一种用于人脸识别系统的活体检测辅助方法及装置与流程

1.本发明涉及计算机技术领域，尤其是涉及一种用于人脸识别系统的活体检测辅助方法及装置。


背景技术：

2.在实时人脸识别过程中，需要谨防使用假人脸进行人脸识别，因此需要在进行人脸识别之前进行活体检测。
3.现有很多活体检测算法是基于单帧图像。其具体做法是，首先对图片进行人脸检测后裁剪下人脸区域，然后将人脸区域输入到活体检测模型中从而得到结果。由于单帧图像识别的结果往往无法有非常高的准确度，当攻击者在现场长时间不断地进行活体攻击，就有一定概率在某个时刻会突破检测，时间越长，突破的概率越高。
4.因此，针对攻击者长时间攻击的情况，急需提出一个新的方法来解决长时间攻击的风险。


技术实现要素：

5.本发明所要解决的技术问题在于提供一种用于人脸识别系统的活体检测辅助方法及装置，可以大大降低长时间攻击的风险。
6.第一方面，本发明提供了一种用于人脸识别系统的活体检测辅助方法，具体包括如下步骤：
7.步骤s1：建立“攻击嫌疑人”列表，每个攻击嫌疑人包含置信度p
attack
和人脸特征两个字段，并进行初始化，初始为空；
8.步骤s2：用人脸检测算法提取人脸区域；
9.步骤s3：用神经网络模型计算单帧人脸的活体概率，设为p
live
；
10.步骤s4：计算人脸特征值；
11.步骤s5：根据人脸特征值，匹配“攻击嫌疑人”；
12.步骤s6：更新“当前攻击嫌疑人”的置信度p
attack
，根据嫌疑人活体概率p
live
与设定的阈值p
live_threshold
之间进行比较，来调整置信度p
attack
的值，从而判断当前嫌疑人为真或假；
13.步骤s7：攻击嫌疑人置信度p
attack
随时间衰减：每间隔一段时间t遍历所有“攻击嫌疑人”，置信度p
attack-衰减步长δd2，直到0.0截止；当置信度p
attack
为0，删除该“攻击嫌疑人”；转到步骤s2。
14.进一步地，所述步骤s5，具体包括：
15.步骤s51：遍历“攻击嫌疑人”列表，对比人脸特征的相似度，高于阈值p
live_threshold
，锁定为“当前攻击嫌疑人”；
16.步骤s52：如果不存在，新增“攻击嫌疑人”，置信度p
attack
为0，设置为“当前攻击嫌疑人”。
17.进一步地，所述步骤s6，具体包括：
18.步骤s61：如果嫌疑人活体概率p
live
小于阈值p
live_threshold
，则嫌疑人置信度p
attack
更新步长δd1，直到置信度p
attack
到1.0时截止；如果当前嫌疑人置信度p
attack
大于阈值p
attack_threshold
，返回结果为假；
19.步骤s62：如果嫌疑人活体概率p
live
大于等于阈值p
live_threshold
，则嫌疑人置信度p
attack-更新步长δd1，直到置信度p
attack
到0.0时截止；如果当前嫌疑人置信度p
attack
小于阈值p
attack_threshold
，返回结果为真，否则为假。
20.第二方面，本发明提供了一种用于人脸识别系统的活体检测辅助装置，包括：
[0021]“攻击嫌疑人”列表初始化模块，用于建立“攻击嫌疑人”列表，每个攻击嫌疑人包含置信度p
attack
和人脸特征两个字段，并进行初始化，初始为空；
[0022]
人脸区域提取模块，用于采用人脸检测算法提取人脸区域；
[0023]
单帧人脸的活体概率计算模块，用于采用神经网络模型计算单帧人脸的活体概率，设为p
live
；
[0024]
人脸特征值计算模块，用于计算人脸特征值；
[0025]“攻击嫌疑人”匹配模块，用于实现根据人脸特征值，匹配“攻击嫌疑人”，
[0026]“当前攻击嫌疑人”置信度p
attack
更新模块，用于实现根据嫌疑人活体概率p
live
与设定的阈值p
live_threshold
之间进行比较，来调整置信度p
attack
的值，从而判断当前嫌疑人为真或假；
[0027]
攻击嫌疑人置信度p
attack
随时间衰减模块，用于实现每间隔一段时间t遍历所有“攻击嫌疑人”，置信度p
attack-0.1，直到0.0截止；当置信度p
attack
置信度为0，删除该“攻击嫌疑人”。
[0028]
进一步地，所述“攻击嫌疑人”匹配模块，具体包括：
[0029]
遍历“攻击嫌疑人”列表，对比人脸特征的相似度，高于阈值p
live_threshold
，锁定为“当前攻击嫌疑人”；
[0030]
如果不存在，新增“攻击嫌疑人”，置信度p
attack
为0，设置为“当前攻击嫌疑人”。
[0031]
进一步地，“当前攻击嫌疑人”置信度p
attack
更新模块，具体包括：
[0032]
如果嫌疑人活体概率p
live
小于阈值p
live_threshold
，则嫌疑人置信度p
attack
0.05，直到置信度p
attack
到1.0时截止；如果当前嫌疑人置信度p
attack
大于阈值p
attack_threshold
，返回结果为假；
[0033]
如果嫌疑人活体概率p
live
大于等于阈值p
live_threshold
，则嫌疑人置信度p
attack-0.05，直到置信度p
attack
到0.0时截止；如果当前嫌疑人置信度p
attack
小于阈值p
attack_threshold
，返回结果为真，否则为假。
[0034]
第三方面，本发明提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法。
[0035]
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的方法。
[0036]
本发明的优点在于：
[0037]
1、本发明基于人脸特征值匹配建立“攻击嫌疑人”列表，可过滤绝大部分长时间连续攻击。
[0038]
2、本发明为“攻击嫌疑人”设置置信度，不是非黑即白。在匹配过程中动态调整，避免偶尔的误判产生的错误，判断结果更加稳定。
[0039]
3、本发明是基于时间衰减清理“攻击嫌疑人”列表，避免正常在没有攻击的情况下，增加额外的防范的成本。
附图说明
[0040]
下面参照附图结合实施例对本发明作进一步的描述。
[0041]
图1是本发明的方法流程示意图。
具体实施方式
[0042]
实施例一
[0043]
如图1所示，一种用于人脸识别系统的活体检测辅助方法，具体包括如下步骤：
[0044]
步骤s1：建立“攻击嫌疑人”列表，每个攻击嫌疑人包含置信度p
attack
和人脸特征两个字段，并进行初始化，初始为空；
[0045]
步骤s2：用mtcnn人脸检测算法提取人脸区域；
[0046]
步骤s3：用神经网络模型计算单帧人脸的活体概率，设为p
live
；
[0047]
步骤s4：计算人脸特征值；
[0048]
步骤s5：根据人脸特征值，匹配“攻击嫌疑人”，具体匹配过程，包括：
[0049]
步骤s51：遍历“攻击嫌疑人”列表，对比人脸特征的相似度，高于阈值p
live_threshold
，锁定为“当前攻击嫌疑人”；
[0050]
步骤s52：如果不存在，新增“攻击嫌疑人”，置信度p
attack
为0，设置为“当前攻击嫌疑人”；
[0051]
步骤s6：更新“当前攻击嫌疑人”置信度p
attack
，具体包括：
[0052]
步骤s61：如果嫌疑人活体概率p
live
小于阈值p
live_threshold
，则嫌疑人置信度p
attack
0.05(更新步长δd1＝0.05，但不限于该值)，直到置信度p
attack
到1.0时截止；如果当前嫌疑人置信度p
attack
大于阈值p
attack_threshold
，返回结果为假；
[0053]
步骤s62：如果嫌疑人活体概率p
live
大于等于阈值p
live_threshold
，则嫌疑人置信度p
attack-0.05，直到置信度p
attack
到0.0时截止；如果当前嫌疑人置信度p
attack
小于阈值p
attack_threshold
，返回结果为真，否则为假；
[0054]
步骤s7：攻击嫌疑人置信度p
attack
随时间衰减：每间隔一段时间(例如：一分钟)遍历所有“攻击嫌疑人”，置信度p
attack-0.1(衰减步长δd2＝0.1，但不限于该值)，直到0.0截止；当置信度p
attack
置信度为0，删除该“攻击嫌疑人”；转到步骤s2。
[0055]
基于同一发明构思，本技术还提供了与实施例一中的方法对应的装置，详见实施例二。
[0056]
实施例二
[0057]
在本实施例中提供了一种用于人脸识别系统的活体检测辅助装置，包括：
[0058]“攻击嫌疑人”列表初始化模块，用于建立“攻击嫌疑人”列表，每个攻击嫌疑人包含置信度p
attack
和人脸特征两个字段，并进行初始化，初始为空；
[0059]
人脸区域提取模块，用于采用人脸检测算法提取人脸区域；
[0060]
单帧人脸的活体概率计算模块，用于采用神经网络模型计算单帧人脸的活体概率，设为p
live
；
[0061]
人脸特征值计算模块，用于计算人脸特征值；
[0062]“攻击嫌疑人”匹配模块，用于实现根据人脸特征值，匹配“攻击嫌疑人”，具体匹配过程，包括：
[0063]
遍历“攻击嫌疑人”列表，对比人脸特征的相似度，高于阈值p
live_threshold
，锁定为“当前攻击嫌疑人”；
[0064]
如果不存在，新增“攻击嫌疑人”，置信度p
attack
为0，设置为“当前攻击嫌疑人”；
[0065]“当前攻击嫌疑人”置信度p
attack
更新模块，具体包括：
[0066]
如果嫌疑人活体概率p
live
小于阈值p
live_threshold
，则嫌疑人置信度p
attack
0.05(更新步长δd1＝0.05，但不限于该值)，直到置信度p
attack
到1.0时截止；如果当前嫌疑人置信度p
attack
大于阈值p
attack_threshold
，返回结果为假；
[0067]
如果嫌疑人活体概率p
live
大于等于阈值p
live_threshold
，则嫌疑人置信度p
attack-0.05，直到置信度p
attack
到0.0时截止；如果当前嫌疑人置信度p
attack
小于阈值p
attack_threshold
，返回结果为真，否则为假；
[0068]
攻击嫌疑人置信度p
attack
随时间衰减模块，用于实现每间隔一段时间t遍历所有“攻击嫌疑人”，置信度p
attack-0.1(衰减步长δd2＝0.1，但不限于该值)，直到0.0截止；当置信度p
attack
置信度为0，删除该“攻击嫌疑人”。
[0069]
由于本发明实施例二所介绍的装置，为实施本发明实施例一的方法所采用的装置，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该装置的具体结构及变形，故而在此不再赘述。凡是本发明实施例一的方法所采用的装置都属于本发明所欲保护的范围。
[0070]
基于同一发明构思，本技术提供了实施例一对应的电子设备实施例，详见实施例三。
[0071]
实施例三
[0072]
本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，可以实现实施例一中任一实施方式。
[0073]
由于本实施例所介绍的电子设备为实施本技术实施例一中方法所采用的设备，故而基于本技术实施例一中所介绍的方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本技术实施例中的方法不再详细介绍。只要本领域所属技术人员实施本技术实施例中的方法所采用的设备，都属于本技术所欲保护的范围。
[0074]
基于同一发明构思，本技术提供了实施例一对应的存储介质，详见实施例四。
[0075]
实施例四
[0076]
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，可以实现实施例一中任一实施方式。
[0077]
本发明的主要思路是基于假脸攻击在时间轴上的连续性。而在实际场景中，假脸攻击通常会在一段时间内，不断的连续攻击。如果一段时间内存在连续攻击，那么接下来继续攻击的概率非常大。这时候，就可以暂时屏蔽该攻击，大大提高假脸攻击的成本。
[0078]
本发明的关键点是设计了“攻击嫌疑人”列表，基于人脸识别特征值相似度，筛选近期的攻击者。如果某人脸特征多次出现假脸攻击，该人脸特征值将被记录在案，简称“攻击嫌疑人”。列表中保存着可能是假人脸的人脸特征值和置信度。活体检测结果需要与“攻击嫌疑人”列表进行比对，确定不是“攻击嫌疑人”之后方可进行下一步人脸识别。
[0079]“攻击嫌疑人”的概率随着环境变化：当单帧人脸活体判断为假，该“攻击嫌疑人”置信度上升；当单帧人脸识别判断为真，还需要和“攻击嫌疑人”列表对比。如果存在“攻击嫌疑人”列表而且置信度高于阈值，则活体不通过。同时，该“攻击嫌疑人”的置信等级也会下降。当下降到一个程度，则删除该“攻击嫌疑人”。“攻击嫌疑人”置信度随时间不断衰减。当一个时间不触发之后就删除该“攻击嫌疑人”。
[0080]
以上所述仅为本发明的较佳实施用例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。