[发明专利]活体检测方法和系统

说明书

本说明书提供的活体检测方法和系统，在获得目标用户的目标用户图像后，将目标用户图像输入至活体检测模型，以得到多个攻击类型中每一攻击类型的攻击概率和每一攻击类型对应的至少一个攻击线索的线索概率，所述活体检测模型包括将特征空间按照攻击类型进行解耦学习后得到的模型，以及基于攻击概率和线索概率，确定目标用户的活体检测结果，并输出活体检测结果；该方案可以提升活体检测的准确性。

技术领域

本说明书涉及活体检测领域，尤其涉及一种活体检测方法和系统。

背景技术

近年来，随着互联网技术的飞速发展，在人脸识别系统中活体检测已经成为不可缺少的一环，通过活体检测可以有限拦击非活体类型的攻击样本。现有的活体检测方法往往针对活体攻击的属性或类型，采用对应的活体检测模型或算法进行检测。

在对现有技术的研究和实践过程中，本申请的发明人发现活体攻击的类型往往可以有多种，每种对应的活体检测模型或算法往往对其他类型的活体攻击的检测性能较差，使得对应的活体检测模型或算法的适配性较差，因此，导致活体检测的准确性较低。

发明内容

本说明书提供一种准确性更高的活体检测方法和系统。

第一方面，本说明书提供一种活体检测方法，包括：获得目标用户的目标用户图像；将所述目标用户图像输入至活体检测模型，以得到多个攻击类型中每一攻击类型的攻击概率和所述每一攻击类型对应的至少一个攻击线索的线索概率，所述活体检测模型包括将特征空间按照攻击类型进行解耦学习得到的模型；以及基于所述攻击概率和所述线索概率，确定所述目标用户的活体检测结果，并输出所述活体检测结果。

在一些实施例中，所述多个攻击类型包括物理攻击、数字攻击或混合攻击中的至少两种，所述混合攻击包括采用所述物理攻击的方式对数字攻击的攻击内容进行呈现的攻击。

在一些实施例中，所述物理攻击包括打印纸张/照片、屏幕展示或三维面具中的至少一种。

在一些实施例中，所述数字攻击包括通过生成器生成虚拟用户图像或视频，所述生成器包括内容生成器或对抗攻击生成器中的至少一种。

在一些实施例中，所述至少一个攻击线索包括数字攻击线索、物理攻击线索和混合攻击线索中的至少一个，所述混合攻击线索包括至少一个所述数字攻击线索和至少一个所述物理攻击线索构成的线索。

在一些实施例中，所述数字攻击线索包括关键点连续性线索、脸部轮廓连续性线索或预处理鲁棒性线索中的至少一种，所述关键点连续性线索表征多帧图像之间的关键点波动程度，所述脸部轮廓连续性线索表征面部边缘部分的频域和时序连续性，所述预处理鲁棒性表征预处理前后的特征波动程度。

在一些实施例中，所述物理攻击线索包括反光线索、区域异常线索或颜色异常线索中的至少一种，所述反光线索包括图像中存在大于预设反光阈值的反光区域，所述区域异常线索包括脸部区域的形变或者畸变大于预设变化阈值，所述颜色异常线索包括脸部区域相比正常人脸之间的色彩差异大于预设差异阈值。

在一些实施例中，所述活体检测模型的训练过程包括以下步骤：获得用户图像样本，并将所述用户图像样本输入至预设活体检测模型，以得到所述每一攻击类型对应的样本攻击特征；基于所述样本攻击特征，确定所述每一攻击类型对应的第一预测信息和所述至少一个攻击线索对应的第二预测信息；以及基于所述第一预测信息和第二预测信息，对所述预设活体检测模型进行收敛，得到训练后的所述活体检测模型。