[发明专利]活体检测方法及装置和电子设备

说明书

本说明书实施例提供一种活体检测方法及装置和电子设备，所述方法包括：提取待检测的多帧人脸图像的空间特征和时间特征；将所述空间特征和时间特征输入到第一卷积神经网络模型，获取所述第一卷积神经网络中全局池化层输出的低维空间特征和低维时间特征；将所述多帧人脸图像输入到第二卷积神经网络模型，获取所述第二卷积神经网络中全连接层输出的生物运动特征；根据所述低维空间特征、低维时间特征和生物运动特征，计算所述多帧人脸图像的活体检测结果。

技术领域

本说明书实施例涉及互联网技术领域，尤其涉及一种活体检测方法及装置和电子设备。

背景技术

随着生物识别技术不断发展，尤其是人脸识别技术得到了广泛的应用；大大简化了支付、门禁、安检等身份认证场景的流程。

然而，人脸识别系统容易受到例如人脸照片、人脸视频等手段的攻击。这些攻击被称为活体攻击，而检测活体攻击的技术被称为活体检测技术。

发明内容

本说明书实施例提供的一种活体检测方法及装置和电子设备：

根据本说明书实施例的第一方面，提供一种活体检测方法，所述方法包括：

提取待检测的多帧人脸图像的空间特征和时间特征；

将所述空间特征和时间特征输入到第一卷积神经网络模型，获取所述第一卷积神经网络中全局池化层输出的低维空间特征和低维时间特征；

将所述多帧人脸图像输入到第二卷积神经网络模型，获取所述第二卷积神经网络中全连接层输出的每一帧人脸图像的生物运动特征；

根据所述低维空间特征、低维时间特征和生物运动特征，计算所述多帧人脸图像的活体检测结果。

可选的，所述空间特征包括局部二值模式特征；

所述提取待检测的多帧人脸图像的时间特征,具体包括:

针对待检测的多帧人脸图像中的每一帧人脸图像，分别在3*3邻域、5*5邻域和7*7邻域提取局部二值模式特征；

合并每一帧人脸图像在3*3邻域、5*5邻域和7*7邻域提取到的局部二值模式特征，得到每一帧人脸图像对应三通道的局部二值模式特征。

可选的，所述时间特征包括光流特征；

所述提取待检测的多帧人脸图像的空间特征，具体包括：

提取待检测的多帧人脸图像中各间隔3帧的两帧人脸图像的光流特征。

可选的，在所述将所述空间特征和时间特征输入到第一卷积神经网络之前，还包括：

对所述多帧人脸图像和空间特征做主成分分析，得到主成分人脸图像和主成分空间特征；

将所述主成分人脸图像、主成分空间特征和时间特征在通道维度进行融合，得到第一融合特征；

所述将所述空间特征和时间特征输入到第一卷积神经网络，包括：

将所述第一融合特征输入到第一卷积神经网络，获取所述第一卷积神经网络中全局池化层输出的低维空间特征和低维时间特征。

可选的，所述每一帧人脸图像的生物运动特征由每一帧人脸图像中若干人脸关键点构成；

在所述将所述多帧人脸图像输入到第二卷积神经网络模型，获取所述第二卷积神经网络中全连接层输出的每一帧人脸图像的生物运动特征之后，还包括：

依次将所述每一帧人脸图像的人脸关键点的集合输入到长短时记忆模型，获取所述长短时记忆模型输出优化的人脸关键点；

将所述优化的人脸关键点作为生物运动特征。