[发明专利]基于深度学习的活体检测方法、装置及存储介质

权利要求书

1.一种基于深度学习的活体检测方法，其特征在于，包括：

获取与待识别对象相关的视频，其中所述视频中包含所述待识别对象的嘴部区域图像，其中所述视频是通过在所述待识别对象读取第一文本信息的过程中对所述待识别对象进行拍摄而获得的视频；

利用基于深度学习训练的识别模型，生成与所述嘴部区域图像对应的唇语信息；以及

根据所述唇语信息以及所述第一文本信息，判定所述待识别对象是否为活体。

2.根据权利要求1所述的方法，其特征在于，所述识别模型包括基于图像特征提取的特征提取模型、残差网络模型和基于自然语言处理的转换模型，并且利用所述识别模型，生成与所述嘴部区域图像对应的唇语信息的操作，包括：

利用所述特征提取模型，生成与所述嘴部区域图像对应的第一特征序列；

利用所述残差网络模型，对所述第一特征序列进行特征提取，生成第二特征序列；以及

利用所述转换模型，根据所述第二特征序列生成所述唇语信息。

3.根据权利要求1所述的方法，其特征在于，根据所述唇语信息以及所述第一文本信息，判定所述待识别对象是否为活体的操作，包括：

将所述唇语信息与所述第一文本信息进行匹配；以及

根据所述匹配的结果，判定所述待识别对象是否为活体。

4.根据权利要求3所述的方法，其特征在于，将所述唇语信息与所述第一文本信息进行匹配的操作，包括：

获取与所述第一文本信息对应的文本编码信息；以及

将所述唇语信息与所述文本编码信息进行匹配。

5.根据权利要求3所述的方法，其特征在于，将所述唇语信息与所述第一文本信息进行匹配的操作，包括：

将所述唇语信息转换为相应的第二文本信息；以及

将所述第二文本信息与所述第一文本信息进行匹配。

6.根据权利要求2所述的方法，其特征在于，利用所述特征提取模型，生成与所述嘴部区域图像对应的第一特征序列的操作，包括：利用3D卷积神经网络模型，生成与所述嘴部区域图像对应的第一特征序列。

7.根据权利要求2所述的方法，其特征在于，利用所述转换模型，根据所述第二特征序列生成所述唇语信息的操作，包括：利用转换器模型，根据所述第二特征序列生成所述唇语信息。

8.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行权利要求1至7中任意一项所述的方法。

9.一种基于深度学习的活体检测装置，其特征在于，包括：

获取模块，用于获取与待识别对象相关的视频，其中所述视频中包含所述待识别对象的嘴部区域图像，其中所述视频是通过在所述待识别对象读取第一文本信息的过程中对所述待识别对象进行拍摄而获得的视频；

识别模块，用于利用基于深度学习训练的识别模型，对所述嘴部区域图像进行识别，并生成唇语信息；以及

判定模块，用于根据所述唇语信息以及所述第一文本信息，判定所述待识别对象是否为活体。

10.一种基于深度学习的活体检测装置，其特征在于，包括：

处理器；以及

存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：

获取与待识别对象相关的视频，其中所述视频中包含所述待识别对象的嘴部区域图像，其中所述视频是通过在所述待识别对象读取第一文本信息的过程中对所述待识别对象进行拍摄而获得的视频；

利用基于深度学习训练的识别模型，对所述嘴部区域图像进行识别，并生成唇语信息；以及

根据所述唇语信息以及所述第一文本信息，判定所述待识别对象是否为活体。