一种基于人脸特征点的张嘴识别活体的方法及装置与流程

1.本技术涉及活体识别技术领域，尤其涉及一种基于人脸特征点的张嘴识别活体的方法及装置。


背景技术：

2.随着科技的发展，互联网的应用范围越来越广泛。
3.在互联网时代，用户的个人信息与个人隐私更容易被窃取，因此，针对用户个人信息的保护力度也有所增强。在信息保护的过程中，可通过身份认证的方式，限制用户对信息的查看等权限。
4.目前，在进行身份认证时，可采用人脸识别技术，通过生物体本身的生物特征，即人脸特征，来区分生物体个体，以此实现对用户的身份认证。
5.但是，人脸极易用照片、视频等方式进行复制，不法者通过虚假人脸进行人脸识别，会影响人脸识别的准确性，进而对用户的信息安全、财产安全等造成重大损失。


技术实现要素：

6.本技术实施例提供一种基于人脸特征点的张嘴识别活体的方法及装置，用以解决人脸识别的准确性受虚假人脸影响，会导致用户的信息安全受损的问题。
7.本技术实施例提供的一种基于人脸特征点的张嘴识别活体的方法，包括：
8.采用人脸特征点检测算法，确定待检测的人脸对应的嘴巴特征点；
9.对预设时间段内所述嘴巴特征点的位置变化进行记录，计算得到相应的变化规律；
10.判断所述变化规律是否符合预设的判断规则，并确定所述人脸是否为活体。
11.在一个示例中，所述方法还包括：向用户发送提示信息，使用户根据所述提示信息做出相应的嘴部模仿动作；采集所述嘴部模仿动作，确定与预存的标准动作是否匹配。
12.在一个示例中，所述方法还包括：向用户发送提示信息，并采集用户根据所述提示信息发出的音频；对采集到的音频进行语音识别，并确定语音识别结果与所述提示信息是否匹配。
13.在一个示例中，对预设时间段内所述嘴巴特征点的位置变化进行记录，计算得到相应的变化规律，包括：确定预设时间段内采集到的视频的每一帧画面，并对所述每一帧画面中的嘴巴特征点的位置变化进行记录；根据记录的所述嘴巴特征点的位置变化，确定所述嘴巴特征点的变化值；根据所述嘴巴特征点的变化值，计算得到所述嘴巴特征点的变化规律。
14.在一个示例中，根据记录的所述嘴巴特征点的位置变化，确定所述嘴巴特征点的变化值，包括：根据确定所述嘴巴特征点的变化值；其中，div表示变化值，m[0]表示嘴巴左侧的特征点的位置，m[1]表示嘴巴右侧的特征点的位置，m[2]表示嘴巴
上侧的特征点的位置，m[3]表示嘴巴下侧的特征点的位置。
[0015]
在一个示例中，根据所述嘴巴特征点的变化值，计算得到所述嘴巴特征点的变化规律，包括：对所述预设时间段内所述嘴巴特征点的所有变化值进行0/1化处理，得到结果数组；根据得到的结果数组，确定所述嘴巴特征点的变化规律。
[0016]
在一个示例中，对所述预设时间段内所述嘴巴特征点的所有变化值进行0/1化处理，得到结果数组，包括：确定所述预设时间段内，所述嘴巴特征点的变化值对应的平均值；根据所述平均值，对所述嘴巴特征点的变化值进行0/1化处理，得到结果数组。
[0017]
在一个示例中，确定所述预设时间段内，所述嘴巴特征点的变化值对应的平均值，包括：根据所述预设时间内，所述嘴巴特征点的变化值中的最大值与最小值，确定对应的平均值。
[0018]
在一个示例中，所述预设的判断规则包括：确定所述结果数组中出现连续k个0且连续k个1时，或者出现连续k个1且连续k个0时，所述人脸为活体；其中，k为预设数值。
[0019]
本技术实施例提供的一种基于人脸特征点的张嘴识别活体的装置，包括：
[0020]
确定模块，采用人脸特征点检测算法，确定待检测的人脸对应的嘴巴特征点；
[0021]
计算模块，对预设时间段内所述嘴巴特征点的位置变化进行记录，计算得到相应的变化规律；
[0022]
判断模块，判断所述变化规律是否符合预设的判断规则，并确定所述人脸是否为活体。
[0023]
本技术实施例提供一种基于人脸特征点的张嘴识别活体的方法及装置，至少包括以下有益效果：
[0024]
终端通过确定双眼特征点的变化规律，可判断得出待检测的人脸是否张嘴，并以此确定待检测的人脸是否为活体。通过这种方法，可直接有效的判断出待检测的人脸是否为活体，确保身份认证的真实性，提高身份认证的准确率，防止不法者利用虚假人脸扰乱身份验证的正常秩序
附图说明
[0025]
此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
[0026]
图1为本技术实施例提供的基于人脸特征点的张嘴识别活体的方法流程图；
[0027]
图2为本技术实施例提供的人脸特征点示意图；
[0028]
图3为本技术实施例提供的基于人脸特征点的张嘴识别活体的装置结构示意图。
具体实施方式
[0029]
为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0030]
图1为本技术实施例提供的基于人脸特征点的张嘴识别活体的方法流程图，具体包括以下步骤：
[0031]
s101：采用人脸特征点检测算法，确定待检测的人脸对应的嘴巴特征点。
[0032]
在本技术实施例中，终端可采用人脸特征点检测算法，对待检测的用户的人脸进行检测，确定待检测的人脸中相应的嘴巴特征点。其中，待检测的人脸表示正在进行身份认证的人脸，终端表示用于进行身份认证的设备，如手机、考勤设备等。
[0033]
如图2所示，图中带有标号的若干圆点，均表示经过检测得到的该人脸中对应的若干人脸特征点。
[0034]
在一个实施例中，终端可采用人脸关键点检测(a practical facial landmark detector，pfld)算法，确定待检测的人脸中的人脸特征点。该算法能够准确的检测到各人脸特征点的位置，并实现对人脸特征点的位置变化的良好监测。
[0035]
需要说明的是，终端也可采用其他能够对人脸特征点进行检测的算法，例如主动形状模型算法(active shape model，asm)，级联深度神经网络算法(deep alignment network，dan)等，对人脸特征点进行检测，本技术对此不做限定。
[0036]
s102：对预设时间段内嘴巴特征点的位置变化进行记录，计算得到相应的变化规律。
[0037]
在本技术实施例中，终端可在预设时间段内，对嘴巴特征点的位置变化情况进行监测与记录，并通过计算得到嘴巴特征点的变化规律，以便根据得到的变化规律进行活体识别。其中，预设时间段的长短可根据需要设置，如5秒、10秒等，本技术对此不做限定。
[0038]
具体的，根据嘴巴特征点的位置变化，计算嘴巴特征点的变化规律的步骤可包括以下几步：
[0039]
第一，终端可确定预设时间段内通过摄像头捕捉到的视频，并根据视频中的每一帧画面，确定每一帧中各嘴巴特征点的位置。由此，终端可确定各嘴巴特征点的位置变化情况。
[0040]
在本技术实施例中，以四个嘴巴特征点为例进行说明。这四个嘴巴特征点可以分别为嘴巴左侧的特征点、嘴巴右侧的特征点、嘴巴上侧的特征点与嘴巴下侧的特征点。
[0041]
以图2为例，这四个嘴巴特征点分别对应图2中标号为76、82、79、85的特征点。
[0042]
第二，针对每一帧，终端可根据各嘴巴特征点的位置变化，确定嘴巴特征点在该帧对应的变化值。于是，终端可得到与预设时间段内每一帧相对应的嘴巴特征点的变化值。
[0043]
具体的，针对每一帧，终端可根据确定嘴巴特征点的变化值。其中，div表示与相应帧相对应的嘴巴特征点的变化值，m[0]表示嘴巴左侧的特征点的位置，m[1]表示嘴巴右侧的特征点的位置，m[2]表示嘴巴上侧的特征点的位置，m[3]表示嘴巴下侧的特征点的位置。
[0044]
并且，|m[3]-m[2]|可表示嘴巴上侧与下侧之间的距离，也就是嘴巴睁开的程度，|m[0]-m[1]|可表示嘴巴左侧与右侧之间的距离。
[0045]
第三，终端可根据嘴巴特征点对应每一帧的变化值，确定嘴巴特征点的变化规律。
[0046]
具体的，终端可根据嘴巴特征点在预设时间段内每一帧的变化值，对这些变化值进行0/1化处理，得到相应的结果数组。之后，终端可根据得到的结果数组，确定嘴巴特征点的变化规律。
[0047]
其中，对嘴巴特征点的变化值进行0/1化处理的步骤包括：
[0048]
首先，终端可确定嘴巴特征点针对预设时间段内的每一帧对应的所有变化值，并根据所有变化值确定相应的平均值。
[0049]
在一种可能的实现方式中，终端可根据预设时间段内的所有变化值，计算其平均值，作为所有变化值对应的平均值。
[0050]
在另一种可能的实现方式中，终端可从预设时间段对应的所有变化值中，确定出最大值与最小值。终端可计算最大值与最小值的平均值，并将得到的平均值，作为预设时间段内的所有变化值对应的平均值。
[0051]
其次，终端可根据得到的平均值，对嘴巴特征点在预设时间段内对应的所有变化值进行0/1化处理，得到结果数组。
[0052]
在一种可能的实现方式中，终端可根据平均值，确定将大于或等于平均值的变化值转换为1，将小于平均值的变化值转换为0。由此，终端可通过0/1化处理，将嘴巴特征点在预设时间段内对应的所有变化值均转换为0或1，形成只包括0与1的结果数组。
[0053]
于是，终端可根据结果数组中的0的数量、1的数量、0与1的排列顺序等特点，确定嘴巴特征点的变化规律。
[0054]
s103：判断变化规律是否符合预设的判断规则，并确定人脸是否为活体。
[0055]
在本技术实施例中，终端可根据预设的判断规则，对双眼特征点的变化规律进行判断，确定嘴巴的变化规律是否预设该判断规则，从而确定待检测的人脸是否为活体。
[0056]
具体的，预设的判断规则可包括：确定结果数组中出现连续k个0且连续k个1时，或者出现连续k个1且连续k个0时，确定待检测的人脸存在张嘴现象，并确定待检测的人脸为活体。其中，k为预设数值，可根据需要设置，本技术对此不做限定。
[0057]
其中，连续k各1表示嘴巴的上下两侧处于相对远离的状态，连续k个0表示嘴巴的上下两侧处于相对接近的状态。因此，连续k个1与连续k个0的结合，可确定嘴巴正在打开与闭合状态之间切换。
[0058]
在本技术实施例中，终端通过确定嘴巴特征点的变化规律，可判断得出待检测的人脸是否张嘴，并以此确定待检测的人脸是否为活体。通过这种方法，可直接有效的判断出待检测的人脸是否为活体，确保身份认证的真实性，提高身份认证的准确率，防止不法者利用虚假人脸扰乱身份验证的正常秩序。
[0059]
并且，通过终端直接执行对待检测的人脸进行人脸特征点识别、确定嘴巴特征点的变化规律等操作，无需额外与服务器进行数据传输，可提高活体识别的时效性，避免数据延迟。
[0060]
另外，需要说明的是，实现基于人脸特征点的张嘴识别活体的方法的主体不仅仅是终端，也可以是服务器，本技术对此不做限定。
[0061]
在一个实施例中，终端还可向用户发送提示信息，提示用户根据提示信息中的指示，做出相应的嘴部模仿动作。其中，提示信息可包括动作提示、文字提示等，如微笑、读特定的文字等。
[0062]
于是，终端可采集用户做出的嘴部模仿动作，将采集到的嘴部模仿动作与预存的标准动作进行匹配，确定两者是否匹配一致。若匹配一致，表示验证通过，待检测的人脸为活体。若匹配不一致，表示验证不通过，待检测的人脸可能不是活体。
[0063]
在一个实施例中，终端还可向用户发送提示信息，提示用户将提示信息中的文字
朗读出来。于是，终端可采集用户根据提示信息所发出的音频，并对采集到的音频进行语音识别。
[0064]
终端可根据语音识别结果，确定语音识别结果与提示信息是否匹配一致。若两者相匹配，表示验证通过，待检测的人脸为活体。若匹配不一致，表示验证不通过，待检测的人脸可能不是活体。
[0065]
通过向用户提出嘴巴模仿动作、语音等要求，可通过随机的验证方式，对待检测的人脸进行实时的验证，提高活体识别的准确性。
[0066]
以上为本技术实施例提供的基于人脸特征点的张嘴识别活体的方法，基于同样的发明思路，本技术实施例还提供了相应的基于人脸特征点的张嘴识别活体的装置，如图3所示。
[0067]
图3为本技术实施例提供的基于人脸特征点的张嘴识别活体的装置结构示意图，具体包括：
[0068]
确定模块301，采用人脸特征点检测算法，确定待检测的人脸对应的嘴巴特征点；
[0069]
计算模块302，对预设时间段内所述嘴巴特征点的位置变化进行记录，计算得到相应的变化规律；
[0070]
判断模块303，判断所述变化规律是否符合预设的判断规则，并确定所述人脸是否为活体。
[0071]
以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。