[发明专利]一种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，获得目标用户的人脸图像，基于所述人脸图像，通过一阶段活体检测模型输出所述人脸图像对应的第一目标攻击概率，基于所述第一目标攻击概率，确定并执行目标方案，目标方案为多个方案中的一个。所述多个方案包括二阶段方案：获得所述目标用户的掌静脉图像，至少将所述掌静脉图像输入至二阶段活体检测模型，得到目标用户的目标检测结果。也即是，基于目标人脸图像活体检测得到的第一目标攻击概率来确定是否能够进行活体和攻击的判断，并在无法判断时通过获得所述目标用户的目标掌静脉图像，进而基于目标掌静脉图像进行二阶段检测，提高活体检测的安全性。

技术领域

本说明书涉及图像处理领域，尤其涉及一种活体检测方法和系统。

背景技术

人脸识别系统近年来得到广泛的应用，在诸如刷脸支付、刷脸进站、刷脸考勤等场景都取得了成功。活体检测作为人脸识别系统的重要一环，通常是静默式活体检测方法，这种方法在人脸识别的过程中自然完成，用户无需进行额外的校验行为，用户体验较好。然而，正是由于缺少额外的校验，导致其安全能力较差，很难被应用到安全能力要求高的场景中。因此，需要一种安全性高的活体检测方法。

发明内容

本说明书提供的活体检测方法和系统，基于对目标用户进行活体检测的第一目标攻击概率，获得目标用户的目标掌静脉图像，进而基于目标掌静脉图像进行二阶段检测，也即是，借助额外的校验行为，即结合二阶段的掌静脉图像进行活体检测的辅助判断，从而提高活体检测的安全性。

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人脸图像；

基于所述目标人脸图像，通过一阶段活体检测模型输出所述目标人脸图像对应的第一目标攻击概率；以及基于所述第一目标攻击概率，确定并执行目标方案，所述目标方案为多个方案中的一个，所述多个方案包括二阶段方案，包括：获得所述目标用户的目标掌静脉图像，以及至少将所述目标掌静脉图像输入至二阶段活体检测模型，得到所述目标用户的目标检测结果。

在一些实施例中，所述基于所述目标人脸图像，通过一阶段活体检测模型输出所述目标人脸图像对应的第一目标攻击概率包括：对所述目标人脸图像进行去结构化操作，得到目标去结构化图像，所述去结构化操作包括去除所述目标人脸图像的结构信息，所述目标人脸图像的结构信息包括五官分布信息和/或人脸轮廓信息；以及将所述目标去结构化图像输入所述一阶段活体检测模型进行活体检测，输出所述第一目标攻击概率。

在一些实施例中，所述对所述目标人脸图像进行去结构化操作，得到目标去结构化图像包括：将所述目标人脸图像划分为多个目标图像块；以及基于预设的规则将所述多个目标图像块在所述目标人脸图像中的位置进行重新排列，得到所述目标去结构化图像。

在一些实施例中，所述预设的规则包括如下至少一种：随机排列、调整所述多个图像块的行位置、调整所述多个图像块的列位置以及调整所述多个图像块的所述行位置和所述列位置。

在一些实施例中，所述一阶段活体检测模型包括：块特征提取模块，被配置为对经过所述去结构化操作的去结构化图像所包含的多个图像块进行特征提取，输出所述多个图像块对应的多个块特征；以及特征融合模块，被配置为对所述多个块特征进行融合，输出第一融合特征和第一攻击概率。

在一些实施例中，所述一阶段活体检测模型在训练时的约束目标包括第一损失小于第一预设损失值，所述第一损失包括：融合分类损失，被配置为约束所述第一攻击概率对应的预测值和真实值的差异。

在一些实施例中，所述块特征提取模块还输出所述多个块特征对应的多个块攻击概率，所述第一损失还包括如下至少一种：局部分类损失，所述局部分类损失是基于所述多个块攻击概率对应的多个块分类损失进行加权求和得到的，所述多个局部分类损失中的每个局部分类损失被配置为约束其对应的块攻击概率对应的预测值和真实值的差异；局部和全局一致性损失，被配置为约束所述多个块特征与所述第一融合特征之间的一致性；以及块特征一致性损失，被配置为约束所述多个块特征之间的一致性。