[发明专利]活体检测方法、装置及计算机设备

权利要求书

1.一种活体检测方法，其特征在于，所述方法包括：

获取待检测对象的待检测图像；

对所述待检测图像进行裁剪，得到不同尺度的裁剪图像，所述裁剪图像至少包含所述待检测对象的人脸区域；

将包含所述人脸区域的不同尺度的裁剪图像输入神经网络进行处理，得到相应尺度的裁剪图像的处理结果，所述处理结果用于表征所述待检测对象是否为活体的分类信息；

利用得到的所述处理结果中的分类信息，确定所述待检测对象是否为活体。

2.根据权利要求1所述的方法，其特征在于，所述不同尺度的裁剪图像包括第一尺度的裁剪图像、第二尺度的裁剪图像和第三尺度的裁剪图像，且所述第一尺度大于所述第二尺度及所述第三尺度，所述第二尺度大于所述第三尺度，所述处理结果为预测分数，所述预测分数是根据相应尺度的裁剪图像所确定的所述待检测对象为活体的概率。

3.根据权利要求2所述的方法，其特征在于，所述将包含所述人脸区域的不同尺度的裁剪图像输入神经网络进行处理，得到相应尺度的裁剪图像的处理结果，利用得到的所述处理结果，确定所述待检测对象是否为活体，包括：

将所述第一尺度的裁剪图像输入第一神经网络进行处理，得到第一预测分数；

若所述第一预测分数大于第一阈值，将所述第二尺度的裁剪图像输入第二神经网络进行处理，得到第二预测分数；

若所述第二预测分数大于第二阈值，将所述第三尺度的裁剪图像输入第三神经网络进行处理，得到第三预测分数；

若所述第三预测分数大于第三阈值，确定所述待检测对象为活体；

其中，所述第一神经网络是基于所述第一尺度的裁剪图像的正样本和负样本训练得到；所述第二神经网络是基于所述第二尺度的裁剪图像的正样本和负样本训练得到；所述第三神经网络是基于所述第三尺度的裁剪图像的正样本和负样本训练得到。

4.根据权利要求2所述的方法，其特征在于，所述利用得到的所述处理结果中的分类信息，确定所述待检测对象是否为活体，包括：

检测所述第一尺度的裁剪图像的第一预测分数是否大于第一阈值，所述第二尺度的裁剪图像的第二预测分数是否大于第二阈值，以及所述第三尺度的裁剪图像的第三预测分数是否大于第三阈值；

如果所述第一预测分数大于所述第一阈值，所述第二预测分数大于所述第二阈值，且所述第三预测分数大于所述第三阈值，确定所述待检测对象为活体；

如果所述第一预测分数不大于所述第一阈值，或所述第二预测分数不大于所述第二阈值，或所述第三预测分数不大于所述第三阈值，确定所述待检测对象为攻击样本。

5.根据权利要求4所述的方法，其特征在于，所述将包含所述人脸区域的不同尺度的裁剪图像输入神经网络进行处理，得到相应尺度的裁剪图像的处理结果，包括：

将包含所述人脸区域的不同尺度的裁剪图像输入一神经网络，通过所述神经网络中的不同分类子网络，对相应尺度的裁剪图像进行处理，得到所述第一尺度的裁剪图像的第一预测分数、所述第二尺度的裁剪图像的第二预测分数，及所述第三尺度的裁剪图像的第三预测分数；

所述神经网络利用不同尺度的裁剪图像的正样本和负样本融合训练得到。

6.根据权利要求2～5任一项所述的方法，其特征在于，所述对所述待检测图像进行裁剪，得到多个不同尺度的裁剪图像，包括：

对所述待检测图像的全局特征进行提取，得到所述第一尺度的裁剪图像；

对所述待检测图像的局部上下文特征进行提取，得到所述第二尺度的裁剪图像；

对所述待检测图像的人脸区域进行特征提取，得到所述第三尺度的裁剪图像。

7.根据权利要求3～5任一项所述的方法，其特征在于，所述方法还包括：

若所述第一预测分数大于第四阈值，确定所述待检测对象为活体，所述第四阈值大于所述第一阈值。