[发明专利]基于深度学习的活体检测方法、装置及存储介质

说明书

本申请公开了一种基于深度学习的活体检测方法、装置及存储介质。其中，该方法，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。达到了整个基于深度学习的唇语活体检测方法的具有较强的泛化能力、流程简单可靠以及识别准确率高的技术效果。

技术领域

本申请涉及信息识别领域，特别是涉及一种基于深度学习的活体检测方法、装置及存储介质。

背景技术

活体检测是在一些身份验证场景确定对象真实生理特征的方法，在人脸识别应用中，活体检测能通过眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体本人操作。可有效抵御照片、换脸、面具、遮挡以及屏幕翻拍等常见的攻击手段，从而帮助用户甄别欺诈行为，保障用户的利益。当前使用嘴部信息进行活体检测的方法主要是有两个方法：

一方法是从待测人脸视频中抽取若干视频帧，获取从待测人脸视频中抽取的每一所述视频帧的嘴部的若干关键点位置，通过所述嘴部的若干关键点位置获取每一抽取的所述视频帧的嘴部的嘴部长度和嘴部宽度，并通过计算所述嘴部长度和所述嘴部宽度的比值获取对应的所述视频帧的嘴部数值，基于每一抽取的所述视频帧的所述嘴部数值判断所述待测人脸视频的嘴部运动的情况。

另一方法是采集待识别的用户在读取验证内容时的视频信息，根据所述视频信息获取所述用户的嘴部特征信息，判断所述用户的嘴部特征信息与唇语库中所述验证内容对应的参考唇语特征序列是否相匹配，若匹配，则将所述待识别的用户确认为活体。

上述第一个方法的泛化能力不好，稍微侧脸就能影响活体检测结果，第二方法的缺点就是必须先让用户将自己的特定的嘴部信息录入数据库，具体实施繁琐难度较大。

针对上述的现有技术中存在的现有的活体检测方法存在泛化能力差以及具体实施繁琐难度较大的技术问题，目前尚未提出有效的解决方案。

发明内容

本公开的实施例提供了一种基于深度学习的活体检测方法、装置及存储介质，以至少解决现有技术中存在的现有的活体检测方法存在泛化能力差以及具体实施繁琐难度较大的技术问题。

根据本公开实施例的一个方面，提供了一种基于深度学习的活体检测方法，包括：获取与待识别对象相关的视频，其中视频中包含待识别对象的嘴部区域图像，其中视频是通过在待识别对象读取第一文本信息的过程中对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，生成与嘴部区域图像对应的唇语信息；以及根据唇语信息以及第一文本信息，判定待识别对象是否为活体。

根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上所述的方法。

根据本公开实施例的另一个方面，还提供了一种基于深度学习的活体检测装置，包括：获取模块，用于获取与待识别对象相关的视频，其中视频中包含待识别对象的嘴部区域图像，其中视频是通过在待识别对象读取第一文本信息的过程中对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，生成与嘴部区域图像对应的唇语信息；以及判定模块，用于根据唇语信息以及第一文本信息，判定待识别对象是否为活体。

根据本公开实施例的另一个方面，还提供了一种基于深度学习的唇语活体检测装置，包括：处理器；以及存储器，与处理器连接，用于为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，其中视频中包含待识别对象的嘴部区域图像，其中视频是通过在待识别对象读取第一文本信息的过程中对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，生成与嘴部区域图像对应的唇语信息；以及根据唇语信息以及第一文本信息，判定待识别对象是否为活体。