活体检测方法及装置与流程

1.本发明涉及人工智能技术领域，尤其涉及一种活体检测方法及装置。


背景技术：

2.随着智能终端在市场上的普及，安全有效的身份鉴别与核验在当前社会凸显地尤为重要。人脸识别系统已成功地应用于生活中各个领域，例如，银行柜面业务办理、自助刷脸结账、健康宝人脸核验、无人值守门禁系统，社保办理等等。
3.通常人脸识别的流程是通过成像设备获取当前用户的一张图片，通过这张图片来进行人的身份核验。为了确保核验图片的合法性，则首先需要进行活体检测，以防不法分子利用客户的照片、视频、面具、头模等进行身份验证，从而窃取非法利益。如何准确检测出核验对象是活体是迫切需要解决的技术问题。
4.当前情况下，人脸活体检测通常有如下几种方法：静默活体检测、动作活体检测和炫彩活体检测。其中，静默活体检测是指获取当前用户的一张或几张照片，通过深度神经网络或者传统的活体检测方法进行判断；动作活体检测是用户需要配合活体检测系统做出相应的动作，通过对随机动作的校验来确定是否为活体；炫彩活体检测一般是通过固定的设备发出一定的颜色序列，通过颜色在人脸以及不同攻击素材上面成像不同，以及颜色序列的校验来判断活体。
5.然而，静默活体检测对于高清的屏幕以及高清图片难以进行防控；动作活体检测易被提前录制好的动作攻击；炫彩活体检测是一种有效的活体检测方法，其也难以防御在高清屏幕上播放录制好的炫彩视频。可见，现有活体检测方法均无法保证活体检测结果的可信度。


技术实现要素：

6.针对现有技术存在的问题，本发明提供一种活体检测方法及装置。
7.本发明提供一种活体检测方法，包括：
8.基于预设的至少一组照射时长和至少一组光序列向待测对象投射光线，并采集与各所述照射时长相对应的至少一组视频数据；其中，所述照射时长与所述光序列一一对应；每组所述光序列包括无色光和有色光，所述无色光和所述有色光相间设置；至少一组所述视频数据包括第一视频段和第二视频段，所述第一视频段为所述无色光对应的视频数据，所述第二视频段为所述有色光对应的视频数据；
9.基于所述第一视频段进行静默活体检测，并基于所述第一视频段和所述第二视频段进行闪光活体检测；
10.基于所述静默活体检测的结果和所述闪光活体检测的结果，确定所述待测对象的活体检测结果。
11.根据本发明提供的活体检测方法，所述基于所述第一视频段进行静默活体检测，包括：
12.将所述第一视频段的图像均值输入至预先训练好的静默活体检测模型，输出所述静默活体检测的结果。
13.根据本发明提供的活体检测方法，所述基于所述第一视频段和所述第二视频段进行闪光活体检测，包括：
14.基于各所述第一视频段和各所述第二视频段，分别获取各所述第二视频段的图像均值、各所述第二视频段的颜色反射特征以及光照强度差分特征，其中所述光照强度差分特征为相邻的所述第一视频段与所述第二视频段之间的光照强度差；
15.将各所述第二视频段的图像均值、各所述第二视频段的颜色反射特征以及所述光照强度差分特征输入至预先训练好的闪光活体检测模型，输出所述闪光活体检测的结果。
16.根据本发明提供的活体检测方法，所述基于所述第一视频段和所述第二视频段进行闪光活体检测，还包括：
17.将各所述第二视频段的颜色反射特征与相应的所述有色光进行颜色对比，根据对比结果确定所述闪光活体检测的结果。
18.根据本发明提供的活体检测方法，所述基于所述第一视频段和所述第二视频段进行闪光活体检测，还包括：
19.基于所述第一视频段，获取所述第一视频段的各图像帧之间的光照强度差，以作为第一光照强度差，并基于所述第二视频段，获取所述第二视频段的各图像帧之间的光照强度差，以作为第二光照强度差；
20.将所述第一光照强度差和所述第二光照强度差分别与第一预设值进行对比，根据对比结果确定所述闪光活体检测的结果。
21.根据本发明提供的活体检测方法，所述基于所述第一视频段和所述第二视频段进行闪光活体检测，还包括：
22.基于所述第二视频段中的各图像帧和所述第一视频段的图像均值确定所述第二视频段中各图像帧的颜色反射特征；
23.基于所述第二视频段中各图像帧的颜色反射特征确定所述第二视频段中所述有色光照射的实际时长；
24.计算所述实际时长与所述第二视频段对应的所述照射时长的匹配度，基于所述匹配度与第二预设值的比较结果，确定所述闪光活体检测的结果。
25.本发明还提供一种活体检测装置，包括：
26.视频数据获取模块，用于基于预设的至少一组照射时长和至少一组光序列向待测对象投射光线，并采集与各所述照射时长相对应的至少一组视频数据；其中，所述照射时长与所述光序列一一对应；每组所述光序列包括无色光和有色光，所述无色光和所述有色光相间设置；至少一组所述视频数据包括第一视频段和第二视频段，所述第一视频段为所述无色光对应的视频数据，所述第二视频段为所述有色光对应的视频数据；
27.活体分析模块，用于基于所述第一视频段进行静默活体检测，并基于所述第一视频段和所述第二视频段进行闪光活体检测；
28.活体预判模块，用于基于所述静默活体检测的结果和所述闪光活体检测的结果，确定所述待测对象的活体检测结果。
29.本发明还提供一种电子设备，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如上述任一种所述活体检测方法。
30.本发明还提供一种非暂态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实现如上述任一种所述活体检测方法。
31.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述活体检测方法。
32.本发明提供的活体检测方法及装置，基于预设的照射时长以及包括无色光和有色光的光序列向待测对象投射光线，并采集各照射时长对应的视频数据，根据无色光对应的第一视频段进行静默活体检测，并根据无色光对应的第一视频段以及有色光对应的第二视频段进行闪光活体检测，基于静默活体检测的结果以及闪光活体检测的结果确定待测对象的活体检测结果，实现了静默活体检测与闪光活体检测的结合，能够有效提高活体检测效果，保证了活体检测结果的可信度。
附图说明
33.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
34.图1是本发明提供的活体检测方法的流程示意图之一；
35.图2是本发明提供的屏幕颜色罩的结构示意图之一；
36.图3是本发明提供的屏幕颜色罩的结构示意图之二；
37.图4是本发明提供的活体检测方法的流程示意图之二；
38.图5是本发明提供的活体检测装置的结构示意图；
39.图6是本发明提供的电子设备的结构示意图。
具体实施方式
40.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
41.下面结合图1-图4描述本发明的活体检测方法。本发明活体检测方法通过手机等电子设备或者其中的软件和/或硬件执行。如图1所示，本发明活体检测方法包括：
42.s110、基于预设的至少一组照射时长和至少一组光序列向待测对象投射光线，并采集与各所述照射时长相对应的至少一组视频数据；其中，所述照射时长与所述光序列一一对应；每组所述光序列包括无色光和有色光，所述无色光和所述有色光相间设置；至少一组所述视频数据包括第一视频段和第二视频段，所述第一视频段为所述无色光对应的视频数据，所述第二视频段为所述有色光对应的视频数据。
43.具体地，照射时长可以包括一组，也可以包括多组，具体可以根据实际需求进行设定。其中，每一个照射时长对应一个光序列，即，在该照射时长内将相应的光序列对应的光
线投射到显示屏上，通过屏幕颜色罩照射到待测对象，并采集待测对象脸部的视频数据，每个照射时长对应采集一段视频数据。其中，屏幕颜色罩的具体类型可以根据实际需求进行设定，例如，屏幕颜色罩可以分为检测区域和非检测区域，如图2所示，图2中，白色区域为检测区域，有纹理的区域为颜色照射的光罩区域，即非检测区域；还可以整个屏幕均为光罩区域，如图3所示，图3中，有纹理的区域为颜色照射的光罩区域。
44.每组光序列均包括至少一个无色光和至少一个有色光，且无色光和有色光相间设置。作为一种可选的实施方式，可以每组照射时长包括三个照射时长，三个照射时长对应的光序列依次为无色光、有色光和无色光，即，第一个照射时长不打任何光，第二个照射时长显示屏发出预设颜色的光，第三个照射时长不打任何光，从而每组视频数据包括两个第一视频段和一个第二视频段。其中，无色光即不打任何颜色的光，有色光可以为一种颜色的光，也可以为多种颜色的光的组合，多种颜色的光可以根据预设的比例投射在显示屏上。例如，有色光为两种颜色的光的组合时，两个颜色在显示屏上的占比可以为1:1，有色光为三种颜色的光的组合时，三个颜色在显示屏上的占比可以为1:1:1。
45.预设的至少一组照射时长和至少一组光序列可以是预先设定好的，也可以是随机生成的，例如，在接收到活体检测请求后，随机生成一组时间校验码和与时间校验码相对应的颜色校验码，根据时间校验码确定照射时长，并根据颜色校验码确定有色光的光线颜色。其中，随机生成时间校验码和颜色校验码的方法可以根据实际需求进行设定，例如，作为一种可选的实施方式，可以随机生成二进制码作为时间校验码，其中，二进制码的位数包括但不限于6位，各照射时长对应的时间校验码的位数相同，但不全部为0，即至少有一位为1。以时间校验码的位数为3位，每组照射时长包括三个照射时长为例，生成的三个时间校验码可以分别为100、010和011，则根据时间校验码确定照射时长的过程中，第一个照射时长为：(1*22 0*21 0*20)*0.5＝2秒，第二个照射时长为：(0*22 1*21 0*20)*0.5＝1秒，第三个照射时长为：(0*22 1*21 1*20)*0.5＝1.5秒。该处，式中的0.5为预设系数，具体可以根据实际需求进行设定。需要说明的是，在不同的应用场景中可以根据具体需求来设定时间校验码的形式，例如，为了快速验证，可以将时间校验码的第一位置零，则剩余两位的最大随机值为1.5秒。
46.作为另一种可选的实施方式，可以根据预设的颜色种类随机生成二进制码作为颜色校验码，颜色校验码的位数与预设的颜色种类数相同。例如，预设的颜色种类包括：红、绿、蓝、黄、紫5种，则颜色校验码为5位，相应的二进制位为1，则代表采用该颜色，为0，则代表不采用该颜色。例如，10000表示只采用红色，01000表示只采用绿色，01100表示采用绿色和蓝色两种颜色，11100表示采用红色、绿色和蓝色三种颜色。
47.在基于预设的至少一组照射时长和至少一组光序列向待测对象投射光线时，还可以通过电子设备的控制器调节显示屏的亮度参数，以达到控制显示屏亮度的目的。其中，亮度参数的具体调节方法可以根据实际需求进行设定，例如，可以在采集第一视频段和第二视频段时，显示屏亮度均调到最亮，也可以在采集第一视频段时根据第一亮度值进行亮度调节，在采集第二视频段时根据第二亮度值进行亮度调节。
48.s120、基于所述第一视频段进行静默活体检测，并基于所述第一视频段和所述第二视频段进行闪光活体检测。
49.具体地，静默活体检测的方法和闪光活体检测的方法可以根据实际需求进行设
定，该处不做具体限定。例如，静默活体检测可以将采集的第一视频段中的一帧或几帧图像输入至深度神经网络进行活体判断；闪光活体检测可以根据第一视频段以及第二视频段中各帧图像的成像特征或颜色来进行活体判断。
50.s130、基于所述静默活体检测的结果和所述闪光活体检测的结果，确定所述待测对象的活体检测结果。
51.具体地，基于静默活体检测的结果和闪光活体检测的结果确定待测对象的活体检测结果的具体方式可以根据实际需求进行设定，例如，可以在静默活体检测的结果和闪光活体检测的结果均为活体时，确定待测对象的活体检测结果为活体，否则，确定待测对象的活体检测结果为假体。
52.在包括多组照射时长的情况下，可以根据每组照射时长采集的视频数据各获取一个活体检测结果，根据各组视频数据确定的活体检测结果均为活体时，确定待测对象为活体；也可以将多组照射时长对应的视频数据拼接到一起进行活体检测结果的确认。
53.由此可见，本发明实施例基于预设的照射时长以及包括无色光和有色光的光序列向待测对象投射光线，并采集各照射时长对应的视频数据，根据无色光对应的第一视频段进行静默活体检测，并根据无色光对应的第一视频段以及有色光对应的第二视频段进行闪光活体检测，基于静默活体检测的结果以及闪光活体检测的结果确定待测对象的活体检测结果，实现了静默活体检测与闪光活体检测的结合，能够有效提高活体检测效果，保证了活体检测结果的可信度。
54.基于上述实施例，所述基于所述第一视频段进行静默活体检测，包括：
55.将所述第一视频段的图像均值输入至预先训练好的静默活体检测模型，输出所述静默活体检测的结果。
56.具体地，静默活体检测模型可以是深度神经网络模型，深度神经网络模型的具体类型可以根据实际需求进行设定。静默活体检测模型可以通过预设的数据集进行训练，该数据集包括多张人脸图像以及每张人脸图像对应的标签(活体、假体)，通过梯度下降法确定最优模型，其中数据集中的人脸图像是没有任何颜色照射情况下采集的人脸图像，即训练好的静默活体检测模型是一个适用于无任何颜色照射情况下的活体检测模型。
57.第一视频段包括多个图像帧，可以通过人脸检测以及关键点定位的方法将各图像帧进行人脸对齐后再进行图像帧的提取，即提取的各图像帧中的人脸的关键点是对齐的，提取的图像帧可以记为f
1,1
,
…
,f
1,n
，n为第一视频段中图像帧的数量。第一视频段的图像均值，即，对第一视频段的各图像帧中同一个空间位置的像素的对应通道(r通道、g通道、b通道)求均值，从而得到各空间位置处像素的相应通道的均值，以得到第一视频段的图像均值其中，每个第一视频段可以求取一个图像均值，从而在包括多个第一视频段的情况下，可以将多个图像均值分别输入至静默活体检测模型，在静默活体检测模型的输出结果均为活体的情况下，确定静默活体检测的结果为活体，否则，为假体。
58.本发明实施例根据第一视频段的各图像帧来求取第一视频段的图像均值，并将第一视频段的图像均值输入至预先训练好的静默活体检测模型，从而能够有效避免各图像帧中噪声的干扰，保证了静默活体检测的结果的准确性。
59.基于上述任一实施例，所述基于所述第一视频段和所述第二视频段进行闪光活体检测，包括：
60.基于各所述第一视频段和各所述第二视频段，分别获取各所述第二视频段的图像均值、各所述第二视频段的颜色反射特征以及光照强度差分特征，其中所述光照强度差分特征为相邻的所述第一视频段与所述第二视频段之间的光照强度差；
61.将各所述第二视频段的图像均值、各所述第二视频段的颜色反射特征以及所述光照强度差分特征输入至预先训练好的闪光活体检测模型，输出所述闪光活体检测的结果。
62.具体地，第二视频段包括多个图像帧，可以通过人脸检测以及关键点定位的方法将各图像帧进行人脸对齐后再进行图像帧的提取，即提取的各图像帧中的人脸的关键点是对齐的，提取的图像帧可以记为f
2,1
,
…
,f
2,m
，m为第二视频段中图像帧的数量。第二视频段的图像均值根据第二视频段的各图像帧进行获取，即，对第二视频段的各图像帧中同一个空间位置的像素的对应通道(r通道、g通道、b通道)求均值，从而得到各空间位置处像素的相应通道的均值，以得到第二视频段的图像均值通过第二视频段的图像均值，能够进行数据的平滑，去除各图像帧中的噪声干扰。
63.第二视频段的颜色反射特征可以根据第二视频段的图像均值以及与该第二视频段相邻的第一视频段的图像均值来计算，具体计算方法可参考现有技术，该处不再赘述。
64.相邻的第一视频段与第二视频段之间的光照强度差，即，将第一视频段的光照强度与相邻的第二视频段的光照强度进行求差。例如，在每组照射时长包括三个照射时长，三个照射时长对应的光序列依次为无色光、有色光和无色光的情况下，三个视频段的图像均值分别记为与其中，分别为无色光对应的视频段的图像均值，为有色光对应的视频段的图像均值，较短的时间内，的光照强度与的光照强度相同，则与的光照强度差以及与的光照强度差应满足满足该关系，则判断为活体，否则，判断为假体，其中，满足该关系，则判断为活体，否则，判断为假体，其中，满足该关系，则判断为活体，否则，判断为假体，其中，为的光照强度。
65.其中，第一视频段的光照强度可以根据该第一视频段的图像均值进行计算，第二视频段的光照强度根据该第二视频段的图像均值进行计算，具体计算方法可以参考现有技术，该处不再赘述。
66.闪光活体检测模型可以采用回归模型，回归模型的具体类型可以根据实际需求进行设定，例如，可以采用决策树、卷积神经网络等。通过将第二视频段的图像均值、第二视频段的颜色反射特征以及光照强度差分特征输入至预先训练好的闪光活体检测模型进行特征回归，能够学习具有活体与假体区分性的颜色反射特征，以区分活体或者是假体。
67.闪光活体检测模型训练过程中，可以采集不同的设备下不同照射时长和不同颜色的有色光照射时的数据，以对闪光活体检测模型进行训练。待测对象根据属性可以分为活体、二维纸质假体、二维非纸质假体、二维屏幕假体、三维面具以及三维头模等，不同的属性其反射特征均不相同，具体来说，活体、三维面具和三维头模具有三维立体反射特征，由于材质不同，部分材质如纸质面具其反射特征与真人具有明显的差异，但是树脂、石膏和仿真硅胶等材质与真人反射特征较为相似，具有明显的三维立体反射特征，其漫反射也具有比较相似的特征；对于二维纸质、二维屏幕，其中部分具有明显的局部区域镜面反射特征，其
次，纸张与屏幕攻击时，不仅在面部区域呈现反射特征，对于整个纸张(面部周围区域)或者屏幕都会呈现均匀的二维反射特征。为保证采集的数据的均衡性，可以采集待测对象的活体以及多种不同材质、不同属性的假体的数据，例如，彩色激光纸、牛皮纸、硫酸纸、喷墨相纸、绒面相纸、高清手机屏幕、pad屏幕、树脂、硅胶、石膏等；另外，对采集的数据按其类别进行标注，例如，活体、纸张、屏幕、3d面具。
68.基于上述任一实施例，所述基于所述第一视频段和所述第二视频段进行闪光活体检测，还包括：
69.将各所述第二视频段的颜色反射特征与相应的所述有色光进行颜色对比，根据对比结果确定所述闪光活体检测的结果。
70.具体地，第二视频段中的各图像帧是在有色光照射的情况下采集得到的，因此，第二视频段的各图像帧反射的颜色理论上应当与预设的有色光颜色相同。根据第二视频段的颜色反射特征可以确定第二视频段采集过程中光照的颜色，若第二视频段的颜色反射特征所表示的颜色与该第二视频段采集过程中投射的有色光颜色相同，则说明待测对象为活体，否则，说明待测对象为假体，由于预设的有色光的颜色的不确定性，通过第二视频段的颜色反射特征与相应有色光的颜色对比结果确定活体检测结果，能够有效提高攻击难度，防御ipad等高清屏幕以及高清图片的攻击。
71.基于上述任一实施例，所述基于所述第一视频段和所述第二视频段进行闪光活体检测，还包括：
72.基于所述第一视频段，获取所述第一视频段的各图像帧之间的光照强度差，以作为第一光照强度差，并基于所述第二视频段，获取所述第二视频段的各图像帧之间的光照强度差，以作为第二光照强度差；
73.将所述第一光照强度差和所述第二光照强度差分别与第一预设值进行对比，根据对比结果确定所述闪光活体检测的结果。
74.具体地，假设第一视频段的第一帧f
1,1
的光照强度为初始光照强度，则在短时间内图像帧f
1,2
,
…
,f
1,n
的光照强度理论上应当与第一帧f
1,1
的光照强度相同，即认为短时间内图像帧f
1,1
,
…
,f
1,n
的光照强度不应有变化，图像帧f
1,1
,
…
,f
1,n
的光照强度分别记为fr
1,1
,
…
,fr
1,n
，第一视频段的第i帧与第i 1帧之间的光照强度差，第一视频段的第i帧与第i 1帧之间的光照强度差则，理论上应满足
75.假设第二视频段的第一帧f
2,1
的光照强度为初始光照强度，则在短时间内图像帧f
2,2
,
…
,f
2,m
的光照强度理论上应当与第一帧f
2,1
的光照强度相同，即认为短时间内图像帧f
2,1
,
…
,f
2,m
的光照强度不应有变化，图像帧f
2,1
,
…
,f
2,m
的光照强度分别记为fr
2,1
,
…
,fr
2,m
，第二视频段的第i帧与第i 1帧之间的光照强度差则，理论上应满足
76.本发明实施例将第一光照强度差和第二光照强度差分别与第一预设值进行对比，若小于或等于第一预设值，则识别为活体，否则识别为假体，从而通过视频段帧间的光照强度差进一步提高了攻击难度，保证了活体检测结果的可信度。
77.其中，第一预设值可以根据实际精度需求进行设定，例如，可以设定为0。
78.基于上述任一实施例，所述基于所述第一视频段和所述第二视频段进行闪光活体检测，还包括：
79.基于所述第二视频段中的各图像帧和所述第一视频段的图像均值确定所述第二视频段中各图像帧的颜色反射特征；
80.基于所述第二视频段中各图像帧的颜色反射特征确定所述第二视频段中所述有色光照射的实际时长；
81.计算所述实际时长与所述第二视频段对应的所述照射时长的匹配度，基于所述匹配度与第二预设值的比较结果，确定所述闪光活体检测的结果。
82.具体地，第二视频段中的各图像帧是在有色光照射的情况下采集得到的，因此，第二视频段中有颜色的图像帧对应的时长理论上应当与预设的照射时长相同。
83.由于第一视频段为无色光对应的视频数据，第二视频段为有色光对应的视频数据，根据第二视频段中的各图像帧和第一视频段的图像均值可以计算第二视频段中各图像帧的颜色反射特征，具体计算方法可参考现有技术，该处不再赘述。
84.根据第二视频段中各图像帧的颜色反射特征，即可确定各图像帧是否有颜色，根据第二视频段中有颜色的图像帧的数量以及第二视频段的采集频率，即可确定第二视频段中有色光照射的实际时长。
85.由于不同的设备采集的视频存在不同的延时，例如，第一视频段为无色光对应的视频数据，第二视频段为有色光对应的视频数据，在采集到的第二视频段开始的一段时间内的图像帧不具有颜色反射特征。匹配度的计算方法可以根据实际需求进行设定，例如，可以通过计算实际时长在预设的照射时长中的占比得到匹配度。确定匹配度大于第二预设值时，识别为活体，否则识别为假体。由于预设的照射时长的不确定性，根据第二视频段中有色光照射的实际时长与第二视频段对应的照射时长的匹配度来确定活体检测结果，能够有效提高攻击难度，防御ipad等高清屏幕以及高清图片的攻击。
86.其中，第二预设值可以根据设备的性能以及实际精度需求进行设定，例如可以设定为80％。
87.以下通过一种可选的实施方式对本发明活体检测方法的具体流程进行详细描述，如图4所示，本发明活体检测方法包括：
88.s410、发出活体检测请求；例如，用户在设备面前，通过处理器启动活体检测请求，处理器可以为手机的处理器或者服务器的处理器等；
89.s420、生成时间校验码和颜色校验码；
90.s430、根据时间校验码和颜色校验码启动光源并向待测对象投射光线；
91.s440、采集待测对象的视频数据；
92.s450、根据采集的视频数据，进行时长、颜色和帧间光照强度差的校验；
93.s460、根据采集的视频数据，通过闪光活体检测模型进行活体识别；
94.s470、根据采集的视频数据，通过静默活体检测模型进行活体识别；
95.s480、根据步骤s450～步骤s470的校验结果以及识别结果确定待测对象的活体检测结果。
96.下面对本发明提供的活体检测装置进行描述，下文描述的活体检测装置与上文描述的活体检测方法可相互对应参照。本发明活体检测装置可以集成到带有显示屏的电子设
备中，例如，手机、平板电脑等。
97.如图5所示，本发明活体检测装置包括：
98.视频数据获取模块510，用于基于预设的至少一组照射时长和至少一组光序列向待测对象投射光线，并采集与各所述照射时长相对应的至少一组视频数据；其中，所述照射时长与所述光序列一一对应；每组所述光序列包括无色光和有色光，所述无色光和所述有色光相间设置；至少一组所述视频数据包括第一视频段和第二视频段，所述第一视频段为所述无色光对应的视频数据，所述第二视频段为所述有色光对应的视频数据；
99.活体分析模块520，用于基于所述第一视频段进行静默活体检测，并基于所述第一视频段和所述第二视频段进行闪光活体检测；
100.活体预判模块530，用于基于所述静默活体检测的结果和所述闪光活体检测的结果，确定所述待测对象的活体检测结果。
101.基于上述实施例，所述活体分析模块520具体用于：
102.将所述第一视频段的图像均值输入至预先训练好的静默活体检测模型，输出所述静默活体检测的结果。
103.基于上述任一实施例，所述活体分析模块520具体用于：
104.基于各所述第一视频段和各所述第二视频段，分别获取各所述第二视频段的图像均值、各所述第二视频段的颜色反射特征以及光照强度差分特征，其中所述光照强度差分特征为相邻的所述第一视频段与所述第二视频段之间的光照强度差；
105.将各所述第二视频段的图像均值、各所述第二视频段的颜色反射特征以及所述光照强度差分特征输入至预先训练好的闪光活体检测模型，输出所述闪光活体检测的结果。
106.基于上述任一实施例，所述活体分析模块520还用于：
107.将各所述第二视频段的颜色反射特征与相应的所述有色光进行颜色对比，根据对比结果确定所述闪光活体检测的结果。
108.基于上述任一实施例，所述活体分析模块520还用于：
109.基于所述第一视频段，获取所述第一视频段的各图像帧之间的光照强度差，以作为第一光照强度差，并基于所述第二视频段，获取所述第二视频段的各图像帧之间的光照强度差，以作为第二光照强度差；
110.将所述第一光照强度差和所述第二光照强度差分别与第一预设值进行对比，根据对比结果确定所述闪光活体检测的结果。
111.基于上述任一实施例，所述活体分析模块520还用于：
112.基于所述第二视频段中的各图像帧和所述第一视频段的图像均值确定所述第二视频段中各图像帧的颜色反射特征；
113.基于所述第二视频段中各图像帧的颜色反射特征确定所述第二视频段中所述有色光照射的实际时长；
114.计算所述实际时长与所述第二视频段对应的所述照射时长的匹配度，基于所述匹配度与第二预设值的比较结果，确定所述闪光活体检测的结果。
115.图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(communications interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通
信。处理器610可以调用存储器630中的逻辑指令，以执行活体检测方法，该方法包括：基于预设的至少一组照射时长和至少一组光序列向待测对象投射光线，并采集与各所述照射时长相对应的至少一组视频数据；其中，所述照射时长与所述光序列一一对应；每组所述光序列包括无色光和有色光，所述无色光和所述有色光相间设置；至少一组所述视频数据包括第一视频段和第二视频段，所述第一视频段为所述无色光对应的视频数据，所述第二视频段为所述有色光对应的视频数据；
116.基于所述第一视频段进行静默活体检测，并基于所述第一视频段和所述第二视频段进行闪光活体检测；
117.基于所述静默活体检测的结果和所述闪光活体检测的结果，确定所述待测对象的活体检测结果。
118.此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
119.另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的活体检测方法，该方法包括：基于预设的至少一组照射时长和至少一组光序列向待测对象投射光线，并采集与各所述照射时长相对应的至少一组视频数据；其中，所述照射时长与所述光序列一一对应；每组所述光序列包括无色光和有色光，所述无色光和所述有色光相间设置；至少一组所述视频数据包括第一视频段和第二视频段，所述第一视频段为所述无色光对应的视频数据，所述第二视频段为所述有色光对应的视频数据；
120.基于所述第一视频段进行静默活体检测，并基于所述第一视频段和所述第二视频段进行闪光活体检测；
121.基于所述静默活体检测的结果和所述闪光活体检测的结果，确定所述待测对象的活体检测结果。
122.又一方面，本发明还提供一种非暂态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实现以执行上述各方法提供的活体检测方法，该方法包括：基于预设的至少一组照射时长和至少一组光序列向待测对象投射光线，并采集与各所述照射时长相对应的至少一组视频数据；其中，所述照射时长与所述光序列一一对应；每组所述光序列包括无色光和有色光，所述无色光和所述有色光相间设置；至少一组所述视频数据包括第一视频段和第二视频段，所述第一视频段为所述无色光对应的视频数据，所述第二视频段为所述有色光对应的视频数据；
123.基于所述第一视频段进行静默活体检测，并基于所述第一视频段和所述第二视频段进行闪光活体检测；
124.基于所述静默活体检测的结果和所述闪光活体检测的结果，确定所述待测对象的活体检测结果。
125.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
126.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
127.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。