[发明专利]活体检测方法、装置、电子装置和存储介质

说明书

本申请涉及一种活体检测方法、装置、电子装置和存储介质。其中，该活体检测方法包括：获取被检测对象的红外图像；从红外图像中提取被检测对象的部分人脸图像，其中，部分人脸图像未被物体遮挡；使用已训练的第一深度学习网络对部分人脸图像进行活体检测，获得第一活体检测结果，其中，已训练的第一深度学习网络基于分别被标注为活体或非活体的第一训练图像以监督学习的方式训练。通过本申请，解决了相关技术中活体检测的准确率低的问题，提高了活体检测的准确率。

技术领域

本申请涉及图像处理领域，特别是涉及活体检测方法、装置、电子装置和存储介质。

背景技术

随着人工智能的快速发展，人脸识别技术在生活中的应用越来越广泛，比如支付，门禁等应用场景。人脸识别具有使用方便非接触性等优点，深受大量人群喜爱，与此同时系统的安全性也得到越来越多的关注，如何防范使用打印照片、屏幕、面具等伪装方式对人脸识别系统进行攻击也是当下的研究热点。为了应对这些攻击手段，杜绝虚假人脸，活体检测技术就显得非常重要，它可以有效地提升人脸识别系统的安全性。

目前，通常使用的活体检测方式有两种，一种是配合式活体检测，需要使用者完成指定动作，比如点头摇头、张嘴、眨眼等，这种方式用户体验不佳，且效率低下。另一种是非配合式活体检测，通过采集人脸图像直接判定是否活体，这种方式体验感好，简单效率高。如何快速准确地判定活体决定着人脸识别的效率和安全性，这也是目前人脸识别技术中需要解决的问题之一。

在相关技术中，非配合式活体检测的主要方式是通过获取到的待检测视频中提取多帧人脸图像，基于多帧目标人脸图像中每帧目标人脸图像的特征提取结果，得到第一检测结果；基于多帧目标人脸图像中每两帧相邻的目标人脸图像的差分图像，得到第二检测结果；基于第一检测结果和第二检测结果，确定所述待检测视频的活体检测结果的方式，来实现活体检测。而在研究过程中发现，相关技术中的方式使用了多帧图像来进行活体判别的方式，相对于单帧图像耗时更多，且没有考虑到人脸被遮挡(例如戴口罩)的情况，现如今实际场景中会存在有部分人群的人脸被遮挡，而被遮挡之后的人脸特征分布也发生了变化，难以准确地判定目标是活体还是非活体。

针对相关技术中存在活体检测的准确率低的问题，目前还没有提出有效的解决方案。

发明内容

在本实施例中提供了一种活体检测方法、装置、电子装置和存储介质，以解决相关技术中活体检测的准确率低的问题。

第一个方面，在本实施例中提供了一种活体检测方法，包括：

获取被检测对象的红外图像；

从所述红外图像中提取所述被检测对象的部分人脸图像，其中，所述部分人脸图像未被物体遮挡；

使用已训练的第一深度学习网络对所述部分人脸图像进行活体检测，获得第一活体检测结果，其中，已训练的第一深度学习网络基于分别被标注为活体或非活体的第一训练图像以监督学习的方式训练。

在其中的一些实施例中，所述部分人脸图像包括所述被检测对象的人脸图像中处于下眼脸以上的图像。

在其中的一些实施例中，所述已训练的第一深度学习网络在训练时还基于所述第一训练图像的频谱特征进行辅助监督学习。

在其中的一些实施例中，在从所述红外图像中提取所述被检测对象的部分人脸图像之前，所述方法还包括：使用已训练的第二深度学习网络对所述红外图像进行活体检测，获得第二活体检测结果，其中，已训练的第二深度学习网络基于分别被标注为活体或非活体的第二训练图像以监督学习的方式训练，所述第二训练图像包括：活体人脸的红外图像和由纸张打印的人脸的红外图像；在所述第二活体检测结果表示所述红外图像为非活体人脸的情况下，确定所述被检测对象为非活体；

从所述红外图像中提取所述被检测对象的部分人脸图像包括：在所述第二活体检测结果表示所述红外图像为活体人脸的情况下，从所述红外图像中提取所述被检测对象的部分人脸图像。