[发明专利]活体检测方法、装置及系统

权利要求书

1.一种活体检测方法，其特征在于，包括：

获取标注有活体标签的活体样本数据和标注有攻击标签的攻击样本数据；

基于所述活体样本数据和所述攻击样本数据对待训练的检测模型进行训练，得到完成训练的检测模型；

当接收到待检测的目标人脸数据时，通过完成训练的检测模型对所述目标人脸数据进行深度检测，得到所述目标人脸数据中平面区域的比例，并基于得到的平面区域的比例确定所述目标人脸数据对应的活体检测结果；其中，所述平面区域为所述目标人脸数据中特征点的深度信息小于预设深度阈值的图像区域。

2.根据权利要求1所述的方法，其特征在于，获取标注有攻击标签的攻击样本数据的步骤，包括：

获取攻击样本对；其中，所述攻击样本对包括两张不同人脸偏转角度的训练人脸图像；

检测所述训练人脸图像的全局特征点，并基于检测到的特征点的二维坐标确定所述特征点的深度信息；

基于所述特征点的二维坐标和深度信息生成所述训练人脸图像对应的人脸三维点云数据；

对所述人脸三维点云数据标注攻击标签，并将标注有所述攻击标签的人脸三维点云数据作为攻击样本数据。

3.根据权利要求2所述的方法，其特征在于，所述基于检测到的特征点的二维坐标确定所述特征点的深度信息的步骤，包括：

计算两张所述训练人脸图像中每两个所述特征点之间的距离值，并基于计算的距离值确定特征点对；

根据所述特征点对中特征点的二维坐标和对极几何约束算法确定两张所述训练人脸图像之间相对的旋转角度和平移变量；

根据三角化算法和两张所述训练人脸图像之间相对的旋转角度和平移变量，确定所述特征点对中特征点的深度信息。

4.根据权利要求3所述的方法，其特征在于，所述计算两张所述训练人脸图像中所述特征点之间的距离值的步骤，包括：

根据如下算式计算两张所述训练人脸图像中所述特征点之间的距离值：

其中，h_1,i为第一训练人脸图像中特征点i的描述子，h_2,i为第二训练人脸图像中特征点i的描述子，dist(h_1,i,h_2,i)为特征点h_1,i和特征点h_2,i之间的距离值，128表示预设的特征点总数量。

5.根据权利要求3所述的方法，其特征在于，所述基于计算的距离值确定特征点对的步骤，包括：

将计算的距离值小于距离阈值的两个特征点确定为候选特征点对；

根据RANSAC算法对所述候选特征点对进行优化，得到最终的特征点对。

6.根据权利要求1所述的方法，其特征在于，所述基于所述活体样本数据和所述攻击样本数据对待训练的检测模型进行训练的步骤，包括：

将所述活体样本数据和所述攻击样本数据输入至待训练的检测模型；

通过所述待训练的检测模型对所述活体样本数据进行活体检测，得到所述活体样本数据属于活体数据的第一概率值；

通过所述待训练的检测模型对所述攻击样本数据进行活体检测，得到所述攻击样本数据属于攻击数据的第二概率值；

根据所述活体标签和所述攻击标签对所述待训练的检测模型的参数进行调整，直至所述第一概率值达到预设的第一概率阈值且所述第二概率值达到预设的第二概率阈值时，确定训练结束，得到完成训练的检测模型。

7.根据权利要求1所述的方法，其特征在于，所述基于得到的平面区域的比例确定所述目标人脸数据对应的活体检测结果的步骤，包括：

将得到的平面区域的比例与预设的比例阈值进行比较，当比较结果为所述平面区域的比例大于所述比例阈值时，确定所述目标人脸数据对应的活体检测结果为所述目标人脸数据为攻击数据。