检测方法和装置
阅读：1021发布：2020-09-25
专利汇可以提供检测方法和装置专利检索，专利查询，专利分析的服务。并且本 申请 实施例 公开了检测方法和装置。该方法的一具体实施方式包括：连续调节摄像头的焦距对目标对象进行拍摄，生成 图像序列 ；对于所拍摄的图像中的人脸区域的每一个 像素 ，将该图像序列中的、该像素最清晰的图像确定为该像素的目标图像，确定该摄像头拍摄该目标图像时的焦距，并基于该焦距确定该像素对应的该目标对象的实体部位与该摄像头的距离；基于人脸区域中的各个像素对应的实体部位与该摄像头的距离，确定该目标对象是否为活体。该实施方式提高了人脸 活体检测 的灵活性。，下面是检测方法和装置专利的具体信息内容。
1.一种用于移动设备的检测方法，所述移动设备安装有可调节焦距的摄像头，所述方法包括：
连续调节所述摄像头的焦距对目标对象进行拍摄，生成图像序列；
对于所拍摄的图像中的人脸区域的每一个像素，将所述图像序列中的、该像素最清晰的图像确定为该像素的目标图像，确定所述摄像头拍摄所述目标图像时的焦距，并基于所述焦距确定该像素对应的所述目标对象的实体部位与所述摄像头的距离；
基于人脸区域中的各个像素对应的实体部位与所述摄像头的距离，确定所述目标对象是否为活体。
2.根据权利要求1所述的检测方法，其中，在所述连续调节所述摄像头的焦距对目标对象进行拍摄，生成图像序列之后，所述方法还包括：
提取所述图像序列中的任一图像，对所提取的图像进行人脸检测，确定人脸区域的在所提取的图像中的位置，将所述位置确定为所述图像序列中的各个图像中的人脸区域的位置。
3.根据权利要求1所述的检测方法，其中，所述基于人脸区域中的各个像素对应的实体部位与所述摄像头的距离，确定所述目标对象是否为活体，包括：
基于人脸区域中的各个像素对应的实体部位与所述摄像头的距离，生成人脸深度图；
将所述人脸深度图输入至预先训练的活体检测模型，得到活体检测结果，其中，所述活体检测模型用于检测人脸深度图所涉及的人脸是否为活体的人脸。
4.根据权利要求1所述的检测方法，其中，所述基于人脸区域中的各个像素对应的实体部位与所述摄像头的距离，确定所述目标对象是否为活体，包括：
响应于确定人脸区域中的各个像素对应的实体部位与所述摄像头的距离一致，确定所述目标对象不为活体。
5.根据权利要求4所述的检测方法，其中，所述基于人脸区域中的各个像素对应的实体部位与所述摄像头的距离，确定所述目标对象是否为活体，还包括：
响应于确定人脸区域中的像素对应的实体部位与所述摄像头的距离不一致，确定所述目标对象为活体。
6.根据权利要求4所述的检测方法，其中，所述基于人脸区域中的各个像素对应的实体部位与所述摄像头的距离，确定所述目标对象是否为活体，包括：
响应于确定人脸区域中的像素对应的实体部位与所述摄像头的距离不一致，基于人脸区域中的各个像素对应的实体部位与所述摄像头的距离，生成人脸深度图；
将所述人脸深度图输入至预先训练的活体检测模型，得到活体检测结果，其中，所述活体检测模型用于检测人脸深度图所涉及的人脸是否为活体的人脸。
7.一种用于移动设备的检测装置，所述移动设备安装有可调节焦距的摄像头，所述装置包括：
拍摄单元，配置用于连续调节所述摄像头的焦距对目标对象进行拍摄，生成图像序列；
第一确定单元，配置用于对于所拍摄的图像中的人脸区域的每一个像素，将所述图像序列中的、该像素最清晰的图像确定为该像素的目标图像，确定所述摄像头拍摄所述目标图像时的焦距，并基于所述焦距确定该像素对应的所述目标对象的实体部位与所述摄像头的距离；
第二确定单元，配置用于基于人脸区域中的各个像素对应的实体部位与所述摄像头的距离，确定所述目标对象是否为活体。
8.根据权利要求7所述的检测装置，其中，所述装置还包括：
第三确定单元，配置用于提取所述图像序列中的任一图像，对所提取的图像进行人脸检测，确定人脸区域的在所提取的图像中的位置，将所述位置确定为所述图像序列中的各个图像中的人脸区域的位置。
9.根据权利要求7所述的检测装置，其中，所述第二确定单元包括：
第一生成模块，配置用于基于人脸区域中的各个像素对应的实体部位与所述摄像头的距离，生成人脸深度图；
第一输入模块，配置用于将所述人脸深度图输入至预先训练的活体检测模型，得到活体检测结果，其中，所述活体检测模型用于检测人脸深度图所涉及的人脸是否为活体的人脸。
10.根据权利要求7所述的检测装置，其中，所述第二确定单元进一步配置用于：
响应于确定人脸区域中的各个像素对应的实体部位与所述摄像头的距离一致，确定所述目标对象不为活体。
11.根据权利要求10所述的检测装置，其中，所述第二确定单元进一步配置用于：
响应于确定人脸区域中的像素对应的实体部位与所述摄像头的距离不一致，确定所述目标对象为活体。
12.根据权利要求10所述的检测装置，其中，所述第二确定单元包括：
第二生成模块，配置用于响应于确定人脸区域中的像素对应的实体部位与所述摄像头的距离不一致，基于人脸区域中的各个像素对应的实体部位与所述摄像头的距离，生成人脸深度图；
第二输入模块，配置用于将所述人脸深度图输入至预先训练的活体检测模型，得到活体检测结果，其中，所述活体检测模型用于检测人脸深度图所涉及的人脸是否为活体的人脸。
13.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
检测方法和装置
技术领域
背景技术
[0002] 随着计算机技术的发展，人脸识别技术的应用越来越广泛。通常，人脸识别技术需要利用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行相关操作，例如，进行人脸活体检测等。
[0004] 本申请实施例提出了检测方法和装置。
[0005] 第一方面，本申请实施例提供了一种用于移动设备的检测方法，移动设备安装有可调节焦距的摄像头，该方法包括：连续调节摄像头的焦距对目标对象进行拍摄，生成图像序列；对于所拍摄的图像中的人脸区域的每一个像素，将图像序列中的、该像素最清晰的图像确定为该像素的目标图像，确定摄像头拍摄目标图像时的焦距，并基于焦距确定该像素对应的目标对象的实体部位与摄像头的距离；基于人脸区域中的各个像素对应的实体部位与摄像头的距离，确定目标对象是否为活体。
[0006] 在一些实施例中，在连续调节摄像头的焦距对目标对象进行拍摄，生成图像序列之后，方法还包括：提取图像序列中的任一图像，对所提取的图像进行人脸检测，确定人脸区域的在所提取的图像中的位置，将位置确定为图像序列中的各个图像中的人脸区域的位置。
[0007] 在一些实施例中，基于人脸区域中的各个像素对应的实体部位与摄像头的距离，确定目标对象是否为活体，包括：基于人脸区域中的各个像素对应的实体部位与摄像头的距离，生成人脸深度图；将人脸深度图输入至预先训练的活体检测模型，得到活体检测结果，其中，活体检测模型用于检测人脸深度图所涉及的人脸是否为活体的人脸。
[0008] 在一些实施例中，基于人脸区域中的各个像素对应的实体部位与摄像头的距离，确定目标对象是否为活体，包括：响应于确定人脸区域中的各个像素对应的实体部位与摄像头的距离一致，确定目标对象不为活体。
[0009] 在一些实施例中，基于人脸区域中的各个像素对应的实体部位与摄像头的距离，确定目标对象是否为活体，还包括：响应于确定人脸区域中的像素对应的实体部位与摄像头的距离不一致，确定目标对象为活体。
[0010] 在一些实施例中，基于人脸区域中的各个像素对应的实体部位与摄像头的距离，确定目标对象是否为活体，包括：响应于确定人脸区域中的像素对应的实体部位与摄像头的距离不一致，基于人脸区域中的各个像素对应的实体部位与摄像头的距离，生成人脸深度图；将人脸深度图输入至预先训练的活体检测模型，得到活体检测结果，其中，活体检测模型用于检测人脸深度图所涉及的人脸是否为活体的人脸。
[0011] 第二方面，本申请实施例提供了一种用于移动设备的检测装置，移动设备安装有可调节焦距的摄像头，该装置包括：拍摄单元，配置用于连续调节摄像头的焦距对目标对象进行拍摄，生成图像序列；第一确定单元，配置用于对于所拍摄的图像中的人脸区域的每一个像素，将图像序列中的、该像素最清晰的图像确定为该像素的目标图像，确定摄像头拍摄目标图像时的焦距，并基于焦距确定该像素对应的目标对象的实体部位与摄像头的距离；第二确定单元，配置用于基于人脸区域中的各个像素对应的实体部位与摄像头的距离，确定目标对象是否为活体。
[0012] 在一些实施例中，装置还包括：第三确定单元，配置用于提取图像序列中的任一图像，对所提取的图像进行人脸检测，确定人脸区域的在所提取的图像中的位置，将位置确定为图像序列中的各个图像中的人脸区域的位置。
[0013] 在一些实施例中，第二确定单元包括：第一生成模块，配置用于基于人脸区域中的各个像素对应的实体部位与摄像头的距离，生成人脸深度图；第一输入模块，配置用于将人脸深度图输入至预先训练的活体检测模型，得到活体检测结果，其中，活体检测模型用于检测人脸深度图所涉及的人脸是否为活体的人脸。
[0014] 在一些实施例中，第二确定单元进一步配置用于：响应于确定人脸区域中的各个像素对应的实体部位与摄像头的距离一致，确定目标对象不为活体。
[0015] 在一些实施例中，第二确定单元进一步配置用于：响应于确定人脸区域中的像素对应的实体部位与摄像头的距离不一致，确定目标对象为活体。
[0016] 在一些实施例中，第二确定单元包括：第二生成模块，配置用于响应于确定人脸区域中的像素对应的实体部位与摄像头的距离不一致，基于人脸区域中的各个像素对应的实体部位与摄像头的距离，生成人脸深度图；第二输入模块，配置用于将人脸深度图输入至预先训练的活体检测模型，得到活体检测结果，其中，活体检测模型用于检测人脸深度图所涉及的人脸是否为活体的人脸。
[0017] 第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如测试方法中任一实施例的方法。
[0018] 第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如测试方法中任一实施例的方法。
[0019] 本申请实施例提供的检测方法和装置，通过连续调节摄像头的焦距对目标对象进行拍摄，以生成图像序列对，而后对于图像中的人脸区域的每一个像素，将图像序列中的、该像素最清晰的图像确定为该像素的目标图像，确定该摄像头拍摄该目标图像时的焦距，并基于该焦距确定该像素对应的该目标对象的实体部位与该摄像头的距离，最后基于人脸区域中的各个像素对应的实体部位与该摄像头的距离，确定该目标对象是否为活体，从而仅使用一个可调节焦距的摄像头采集图像即可，不需要利用多个摄像头采集图像，提高了人脸活体检测的灵活性。附图说明
[0020] 通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
[0021] 图1是本申请可以应用于其中的示例性系统架构图；
[0022] 图2是根据本申请的检测方法的一个实施例的流程图；
[0023] 图3是根据本申请的检测方法的一个应用场景的示意图；
[0024] 图4是根据本申请的检测装置的一个实施例的结构示意图；
[0025] 图5是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0026] 下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
[0027] 需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0028] 图1示出了可以应用本申请的检测方法或检测装置的示例性系统架构100。
[0029] 如图1所示，系统架构100可以包括移动设备101、102、103，网络104和服务器105。网络104用以在移动设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。用户可以使用移动设备
101、102、103通过网络104与服务器105交互，以接收或发送消息等。移动设备101、102、103上可以安装有摄像头以及各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
101、102、103通过网络104与服务器105交互，以接收或发送消息等。移动设备101、102、103上可以安装有摄像头以及各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
[0030] 移动设备101、102、103可以是安装有摄像头和显示屏幕的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机等。
[0031] 服务器105可以是提供各种服务的服务器，例如用于进行用户登陆认证的服务器。该服务器可以对移动设备101、102、103发送的信息(例如距离、图像等)进行分析等处理，并将处理结果返回给移动设备101、102、103。
[0032] 需要说明的是，本申请实施例所提供的检测方法一般由移动设备101、102、103执行，相应地，检测装置一般设置于移动设备101、102、103中。需要指出的是，终端设备101、102、103在人脸活体检测过程中或者人脸活体检测后也可以不与服务器105进行交互，此时，示例性系统架构100可以不存在服务器105和网络104。
[0033] 应该理解，图1中的移动设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的移动设备、网络和服务器。
[0034] 继续参考图2，示出了根据本申请的用于移动设备的检测方法的一个实施例的流程200。上述移动设备安装有可调节焦距的摄像头，该检测方法，包括以下步骤：
[0035] 步骤201，连续调节摄像头的焦距对目标对象进行拍摄，生成图像序列。
[0036] 在本实施例中，测试方法运行于其上的电子设备(例如图1所示的移动设备101、102、103)可以连续调节摄像头的焦距对目标对象进行拍摄，生成图像序列。其中，上述目标对象可以是人的脸部、呈现有脸部的人体、呈现有脸部的头部等。上述图像序列可以按照拍摄顺序由多张图像(例如256张)构成，且上述图像序列中的每一个图像可以与一个焦距相对应。实践中，上述电子设备可以存储各个图像与焦距的对应关系。
[0037] 需要说明的是，在连续调节摄像头的焦距对目标对象进行拍摄的过程中，由于时间很短，可认为目标对象和摄像头的位置是固定不变的，因此，图像序列中的各个图像的人脸区域的位置可以认为是固定不变的。
[0038] 步骤202，对于所拍摄的图像中的人脸区域的每一个像素，将图像序列中的、该像素最清晰的图像确定为该像素的目标图像，确定摄像头拍摄目标图像时的焦距，并基于焦距确定该像素对应的目标对象的实体部位与摄像头的距离。
[0039] 在本实施例中，对于所拍摄的图像中的人脸区域的每一个像素，上述电子设备可以首先将上述图像序列中的、该像素最清晰的图像确定为该像素的目标图像，之后确定摄像头拍摄目标图像时的焦距，基于焦距确定该像素对应的目标对象的实体部位(例如鼻子、眼睛、嘴巴、眉毛、下巴等)与摄像头的距离。此处，上述电子设备可以在对目标对象进行拍摄的过程中或拍摄后使用各种现有的人脸检测方法对所拍摄的图像进行人脸检测，以确定图像中的人脸区域的位置。上述电子设备可以对上述图像序列中的一张(例如第1张、第100张、最后一张等)，也可以对上述图像序列中的多张图像均进行人脸检测。
[0040] 对于人脸区域的每一个像素，上述电子设备可以通过如下步骤确定该像素的目标图像：
[0041] 第一步，上述电子设备可以确定该像素在各个图像中的RGB(RedGreen Blue，红绿蓝)值。实践中，RGB值可以指亮度，并可以使用整数来表示(即三个整数)。通常情况下，RGB各有256级亮度，用0至255的数字表示。此处，上述电子设备可以将上述三个整数进行处理(例如取最大值或者平均值)，将处理后的数值作为该像素的清晰度值。
[0042] 第二步，可以确定该像素的相邻像素(例如8个)在各个图像中的RGB值。需要说明的是，相邻像素可以有多个，上述电子设备可以将每一个相邻像素的RGB值(三个通道对应的数值)进行相同处理(例如取最大值或者平均值)得到的该相邻像素的清晰度值。而后，可以将各个相邻像素的清晰度进行处理(例如取平均或者取最大值)，将处理后的值确定为该像素的相邻像素清晰度值。
[0043] 第三步，对于每一个图像，上述电子设备确定该像素的清晰度值与该像素的相邻像素清晰度值的差值，将上述图像序列中的差值最大的图像确定为该像素的目标图像。实践中，差值越大，该像素的清晰度越高，因此，该像素最清晰的图像即为该像素的目标图像。
[0044] 需要说明的是，对于所拍摄的图像中的人脸区域的每一个像素，在确定该像素的目标图像之后，由于每一个图像与一个焦距相对应，且上述电子设备可以存储所拍摄的各个图像与焦距的对应关系，因此，上述电子设备可以直接确定拍摄该目标图像时的焦距。此外，上述电子设备可以基于光学成像原理，根据该目标图像对应的焦距确定该像素对应的目标对象的实体部位与摄像头的距离。需要说明的是，上述光学成像原理是目前广泛研究和应用的公知技术，在此不再赘述。
[0045] 在本实施例的一些可选的实现方式中，上述电子设备在生成上述图像序列之后，可以提取上述图像序列中的任一图像，对所提取的图像进行人脸检测，确定人脸区域的在所提取的图像中的位置，将上述位置确定为上述图像序列中的各个图像中的人脸区域的位置。
[0046] 步骤203，基于人脸区域中的各个像素对应的实体部位与摄像头的距离，确定目标对象是否为活体。
[0047] 在本实施例中，上述电子设备可以基于人脸区域中的各个像素对应的实体部位与摄像头的距离，利用各种方式确定目标对象是否为活体。作为示例，响应于确定人脸区域中的各个像素对应的实体部位与摄像头的距离满足预设条件(例如距离相同、或者最小的距离差值大于预设数值、或者最大的距离差值距离小于预设数值等)，可以确定上述目标对象不为活体；若确定人脸区域中的像素对应的实体部位与摄像头的距离不满足上述预设条件，可以确定上述目标对象为活体。
[0048] 在本实施例的一些可选的实现方式中，上述电子设备可以通过以下方式确定目标对象是否是活体：
[0049] 第一步，可以基于人脸区域中的各个像素对应的实体部位与上述摄像头的距离，生成人脸深度图。其中，人脸深度图是一种深度图像(depth image)，也被称为距离影像(range image)，是指将从摄像头到人脸区域各像素对应的目标对象的实体部位的距离(深度)作为像素值的图像。人脸深度图可以直接反映人脸表面的几何形状。实践中，人脸深度图像经过坐标转换可以计算为点云数据。
[0050] 第二步，可以将上述人脸深度图输入至预先训练的活体检测模型，得到活体检测结果，其中，上述活体检测模型用于检测人脸深度图所涉及的人脸是否为活体的人脸。上述活体检测模型可以是基于训练样本，利用有监督学习方式对现有可实现分类功能的模型(例如卷积神经网络(Convolutional Neural Network，CNN)或支持向量机等(SupportVector Machine，SVM)等)进行训练后得到的。其中，上述训练样本可以包含大量的深度图像和每一张深度图像的标注(用于表征是否为人脸活体)。实践中，可以将深度图像作为模型的输入，将深度图像的标注作为模型的输出，利用机器学习方法对该模型进行训练，将训练后的该模型确定为活体检测模型。
[0051] 在本实施例的一些可选的实现方式中，上述电子设备响应于确定人脸区域中的各个像素对应的实体部位与上述摄像头的距离一致，可以确定上述目标对象不为活体。
[0052] 在本实施例的一些可选的实现方式中，上述电子设备响应于确定人脸区域中的像素对应的实体部位与上述摄像头的距离不一致，可以确定上述目标对象为活体。
[0053] 在本实施例的一些可选的实现方式中，响应于确定人脸区域中的像素对应的实体部位与上述摄像头的距离不一致，可以基于人脸区域中的各个像素对应的实体部位与上述摄像头的距离，生成人脸深度图。而后，可以将上述人脸深度图输入至预先训练的活体检测模型，得到活体检测结果，其中，上述活体检测模型用于检测人脸深度图所涉及的人脸是否为活体的人脸。
[0054] 继续参见图3，图3是根据本实施例的检测方法的应用场景的一个示意图。在图3的应用场景中，安装有可调节焦距的摄像头的移动设备301首先连续调节摄像头的焦距对目标对象302进行拍摄，生成由256张图像构成的图像序列。而后，对于拍摄的图像中的人脸区域的每一个像素，该移动设备301将图像序列中的、该像素最清晰的图像确定为该像素的目标图像，确定该摄像头拍摄该目标图像时的焦距，并基于该焦距确定该像素对应的该目标对象的实体部位与该摄像头的距离。最后，该移动设备基于人脸区域中的各个像素对应的实体部位与该摄像头的距离，确定该目标对象是否为活体。
[0055] 本申请的上述实施例提供的方法，通过连续调节摄像头的焦距对目标对象进行拍摄，以生成图像序列对，而后对于图像中的人脸区域的每一个像素，将图像序列中的、该像素最清晰的图像确定为该像素的目标图像，确定该摄像头拍摄该目标图像时的焦距，并基于该焦距确定该像素对应的该目标对象的实体部位与该摄像头的距离，最后基于人脸区域中的各个像素对应的实体部位与该摄像头的距离，确定该目标对象是否为活体，从而仅使用一个可调节焦距的摄像头采集图像即可，不需要利用多个摄像头采集图像，提高了人脸活体检测的灵活性。
[0056] 进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种检测装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种移动设备中，上述移动设备可以安装有可调节焦距的摄像头。
[0057] 如图4所示，本实施例所述的检测装置400包括：拍摄单元401，配置用于连续调节上述摄像头的焦距对目标对象进行拍摄，生成图像序列；第一确定单元402，配置用于对于所拍摄的图像中的人脸区域的每一个像素，将上述图像序列中的、该像素最清晰的图像确定为该像素的目标图像，确定上述摄像头拍摄上述目标图像时的焦距，并基于上述焦距确定该像素对应的上述目标对象的实体部位与上述摄像头的距离；第二确定单元403，配置用于基于人脸区域中的各个像素对应的实体部位与上述摄像头的距离，确定上述目标对象是否为活体。
[0058] 在本实施例的一些可选的实现方式中，上述检测装置400还可以包括第三确定单元(图中未示出)。其中，上述第三确定单元可以配置用于提取上述图像序列中的任一图像，对所提取的图像进行人脸检测，确定人脸区域的在所提取的图像中的位置，将上述位置确定为上述图像序列中的各个图像中的人脸区域的位置。
[0059] 在本实施例的一些可选的实现方式中，上述第二确定单元403可以包括第一生成模块和第一输入模块(图中未示出)。其中，上述第一生成模块可以配置用于基于人脸区域中的各个像素对应的实体部位与上述摄像头的距离，生成人脸深度图。上述第一输入模块可以配置用于将上述人脸深度图输入至预先训练的活体检测模型，得到活体检测结果，其中，上述活体检测模型用于检测人脸深度图所涉及的人脸是否为活体的人脸。
[0060] 在本实施例的一些可选的实现方式中，上述第二确定单元403可以进一步配置用于响应于确定人脸区域中的各个像素对应的实体部位与上述摄像头的距离一致，确定上述目标对象不为活体。
[0061] 在本实施例的一些可选的实现方式中，上述第二确定单元403可以进一步配置用于响应于确定人脸区域中的像素对应的实体部位与上述摄像头的距离不一致，确定上述目标对象为活体。
[0062] 在本实施例的一些可选的实现方式中，上述第二确定单元403可以包括第二生成模块和第二输入模块(图中未示出)。其中，上述第二生成模块可以配置用于响应于确定人脸区域中的像素对应的实体部位与上述摄像头的距离不一致，基于人脸区域中的各个像素对应的实体部位与上述摄像头的距离，生成人脸深度图。上述第二输入模块可以配置用于将上述人脸深度图输入至预先训练的活体检测模型，得到活体检测结果，其中，上述活体检测模型用于检测人脸深度图所涉及的人脸是否为活体的人脸。
[0063] 本申请的上述实施例提供的装置，通过拍摄单元401连续调节摄像头的焦距对目标对象进行拍摄，以生成图像序列对，而后第一确定单元402对于图像中的人脸区域的每一个像素，将图像序列中的、该像素最清晰的图像确定为该像素的目标图像，确定该摄像头拍摄该目标图像时的焦距，并基于该焦距确定该像素对应的该目标对象的实体部位与该摄像头的距离，最后第二确定单元403基于人脸区域中的各个像素对应的实体部位与该摄像头的距离，确定该目标对象是否为活体，从而仅使用一个可调节焦距的摄像头采集图像即可，不需要利用多个摄像头采集图像，提高了人脸活体检测的灵活性。
[0064] 下面参考图5，其示出了适于用来实现本申请实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
[0065] 如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
[0066] 以下部件连接至I/O接口505：包括触摸屏、触摸板等的输入部分506；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
[0067] 特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。
计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
[0068] 附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0069] 描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括拍摄单元、第一确定单元和第二确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，拍摄单元还可以被描述为“连续调节所述摄像头的焦距对目标对象进行拍摄的单元”。
[0070] 作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：连续调节摄像头的焦距对目标对象进行拍摄，生成图像序列；对于所拍摄的图像中的人脸区域的每一个像素，将该图像序列中的、该像素最清晰的图像确定为该像素的目标图像，确定该摄像头拍摄该目标图像时的焦距，并基于该焦距确定该像素对应的该目标对象的实体部位与该摄像头的距离；基于人脸区域中的各个像素对应的实体部位与该摄像头的距离，确定该目标对象是否为活体。
[0071] 以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种双目或多目摄像头曝光方法、系统和存储介质 | 2020-05-08 | 433 |
| 自助实时音视频远程面签方法、系统、装置及可存储介质 | 2020-05-12 | 875 |
| 生物特征活体检测方法及系统 | 2020-05-15 | 533 |
| 电子装置的控制方法、电子装置和计算机可读存储介质 | 2020-05-16 | 690 |
| 一种基于微表情识别和无感人脸识别的静默活体检测方法 | 2020-05-08 | 136 |
| 一种人脸识别的方法 | 2020-05-14 | 968 |
| 一种基于颜色变化的活体检测方法 | 2020-05-15 | 102 |
| 基于智能手机监测呼吸、步伐及定位人员信息的采集识别 | 2020-05-08 | 775 |
| 用户注册、认证方法及装置 | 2020-05-15 | 726 |
| 一种人脸图像活体检测方法及系统 | 2020-05-17 | 342 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
人脸活体检测热门专利
QQ群二维码
意见反馈
意见反馈