-23 |
发明(设计)人: | 姚聪 | 申请(专利权)人: | 北京旷视科技有限公司;北京迈格威科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 北京市磐华律师事务所 11336 | 代理人: | 高伟;刘爱平 |
地址: | 100190 北京*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 引导物 眼部 活体检测 目标对象 视线运动 运动轨迹 匹配度 计算机存储介质 身份认证 视频 运动轨迹运动 假体 采集目标 控制屏幕 随机生成 准确度 有效地 活体 视线 攻击 保证 | ||
1.一种活体检测的方法,其特征在于,包括:
控制屏幕上的引导物沿着引导物运动轨迹进行运动;
采集目标对象的眼部的视频;
根据所述视频得到所述目标对象的眼部视线运动轨迹;
确定所述引导物运动轨迹与所述眼部视线运动轨迹之间的匹配度;
根据所述匹配度确定所述目标对象是否为活体。
2.根据权利要求1所述的方法,其特征在于,所述引导物运动轨迹为随机生成的运动轨迹。
3.根据权利要求1所述的方法,其特征在于,根据所述视频得到所述目标对象的眼部视线运动轨迹包括:
将所述视频输入视线估计模型,得到所述目标对象的所述眼部视线运动轨迹。
4.根据权利要求3所述的方法,其特征在于,在所述将所述视频输入视线估计模型之前,还包括:
根据训练数据集,采用机器学习的方法训练得到所述视线估计模型,其中所述训练数据集中的人脸图像包括眼部区域,且所述人脸图像标注有眼部的视线方向。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述引导物运动轨迹由水平方向的第一坐标序列和竖直方向的第二坐标序列组成,所述眼部视线运动轨迹由水平方向的第一左眼坐标序列和第一右眼坐标序列以及竖直方向的第二左眼坐标序列和第二右眼坐标序列组成,
所述确定所述引导物运动轨迹与所述眼部视线运动轨迹之间的匹配度,包括:
计算所述第一坐标序列与所述第一左眼坐标序列之间的第一归一化相关系数,计算所述第一坐标序列与所述第一右眼坐标序列之间的第二归一化相关系数,计算所述第二坐标序列与所述第二左眼坐标序列之间的第三归一化相关系数,计算所述第二坐标序列与所述第二右眼坐标序列之间的第四归一化相关系数;
根据所述第一归一化相关系数,所述第二归一化相关系数,所述第三归一化相关系数和所述第四归一化相关系数确定所述匹配度。
6.根据权利要求5所述的方法,其特征在于,通过下式计算两个序列K1和序列K2之间的归一化相关系数γ(K1,K2):
其中,E[·]表示期望,μK1表示序列K1的均值,μK2表示序列K2的均值,σK1表示序列K1的标准差,σK2表示序列K2的标准差。
7.一种身份认证的方法,其特征在于,包括权利要求1至6中任一项所述的方法,还包括:
获取所述目标对象的人脸图像;
在根据所述匹配度确定所述目标对象为活体且所述目标对象的人脸图像与人脸底库中的底库图像匹配的情况下,确定所述目标对象通过身份认证。
8.一种活体检测的装置,其特征在于,包括:
控制模块,用于控制屏幕上的引导物沿着引导物运动轨迹进行运动;
采集模块,用于采集目标对象的眼部的视频;
确定模块,用于根据所述视频得到所述目标对象的眼部视线运动轨迹;
计算模块,用于确定所述引导物运动轨迹与所述眼部视线运动轨迹之间的匹配度;
判断模块,用于根据所述匹配度确定所述目标对象是否为活体。
9.根据权利要求8所述的装置,其特征在于,所述引导物运动轨迹为随机生成的运动轨迹。
10.根据权利要求8所述的装置,其特征在于,所述确定模块,具体用于:
将所述视频输入视线估计模型,得到所述目标对象的所述眼部视线运动轨迹。
11.根据权利要求10所述的装置,其特征在于,还包括训练模块,用于:
根据训练数据集,采用机器学习的方法训练得到所述视线估计模型,其中所述训练数据集中的人脸图像包括眼部区域,且所述人脸图像标注有眼部的视线方向。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京旷视科技有限公司;北京迈格威科技有限公司,未经北京旷视科技有限公司;北京迈格威科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710448942.X/1.html,转载请声明来源钻瓜专利网。