活体检测方法、装置、计算机可读存储介质及电子设备与流程

1.本公开涉及计算机技术领域，尤其是一种活体检测方法、装置、计算机可读存储介质及电子设备。


背景技术：

2.当前活体检测算法在实际系统中通常采用算法模型 工程策略的模式，以提升在实际产品中的算法性能。为了提升检测效率，通常往往采用比较简单的模型结构，采用二分类的方式进行活体检测，即预测当前图像中的人脸是活体还是假体。这样的模型无法做到对每一帧都判断正确，所以需要相应的工程策略，来帮助提升整个产品的活体检测性能，以期提升检测准确率。
3.现有的工程策略方法主要是采用“平滑法”或者“窗口平滑法”。平滑法是平滑所有历史预测信息，即当前帧的活体检测模型预测的概率值，与所有历史活体检测模型预测的概率值求平均，作为当前帧的活体检测最终预测值。
4.窗口平滑法是将平滑的范围设定一个窗口，在平滑法的基础上设置一个窗口，当前帧的活体检测模型预测的概率值，只与窗口包括的帧对应的历史活体检测模型预测值求平均，作为当前帧的活体检测预测值。


技术实现要素：

5.本公开的实施例提供了一种活体检测方法、装置、计算机可读存储介质及电子设备。
6.本公开的实施例提供了一种活体检测方法，该方法包括：从当前视频帧中确定目标对象所在的图像区域；基于预设的至少一种图像质量检测方式，对图像区域进行图像质量检测，得到至少一个第一活体检测结果；基于至少一个第一活体检测结果，确定图像区域是否满足预设条件；若满足，通过预先训练的活体检测模型，确定用于表征目标对象是否为活体的预测值，以及基于预测值，确定当前视频帧关于目标对象的第二活体检测结果；若不满足，基于至少一个第一活体检测结果，确定当前视频帧关于目标对象的第二活体检测结果。
7.根据本公开实施例的另一个方面，提供了一种活体检测装置，该装置包括：第一确定模块，用于从当前视频帧中确定目标对象所在的图像区域；第一检测模块，用于基于预设的至少一种图像质量检测方式，对图像区域进行图像质量检测，得到至少一个第一活体检测结果；第二确定模块，用于基于至少一个第一活体检测结果，确定图像区域是否满足预设条件；第二检测模块，用于若满足，通过预先训练的活体检测模型，确定用于表征目标对象是否为活体的预测值，以及基于预测值，确定当前视频帧关于目标对象的第二活体检测结果；第三确定模块，用于若不满足，基于至少一个第一活体检测结果，确定当前视频帧关于目标对象的第二活体检测结果。
8.根据本公开实施例的另一个方面，提供了一种计算机可读存储介质，计算机可读
存储介质存储有计算机程序，计算机程序用于执行上述活体检测方法。
9.根据本公开实施例的另一个方面，提供了一种电子设备，电子设备包括：处理器；用于存储处理器可执行指令的存储器；处理器，用于从存储器中读取可执行指令，并执行指令以实现上述活体检测方法。
10.基于本公开上述实施例提供的活体检测方法、装置、计算机可读存储介质及电子设备，通过基于至少一种图像质量检测方式，对当前视频帧中目标对象所在的图像区域进行图像质量检测，得到至少一个第一活体检测结果，然后基于至少一个第一活体检测结果，确定图像区域是否满足预设条件，若满足，通过活体检测模型，确定当前视频帧关于目标对象的第二活体检测结果，若不满足，基于至少一个第一活体检测结果，确定当前视频帧关于目标对象的第二活体检测结果。实现了在利用活体检测模型进行活体检测之前，先对图像进行图像质量检测，辅助活体检测模型进行活体检测，有助于提高对视频帧进行活体检测的准确性。
11.下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
12.通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
13.图1是本公开所适用的系统图。
14.图2是本公开一示例性实施例提供的活体检测方法的流程示意图。
15.图3是本公开另一示例性实施例提供的活体检测方法的流程示意图。
16.图4是本公开另一示例性实施例提供的一个滑动窗口的示例性示意图。
17.图5是本公开另一示例性实施例提供的活体检测方法的流程示意图。
18.图6是本公开另一示例性实施例提供的活体检测方法的流程示意图。
19.图7是本公开另一示例性实施例提供的活体检测方法的流程示意图。
20.图8是本公开另一示例性实施例提供的活体检测方法的流程示意图。
21.图9是本公开另一示例性实施例提供的活体检测方法的流程示意图。
22.图10是本公开另一示例性实施例提供的活体检测方法的流程示意图。
23.图11是本公开一示例性实施例提供的活体检测装置的结构示意图。
24.图12是本公开另一示例性实施例提供的活体检测装置的结构示意图。
25.图13是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
26.下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。
27.应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
28.本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
29.还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
30.还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
31.另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。
32.还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
33.同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
34.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
35.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
36.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
37.本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
38.终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
39.申请概述
40.目前的平滑法和窗口平滑法进行活体检测时，假设当前帧为假体，模型一直都在预测为假体，但是突然某一帧的预测为活体，且分数较高，那么将会瞬间将计算出的平均值拉高，甚至超过活体阈值，从而将假体判断为活体。平滑法随着时间的延长，会被历史信息形成巨大的负担。如果系统的跟踪目标发生变化，但是跟踪的人脸标识无变化，从而将不同人脸标识的活体信息混淆，造成错误判断。窗口平滑法过分依赖模型的打分范围，当不同活体检测模型打分范围发生变化时，需要对窗口平滑法重新进行阈值挑选，造成系统复杂。
41.示例性系统
42.图1示出了可以应用本公开的实施例的活体检测方法或活体检测装置的示例性系统架构100。
43.如图1所示，系统架构100可以包括终端设备101，网络102和服务器103。网络102用于在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等。
44.用户可以使用终端设备101通过网络102与服务器103交互，以接收或发送消息等。终端设备101上可以安装有各种应用，例如图像识别应用、视频监控应用、网页浏览器应用、即时通信工具等。
45.终端设备101可以是各种电子设备，包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。
46.服务器103可以是提供各种服务的服务器，例如利用终端设备101上传的图像进行活体检测的后台图像处理服务器。后台图像处理服务器可以对接收到的图像进行图像质量检测、模型预测等处理，得到处理结果(例如第二活体检测结果)。
47.需要说明的是，本公开的实施例所提供的活体检测方法可以由服务器103执行，也可以由终端设备101执行，相应地，活体检测装置可以设置于服务器103中，也可以设置于终端设备101中。
48.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。例如，在用于活体检测的图像不需要远程获取的情况下，上述系统架构可以不包括网络、只包括终端设备或服务器。
49.示例性方法
50.图2是本公开一示例性实施例提供的活体检测方法的流程示意图。本实施例可应用在电子设备(如图1所示的终端设备101或服务器103)上，如图2所示，该方法包括如下步骤：
51.步骤201，从当前视频帧中确定目标对象所在的图像区域。
52.在本实施例中，当前视频帧是用于进行活体检测的视频中，当前待对其检测的视频帧。当前视频帧可以是实时拍摄视频时当前时刻拍摄的一帧，也可以是对预先拍摄的视频包括的视频帧按照播放顺序进行检测时，当前待检测的视频帧。
53.目标对象可以是各种类型的对象，例如人脸、人体、动物等。目标对象所在的图像区域可以是当前视频帧中的一个区域，该图像区域可以通过预设形状的框图(例如矩形框)在视频帧中标记出。例如，当目标对象是人脸时，该图像区域可以是包含人脸的矩形框内的图像区域。
54.电子设备可以利用现有的目标检测方法确定目标对象所在的图像区域。例如，可以采用现有的目标检测网络(例如ssd(single shot multibox detector)、dpm(deformable part model)、rpn(region proposal networks)等)建立的目标检测模型。目标检测模型可以从输入其中的图像中确定目标对象的位置。目标检测模型可以输出坐标信息，该坐标信息可以表征当前视频帧中的区域。例如，坐标信息可以包括矩形框的两个对角坐标，通过两个对角坐标，可以在当前视频帧中确定一个矩形框，从而确定目标对象所在的
图像区域。
55.步骤202，基于预设的至少一种图像质量检测方式，对图像区域进行图像质量检测，得到至少一个第一活体检测结果。
56.在本实施例中，至少一种图像质量检测方式用于检测上述图像区域图像质量，即第一活体检测结果可以表征上述图像区域的特征是否符合活体检测的基本要求。至少一种图像质量检测方式可以根据需要任意设置，具体可以参考下述可选实施例提供的至少一种图像质量检测方式。
57.步骤203，基于至少一个第一活体检测结果，确定图像区域是否满足预设条件。
58.作为示例，预设条件可以包括：至少一个第一活体检测结果中的任一个表示图像质量合格，或者，至少一个第一活体检测结果均表示图像质量合格。
59.若满足预设条件，执行步骤204，否则执行步骤205。
60.步骤204，通过预先训练的活体检测模型，确定用于表征目标对象是否为活体的预测值，以及基于预测值，确定当前视频帧关于目标对象的第二活体检测结果。
61.在本实施例中，活体检测模型用于对上述图像区域进行活体检测，生成预测值。预测值可以表示目标对象是活体的概率。预测值的范围可以任意设置，例如处于[0,1]区间的概率值，或处于[0,100]之间的分值。
[0062]
通常，活体检测模型可以是基于预设的训练样本，利用机器学习方法，对预先构建的诸如神经网络等初始模型进行训练得到的。活体检测模型的训练方法和使用方法是目前的公知技术，这里不再赘述。
[0063]
第二活体检测结果用于表征目标对象被判定为活体的准确程度。例如，预测值即可以为第二活体检测结果，或者，可以预先将预测值的区间划分为预设数目个子区间(例如三个子区间)，每个子区间对应于一个检测结果(例如三个子区间分别对应“非活体”、“不确定”、“活体”三个检测结果)。其中，“活体”是指目标对象为相应类型的真实对象，例如，真实的人脸、真实的人体等。“非活体”是指目标对象为虚拟对象，例如，人脸图片、人脸模型、人体模型等。
[0064]
步骤205，基于至少一个第一活体检测结果，确定当前视频帧关于目标对象的第二活体检测结果。
[0065]
在本实施例中，通常，若图像区域不满足预设条件，表示图像区域不符合活体的基本特征，此时无法判定目标对象为活体，需要基于至少一个第一活体检测结果，生成相应的第二活体检测结果。例如，若至少一个第一活体检测结果均表示图像质量不合格时，生成表示目标对象为非活体的第二活体检测结果；或者，若至少一个第一活体检测结果中包括至少一个表示图像区域合格的第一检测结果，则生成表示目标对象不确定是否为活体的第二活体检测结果。
[0066]
本公开的上述实施例提供的方法，通过基于至少一种图像质量检测方式，对当前视频帧中目标对象所在的图像区域进行图像质量检测，得到至少一个第一活体检测结果，然后基于至少一个第一活体检测结果，确定图像区域是否满足预设条件，若满足，通过预先训练的活体检测模型，确定当前视频帧关于目标对象的第二活体检测结果，若不满足，基于至少一个第一活体检测结果，确定当前视频帧关于目标对象的第二活体检测结果。实现了在利用活体检测模型进行活体检测之前，先对图像进行图像质量检测，辅助活体检测模型
进行活体检测，有助于提高对视频帧进行活体检测的准确性。
[0067]
在一些可选的实现方式中，如图3所示，在步骤205之后，该方法还包括如下步骤：
[0068]
步骤206，通过当前视频帧所在的滑动窗口中的每个视频帧对应的第二活体检测结果，生成滑动窗口对应的第三活体检测结果。
[0069]
其中，滑动窗口是指包含当前视频帧和位于当前视频帧之前的若干个视频帧的视频帧集合，滑动窗口包括目标数量的视频帧，目标数量小于等于预设数量，目标数量即窗口长度。例如，在视频播放的初始阶段，滑动窗口包括的视频帧的数量小于预设数量，随着时间的推移，滑动窗口包括的视频帧的数量固定为预设数量。如图4所示，其示出了一个滑动窗口的示例性示意图，该滑动窗口包括15个视频帧，其中标记为0的帧为当前视频帧，标记为-1、-2、
……
、-14的帧为当前视频帧之前的视频帧。图中的箭头表示时间轴的方向。
[0070]
作为示例，电子设备可以通过投票的方式，确定上述目标数量的视频帧分别对应的第二活体检测结果中的相同第二活体检测结果的数量，将最大数量对应的第二活体检测结果确定为第三活体检测结果。如图4所示，标记为“√”的第二活体检测结果表示活体，标记为
“×”
的第二活体检测结果表示非活体，标记为
“○”
的第二活体检测结果表示不确定是否为活体。从图中可以看出，标记为“√”的视频帧的数量最多，因此，该滑动窗口对应的第三活体检测结果表示活体。
[0071]
步骤207，基于当前视频帧的第二活体检测结果和滑动窗口对应的第三活体检测结果，确定当前视频帧的活体检测结果。
[0072]
本步骤中，对当前视频帧的活体检测结果的判定规则，可以根据当前视频帧的第二活体检测结果和滑动窗口对应的第三活体检测结果灵活设置。具体实现方式可以参考下述图5对应的可选实施例。
[0073]
本实施例通过构建滑动窗口，并基于投票的方式确定滑动窗口对应的第三活体检测结果，并根据当前视频帧的第二活体检测结果和滑动窗口对应的第三活体检测结果，确定当前视频帧的活体检测结果，在基于图像质量检测辅助活体检测的基础上，进一步参考历史检测结果，不完全依赖于模型的预测，从而提高了对当前视频帧进行活体检测的准确性，避免了活体检测结果的跳变。
[0074]
在一些可选的实现方式中，如图5所示，步骤207包括如下子步骤：
[0075]
步骤2071，若第二活体检测结果和第三活体检测结果均表示目标对象为活体，输出表示目标对象为活体的活体检测结果。
[0076]
步骤2072，若第三活体检测结果表示目标对象为非活体，输出表示目标对象为非活体的活体检测结果。
[0077]
即当基于滑动窗口投票确定的第三活体检测结果表示非活体时，不论第二活体检测结果为何，以第三活体检测结果为准。
[0078]
步骤2073，若第三活体检测结果表示目标对象为活体，且第二活体检测结果表示目标对象为非活体或不确定是否为活体，输出不确定目标对象是否为活体的活体检测结果。
[0079]
该步骤提供的场景下，由于第二活体检测结果与第三活体检测结果不一致，表示此时对当前视频帧的检测可能发生了突变，此时第三活体检测结果不一定准确，输出表示不确定目标对象是否为活体的活体检测结果。
[0080]
步骤2074，若第三活体检测结果表示不确定目标对象是否为活体，输出不确定目标对象是否为活体的活体检测结果。
[0081]
即当基于滑动窗口投票确定的第三活体检测结果表示不确定目标对象是否为活体，不论第二活体检测结果为何，以第三活体检测结果为准。
[0082]
步骤2075，若滑动窗口的长度小于预设长度，输出不确定目标对象是否为活体的活体检测结果。
[0083]
其中，预设长度可以为滑动窗口的最大长度(即滑动窗口中的视频帧的最大数量)，也可以为任意长度。通常，拍摄视频的起始阶段，由于窗口长度未达到预设长度，为了避免检测错误，输出不确定目标对象是否为活体的活体检测结果。
[0084]
应当理解，本实施例提供的多种确定活体检测结果的方法，并不包含全部方法，可以根据实际需要，基于当前视频帧的第二活体检测结果和滑动窗口对应的第三活体检测结果，任意设置确定当前视频帧的活体检测结果的规则。
[0085]
本实施例提供了多种基于当前视频帧的第二活体检测结果和滑动窗口对应的第三活体检测结果确定当前视频帧的活体检测结果的方法，实现了将对当前视频帧的活体检测和经过滑动窗口投票得到的第三活体检测结果相结合，进一步提高了确定当前视频帧的活体检测结果的准确性和灵活性。
[0086]
在一些可选的实现方式中，步骤2074可以如下执行：
[0087]
若第三活体检测结果表示不确定目标对象是否为活体，基于第二活体检测结果的类别，生成与类别对应的活体检测结果。
[0088]
其中，第二活体检测结果的类别可以包括“活体”、“非活体”、“不确定”。此外，由于第二活体检测结果是在至少一个第一活体检测结果的基础上确定的，而至少一个第一活体检测结果是通过上述步骤202描述的至少一种图像质量检测方式得到的。因此，第二活体检测结果的类别为“不确定”时，可以包括至少一种子类别。
[0089]
示例一，当第二活体检测结果的类别为“活体”或“非活体”时，该类别对应的活体检测结果可以为“不确定(-1)”。
[0090]
示例二，一种图像质量检测方式为确定目标对象的图像区域放大预设倍数后是否处于当前视频帧内，若其对应的第一检测结果表示放大后的图像区域不处于当前视频帧内，则第二活体检测结果的类别为“不确定(-2)”，该类别对应的活体检测结果为
“‑
2”。关于该示例的具体描述可以参考下述图7对应实施例中的步骤2022描述的图像区域超边界检测方式。
[0091]
示例三，一种图像质量检测方式为确定目标对象的图像区域是否符合质量优选条件，若其对应的第一检测结果表示图像区域不符合质量优选条件，则第二活体检测结果的类别为“不确定(-3)”，该类别对应的活体检测结果为
“‑
3”。关于该示例的具体描述可以参考下述图7对应实施例中的步骤2023描述的目标对象属性检测方式。
[0092]
需要说明的是，上述各示例仅仅是本实施例提供的方法的一部分实现方式，由于第二检测结果表示不确定目标对象是否为活体的情况下，第二检测结果是基于不同的方式确定的，因此，本实施例中的第二活体检测结果的类别可以根据实际需要任意设置。
[0093]
本实施例通过第三活体检测结果表示不确定目标对象是否为活体的情况下，基于第二活体检测结果的类别，生成对应的活体检测结果，实现了在基于滑动窗口投票后不确
定目标对象是否为活体的情况下，输出的活体检测结果可以体现不确定目标对象是否为活体的判断依据，从而有助于提高活体检测结果的针对性。
[0094]
在一些可选的实现方式中，如图6所示，上述步骤206可以包括：
[0095]
步骤2061，统计滑动窗口中的每个视频帧对应的第二活体检测结果中的相同的第二活体检测结果的数量。
[0096]
如图4所示，第二活体检测结果包括“√”、
“×”
、
“○”
三种，本步骤可以确定出三种第二活体检测结果各自的数量。
[0097]
步骤2062，根据所统计出的数量中的大于或等于预设数量阈值的数量对应的第二活体检测结果，生成滑动窗口对应的第三活体检测结果。
[0098]
通常，若某种第二活体检测结果的数量最多，且大于或等于预设数量阈值，则确定该中第二活体检测结果为滑动窗口对应的第三活体检测结果。
[0099]
如图4所示，若预设数量阈值为8，标记为“√”的视频帧的数量最多且等于8，因此，该滑动窗口对应的第三活体检测结果表示目标对象为活体。
[0100]
可选的，若数量最多的第二活体检测结果小于预设数量阈值，则可以生成表示不确定目标对象是否为活体的第三活体检测结果。若出现至少两种第二活体检测结果的数量相等且数量最多的情况时，可以根据需要任意设置生成第三活体检测结果的方式。例如，若“活体”和“非活体”的数量相等且大于“不确定”的数量时，第三活体检测结果设置为“不确定”。
[0101]
本实施例通过设置数量阈值，可以使基于投票的方式确定第三活体检测结果时，使数量最多的一种第二活体检测结果可以更精确地反映滑动窗口的活体检测情况，进一步提高活体检测的准确性。
[0102]
在一些可选的实现方式中，如图7所示，上述步骤202可以包括如下子步骤：
[0103]
步骤2021，确定图像区域的长宽比，将长宽比与预设长宽比区间比较，基于比较结果确定长宽比检测方式对应的第一活体检测结果。
[0104]
其中，预设长宽比区间可以是预先对目标对象所属的对象类型进行统计而设置的，该区间内的长宽比即正常的目标对象的长宽比，例如预设长宽比区间为[0.5,1.1]。若上述图像区域不属于该预设长宽比区间，则目标对象是非活体的概率极高，可以生成表示图像区域不合格的第一活体检测结果。
[0105]
步骤2022，将图像区域放大预设倍数，确定放大后的图像区域整体是否处于当前视频帧内，并生成图像区域超边界检测方式对应的第一活体检测结果。
[0106]
作为示例，预设倍数可以为1.5，即长和宽分别扩大1.5倍。通常，若放大后的图像区域超出了当前视频帧的边界范围，表示目标对象在当前视频帧的位置位于当前视频帧的边界附近。由于在利用活体检测模型对目标对象所在的图像区域进行检测时需要足够的背景信息，而此时由于目标对象在当前视频帧的位置过于靠边，导致图像区域扩大后的背景信息不足，此时的图像区域由于缺少足够的背景信息导致活体检测模型识别精度降低，因此，当放大后的图像区域超出了当前视频帧的边界范围时，生成表示图像区域不合格的第一活体检测结果。
[0107]
步骤2023，对图像区域进行至少一种目标对象属性检测，基于至少一种目标对象属性检测的检测结果，生成目标对象属性检测方式对应的第一活体检测结果。
[0108]
其中，目标对象属性的类型可以任意设置，例如，目标对象属性可以包括目标对象的关键点、目标对象的姿态角、目标对象的尺寸等。每种目标对象属性可以通过对应的检测方式确定。作为示例，若目标对象属性的种类大于等于二，则可以在各个目标对象属性中存在至少两种目标对象属性符合对应的判定条件时，生成表示图像区域合格的第一活体检测结果。
[0109]
本实施例提供的至少一种图像质量检测方式，可以全面地基于各个方面检测图像区域的质量是否合格，有助于为活体检测模型所需的图像预先进行筛选，从而提高了活体检测的准确性。
[0110]
在一些可选的实现方式中，上述步骤2023中，至少一种目标对象属性检测可以包括以下至少一项：
[0111]
检测方法一，对图像区域进行目标对象关键点检测，得到目标对象关键点的数量。
[0112]
其中，关键点的检测方法基于目标对象的类型设置。例如，若目标对象为人脸，则可以按照现有的人脸关键点检测方法，对人脸进行关键点检测，得到人脸关键点的数量。
[0113]
检测方法二，对图像区域进行目标对象姿态角检测，得到目标对象姿态角。
[0114]
其中，目标对象姿态角的检测方法基于目标对象的类型设置。例如，若目标对象为人脸，则可以按照现有的人脸姿态角检测方法，对人脸进行姿态角检测，得到人脸姿态角。人脸姿态角可以包括yaw(偏航角)、pitch(俯仰角)、roll(翻滚角)。
[0115]
检测方法三，对图像区域进行目标对象大小检测，得到目标对象尺寸。
[0116]
其中，目标对象大小检测方法基于目标对象的类型设置。例如，若目标对象为人脸，则可以基于识别的人脸特征，确定包括人脸的最小矩形的尺寸为目标对象尺寸。
[0117]
本实施例提供的各种目标对象属性检测，可以更全面地对目标对象属性进行检测，从而有助于基于各检测结果更准确地确定目标对象的图像区域的质量，进一步提高活体检测的准确性。
[0118]
在一些可选的实现方式中，基于上述可选实施例提供的三种目标对象属性检测的检测结果，可以按照如下步骤生成目标对象属性检测方式对应的第一活体检测结果：
[0119]
如果满足以下条件中的第一预设数量个条件，生成目标对象属性检测方式对应的表示图像质量合格的第一活体检测结果：
[0120]
条件一，检测出的目标对象关键点的数量大于或等于第二预设数量。
[0121]
例如，当目标对象为人脸时，第二预设数量为三，即表示人脸的五个关键点中检测到了三个，则目标对象满足活体检测的基本要求。
[0122]
条件二，检测出的目标对象姿态角处于预设姿态角范围内。
[0123]
例如，当目标对象为人脸时，若yaw《40
°
，pitch《30
°
，roll《30
°
，则目标对象满足活体检测的基本要求。
[0124]
条件三，检测出的目标对象尺寸大于或等于预设尺寸。
[0125]
例如，当目标对象为人脸时，预设尺寸为90
×
90，即人脸区域的长》90，且宽》90时，则目标对象满足活体检测的基本要求。
[0126]
上述第一预设数量可以任意设置，例如可以为3，即所有条件均满足时，生成目标对象属性检测方式对应的表示图像质量合格的第一活体检测结果；也可以为2，即三个条件中的至少两个满足时，生成目标对象属性检测方式对应的表示图像质量合格的第一活体检
测结果。
[0127]
本实施例提供了上述三种目标对象属性检测方法分别对应的判断条件，可以更准确地确定各目标对象属性是否满足活体检测的基本要求，有助于对目标对象的图像区域进行精确地筛选，进而提高活体检测的准确性。
[0128]
在一些可选的实现方式中，如图8所示，步骤205可以包括：
[0129]
步骤2051，响应于确定长宽比检测方式对应的第一活体检测结果表示图像质量不合格，确定当前视频帧的第二活体检测结果为表征目标对象为非活体。
[0130]
步骤2052，响应于确定长宽比检测方式的检测结果表示图像质量合格，且图像区域超边界检测方式的检测结果表示图像质量不合格，确定当前视频帧的第二活体检测结果为表征不确定目标对象是否为活体。
[0131]
步骤2053，响应于确定长宽比检测方式和图像区域超边界检测方式对应的第一活体检测结果均表示图像质量合格，且目标对象属性检测方式对应的第一活体检测结果表示图像质量不合格，确定当前视频帧的第二活体检测结果为表征不确定目标对象是否为活体。
[0132]
如下表所示，其示出了上述各种图像检测方式生成的第一活体检测结果与生成的第二活体检测结果的对应关系。
[0133][0134]
其中，方式一即长宽比检测方式，方式二即图像区域超边界检测方式，方式三即目标对象属性检测方式，符号
“×”
、“√”为第一活体检测结果，
“×”
表示图像质量不合格，“√”表示图像质量合格，
“‑‑”
表示任意结果。由上表可知，经过方式一确定图像区域的长宽比不在预设长宽比区间时，图像区域的长宽比与正常长宽比差距较大，目标对象为非活体的概率极大，此时即可生成表示目标对象为非活体的第二活体检测结果。如表中的数字
“‑
5”即表示目标对象为非活体的第二活体检测结果。
[0135]
经过方式二或方式三确定放大后的图像区域超出了当前视频帧的边界，或至少一种目标对象属性不满足条件，表示对目标对象拍摄的图像的质量较差，此时即使利用活体检测模型进行活体检测，其检测结果的准确性也较低，因此，输出相应的表示不确定目标对象是否为活体的第二检测结果。为了区分“不确定”的第二活体检测结果的判定依据，对“不确定”的第二活体检测结果做了分类，即表中的
“‑
2”和
“‑
3”。
[0136]
本实施例提供的基于至少一个第一活体检测结果确定第二活体检测结果策略，可以实现在图像区域不满足预设条件的情况下，根据实际的第一活体检测结果，确定相应的第二活体检测结果，从而在不使用活体检测模型的情况下，快速、准确地对目标对象进行活体检测。
[0137]
在一些可选的实现方式中，基于上述图像区域超边界检测方式，上述步骤204可以包括：
[0138]
将放大后的图像区域输入活体检测模型，得到用于表征目标对象是否为活体的预测值。
[0139]
本步骤是在图像区域符合预设条件的情况下执行的，因此，放大后的图像区域不会超出当前视频帧的边界，放大后的图像区域包括目标对象和足够的背景信息，活体检测模型可以基于背景信息更准确地对目标对象进行活体检测，即本实施例进一步提高了活体检测的准确性。
[0140]
在一些可选的实现方式中，如图9所示，上述步骤203可以包括：
[0141]
步骤2031，基于至少一个第一活体检测结果均表示图像质量合格，确定图像区域满足预设条件。
[0142]
当每个第一活体检测结果均表示图像质量合格时，表示图像质量满足活体检测模型的图像质量要求，后续可以利用活体检测模型进行活体检测。
[0143]
步骤2032，基于至少一个第一活体检测结果中存在至少一个表示图像质量不合格的第一活体检测结果，确定图像区域不满足预设条件。
[0144]
图像区域不满足预设条件，表示图像质量不合格，此时用活体检测模型进行活体检测的准确性降低，因此，后续直接基于至少一个第一活体检测结果，确定当前视频帧关于目标对象的第二活体检测结果，此时的第二活体检测结果，如上述表格所示，通常为“不确定”或“非活体”。
[0145]
本实施例在至少一个第一活体检测结果均表示图像质量合格，使用活体检测模型进行活体检测，若存在至少一个表示图像质量不合格的第一活体检测结果，则不使用活体检测模型进行活体检测，从而实现了利用高质量的图像进行活体检测，提高了活体检测模型的检测准确性，同时实现了在图像质量不符合条件时，基于第一活体检测结果直接得到第二活体检测结果，无需利用活体检测模型进行预测，提高了活体检测的效率。
[0146]
在一些可选的实现方式中，如图10所示，步骤202还可以包括：
[0147]
步骤2024，对图像区域进行黑白图检测，生成表示图像区域是否为黑白图的第一活体检测结果。
[0148]
基于此，步骤205可以包括：
[0149]
步骤2054，响应于确定黑白图检测方式对应的第一活体检测结果表示图像区域为黑白图，确定当前视频帧的第二活体检测结果为表征目标对象为非活体。
[0150]
通常，若检测到图像区域为黑白图，表示当前拍摄的视频帧可能遭受了黑白图假体攻击，此时可以确定当前视频帧中的目标对象为非活体。
[0151]
基于此，步骤207可以包括：
[0152]
步骤2076，如果第三活体检测结果表示目标对象为非活体，且黑白图检测方式对应的第一活体检测结果表示图像区域为黑白图，确定当前视频帧无效或输出表示表示目标对象为非活体的活体检测结果。
[0153]
若确定当前视频帧无效，则舍弃当前视频帧，不输出当前视频帧的活体检测结果，或输出表示当前视频帧无效的提示信息，然后继续获取下一帧进行检测。
[0154]
本实施例通过对图像区域进行黑白图检测，可以对在活体检测时遭受的黑白图假
体攻击进行快速、有效的防范，进而更全面、准确地对目标对象进行活体检测。
[0155]
示例性装置
[0156]
图11是本公开一示例性实施例提供的活体检测装置的结构示意图。本实施例可应用在电子设备上，如图11所示，活体检测装置包括：第一确定模块1101，用于从当前视频帧中确定目标对象所在的图像区域；第一检测模块1102，用于基于预设的至少一种图像质量检测方式，对图像区域进行图像质量检测，得到至少一个第一活体检测结果；第二确定模块1103，用于基于至少一个第一活体检测结果，确定图像区域是否满足预设条件；第二检测模块1104，用于若满足，通过预先训练的活体检测模型，确定用于表征目标对象是否为活体的预测值，以及基于预测值，确定当前视频帧关于目标对象的第二活体检测结果；第三确定模块1105，用于若不满足，基于至少一个第一活体检测结果，确定当前视频帧关于目标对象的第二活体检测结果。
[0157]
在本实施例中，第一确定模块1101可以从当前视频帧中确定目标对象所在的图像区域。其中，当前视频帧是用于进行活体检测的视频中，当前待对其检测的视频帧。当前视频帧可以是实时拍摄视频时当前时刻拍摄的一帧，也可以是对预先拍摄的视频包括的视频帧按照播放顺序进行检测时，当前待检测的视频帧。
[0158]
目标对象可以是各种类型的对象，例如人脸、人体、动物等。目标对象所在的图像区域可以是当前视频帧中的一个区域，该图像区域可以通过预设形状的框图(例如矩形框)在视频帧中标记出。
[0159]
第一确定模块1101可以利用现有的目标检测方法确定目标对象所在的图像区域。例如，可以采用现有的目标检测网络(例如ssd(single shot multibox detector)、dpm(deformable part model)、rpn(region proposal networks)等)建立的目标检测模型。
[0160]
在本实施例中，第一检测模块1102可以基于预设的至少一种图像质量检测方式，对图像区域进行图像质量检测，得到至少一个第一活体检测结果。其中，至少一种图像质量检测方式用于检测上述图像区域图像质量，即第一活体检测结果可以表征上述图像区域的特征是否符合活体检测的基本要求。至少一种图像质量检测方式可以根据需要任意设置，具体可以参考下述可选实施例提供的至少一种图像质量检测方式。
[0161]
在本实施例中，第二确定模块1103可以基于至少一个第一活体检测结果，确定图像区域是否满足预设条件。作为示例，预设条件可以包括：至少一个第一活体检测结果中的任一个表示图像质量合格，或者，至少一个第一活体检测结果均表示图像质量合格。
[0162]
在本实施例中，若图像区域满足预设条件，第二检测模块1104可以通过预先训练的活体检测模型，确定用于表征目标对象是否为活体的预测值，以及基于预测值，确定当前视频帧关于目标对象的第二活体检测结果。
[0163]
其中，活体检测模型用于对上述图像区域进行活体检测，生成预测值。预测值可以表示目标对象是活体的概率。预测值的范围可以任意设置，例如处于[0,1]区间的概率值，或处于[0,100]之间的分值。
[0164]
通常，活体检测模型可以是基于预设的训练样本，利用机器学习方法，对预先构建的诸如神经网络等初始模型进行训练得到的。活体检测模型的训练方法和使用方法是目前的公知技术，这里不再赘述。
[0165]
第二活体检测结果用于表征目标对象被判定为活体的准确程度。
[0166]
在本实施例中，若图像区域不满足预设条件，第三确定模块1105可以基于至少一个第一活体检测结果，确定当前视频帧关于目标对象的第二活体检测结果。
[0167]
通常，若图像区域不满足预设条件，表示图像区域不符合活体的基本特征，此时无法判定目标对象为活体，需要基于至少一个第一活体检测结果，生成相应的第二活体检测结果。例如，若至少一个第一活体检测结果均表示图像质量不合格时，生成表示目标对象为非活体的第二活体检测结果；或者，若至少一个第一活体检测结果中包括至少一个表示图像区域合格的第一检测结果，则生成表示目标对象不确定是否为活体的第二活体检测结果。
[0168]
参照图12，图12是本公开另一示例性实施例提供的活体检测装置的结构示意图。
[0169]
在一些可选的实现方式中，该装置还包括：生成模块1106，用于通过当前视频帧所在的滑动窗口中的每个视频帧对应的第二活体检测结果，生成滑动窗口对应的第三活体检测结果；第四确定模块1107，用于基于当前视频帧的第二活体检测结果和滑动窗口对应的第三活体检测结果，确定当前视频帧的活体检测结果。
[0170]
在一些可选的实现方式中，第四确定模块1107包括：第一输出单元11071，用于若第二活体检测结果和第三活体检测结果均表示目标对象为活体，输出表示目标对象为活体的活体检测结果；第二输出单元11072，用于若第三活体检测结果表示目标对象为非活体，输出表示目标对象为非活体的活体检测结果；第三输出单元11073，用于若第三活体检测结果表示目标对象为活体，且第二活体检测结果表示目标对象为非活体或不确定是否为活体，输出不确定目标对象是否为活体的活体检测结果；第四输出单元11074，用于若第三活体检测结果表示不确定目标对象是否为活体，输出不确定目标对象是否为活体的活体检测结果；第五输出单元11075，用于若滑动窗口的长度小于预设长度，输出不确定目标对象是否为活体的活体检测结果。
[0171]
在一些可选的实现方式中，第四输出单元11074进一步用于：若第三活体检测结果表示不确定目标对象是否为活体，基于第二活体检测结果的类别，生成与类别对应的活体检测结果。
[0172]
在一些可选的实现方式中，生成模块1106包括：统计单元11061，用于统计滑动窗口中的每个视频帧对应的第二活体检测结果中的相同的第二活体检测结果的数量；第一生成单元11062，用于根据所统计出的数量中的大于或等于预设数量阈值的数量对应的第二活体检测结果，生成滑动窗口对应的第三活体检测结果。
[0173]
在一些可选的实现方式中，第一检测模块1102包括：第二生成单元11021，用于确定图像区域的长宽比，将长宽比与预设长宽比区间比较，基于比较结果确定长宽比检测方式对应的第一活体检测结果；第三生成单元11022，用于将图像区域放大预设倍数，确定放大后的图像区域整体是否处于当前视频帧内，并生成图像区域超边界检测方式对应的第一活体检测结果；第四生成单元11023，用于对图像区域进行至少一种目标对象属性检测，基于至少一种目标对象属性检测的检测结果，生成目标对象属性检测方式对应的第一活体检测结果。
[0174]
在一些可选的实现方式中，第四生成单元11023包括以下至少一项：第一检测子单元110231，用于对图像区域进行目标对象关键点检测，得到目标对象关键点的数量；第二检测子单元110232，用于对图像区域进行目标对象姿态角检测，得到目标对象姿态角；第三检
测子单元110233，用于对图像区域进行目标对象大小检测，得到目标对象尺寸。
[0175]
在一些可选的实现方式中，第四生成单元11022进一步用于：如果满足以下条件中的第一预设数量个条件，生成表示图像质量合格的第一活体检测结果：检测出的目标对象关键点的数量大于或等于第二预设数量；检测出的目标对象姿态角处于预设姿态角范围内；检测出的目标对象尺寸大于或等于预设尺寸。
[0176]
在一些可选的实现方式中，第三确定模块1105包括：第二确定单元11051，用于响应于确定长宽比检测方式对应的第一活体检测结果表示图像质量不合格，确定当前视频帧的第二活体检测结果为表征目标对象为非活体；第三确定单元11052，用于响应于确定长宽比检测方式的检测结果表示图像质量合格，且图像区域超边界检测方式的检测结果表示图像质量不合格，确定当前视频帧的第二活体检测结果为表征不确定目标对象是否为活体；第四确定单元11053，用于响应于确定长宽比检测方式和图像区域超边界检测方式对应的第一活体检测结果均表示图像质量合格，且图像区域超边界检测方式对应的第一活体检测结果表示图像质量不合格，确定当前视频帧的第二活体检测结果为表征不确定目标对象是否为活体。
[0177]
在一些可选的实现方式中，第二检测模块1104进一步用于：将放大后的图像区域输入活体检测模型，得到用于表征目标对象是否为活体的预测值。
[0178]
在一些可选的实现方式中，第二确定模块1103包括：第五确定单元11031，用于基于至少一个第一活体检测结果均表示图像质量合格，确定图像区域满足预设条件；第六确定单元11032，用于基于至少一个第一活体检测结果中存在至少一个表示图像质量不合格的第一活体检测结果，确定图像区域不满足预设条件。
[0179]
在一些可选的实现方式中，第一检测模块1102进一步用于：对图像区域进行黑白图检测，生成表示图像区域是否为黑白图的第一活体检测结果；第三确定模块1105进一步用于：响应于确定黑白图检测方式对应的第一活体检测结果表示图像区域为黑白图，确定当前视频帧的第二活体检测结果为表征目标对象为非活体；第四确定模块1107进一步用于：如果第三活体检测结果表示目标对象为非活体，且黑白图检测方式对应的第一活体检测结果表示图像区域为黑白图，确定当前视频帧无效或输出表示表示目标对象为非活体的活体检测结果。
[0180]
本公开上述实施例提供的活体检测装置，通过基于至少一种图像质量检测方式，对当前视频帧中目标对象所在的图像区域进行图像质量检测，得到至少一个第一活体检测结果，然后基于至少一个第一活体检测结果，确定图像区域是否满足预设条件，若满足，通过预先训练的活体检测模型，确定当前视频帧关于目标对象的第二活体检测结果，若不满足，基于至少一个第一活体检测结果，确定当前视频帧关于目标对象的第二活体检测结果。实现了在利用活体检测模型进行活体检测之前，先对图像进行图像质量检测，辅助活体检测模型进行活体检测，有助于提高对视频帧进行活体检测的准确性。
[0181]
示例性电子设备
[0182]
下面，参考图13来描述根据本公开实施例的电子设备。该电子设备可以是如图1所示的终端设备101和服务器103中的任一个或两者、或与它们独立的单机设备，该单机设备可以与终端设备101和服务器103进行通信，以从它们接收所采集到的输入信号。
[0183]
图13图示了根据本公开实施例的电子设备的框图。
[0184]
如图13所示，电子设备1300包括一个或多个处理器1301和存储器1302。
[0185]
处理器1301可以是中央处理单元(cpu)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备1300中的其他组件以执行期望的功能。
[0186]
存储器1302可以包括一个或多个计算机程序产品，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器1301可以运行程序指令，以实现上文的本公开的各个实施例的活体检测方法以及/或者其他期望的功能。在计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
[0187]
在一个示例中，电子设备1300还可以包括：输入装置1303和输出装置1304，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
[0188]
例如，在该电子设备是终端设备101或服务器103时，该输入装置1303可以是相机、鼠标、键盘等设备，用于输入图像、指令等。在该电子设备是单机设备时，该输入装置1303可以是通信网络连接器，用于从终端设备101和服务器103接收所输入的图像、指令等。
[0189]
该输出装置1304可以向外部输出各种信息，包括确定出的第二活体检测结果、第三活体检测结果等。该输出设备1304可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
[0190]
当然，为了简化，图13中仅示出了该电子设备1300中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备1300还可以包括任何其他适当的组件。
[0191]
示例性计算机程序产品和计算机可读存储介质
[0192]
除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的活体检测方法中的步骤。
[0193]
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如java、c 等，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
[0194]
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的活体检测方法中的步骤。
[0195]
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘
只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0196]
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
[0197]
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0198]
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
[0199]
可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
[0200]
还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
[0201]
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
[0202]
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。