活体检测方法、装置、设备及存储介质与流程

技术特征：
1.一种活体检测方法，其特征在于，所述方法包括：获取活体检测的实时视频流，从所述视频流中定位至少一个人脸图像；检测每个所述人脸图像中人脸区域在图像内的比例，并在侦测到任何一个所述比例发生变化时，触发活体检测；利用深度卷积神经网络提取所述不同比例的人脸图像的空间特征，其中，所述空间特征包括浅层空间特征及高层空间特征；获取所述不同比例的人脸图像的光流图，并对所述高层空间特征进行反卷积操作，汇集所述高层空间特征、所述反卷积操作后的高层空间特征、所述浅层空间特征及所述光流图，得到时序特征；利用预训练完成的分类模型对所述时序特征进行分类，得到活体检测结果。2.如权利要求1所述的活体检测方法，其特征在于，所述从所述视频流中定位至少一个人脸图像，包括：将所述视频流转换为按时间排序的视频帧序列；利用预设的人脸识别模型对所述视频帧序列进行人脸识别，得到至少一个人脸图像。3.如权利要求1所述的活体检测方法，其特征在于，所述检测每个所述人脸图像中人脸区域在图像内的比例，包括：将所述人脸图像输入到预设的人脸检测模型，得到所述人脸图像对应的人脸检测框；计算所述人脸检测框中的像素点数量，得到人脸像素点数量，以及计算所述人脸图像中的像素点数量，得到整体像素点数量；计算所述人脸像素点数量与所述真题像素点数量的比值，得到所述人脸图像中人脸区域在图像内的比例。4.如权利要求1所述的活体检测方法，其特征在于，所述利用深度卷积神经网络提取所述不同比例的人脸图像的空间特征，包括：利用所述深度卷积神经网络中的的浅层卷积层对所述标准化图像集进行卷积操作，得到卷积图像集；对所述卷积图像集记性全局池化处理，得到所述人脸图像的浅层空间特征；利用所述深度卷积神经网络的多层卷积层提取所述浅层空间特征中的特征信息，并对所述特征信息进行残差连接；将所述残差连接后的特征信息输入各个卷积层中，得到所述各个卷积层的特征，并对最后一个卷积层的特征进行全局池化操作，得到所述人脸图像的高层空间特征。5.如权利要求1所述的活体检测方法，其特征在于，所述获取所述不同比例的人脸图像的光流图，包括：将所述不同比例的人脸图像输入到预设的神经光流网络，其中，所述神经光流网络包括卷积神经网络及反卷积神经网络；利用所述卷积神经网络对所述不同比例的人脸图像进行卷积操作，得到所述卷积神经网络中各个卷积层的光流特征图；利用预设的激活函数计算所述各个卷积层的光流特征图中每个元素的预测值，得到各个所述卷积层的预测光流图；将所述光流特征图及所述预测光流图输入至所述反卷积神经网络中，利用所述反卷积
神经网络对所述光流特征图及所述预测光流图进行上采样，得到所述不同比例的人脸图像的光流图。6.如权利要求1所述的活体检测方法，其特征在于，所述对所述高层空间特征进行反卷积操作，包括：获取所述深度卷积神经网络中卷积核的参数信息，其中，所述参数信息包括卷积核的滑动步长及所述卷积核的尺寸信息；根据所述滑动步长及所述尺寸信息将所述卷积核拆分成多个子卷积核；利用所述多个子卷积核对所述高层空间特征进行反卷积操作，得到反卷积操作后的高层空间特征。7.如权利要求1所述的活体检测方法，其特征在于，所述利用预训练完成的分类模型对所述空间特征及所述时序特征进行分类之前，所述方法还包括：获取预构建的活体人脸图像集及作弊人脸图像集，得到人脸图像集；提取所述人脸图像集的时序特征，得到特征集；将所述特征集输入到预构建的分类模型中，得到分类结果；利用预设的损失函数计算所述分类结果与真实结果之间的损失函数值；在所述损失函数值大于或等于预设阈值时，调整所述分类模型中的参数，并返回上述将所述特征集输入到预构建的分类模型中，得到分类结果的步骤；在所述损失值小于预设阈值时，确定所述分类模型训练完成。8.一种活体检测装置，其特征在于，所述装置包括：人脸图像定位模块，用于获取活体检测的实时视频流，从所述视频流中定位至少一个人脸图像；人脸区域比例计算模块，用于检测每个所述人脸图像中人脸区域在图像内的比例，并在侦测到任何一个所述比例发生变化时，触发活体检测；空间特征提取模块，用于利用深度卷积神经网络提取所述不同比例的人脸图像的空间特征，其中，所述空间特征包括浅层空间特征及高层空间特征；时序特征获取模块，用于获取所述不同比例的人脸图像的光流图，并对所述高层空间特征进行反卷积操作，汇集高层空间特征、所述反卷积操作后的高层空间特征、所述浅层空间特征及所述光流图，得到时序特征；活体检测模块，用于利用预训练完成的分类模型对所述时序特征进行分类，得到活体检测结果。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的活体检测方法。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的活体检测方法。

技术总结
本发明涉及人工智能技术，揭露了一种活体检测方法，包括：获取活体检测的实时视频流，从视频流中定位至少一个人脸图像；检测每个人脸图像中人脸区域在图像内的比例，并在侦测到任何一个比例发生变化时，触发活体检测；提取不同比例的人脸图像的浅层空间特征及高层空间特征；获取人脸图像的光流图，并对高层空间特征进行反卷积，汇集反卷积后的高层空间特征、浅层空间特征及光流图，得到时序特征；利用预训练完成的分类模型对所述时序特征进行分类，得到活体检测结果。此外本发明还提出一种活体检测装置、电子设备以及存储介质。本发明可以提高活体检测的精确度。提高活体检测的精确度。提高活体检测的精确度。


技术研发人员：朱禹萌 陆进 刘玉宇
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2022.02.21
技术公布日：2022/5/17