活體檢測方法及設備、計算機程序產(chǎn)品的制作方法
【技術領域】
[0001]本公開涉及人臉識別技術領域，更具體地涉及一種活體檢測方法及設備、以及計算機程序廣品。
【背景技術】
[0002]當前，人臉識別系統(tǒng)越來越多地應用于安防、金融、社保領域需要身份驗證的線上場景，如線上銀行開戶、線上交易操作驗證、無人值守的門禁系統(tǒng)、線上社保辦理、線上醫(yī)保辦理等。在這些高安全級別的應用領域，除了確保被驗證者的人臉相似度符合數(shù)據(jù)庫中存儲的底庫，首先需要驗證被驗證者是一個合法的生物活體。也就是說，人臉識別系統(tǒng)需要能夠防范攻擊者使用照片、視頻、3D人臉模型、或者面具等方式進行攻擊。
[0003]目前市場上的技術產(chǎn)品中還沒有公認成熟的活體驗證方案，已有的技術要么依賴特殊的硬件設備(諸如，紅外相機、深度相機)，或者只能防范簡單的靜態(tài)照片攻擊。
[0004]因此，需要既不依賴于特殊的硬件設備又能夠有效地防范照片、視頻、3D人臉模型或者面具等多種方式的攻擊的人臉識別方式。

【發(fā)明內(nèi)容】

[0005]鑒于上述問題而提出了本發(fā)明。本公開實施例提供了一種活體檢測方法及設備、以及計算機程序產(chǎn)品，其能夠基于人臉動作分階段地控制虛擬對象顯示，在虛擬對象中被控對象的至少一部分依次與虛擬對象中目標對象的至少一部分重合的情況下確定活體檢測成功。
[0006]根據(jù)本公開實施例的一個方面，提供了一種活體檢測方法，包括:從拍攝圖像中檢測人臉動作；基于顯示屏幕上當前顯示的第一組虛擬對象的顯示狀態(tài)以及所檢測的人臉動作，控制所述當前顯示的第一組虛擬對象中的被控對象的顯示并且控制顯示第二組虛擬對象；以及在所述第一組虛擬對象和所述第二組虛擬對象中被控對象的至少一部分依次與所述第一組虛擬對象和所述第二組虛擬對象中目標對象的至少一部分重合的情況下，確定所述拍攝圖像中的人臉為活體人臉。
[0007]根據(jù)本公開實施例的另一方面，提供了一種活體檢測設備，包括:人臉動作檢測裝置，被配置為從拍攝圖像中檢測人臉動作；虛擬對象控制裝置，被配置為基于顯示裝置上當前顯示的第一組虛擬對象的顯示狀態(tài)以及所檢測的人臉動作，控制所述當前顯示的第一組虛擬對象中的被控對象的顯示并且控制顯示第二組虛擬對象；以及活體判斷裝置，被配置為在所述第一組虛擬對象和所述第二組虛擬對象中被控對象的至少一部分依次與所述第一組虛擬對象和所述第二組虛擬對象中目標對象的至少一部分重合的情況下，確定所述拍攝圖像中的人臉為活體人臉。
[0008]根據(jù)本公開實施例的又一方面，提供了一種活體檢測設備，包括:一個或多個處理器；一個或多個存儲器；存儲在所述存儲器中的計算機程序指令，在所述計算機程序指令被所述處理器運行時執(zhí)行以下步驟:從拍攝圖像中檢測人臉動作；基于顯示裝置上當前顯示的第一組虛擬對象的顯示狀態(tài)以及所檢測的人臉動作，控制所述當前顯示的第一組虛擬對象中的被控對象的顯示并且控制顯示第二組虛擬對象；以及在所述第一組虛擬對象和所述第二組虛擬對象中被控對象的至少一部分依次與所述第一組虛擬對象和所述第二組虛擬對象中目標對象的至少一部分重合的情況下，確定所述拍攝圖像中的人臉為活體人臉。
[0009]根據(jù)本公開實施例的再一方面，提供了一種計算機程序產(chǎn)品，包括一個或多個計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲了計算機程序指令，所述計算機程序指令在被計算機運行時執(zhí)行以下步驟:從拍攝圖像中檢測人臉動作；基于顯示屏幕上當前顯示的第一組虛擬對象的顯示狀態(tài)以及所檢測的人臉動作，控制所述當前顯示的第一組虛擬對象中的被控對象的顯示并且控制顯示第二組虛擬對象；在所述第一組虛擬對象和所述第二組虛擬對象中被控對象的至少一部分依次與所述第一組虛擬對象和所述第二組虛擬對象中目標對象的至少一部分重合的情況下，確定所述拍攝圖像中的人臉為活體人臉。
[0010]根據(jù)本公開實施例的活體檢測方法及設備、以及計算機程序產(chǎn)品，通過基于人臉動作控制虛擬對象顯示并根據(jù)虛擬對象顯示進行活體檢測，可以不依賴于特殊的硬件設備來有效地防范照片、視頻、3D人臉模型或者面具等多種方式的攻擊，從而可以降低活體檢測的成本。更進一步，通過識別人臉動作中的多個動作屬性，可以控制虛擬對象的多個狀態(tài)參量，可以使得所述虛擬對象在多個方面改變顯示狀態(tài)，例如使得所述虛擬對象執(zhí)行復雜的預定動作、或者使得所述虛擬對象實現(xiàn)與初始顯示效果有很大不同的顯示效果。因此，可以進一步提高活體檢測的準確度，并且進而可以提高應用根據(jù)本發(fā)明實施例的活體檢測方法及設備、以及計算機程序產(chǎn)品的應用場景的安全性。
【附圖說明】
[0011]通過結(jié)合附圖對本公開實施例進行更詳細的描述，本公開的上述以及其它目的、特征和優(yōu)勢將變得更加明顯。附圖用來提供對本公開實施例的進一步理解，并且構成說明書的一部分，與本公開實施例一起用于解釋本公開，并不構成對本公開的限制。在附圖中，相同的參考標號通常代表相同部件或步驟。
[0012]圖1是用于實現(xiàn)本公開實施例的活體檢測方法和設備的電子設備的示意性框圖；
[0013]圖2是根據(jù)本公開實施例的活體檢測方法的示意性流程圖；
[0014]圖3是根據(jù)本公開實施例的活體檢測方法中的人臉動作檢測步驟的示意性流程圖；
[0015]圖4是根據(jù)本公開實施例的活體檢測方法中的虛擬對象顯示控制步驟的示意性流程圖；
[0016]圖5是根據(jù)本公開實施例的活體檢測方法的另一示意性流程圖；
[0017]圖6、圖7和圖8是根據(jù)本公開第一實施例的在顯示屏幕上顯示的虛擬對象的示例；
[0018]圖9是根據(jù)本公開實施例的活體檢測方法的另一示意性流程圖；
[0019]圖1OA和圖1OB是根據(jù)本公開第二實施例的在顯示屏幕上顯示的虛擬對象的示例；
[0020]圖11是根據(jù)本公開實施例的活體檢測設備的示意性框圖；
[0021]圖12是根據(jù)本公開實施例的另一活體檢測設備的示意性框圖；
[0022]圖13是根據(jù)本公開實施例的活體檢測設備中的人臉動作檢測裝置的示意性框圖；以及
[0023]圖14是根據(jù)本公開實施例的活體檢測設備中的虛擬對象控制裝置的示意性框圖。
【具體實施方式】
[0024]為了使得本公開的目的、技術方案和優(yōu)點更為明顯，下面將參照附圖詳細描述根據(jù)本公開的示例實施例。顯然，所描述的實施例僅僅是本公開的一部分實施例，而不是本公開的全部實施例，應理解，本公開不受這里描述的示例實施例的限制。基于本公開中描述的本公開實施例，本領域技術人員在沒有付出創(chuàng)造性勞動的情況下所得到的所有其它實施例都應落入本公開的保護范圍之內(nèi)。
[0025]首先，參照圖1來描述用于實現(xiàn)本公開實施例的活體檢測方法和設備的示例性電子設備100。
[0026]如圖1所示，電子設備100包括一個或多個處理器102、一個或多個存儲裝置104、輸出裝置108、以及圖像采集裝置110，這些組件通過總線系統(tǒng)112和/或其它形式的連接機構(未示出)互連。應當注意，圖1所示的電子設備100的組件和結(jié)構只是示例性的，而非限制性的，根據(jù)需要，所述電子設備100也可以具有其他組件和結(jié)構。
[0027]所述處理器102可以是中央處理單元(CPU)或者具有數(shù)據(jù)處理能力和/或指令執(zhí)行能力的其它形式的處理單元，并且可以控制所述電子設備100中的其它組件以執(zhí)行期望的功能。
[0028]所述存儲裝置104可以包括一個或多個計算機程序產(chǎn)品，所述計算機程序產(chǎn)品可以包括各種形式的計算機可讀存儲介質(zhì)，例如易失性存儲器和/或非易失性存儲器。所述易失性存儲器例如可以包括隨機存取存儲器(RAM)和/或高速緩沖存儲器(cache)等。所述非易失性存儲器例如可以包括只讀存儲器(R0M)、硬盤、閃存等。在所述計算機可讀存儲介質(zhì)上可以存儲一個或多個計算機程序指令，處理器102可以運行所述程序指令，以實現(xiàn)下文所述的本發(fā)明實施例中(由處理器實現(xiàn))的功能以及/或者其它期望的功能。在所述計算機可讀存儲介質(zhì)中還可以存儲各種應用程序和各種數(shù)據(jù)，例如所述圖像采集裝置110采集的圖像數(shù)據(jù)等以及所述應用程序使用和/或產(chǎn)生的各種數(shù)據(jù)等。
[0029]所述輸出裝置108可以向外部(例如用戶)輸出各種信息(例如圖像或聲音)，并且可以包括顯示器和揚聲器等中的一個或多個。
[0030]所述圖像采集裝置110可以拍攝預定取景范圍的圖像(例如照片、視頻等)，并且將所拍攝的圖像存儲在所述存儲裝置104中以供其它組件使用。
[0031]作為示例，用于實現(xiàn)本公開實施例的活體檢測方法和設備的示例性電子設備100可以是布置在人臉圖像采集端的集成了人臉圖像采集裝置的電子設備，諸如智能手機、平板電腦、個人計算機、基于人臉識別的身份識別設備等。例如，在安防應用領域，所述電子設備100可以部署在門禁系統(tǒng)的圖像采集端，并且可以例如為基于人臉識別的身份識別設備；在金融應用領域，可以部署在個人終端處，諸如智能電話、平板電腦、個人計算機等。
[0032]替代地，用于實現(xiàn)本公開實施例的活體檢測方法和設備的示例性電子設備100的輸出裝置108和圖像采集裝置110可以部署在人臉圖像采集端，而所述電子設備100中的處理器102可以部署在服務器端(或云端)。
[0033]下面，將參考圖2來描述根據(jù)本公開實施例的人臉檢測方法200。
[0034]在步驟S210，從拍攝圖像中檢測人臉動作。具體地，可以利用如圖1所示的用于實現(xiàn)本公開實施例的人臉檢測方法的電子設備100中的圖像采集裝置110或者獨立于所述電子設備100的可以向所述電子設備100傳送圖像的其它圖像采集裝置，采集預定拍攝范圍的灰度或彩色圖像作為拍攝圖像，所述拍攝圖像可以是照片，也可以是視頻中的一幀。所述圖像采集設備可以是智能電話的攝像頭、平板電腦的攝像頭、個人計算機的攝像頭、或者甚至可以是網(wǎng)絡攝像頭。
[0035]參考圖3來描述步驟S210中的人臉動作檢測。
[0036]在步驟S310，在所述拍攝圖像中定位人臉關鍵點。作為示例，在該步驟中，可以首先確定所獲取的圖像中是否包含人臉，在檢測到人臉的情況下定位出人臉關鍵點。
[0037]人臉關鍵點是臉部一些表征能力強的關鍵點，例如眼睛、眼角、眼睛中心、眉毛、顴骨最高點、鼻子、鼻尖、鼻翼、嘴巴、嘴角、以及臉部外輪廓點等。
[0038]作為示例，可以預先搜集大量的人臉圖像，例如N張人臉圖像，例如，N= 10000，人工地在每張人臉圖像中標注出預定的一系列人臉關鍵點，所述預定的一系列人臉關鍵點可以包括但不限于上述人臉關鍵點中的至少一部分。根據(jù)每張人臉圖像中各人臉關鍵點附近的形狀特征，基于參數(shù)形狀模型，利用機器學習算法(如深度學習(De印Learning)，或者基于局部特征的回歸算法(local feature-based regress1n algorithm))進行人臉關鍵點模型訓練，從而得到人臉關鍵點模型。
[0039]具體地，在步驟S310中可以基于已經(jīng)建立的人臉關鍵點模型來在拍攝圖像中進行人臉檢測和人臉關鍵點定位。例如，可以在拍攝圖像中迭代地優(yōu)化人臉關鍵點的位置，最后得到各人臉關鍵點的坐標位置。再例如，可以采用基于級聯(lián)回歸的方法在拍攝圖像中定位人臉關鍵點。
[0040]人臉關鍵點的定位在人臉動作識別中起著重要的作用，然而應了解本公開不受具體采用的人臉關鍵點定位方法的限制?？梢圆捎靡延械娜四槞z測和人臉關鍵點定位算法來執(zhí)行步驟S310中的人臉關鍵點定位。應了解，本公開實施例的活體檢測方法100不限于利用已有的人臉檢測和人臉關鍵點定位算法來進行人臉關鍵點定位，而且應涵蓋利用將來開發(fā)的人臉檢測和人臉關鍵點定位算法來進行人臉關鍵點定位。
[0041]在步驟S320，從所述拍攝圖像中提取圖像紋理信息。作為示例，可以根據(jù)所述拍攝圖像中的像素信息，例如像素點的亮度信息，提取人臉的精細信息，例如眼球位置信息、口型信息、微表情信息等等。可以采用已有的圖像紋理信息提取算法來執(zhí)行步驟S320中的圖像紋理信息提取。應了解，本公開實施例的活體檢測方法100不限于利用已有的圖像紋理信息提取算法來進行圖像紋理信息提取，而且應涵蓋利用將來開發(fā)的圖像紋理信息提取算法來進行圖像紋理信息提取。
[0042]應了解，步驟S310和S320可以擇一執(zhí)行，或者可以兩者均執(zhí)行。在步驟S310和S320兩者均執(zhí)行的情況下，它們可以同步執(zhí)行，或者可以先后執(zhí)行。
[0