[发明专利]人脸活体检测方法、装置、设备及介质

说明书

本公开提供一种人脸活体检测方法、装置、设备及介质，可以应用于人工智能技术领域。该方法包括：在戴口罩用户于预设时间范围进行张嘴动作时，得到待检测人脸视频流；将待检测人脸视频流以前后连续两帧图像为一组，形成包含多组图像的投票队列；计算每组图像中的下颚特征点与瞳孔特征点之间距离的差值，判断距离的差值是否大于预设距离阈值，如果是，则更新该组图像的投票权重为第一权重；计算每组图像中前一帧图像与后一帧图像的口罩特征点数量的差值，判断数量的差值是否不小于预设数量阈值，如果是，则更新该组图像的投票权重为第二权重；根据多组图像的投票权重，对投票队列进行活体投票判断，输出待检测人脸视频流的活体检测结果。

技术领域

本公开涉及人工智能技术领域，更具体地涉及一种人脸活体检测方法、装置、设备及介质。

背景技术

人脸识别目前已广泛应用于金融、社会服务、电子商务等领域。然而，人脸很容易用视频或照片等进行复制，活体检测是人脸识别是否有效应用的前提。

通常，人脸活体检测分为四种检测模式：点头、摇头、张嘴和眨眼。尤其是在公共场合，为了阻隔病毒的传播，基本都会要求戴口罩以遮掩口鼻。佩戴口罩并不会影响点头、摇头以及眨眼的人脸活体检测，但是口罩遮挡了面部的大部分特征，导致无法准确获取嘴部关键点，从而使人脸活体检测的准确率无法得到保证。

发明内容

有鉴于此，本公开提供了一种人脸活体检测方法、装置、设备及介质，以解决现有技术中在佩戴口罩情况下张嘴活体检测的识别准确率不高的技术问题。

本公开的一个方面提供了一种人脸活体检测方法，包括：在戴口罩用户于预设时间范围进行张嘴动作时，对用户的人脸图像进行跟踪采集，得到待检测人脸视频流；将待检测人脸视频流的每帧人脸图像作为输入，通过面部特征检测方法，标记每帧人脸图像中的下颚特征点和瞳孔特征点的坐标，记录每帧人脸图像中的口罩特征点的数量；将待检测人脸视频流以前后连续两帧图像为一组，形成包含多组图像的投票队列，将每组图像的投票权重初始化为0；计算每组图像中的下颚特征点与瞳孔特征点之间距离的差值，判断距离的差值是否大于预设距离阈值，如果是，则更新该组图像的投票权重为第一权重；计算每组图像中前一帧图像与后一帧图像的口罩特征点数量的差值，判断数量的差值是否不小于预设数量阈值，如果是，则更新该组图像的投票权重为第二权重；根据多组图像的投票权重，对投票队列进行活体投票判断，输出待检测人脸视频流的活体检测结果。

根据本公开的实施例，预设时间范围为2-10s。

根据本公开的实施例，每帧人脸图像中的口罩特征点包括：口罩外边缘点和口罩中部折痕点。

根据本公开的实施例，第一权重随着预设距离阈值的增大而增大；第二权重随着预设数量阈值的增大而增大。

根据本公开的实施例，下颚特征点和瞳孔特征点的横向坐标相同，瞳孔特征点的坐标为人脸左瞳孔特征点与右瞳孔特征点的中间位置的坐标。

根据本公开的实施例，每组图像中的下颚特征点与瞳孔特征点之间距离的差值通过以下公式计算得出：

Δ_d＝|(y₁₂-y₁₁)-(y₂₂-y₂₁)|

其中，Δ_d表示每组图像中的下颚特征点与瞳孔特征点之间距离的差值； y₁₁表示每组图像中前一帧图像中的下颚特征点的纵坐标；y₁₂表示每组图像中前一帧图像中的瞳孔特征点的纵坐标；y₂₁表示每组图像中后一帧图像中的下颚特征点的纵坐标；y₂₂表示每组图像中后一帧图像中的瞳孔特征点的纵坐标。