[go: up one dir, main page]

CN108229325A - 人脸检测方法和系统、电子设备、程序和介质 - Google Patents

人脸检测方法和系统、电子设备、程序和介质 Download PDF

Info

Publication number
CN108229325A
CN108229325A CN201711251760.XA CN201711251760A CN108229325A CN 108229325 A CN108229325 A CN 108229325A CN 201711251760 A CN201711251760 A CN 201711251760A CN 108229325 A CN108229325 A CN 108229325A
Authority
CN
China
Prior art keywords
face
video
detected
detection
network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711251760.XA
Other languages
English (en)
Inventor
吴立威
暴天鹏
赵晨旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to PCT/CN2018/079267 priority Critical patent/WO2018166524A1/zh
Publication of CN108229325A publication Critical patent/CN108229325A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19173—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种人脸检测方法和系统、电子设备、程序和介质，其中，人脸检测方法包括：利用第一神经网络对待检测视频进行活体检测；响应于活体检测通过，利用第二神经网络检测所述待检测视频中是否存在伪造信息，对所述待检测视频进行人脸防伪检测。本发明实施例在进行活体检测的同时，能够抵御伪造攻击。

Description

人脸检测方法和系统、电子设备、程序和介质
技术领域
本发明涉及计算机视觉技术，尤其是一种人脸检测方法和系统、电子设备、程序和介质。
背景技术
随着计算机视觉技术的不断发展，人脸检测技术已经得到了愈加广泛的应用，例如，在认证方面，人脸检测技术可用于进行身份验证和活体检测。其中，身份验证侧重检测采集到的人脸图像和底库是否一致，活体检测侧重确定采集到的人脸图像是否来自“活着”的人。将身份验证和活体检测技术相结合，可一定程度上提高身份认证的安全性。
发明内容
本发明实施例提供一种用于活体检测和防伪的技术方案。
根据本发明实施例的一个方面，提供的一种人脸检测方法，包括：
利用第一神经网络对包括有人脸的待检测视频进行活体检测；
利用第二神经网络对所述待检测视频进行人脸防伪检测；
至少响应于所述活体检测通过以及所述人脸防伪检测通过，执行用于表示所述人脸检测通过的相关操作。
可选地，在本发明上述方法实施例中，所述对包括有人脸的待检测视频进行活体检测，包括：
对所述待检测视频进行规定动作的有效性检测；
响应于所述规定动作的有效性的检测结果满足预定条件，所述活体检测通过。
可选地，在本发明上述方法实施例中，所述规定动作包括以下任意一项或多项：眨眼、张嘴、闭嘴、微笑、上点头、下点头、左转头、右转头、左歪头、右歪头、俯头、仰头。
可选地，在本发明上述方法实施例中，所述规定动作为预先设置的规定动作或者随机选择的规定动作。
可选地，在本发明上述方法实施例中，还包括：
预先利用包括所述规定动作的样本视频对第一神经网络进行训练；训练好的所述第一神经网络融合有所述规定动作的动作特征，所述样本视频标注有所述规定动作的标注信息。
可选地，在本发明上述方法实施例中，所述第一神经网络和所述第二神经网络位于终端设备或者服务器中；
所述方法还包括：经终端设备的可见光摄像头获取所述待检测视频，并将所述待检测视频分别输入所述第一神经网络和所述第二神经网络。
可选地，在本发明上述方法实施例中，所述第一神经网络和所述第二神经网络位于服务器中；
所述方法还包括：经终端设备的可见光摄像头获取包括所述待检测视频并发送给所述服务器；
所述服务器分别将所述待检测视频分别输入所述第一神经网络和所述第二神经网络；以及
所述服务器向所述终端设备返回所述第一神经网络输出的活体检测结果和所述第二神经网络输出的人脸防伪检测结果。
可选地，在本发明上述方法实施例中，所述第一神经网络位于终端设备中，所述第二神经网络位于服务器中；
所述方法还包括：
经终端设备的可见光摄像头获取包括所述待检测视频并将所述待检测视频输入所述第一神经网络；以及将所述待检测视频发送给所述服务器，或者从所述待检测视频中选取部分视频发送给所述服务器，或者从所述待检测视频中选取的至少一张图像作为待检测图像发送给所述服务器；
所述服务器将接收到的所述待检测视频、所述部分视频或所述待检测图像输入所述第二深度神经网络；以及
所述服务器向所述终端设备返回所述第二神经网络输出的人脸防伪检测结果。
可选地，在本发明上述方法实施例中，所述利用第二神经网络对所述待检测视频进行人脸防伪检测，包括：
所述第二神经网络提取输入的待检测视频、部分视频或待检测图像的特征，并检测提取的特征中是否包含伪造人脸线索信息；
根据检测结果确定所述人脸是否通过人脸防伪检测。
可选地，在本发明上述方法实施例中，提取的所述特征包括以下一项或任意多项：局部二值模式特征、稀疏编码的柱状图特征、全景图特征、人脸图特征、人脸细节图特征。
可选地，在本发明上述方法实施例中，所述伪造人脸线索信息具有可见光条件下的人眼可观测性。
可选地，在本发明上述方法实施例中，所述伪造人脸线索信息包括以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。
可选地，在本发明上述方法实施例中，所述成像介质的伪造线索信息包括：成像介质的边缘信息、反光信息和/或材质信息；和/或，
所述成像媒介的伪造线索信息包括：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹；和/或，
所述真实存在的伪造人脸的线索信息包括：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。
可选地，在本发明上述方法实施例中，所述第二神经网络基于包括有伪造人脸线索信息的训练用图像集预先训练完成；所述训练用图像集包括：可作为训练用正样本的多张人脸图像和可作为训练用负样本的多张图像；
所述包括有伪造人脸线索信息的训练用图像集的获取方法，包括：
获取可作为训练用正样本的多张人脸图像；
对获取的至少一张人脸图像的至少局部进行用于模拟伪造人脸线索信息的图像处理，以生成至少一张可作为训练用负样本的图像。
可选地，在本发明上述方法实施例中，将所述待检测视频发送给所述服务器，或者从所述待检测视频中选取部分视频发送给所述服务器，或者从所述待检测视频中选取的至少一张图像作为待检测图像发送给所述服务器，包括：
获取所述终端设备当前使用的网络状况；
在所述终端设备当前使用的网络状况满足第一预设条件时，将所述待检测视频发送给所述服务器，或者从所述待检测视频中选取部分视频发送给所述服务器；
在所述终端设备当前使用的网络状况不满足第一预设条件、满足第二预设条件时，从所述待检测视频中选取至少一张满足预设标准的图像作为所述待检测图像发送给所述服务器。
可选地，在本发明上述方法实施例中，所述利用第一神经网络对包括有人脸的待检测视频进行活体检测，利用第二神经网络对所述待检测视频进行人脸防伪检测，包括：响应于接收注册用户输入注册信息后发送的注册请求，利用第一神经网络对包括有注册用户的人脸的待检测视频进行活体检测，以及利用第二神经网络对所述待检测视频进行人脸防伪检测；所述注册请求中包括所述注册信息；
至少响应于所述活体检测通过以及所述人脸防伪检测通过，执行用于表示所述人脸检测通过的相关操作，包括：
响应于所述待检测视频通过活体检测和人脸防伪检测，提取所述待检测视频中的人脸图像作为所述注册用户的身份图像，在用户信息库中存储所述注册用户的用户信息；所述用户信息包括所述注册用户的身份图像和所述注册信息。
可选地，在本发明上述方法实施例中，所述利用第一神经网络对包括有人脸的待检测视频进行活体检测，利用第二神经网络对所述待检测视频进行人脸防伪检测，包括：
响应于接收到认证请求，利用第一神经网络对包括有认证用户的人脸的待检测视频进行活体检测，以及利用第二神经网络对所述待检测视频进行人脸防伪检测；
响应于所述活体检测通过以及所述人脸防伪检测通过，基于所述用户信息库中的用户信息对所述待检测视频中所述认证用户的人脸图像进行认证；
至少响应于所述活体检测通过以及所述人脸防伪检测通过，执行用于表示所述人脸检测通过的相关操作，包括：响应于所述认证用户的人脸图像通过认证，执行所述认证用户请求的相关操作。
可选地，在本发明上述方法实施例中，还包括：
响应于接收到认证请求，基于所述用户信息库中的用户信息对所述待检测视频中认证用户的人脸图像进行认证；
所述利用第一神经网络对包括有人脸的待检测视频进行活体检测，利用第二神经网络对所述待检测视频进行人脸防伪检测，包括：
响应于所述认证用户的人脸图像通过认证，利用第一神经网络对包括有所述认证用户的人脸的待检测视频进行活体检测，以及利用第二神经网络对所述待检测视频进行人脸防伪检测；
至少响应于所述活体检测通过以及所述人脸防伪检测通过，执行用于表示所述人脸检测通过的相关操作，包括：所述活体检测通过以及所述人脸防伪检测通过，执行所述认证用户请求的相关操作。
可选地，在本发明上述方法实施例中，所述认证用户请求的相关操作，包括以下任意一项或多项：
门禁放行操作，设备解锁操作，支付操作，应用或设备的登录操作，对应用或设备进行相关操作的放行操作。
根据本发明实施例的另一个方面，提供的一种人脸检测系统，包括：
第一神经网络，用于对包括有人脸的待检测视频进行活体检测；
第二神经网络，用于对所述待检测视频进行人脸防伪检测；
执行模块，用于至少响应于所述活体检测通过以及所述人脸防伪检测通过，执行用于表示所述人脸通过的相关操作。
可选地，在本发明上述系统实施例中，所述第一神经网络具体用于：对所述待检测视频进行规定动作的有效性检测；响应于所述规定动作的有效性的检测结果满足预定条件，所述活体检测通过。
可选地，在本发明上述系统实施例中，所述规定动作包括以下任意一项或多项：眨眼、张嘴、闭嘴、微笑、上点头、下点头、左转头、右转头、左歪头、右歪头、俯头、仰头。
可选地，在本发明上述系统实施例中，所述规定动作为预先设置的规定动作或者随机选择的规定动作。
可选地，在本发明上述系统实施例中，还包括：
网络训练模块，用于利用包括所述规定动作的样本视频对第一神经网络进行训练；训练好的所述第一神经网络融合有所述规定动作的动作特征，所述样本视频标注有所述规定动作的标注信息。
可选地，在本发明上述系统实施例中，所述第一神经网络和所述第二神经网络位于终端设备或者服务器中；
所述系统还包括：
可见光摄像头，位于终端设备上，用于获取所述待检测视频，并将所述待检测视频分别输入所述第一神经网络和所述第二神经网络。
可选地，在本发明上述系统实施例中，所述第一神经网络和所述第二神经网络位于服务器中；
所述系统还包括：
可见光摄像头，位于终端设备上，用于获取所述待检测视频；
第一通信模块，位于终端设备上，用于将发所述待检测视频送给所述服务器；
第二通信模块，位于服务器上，用于分别将所述待检测视频分别输入所述第一神经网络和所述第二神经网络；以及向所述终端设备返回所述第一神经网络输出的活体检测结果和所述第二神经网络输出的人脸防伪检测结果。
可选地，在本发明上述系统实施例中，所述第一神经网络位于终端设备中，所述第二神经网络位于服务器中；
所述系统还包括：
可见光摄像头，位于终端设备上，用于获取所述待检测视频并将所述待检测视频输入所述第一神经网络；
第一通信模块，位于终端设备上，用于将所述待检测视频发送给所述服务器，或者从所述待检测视频中选取部分视频发送给所述服务器，或者从所述待检测视频中选取的至少一张图像作为待检测图像发送给所述服务器；
第二通信模块，位于服务器上，用于将接收到的所述待检测视频、所述部分视频或所述待检测图像输入所述第二深度神经网络；以及向所述终端设备返回所述第二神经网络输出的人脸防伪检测结果。
可选地，在本发明上述系统实施例中，所述第二神经网络具体用于提取输入的待检测视频、部分视频或待检测图像的特征，并检测提取的特征中是否包含伪造人脸线索信息；
所述系统还包括：
确定模块，用于根据检测结果确定所述人脸是否通过人脸防伪检测。
可选地，在本发明上述系统实施例中，提取的所述特征包括以下一项或任意多项：局部二值模式特征、稀疏编码的柱状图特征、全景图特征、人脸图特征、人脸细节图特征。
可选地，在本发明上述系统实施例中，所述伪造人脸线索信息具有可见光条件下的人眼可观测性。
可选地，在本发明上述系统实施例中，所述伪造人脸线索信息包括以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。
可选地，在本发明上述系统实施例中，所述成像介质的伪造线索信息包括：成像介质的边缘信息、反光信息和/或材质信息；和/或，
所述成像媒介的伪造线索信息包括：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹；和/或，
所述真实存在的伪造人脸的线索信息包括：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。
可选地，在本发明上述系统实施例中，所述第二神经网络基于包括有伪造人脸线索信息的训练用图像集预先训练完成；所述训练用图像集包括：可作为训练用正样本的多张人脸图像和可作为训练用负样本的多张图像；
所述系统还包括：
获取模块，用于获取可作为训练用正样本的多张人脸图像；以及对获取的至少一张人脸图像的至少局部进行用于模拟伪造人脸线索信息的图像处理，以生成至少一张可作为训练用负样本的图像。
可选地，在本发明上述系统实施例中，所述第一通信模块具体用于：
获取所述终端设备当前使用的网络状况；
在所述终端设备当前使用的网络状况满足第一预设条件时，将所述待检测视频发送给所述服务器，或者从所述待检测视频中选取部分视频发送给所述服务器；
在所述终端设备当前使用的网络状况不满足第一预设条件、满足第二预设条件时，从所述待检测视频中选取至少一张满足预设标准的图像作为所述待检测图像发送给所述服务器。
可选地，在本发明上述系统实施例中，所述第一神经网络，具体用于响应于接收注册用户输入注册信息后发送的注册请求，对包括有注册用户的人脸的待检测视频进行活体检测；所述注册请求中包括所述注册信息；
所述第二神经网络，具体用于响应于接收到所述注册请求，对所述待检测视频进行人脸防伪检测；
所述执行模块具体用于：响应于所述待检测视频通过活体检测和人脸防伪检测，提取所述待检测视频中的人脸图像作为所述注册用户的身份图像，在用户信息库中存储所述注册用户的用户信息；所述用户信息包括所述注册用户的身份图像和所述注册信息。
可选地，在本发明上述系统实施例中，所述第一神经网络，具体用于响应于接收到认证请求，对包括有认证用户的人脸的待检测视频进行活体检测；
所述第二神经网络，具体用于响应于接收到所述认证请求，对所述待检测视频进行人脸防伪检测；
所述系统还包括：
认证模块，用于响应于所述活体检测通过以及所述人脸防伪检测通过，基于所述用户信息库中的用户信息对所述待检测视频中所述认证用户的人脸图像进行认证；
所述执行模块，具体用于至少响应于所述活体检测通过以及所述人脸防伪检测通过，执行用于表示所述人脸检测通过的相关操作，包括：响应于所述认证用户的人脸图像通过认证，执行所述认证用户请求的相关操作。
可选地，在本发明上述系统实施例中，还包括：
认证模块，用于响应于接收到认证请求，基于所述用户信息库中的用户信息对所述待检测视频中认证用户的人脸图像进行认证；
所述第一神经网络，具体用于响应于所述认证用户的人脸图像通过认证，对包括有所述认证用户的人脸的待检测视频进行活体检测；
所述第二神经网络，具体用于响应于所述认证用户的人脸图像通过认证，对所述待检测视频进行人脸防伪检测；
所述执行模块，具体用于所述活体检测通过以及所述人脸防伪检测通过，执行所述认证用户请求的相关操作。
可选地，在本发明上述系统实施例中，所述认证用户请求的相关操作，包括以下任意一项或多项：
门禁放行操作，设备解锁操作，支付操作，应用或设备的登录操作，对应用或设备进行相关操作的放行操作。
根据本发明实施例的又一个方面，提供的一种电子设备，包括本发明任一实施例所述的人脸检测系统。
根据本发明实施例的再一个方面，提供的另一种电子设备，包括：
存储器，用于存储可执行指令；以及
处理器，用于与所述存储器通信以执行所述可执行指令从而完成本发明任一实施例所述人脸检测方法的操作。
根据本发明实施例的又一个方面，提供的一种算机程序，包括计算机可读代码，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现本发明任一实施例所述人脸检测方法中各步骤的指令。
根据本发明实施例的再一个方面，提供的一种计算机存储介质，用于存储计算机可读取的指令，所述指令被执行时执行任一实施例所述人脸检测方法的操作。
基于本发明上述实施例提供的人脸检测方法和系统、电子设备、程序和介质，利用第一神经网络对包括有人脸的待检测视频进行活体检测；以及利用第二神经网络对待检测视频进行人脸防伪检测；至少响应于活体检测通过以及人脸防伪检测通过，执行用于表示人脸检测通过的相关操作。本发明实施例在进行活体检测的同时还实现了人脸防伪检测，能够抵御伪造攻击的情况，解决了针对进行活体检测时，不法分子易于利用被待验证用户的照片或视频伪造该用户动作的问题，提高了人脸认证技术的安全性；并且，无需借助于特殊的硬件设备，降低了由此导致的硬件成本，且可方便应用于各种人脸检测场景，适用范围广，尤其适用于通用的移动端应用。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：
图1为本发明人脸检测方法一个实施例的流程图。
图2为本发明人脸检测方法另一个实施例的流程图。
图3为本发明人脸检测方法一个应用实施例的流程图。
图4为本发明人脸检测系统一个实施例的结构示意图。
图5为本发明人脸检测系统另一个实施例的结构示意图。
图6为本发明人脸检测系统又一个实施例的结构示意图。
图7为本发明电子设备一个应用实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。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发明的范围。
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。
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，决不作为对本发明及其应用或使用的任何限制。
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。
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。
本发明实施例可以应用于计算机系统/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。适于与计算机系统/服务器等电子设备一起使用的众所周知的计算系统、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。
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(诸如程序模块)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/服务器等电子设备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。
图1为本发明人脸检测方法一个实施例的流程图。如图1所示，该实施例方法包括：
102，利用第一神经网络对包括有人脸的待检测视频进行活体检测，以及利用第二神经网络上该包括有人脸的检测待检测视频进行人脸防伪检测。
104，至少响应于活体检测通过以及人脸防伪检测通过，执行用于表示该人脸通过的相关操作。
基于本发明上述实施例提供的人脸检测方法，利用第一神经网络对包括有人脸的待检测视频进行活体检测；以及利用第二神经网络对待检测视频进行人脸防伪检测；至少响应于活体检测通过以及人脸防伪检测通过，执行用于表示人脸检测通过的相关操作。本发明实施例在进行活体检测的同时还实现了人脸防伪检测，能够抵御伪造攻击的情况，解决了针对进行活体检测时，不法分子易于利用被待验证用户的照片或视频伪造该用户动作的问题，提高了人脸认证技术的安全性；并且，无需借助于特殊的硬件设备，降低了由此导致的硬件成本，且可方便应用于各种人脸检测场景，适用范围广。
在本发明各人脸检测方法实施例的一个可选实施方式中，操作102中，利用第一神经网络对包括有人脸的待检测视频进行活体检测，可以包括：
利用第一神经网络对上述待检测视频进行规定动作的有效性检测；响应于该规定动作的有效性的检测结果满足预定条件，活体检测通过。
在其中一个示例中，利用第一神经网络对上述待检测视频进行规定动作的有效性检测，例如可以通过如下方式实现：
第一神经网络检测获取到的待检测视频中用户是否在预设时间内做出有效的规定动作；
若待检测视频中用户在预设时间内做出有效的规定动作，活体检测通过；
否则，若待检测视频中用户未在预设时间内做出有效的规定动作，活体检测未通过。
例如可以包括但不限于以下任意一项或几项：眨眼、张嘴、闭嘴、微笑、上点头、下点头、左转头、右转头、左歪头、右歪头、俯头、仰头等任何用户脸部动作、位置等变化的动作。
在具体应用中，上述规定动作可以是预先设置的规定动作或者随机选择的规定动作，即：可以要求用户在预设时间内做出预先设置的规定动作，也可以要求用户在预设时间内做出由从规定动作集中随机选择的规定动作。例如，进行活体检测时，可以预先设置好一项或依次排序的多项规定动作，相应要求用户配合做出预先设置的一项规定动作、或者要求用户配合依次做出与预先设置的多项规定动作，并在此过程中获取相应的视频作为待检测视频，以便检测待检测视频中用户是否在预设时间内做出有效的规定动作。
进一步示例性地，检测待检测视频中用户是否在预设时间内做出有效的规定动作，可以包括：
第一神经网络对预设时间内获取到的待检测视频进行动作特征提取，例如可以对待检测视频中的各帧待检测图像进行动作特征提取、或者以间隔若干帧图像提取一帧图像的方式对提取的帧图像进行动作特征提取；
第一神经网络检测提取到的动作特征是否与规定动作的动作特征匹配；
若提取到的动作特征与规定动作的动作特征匹配，用户在预设时间内做出有效的规定动作；
否则，若提取到的动作特征与规定动作的动作特征不匹配，用户未在预设时间内做出有效的规定动作。
可选地，第一神经网络对预设时间内获取到的待检测视频进行动作特征提取时，可以对待检测视频中的各帧待检测图像进行动作特征提取或者以间隔若干帧图像提取一帧图像的方式对提取的帧图像进行动作特征提取、和关键点定位，根据关键点形成的动作是否与规定动作一致，来检测是否发生了有效的规定动作。
进一步地，在本发明上述各实施例之前，还可以预先训练获得上述第一神经网络。第一神经网络可以是一个多层神经网络(即：深度神经网络)，例如多层的卷积神经网络，例如可以是LeNet、AlexNet、GoogLeNet、VGG、ResNet等任意神经网络模型。
例如，在其中一个可选示例中，可以通过如下方式训练获得第一神经网络：预先利用包括上述规定动作的至少一个样本视频对第一神经网络进行训练，直至满足第一训练完成条件，获得第一神经网络，训练好的第一神经网络融合有上述规定动作的动作特征，其中的样本视频预先标注有规定动作的标注信息。
其中，第一训练完成条件，例如可以是，达到预设训练次数，或者第一神经网络从样本视频中正确检测到动作的概率满足预设条件。
在本发明各人脸检测方法实施例的第一实施方式中，第一神经网络和第二神经网络均位于终端设备中，即：通过该终端设备便可以实现人脸的活体检测和防伪检测。由于终端设备易于携带，基于本实施例通过终端设备便可以实现对待检测视频的活体检测和防伪检测，使用环境要求宽松、便利。
另外，在本发明各人脸检测方法实施例的第二实施方式中，第一神经网络和第二神经网络均位于服务器中。相应地，该实施例还包括：经终端设备的可见光摄像头获取包括待检测视频并发送给服务器；服务器分别将待检测视频分别输入第一神经网络和第二神经网络，以便第一神经网络和第二神经网络执行上述操作102和104；服务器向终端设备返回第一神经网络输出的活体检测结果和第二神经网络输出的人脸防伪检测结果。
另外，在本发明各人脸检测方法实施例的第三实施方式中，也可以将第一神经网络设置于终端设备中，将第二神经网络设置于服务器中，即：通过终端设备进行人脸的活体检测，通过云端服务器进行人脸防伪检测。相应地，该实施例还包括：经终端设备的可见光摄像头获取包括上述待检测视频并将待检测视频输入第一神经网络以进行活体检测；以及将待检测视频发送给服务器，或者从待检测视频中选取部分视频发送给服务器，或者从待检测视频中选取的至少一张图像作为待检测图像发送给服务器；服务器将接收到的待检测视频、部分视频或待检测图像输入第二深度神经网络以进行人脸防伪检测；以及服务器向终端设备返回第二神经网络输出的人脸防伪检测结果。
由于终端设备的硬件性能通常有限，进行特征提取和检测的第二神经网络将需要更多的计算和存储资源，而终端设备的计算、存储资源相对于云端服务器比较有限，为了节省终端设备侧神经网络占用的计算和存储资源、又能保证实现有效的人脸防伪检测，在本发明各实施例的人脸检测方法中，将第一神经网络设置于终端设备中，将第二神经网络设置于服务器中，通过在终端设备侧，通过交互模块，指示用户配合做出规定动作并采集待检测视频，使用经由大量数据和精心设计的机器学习方法训练好的第一神经网络，使得真实的人容易通过活体检测，可以方便地实现对人脸的活体检测，实现高的活体检测效率，提升用户使用体验；并且，由于用于活体检测的第一神经网络主要验证活性而非防伪性，模型结构简单，训练成本低，计算速度快，运行效率高，占用资源少，所以适合在移动端使用。在活体检测通过后，再由服务器侧实现人脸防伪检测，既节省了终端设备侧神经网络占用的计算和存储资源、又实现了有效的人脸防伪检测；并且，在硬件性能较好的云端服务器可以设置较大(较深)的第二神经网络，融合全面的综合特征进行人脸防伪检测，使得该第二神经网络更加健壮、检测性能更好，可以进行更加精确、全面的人脸防伪检测，并且防伪检测运行效率高，能够迅速给出对于待检测图像的防伪检测结果，再传回给前端的终端设备，从而有效抵御伪造情况的发生，提升人脸防伪检测效果。另外，本发明实施例前端(即：用户侧或终端设备侧)、后端(云端或网络侧)配合进行活体检测和防伪造检测的解决方案，不需要额外的设备辅助，方案适用场景广；第二神经网络易于升级，不影响前端的活体检测。
第一神经网络位于终端设备中、第二神经网络位于服务器中时，在上述第三实施方式的一个可选示例中，还可以包括：
获取该终端设备当前使用的网络状况，该操作例如可以在对待检测视频进行活体检测之前执行、或者在对待检测视频进行活体检测的过程中执行、或者在活体检测通过后执行；
在终端设备当前使用的网络状况(例如使用的网络类型、网络带宽等)满足第一预设条件时，例如，在终端设备当前使用的网络为无线局域网(例如WiFi)、且带宽大于第一预设带宽时，终端设备将上述待检测视频发送给所述服务器，或从上述待检测视频中选取部分视频发送给服务器。在终端设备当前使用的网络状况较好时，将上述待检测视频发送给所述服务器或从上述待检测视频中选取部分视频发送给服务器，由于视频包括的图像较多，在网络条件允许的情况下，向服务器发送视频用于人脸防伪检测，可以实现更全面的人脸防伪检测；
在终端设备当前使用的网络状况不满足第一预设条件、但是满足第二预设条件时，例如，在终端设备当前使用的网络为移动数据网络、且带宽大于第二预设带宽时，或者在终端设备当前使用的网络为无线局域网(例如WiFi)、且带宽小于第一预设带宽时，终端设备从上述待检测视频中选取至少一张满足预设标准的图像作为待检测图像发送给服务器，从而也可以实现在网络状况较差时的人脸防伪检测。
另外，在进一步可选示例中，还可以包括：
在终端设备当前使用的网络状况不满足第二预设条件时，例如，在终端设备当前未接入任何网络时，或者在终端设备当前使用的网络带宽小于第二预设带宽时，终端设备可以输出人脸防伪检测失败的提示消息。
具体地，第一神经网络或第二神经网络从视频中选取待检测图像以用于人脸防伪检测时，具体可以根据预先设置的选取标准，选取高质量的图像用于人脸防伪检测。其中的选取标准例如可以是以下任意一项或多项：人脸朝向是否正面朝向、图像清晰度的高低、曝光度高低等，依据相应的标准选取综合质量较高的图像进行人脸防伪检测。例如，通过判断用户人脸是否端正、是否处于闭眼或者张嘴状态、是否出现运动模糊或者对焦模糊等对每张图像进行打分，选出一张或多张满足预设标准的图像进行人脸防伪检测。
在本发明上述各人脸检测方法实施例的一个可选实施方式中，操作102中利用第二神经网络对所述待检测视频进行人脸防伪检测可以通过如下方式实现：
第二神经网络提取输入的待检测视频、部分视频或待检测图像的特征，并检测提取的特征中是否包含伪造人脸线索信息；
根据检测结果确定所述人脸是否通过人脸防伪检测。
本发明各实施例中提取的特征，例如可以包括但不限于以下任意多项：局部二值模式(LBP)特征、稀疏编码的柱状图(HSC)特征、全景图(LARGE)特征、人脸图(SMALL)特征、人脸细节图(TINY)特征。具体应用中，可以根据可能出现的伪造人脸线索信息对该提取的特征包括的特征项进行更新。
其中，通过LBP特征，可以突出图像中的边缘信息；通过HSC特征，可以更明显的反映图像中的反光与模糊信息；LARGE特征是全图特征，基于LARGE特征，可以提取到图像中最明显的伪造线索(hack)；人脸图(SMALL)是图像中人脸框若干倍大小(例如1.5倍大小)的区域切图，其包含人脸、人脸与背景切合的部分，基于SMALL特征，可以提取到反光、翻拍设备屏幕摩尔纹与模特或者面具的边缘等伪造线索；人脸细节图(TINY)是取人脸框大小的区域切图，包含人脸，基于TINY特征，可以提取到图像PS(基于图像编辑软件photoshop编辑)、翻拍屏幕摩尔纹与模特或者面具的纹理等伪造线索。
在本发明各实施例的一个可选示例中，本发明各实施例中的伪造人脸线索信息具有可见光条件下的人眼可观测性也即，人眼在可见光条件下是可以观测到这些伪造人脸线索信息的。基于伪造人脸线索信息具有的该特性，使得在采用可见光摄像头(如RGB摄像头)采集的静态图像或动态视频实现防伪检测成为可能，避免额外引入特定摄像头，降低硬件成本。伪造人脸线索信息例如可以包括但不限于以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。其中，成像介质的伪造线索信息也称为2D类伪造人脸线索信息，成像媒介的伪造线索信息可以称为2.5D类伪造人脸线索信息，真实存在的伪造人脸的线索信息可以称为3D类伪造人脸线索信息，具体可以根据可能出现的伪造人脸方式对需要检测的伪造人脸线索信息进行相应更新。通过对这些线索信息的检测，使得电子设备可以“发现”各式各样的真实人脸和伪造人脸之间的边界，在可见光摄像头这样通用的硬件设备条件下实现各种不同类型的防伪检测，抵御“hack”攻击，提高安全性。
其中，成像介质的伪造线索信息例如可以包括但不限于：成像介质的边缘信息、反光信息和/或材质信息。成像媒介的伪造线索信息例如可以包括但不限于：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹。真实存在的伪造人脸的线索信息例如可以包括但不限于：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。
本发明实施例中的伪造人脸线索信息在可见光条件下能被人眼观测到。伪造人脸线索信息从维度上可以划分为2D类、2.5D类和3D类伪造人脸。其中，2D类伪造人脸指的是纸质类材料打印出的人脸图像，该2D类伪造人脸线索信息例如可以包含纸质人脸的边缘、纸张材质、纸面反光、纸张边缘等伪造线索信息。2.5D类伪造人脸指的是视频翻拍设备等载体设备承载的人脸图像，该2.5D类伪造人脸线索信息例如可以包含视频翻拍设备等载体设备的屏幕摩尔纹、屏幕反光、屏幕边缘等伪造线索信息。3D类伪造人脸指的是真实存在的伪造人脸，例如面具、模特、雕塑、3D打印等，该3D类伪造人脸同样具备相应的伪造线索信息，例如面具的缝合处、模特的较为抽象或过于光滑的皮肤等伪造线索信息。
在本发明各实施例中，从待检测视频或图像中提取的特征中包含任意一项伪造人脸线索信息时，确定待检测图像为伪造人脸图像，确定待检测图像或视频未通过人脸防伪检测。从待检测视频或图像中提取的特征未包括任意一项伪造人脸线索信息时，确定待检测视频或图像不是伪造人脸图像，是真实的人脸图像，确定待检测图像或视频通过人脸防伪检测。
基于上述实施例，提取该待检测图像或视频的特征、并检测提取的特征中是否包含伪造人脸线索信息，根据检测结果确定该待检测图像或视频是否通过人脸防伪检测。本发明实施例无需依赖于特殊的多光谱设备，便可以实现在可见光条件下的有效人脸防伪检测，且无需借助于特殊的硬件设备，降低了由此导致的硬件成本，可方便应用于各种人脸检测场景，尤其适用于通用的移动端应用。
上述实施例中，第二神经网络基于包括有伪造人脸线索信息的训练用图像集预先训练完成。本发明各实施例的第二神经网络可以是一个深度神经网络，例如卷积网络。
其中，上述训练用图像集可以包括：可作为训练用正样本的多张人脸图像和可作为训练用负样本的多张图像。
在一个可选示例中，可以通过如下方法获取包括有伪造人脸线索信息的训练用图像集：
获取可作为训练用正样本的多张人脸图像；
对获取的至少一张人脸图像的至少局部进行用于模拟伪造人脸线索信息的图像处理，以生成至少一张可作为训练用负样本的图像。
现有技术中，进行人脸防伪造检测的装置一旦确定后就不容易更新了，难以应对新出现的伪造情况。本发明实施例基于神经网络来进行活体检测和人脸防伪检测，当出现新的伪造样例时，可以及时通过新出现的伪造线索对第二神经网络进行训练，很容易在后端进行微调式的训练，及时更新第二神经网络，使第二神经网络及时学习到各种新出现的伪造线索、及时上线，从而能够迅速应对新出现的伪造情况进行防伪检测，而用于进行活体检测的前段(终端设备侧)不需做任何修改且无需任何硬件成本，同时不影响用户使用。
图2为本发明人脸检测方法另一个实施例的流程图。该实施例以第一神经网络设置于终端设备中、第二神经网络设置于服务器中为例进行说明，如图2所示，该实施例的人脸检测方法包括：
202，终端设备获取包括人脸的待检测视频。
示例性地，经终端设备可以通过其可见光摄像头获取包括人脸的待检测视频。
204，利用终端设备上的第一神经网络对上述获取的视频进行规定动作的有效性检测。
示例性地，第一神经网络可以通过检测视频中用户是否在预设时间内做出有效的规定动作，来判断活体检测是否通过。
至少响应于规定动作的有效性的检测结果满足预定条件，活体检测通过，执行操作206。否则，响应于规定动作的有效性的检测结果不满足预定条件，活体检测未通过，执行操作214。
206，终端设备将上述待检测视频或从上述待检测视频中选取的部分视频或图像发送给服务器。
其中的部分视频可以是一段包括一张或多张待检测图像的视频流，也可以仅仅是一张或多张待检测图像；可以根据预先设置选取，也可以根据实际情况实时调整。
208，服务器接收到终端设备发送的图像或视频后，将接收到的图像或视频输入第二神经网络，由第二神经网络提取待检测图像或视频的特征、检测提取的特征中是否包含伪造人脸线索信息，并输出用于表示该待检测图像或视频是否包含至少一伪造人脸线索信息的检测结果。
其中的伪造人脸线索信息具有可见光条件下的人眼可观测性。第二神经网络基于包括有伪造人脸线索信息的训练用图像集预先训练完成。
示例性地，在本发明各实施例中提取的各项特征中包含的伪造人脸线索，可以预先通过训练第二神经网络，被第二神经网络学习到，之后任何包含这些伪造人脸线索信息的图像输入第二神经网络后均会被检测出来，就可以判断为伪造人脸图像，否则为真实人脸图像。
示例性地，若操作206中，终端设备向服务器发送的是视频，则该操作208中，服务器可以从接收到的该视频中选取至少一张图像作为待检测图像输入第二神经网络，由第二神经网络提取待检测图像的特征、检测提取的特征中是否包含伪造人脸线索信息，并输出用于表示该待检测图像是否包含至少一伪造人脸线索信息的检测结果。
另外，若操作206中，终端设备向服务器发送的是图像，该操作208中，服务器可以将接收到的图像全部输入第二神经网络、或从接收到的图像中选取至少一张图像输入第二神经网络，由第二神经网络提取接收到的图像的特征、检测提取的特征中是否包含伪造人脸线索信息，并输出用于表示该图像是否包含至少一伪造人脸线索信息的检测结果。
210，服务器根据检测结果确定接收到的图像或视频中的人脸是否通过人脸防伪检测，并向终端设备发送接收到的图像或视频中的人脸是否通过人脸防伪检测的确定结果。
另外，在另一可选实施例中，操作210中，也可以替换性地由服务器将第二神经网络输出的用于表示接收到的图像或视频是否包含至少一伪造人脸线索信息的检测结果发送给终端设备，由终端设备根据该检测结果确定待检测视频中的人脸是否通过人脸防伪检测，而不由服务器确定待检测视频中的人脸是否通过人脸防伪检测。
若确定结果为人脸通过人脸防伪检测，执行操作212。否则，若确定结果为人脸未通过人脸防伪检测，执行操作214。
212，终端设备执行用于表示该人脸检测通过的相关操作。
之后，不执行本实施例的后续流程。
214，终端设备输出人脸检测失败的提示消息。
在本发明各实施例的一个可选示例中，从上述待检测视频中选取的部分视频或图像发送给服务器时，或者服务器从接收到的该视频中选取至少一张图像作为待检测图像时，可以根据预先设置的选取标准，选取高质量的图像检测伪造人脸线索信息。其中的选取标准例如可以是以下任意一项或多项：人脸朝向是否正面朝向、图像清晰度的高低、曝光度高低等，依据相应的标准选取综合质量较高的图像进行人脸防伪检测。
图3为本发明人脸检测方法一个应用实施例的流程图。本发明上述实施例的人脸检测方法可以用于用户实名注册的验证。如图3所示，该应用实施例包括：
302，接收注册用户输入注册信息后发送的注册请求，启动第一神经网络，该注册请求中包括注册信息，例如用户标识(ID)、密码、用户姓名等信息。
304，第一神经网络检测根据预先设置，提示注册用户配合做出规定动作，并在此过程中获取视频作为待检测视频。
306，第一神经网络检测获取到的待检测视频中用户是否在预设时间内做出有效的规定动作。
若待检测视频中用户在预设时间内做出有效的规定动作，活体检测通过，执行操作308。否则，若待检测视频中用户未在预设时间内做出有效的规定动作，活体检测未通过，执行操作318。
308，第一神经网络从待检测视频中选取至少一张质量较高的图像作为待检测图像发送给第二神经网络。
310，服务器接收到的图像输入第二神经网络，由第二神经网络提取待检测图像的特征、检测提取的特征中是否包含伪造人脸线索信息，并向终端设备返回用于表示该图像是否包含至少一伪造人脸线索信息的检测结果。
312，终端设备根据检测结果确定待检测视频中的人脸是否通过人脸防伪检测。
若待检测视频中的人脸通过人脸防伪检测，执行操作314。否则，若待检测视频中的人脸未通过人脸防伪检测，执行操作318。
314，提取待检测图像中的人脸图像作为注册用户的身份图像，在用户信息库中存储该注册用户的用户信息，以便后续基于该用户信息对登录用户进行身份验证。
其中的用户信息包括注册用户的身份图像和注册信息。
在其中一个可选示例中，该操作312可以由第一神经网络执行，也可以由其他单独的神经网络执行。
316，终端设备输出注册完成的注册结果消息。
之后，不执行本实施例的后续流程。
318，终端设备输出注册失败的注册结果消息。
基于上述图3所示应用实施例，用户通过实名注册后，后续便可以基于用户信息对请求登录的用户进行身份验证，通过身份验证的用户便可以进行相应的业务。
具体应用中，业务平台需要实名认证时，还可以基于第一神经网络的活体检测结果和第二神经网络的人脸防伪检测结果，在待检测视频中的人脸通过活体检测和人脸防伪检测时，从待检测视频中提取身份证、军官证等用户身份证件照片中的图像作为注册用户的身份图像，或者基于用户上传的身份证、军官证等用户身份证件照片中的图像作为注册用户的身份图像，或者从其他身份认证系统获取身份证、军官证等用户身份证件照片中的图像作为注册用户的身份图像，并与从待检测图像中提取的人脸图像进行比对，二者一致后用户通过实名认证，在在用户信息库中存储该注册用户的身份图像，以便后续基于该用户信息对登录用户进行身份验证。
基于上述图3所示应用实施例，用户通过实名注册后，便可以通过本发明上述各实施例的人脸检测方法对请求认证的用户进行活体检测和人脸防伪检测。相应地，在本发明人脸检测方法的另一个应用实施例中，利用第一神经网络对包括有人脸的待检测视频进行活体检测，利用第二神经网络对待检测视频进行人脸防伪检测，可以包括：响应于接收到认证请求，利用第一神经网络对包括有认证用户的人脸的待检测视频进行活体检测，以及利用第二神经网络对待检测视频进行人脸防伪检测；响应于活体检测通过以及人脸防伪检测通过，基于用户信息库中的用户信息对待检测视频中认证用户的人脸图像进行认证。相应地，该实施例中，至少响应于活体检测通过以及人脸防伪检测通过，执行用于表示人脸检测通过的相关操作，包括：响应于认证用户的人脸图像通过认证，执行认证用户请求的相关操作。
或者，在本发明人脸检测方法的又一个应用实施例中，还可以包括：响应于接收到认证请求，基于用户信息库中的用户信息对待检测视频中认证用户的人脸图像进行认证。相应地，该实施例中，利用第一神经网络对包括有人脸的待检测视频进行活体检测，利用第二神经网络对待检测视频进行人脸防伪检测，可以包括：响应于认证用户的人脸图像通过认证，利用第一神经网络对包括有认证用户的人脸的待检测视频进行活体检测，以及利用第二神经网络对待检测视频进行人脸防伪检测。至少响应于活体检测通过以及人脸防伪检测通过，执行用于表示人脸检测通过的相关操作，可以包括：响应于活体检测通过以及人脸防伪检测通过，执行认证用户请求的相关操作。
其中，认证用户请求的相关操作，例如可以包括但不限于以下任意一项或多项：门禁放行操作，设备解锁操作，支付操作，应用或设备的登录操作，对应用或设备进行相关操作的放行操作。
以下以一个应用实例为例对本发明实施例的应用进行说明。某借贷平台用户使用某借贷平台时需实名注册。为了提高效率，不需人工客服进行现场验证，是采用计算机视觉的方法，通过匹配用户身份证照片和使用视频进行人脸比对和活体检测进行远程验证，只有当待验证的人与注册身份证上人脸匹配上，且通过人脸防伪检测保证待验证的人像是来自真实的人(而不是伪造的人像)时，才能验证通过、注册成功。活体检测和防伪检测是其中必不可少的环节。
用户使用带有前置摄像头的智能手机使用该借贷平台应用(APP)，在联网环境下进行活体检测和人脸防伪检测完成远程开户环节。该借贷平台APP中使用我们提供的活体检测方法，通过用户配合完成规定动作，同时连接我们提供的云端服务器防伪检测平台，确保待验证人像是来自真实的人，最终完成远程视频自助开户功能。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图4为本发明人脸检测系统一个实施例的结构示意图。该实施例的人脸检测系统可用于实现本发明上述各人脸检测方法实施例。如图4所示，该实施例的人脸检测系统包括第一神经网络、第二神经网络和执行模块。其中：
第一神经网络，用于对包括有人脸的待检测视频进行活体检测。
在本发明各实施例的一个可选实施方式中，第一神经网络具体用于对待检测视频进行规定动作的有效性检测；响应于规定动作的有效性的检测结果满足预定条件，活体检测通过。其中的规定动作为预先设置的规定动作或者随机选择的规定动作，例如可以包括但不限于以下任意一项或多项：眨眼、张嘴、闭嘴、微笑、上点头、下点头、左转头、右转头、左歪头、右歪头、俯头、仰头等。
第二神经网络，用于对待检测视频进行人脸防伪检测。
执行模块，用于至少响应于活体检测通过以及人脸防伪检测通过，执行用于表示人脸检测通过的相关操作。
基于本发明上述实施例提供的人脸检测系统，基于本发明上述实施例提供的人脸检测方法和系统、电子设备、程序和介质，利用第一神经网络对包括有人脸的待检测视频进行活体检测；以及利用第二神经网络对待检测视频进行人脸防伪检测；至少响应于活体检测通过以及人脸防伪检测通过，执行用于表示人脸检测通过的相关操作。本发明实施例在进行活体检测的同时还实现了人脸防伪检测，能够抵御伪造攻击的情况，解决了针对进行活体检测时，不法分子易于利用被待验证用户的照片或视频伪造该用户动作的问题，提高了人脸认证技术的安全性；并且，无需借助于特殊的硬件设备，降低了由此导致的硬件成本，且可方便应用于各种人脸检测场景，适用范围广，尤其适用于通用的移动端应用。
在本发明人脸检测系统的另一个实施例中，还可以包括：网络训练模块，用于利用包括规定动作的样本视频对第一神经网络进行训练，该训练好的第一神经网络融合有规定动作的动作特征，样本视频标注有规定动作的标注信息。
在本发明各人脸检测系统实施例的一个可选实施方式中，第一神经网络和第二神经网络均位于终端设备或者服务器中。该实施例的人脸检测系统系统还可以包括：可见光摄像头，位于终端设备上，用于获取待检测视频，并将待检测视频分别输入第一神经网络和第二神经网络。
在本发明各人脸检测系统实施例的另一个可选实施方式中，第一神经网络和第二神经网络均位于服务器中。该实施例的人脸检测系统还可以包括：
可见光摄像头，位于终端设备上，用于获取待检测视频；
第一通信模块，位于终端设备上，用于将发待检测视频送给服务器；
第二通信模块，位于服务器上，用于分别将待检测视频分别输入第一神经网络和第二神经网络；以及向终端设备返回第一神经网络输出的活体检测结果和第二神经网络输出的人脸防伪检测结果。
在本发明各人脸检测系统实施例的又一个可选实施方式中，第一神经网络位于终端设备中，第二神经网络位于服务器中。该实施例的人脸检测系统还可以包括：
可见光摄像头，位于终端设备上，用于获取待检测视频并将待检测视频输入第一神经网络。
第一通信模块，位于终端设备上，用于将待检测视频发送给服务器，或者从待检测视频中选取部分视频发送给服务器，或者从待检测视频中选取的至少一张图像作为待检测图像发送给服务器。
第二通信模块，位于服务器上，用于将接收到的待检测视频、部分视频或待检测图像输入第二深度神经网络；以及向终端设备返回第二神经网络输出的人脸防伪检测结果。
另外，在本发明上述各人脸检测系统实施例中，第二神经网络具体用于提取输入的待检测视频、部分视频或待检测图像的特征，并检测提取的特征中是否包含伪造人脸线索信息。相应地，该实施例的人脸检测系统还可以包括：确定模块，用于根据检测结果确定人脸是否通过人脸防伪检测。如图5所示，为该实施例下人脸检测系统的结构示意图。
其中，伪造人脸线索信息具有可见光条件下的人眼可观测性。在本发明各实施例的一个可选示例中，本发明各实施例中提取的特征，例如可以包括但不限于以下任意多项：LBP特征、HSC特征、LARGE特征、SMALL特征、TINY特征。具体应用中，可以根据可能出现的伪造人脸线索信息对该提取的特征包括的特征项进行更新。在本发明各实施例的一个可选示例中，本发明各实施例中的伪造人脸线索信息具有可见光条件下的人眼可观测性。伪造人脸线索信息例如可以包括但不限于以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。其中，成像介质的伪造线索信息例如可以包括但不限于：成像介质的边缘信息、反光信息和/或材质信息。成像媒介的伪造线索信息例如可以包括但不限于：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹。真实存在的伪造人脸的线索信息例如可以包括但不限于：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。
另外，在本发明上述各人脸检测系统实施例中，第二神经网络可以基于包括有伪造人脸线索信息的训练用图像集预先训练完成，该训练用图像集包括：可作为训练用正样本的多张人脸图像和可作为训练用负样本的多张图像。
示例性地，上述训练用图像集可以包括：可作为训练用正样本的多张人脸图像和可作为训练用负样本的多张图像。相应地，该实施例的人脸检测系统还可以包括：获取模块，用于获取可作为训练用正样本的多张人脸图像；以及对获取的至少一张人脸图像的至少局部进行用于模拟伪造人脸线索信息的图像处理，以生成至少一张可作为训练用负样本的图像。
在本发明各人脸检测系统实施例的再一个可选实施方式中，第一通信模块具体用于：获取终端设备当前使用的网络状况；在终端设备当前使用的网络状况满足第一预设条件时，将待检测视频发送给服务器，或者从待检测视频中选取部分视频发送给服务器；以及在终端设备当前使用的网络状况不满足第一预设条件、满足第二预设条件时，从待检测视频中选取至少一张满足预设标准的图像作为待检测图像发送给服务器。
另外，在本发明各人脸检测系统实施例的一个应用中，第一神经网络具体用于响应于接收注册用户输入注册信息后发送的注册请求，对包括有注册用户的人脸的待检测视频进行活体检测；注册请求中包括注册信息。第二神经网络具体用于响应于接收到注册请求，对待检测视频进行人脸防伪检测。执行模块具体用于响应于待检测视频通过活体检测和人脸防伪检测，提取待检测视频中的人脸图像作为注册用户的身份图像，在用户信息库中存储注册用户的用户信息；用户信息包括注册用户的身份图像和注册信息。
进一步地，在上述应用中，第一神经网络还可用于响应于接收到认证请求，对包括有认证用户的人脸的待检测视频进行活体检测。第二神经网络还用于响应于接收到认证请求，对待检测视频进行人脸防伪检测。相应地，该实施例的人脸检测系统还可以包括：认证模块，用于响应于活体检测通过以及人脸防伪检测通过，基于用户信息库中的用户信息对待检测视频中认证用户的人脸图像进行认证。相应地，该实施例中，执行模块具体用于至少响应于活体检测通过以及人脸防伪检测通过，执行用于表示人脸检测通过的相关操作，包括：响应于认证用户的人脸图像通过认证，执行认证用户请求的相关操作。如图6所示，为本发明人脸检测系统又一个实施例的结构示意图。
或者，在上述应用中，认证模块用于响应于接收到认证请求，基于用户信息库中的用户信息对待检测视频中认证用户的人脸图像进行认证。相应地，第一神经网络，具体用于响应于认证用户的人脸图像通过认证，对包括有认证用户的人脸的待检测视频进行活体检测。第二神经网络，具体用于响应于认证用户的人脸图像通过认证，对待检测视频进行人脸防伪检测。执行模块，具体用于活体检测通过以及人脸防伪检测通过，执行认证用户请求的相关操作。
其中，认证用户请求的相关操作，例如可以包括但不限于以下任意一项或多项：门禁放行操作，设备解锁操作，支付操作，应用或设备的登录操作，对应用或设备进行相关操作的放行操作。
另外，本发明实施例还提供了一种电子设备，其可以包括本发明上述任一实施例的人脸检测系统。具体地，该电子设备例如可以是终端设备或者服务器等设备。
本发明实施例还提供了另一种电子设备，包括：
存储器，用于存储可执行指令；以及
处理器，用于与所述存储器通信以执行所述可执行指令从而完成本发明上述任一实施例所述人脸检测方法的操作。
图7为本发明电子设备一个应用实施例的结构示意图。下面参考图7，其示出了适于用来实现本申请实施例的终端设备或服务器的电子设备的结构示意图。如图7所示，该电子设备包括一个或多个处理器、通信部等，所述一个或多个处理器例如：一个或多个中央处理单元(CPU)，和/或一个或多个图像处理器(GPU)等，处理器可以根据存储在只读存储器(ROM)中的可执行指令或者从存储部分加载到随机访问存储器(RAM)中的可执行指令而执行各种适当的动作和处理。通信部可包括但不限于网卡，所述网卡可包括但不限于IB(Infiniband)网卡，处理器可与只读存储器和/或随机访问存储器中通信以执行可执行指令，通过总线与通信部相连、并经通信部与其他目标设备通信，从而完成本申请实施例提供的任一方法对应的操作，例如，利用第一神经网络对包括有人脸的待检测视频进行活体检测；以及利用第二神经网络对所述待检测视频进行人脸防伪检测；至少响应于所述活体检测通过以及所述人脸防伪检测通过，执行用于表示所述人脸检测通过的相关操作。
此外，在RAM中，还可存储有装置操作所需的各种程序和数据。CPU、ROM以及RAM通过总线彼此相连。在有RAM的情况下，ROM为可选模块。RAM存储可执行指令，或在运行时向ROM中写入可执行指令，可执行指令使处理器执行本发明上述任一方法对应的操作。输入/输出(I/O)接口也连接至总线。通信部可以集成设置，也可以设置为具有多个子模块(例如多个IB网卡)，并在总线链接上。
以下部件连接至I/O接口：包括键盘、鼠标等的输入部分；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分；包括硬盘等的存储部分；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口。可拆卸介质，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器上，以便于从其上读出的计算机程序根据需要被安装入存储部分。
需要说明的，如图7所示的架构仅为一种可选实现方式，在具体实践过程中，可根据实际需要对上述图7的部件数量和类型进行选择、删减、增加或替换；在不同功能部件设置上，也可采用分离设置或集成设置等实现方式，例如GPU和CPU可分离设置或者可将GPU集成在CPU上，通信部可分离设置，也可集成设置在CPU或GPU上，等等。这些可替换的实施方式均落入本发明公开的保护范围。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，计算机程序包含用于执行流程图所示的方法的程序代码，程序代码可包括对应执行本申请实施例提供的人脸防伪检测方法步骤对应的指令。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被CPU执行时，执行本申请的方法中限定的上述功能。
另外，本发明实施例还提供了一种计算机程序，包括计算机可读代码，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现本发明任一实施例所述方法中各步骤的指令。
另外，本发明实施例还提供了一种计算机可读存储介质，用于存储计算机可读取的指令，所述指令被执行时执行本发明任一实施例所述方法中各步骤的操作。
本发明实施例采用前端(即：用户端或终端设备侧)、后端(即：云端或网络侧)的配合，能够进行活体检测和防伪造检测，不需要额外的设备辅助，方案适用场景广。本发明实施例的方案对使用环境要求宽松，即使当环境不够理想时，真实用户也容易通过活体检测，同时能够较好地抵御伪造攻击。另外在云端进行人脸防伪检测的方案对于移动前端占用存储小，计算量小，资源消耗小，便于用户使用。c
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。
可能以许多方式来实现本发明的方法和系统。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发明的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明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，还可将本发明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发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (10)

1.一种人脸检测方法，其特征在于，包括：
利用第一神经网络对包括有人脸的待检测视频进行活体检测；
利用第二神经网络对所述待检测视频进行人脸防伪检测；
至少响应于所述活体检测通过以及所述人脸防伪检测通过，执行用于表示所述人脸检测通过的相关操作。
2.根据权利要求1所述的方法，其特征在于，所述对包括有人脸的待检测视频进行活体检测，包括：
对所述待检测视频进行规定动作的有效性检测；
响应于所述规定动作的有效性的检测结果满足预定条件，所述活体检测通过。
3.根据权利要求2所述的方法，其特征在于，所述规定动作包括以下任意一项或多项：眨眼、张嘴、闭嘴、微笑、上点头、下点头、左转头、右转头、左歪头、右歪头、俯头、仰头。
4.根据权利要求2或3所述的方法，其特征在于，所述规定动作为预先设置的规定动作或者随机选择的规定动作。
5.根据权利要求1至4任意一项所述的方法，其特征在于，还包括：
预先利用包括所述规定动作的样本视频对第一神经网络进行训练；训练好的所述第一神经网络融合有所述规定动作的动作特征，所述样本视频标注有所述规定动作的标注信息。
6.一种人脸检测系统，其特征在于，包括：
第一神经网络，用于对包括有人脸的待检测视频进行活体检测；
第二神经网络，用于对所述待检测视频进行人脸防伪检测；
执行模块，用于至少响应于所述活体检测通过以及所述人脸防伪检测通过，执行用于表示所述人脸检测通过的相关操作。
7.一种电子设备，其特征在于，包括权利要求6所述的人脸检测系统。
8.一种电子设备，其特征在于，包括：
存储器，用于存储可执行指令；以及
处理器，用于与所述存储器通信以执行所述可执行指令从而完成权利要求1至5任意一项所述人脸检测方法的操作。
9.一种计算机程序，包括计算机可读代码，其特征在于，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现权利要求1至5任意一项所述人脸检测方法中各步骤的指令。
10.一种计算机存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行权利要求1至5任意一项所述人脸检测方法的操作。
CN201711251760.XA 2017-03-16 2017-12-01 人脸检测方法和系统、电子设备、程序和介质 Pending CN108229325A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/079267 WO2018166524A1 (zh) 2017-03-16 2018-03-16 人脸检测方法和系统、电子设备、程序和介质

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2017101577151 2017-03-16
CN201710157715 2017-03-16

Publications (1)

Publication Number Publication Date
CN108229325A true CN108229325A (zh) 2018-06-29

Family

ID=62653294

Family Applications (5)

Application Number Title Priority Date Filing Date
CN201711251762.9A Pending CN108229326A (zh) 2017-03-16 2017-12-01 人脸防伪检测方法和系统、电子设备、程序和介质
CN201711251760.XA Pending CN108229325A (zh) 2017-03-16 2017-12-01 人脸检测方法和系统、电子设备、程序和介质
CN201711288596.XA Pending CN108229328A (zh) 2017-03-16 2017-12-07 人脸防伪检测方法和系统、电子设备、程序和介质
CN201711289396.6A Pending CN108229331A (zh) 2017-03-16 2017-12-07 人脸防伪检测方法和系统、电子设备、程序和介质
CN201711288597.4A Active CN108229329B (zh) 2017-03-16 2017-12-07 人脸防伪检测方法和系统、电子设备、程序和介质

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201711251762.9A Pending CN108229326A (zh) 2017-03-16 2017-12-01 人脸防伪检测方法和系统、电子设备、程序和介质

Family Applications After (3)

Application Number Title Priority Date Filing Date
CN201711288596.XA Pending CN108229328A (zh) 2017-03-16 2017-12-07 人脸防伪检测方法和系统、电子设备、程序和介质
CN201711289396.6A Pending CN108229331A (zh) 2017-03-16 2017-12-07 人脸防伪检测方法和系统、电子设备、程序和介质
CN201711288597.4A Active CN108229329B (zh) 2017-03-16 2017-12-07 人脸防伪检测方法和系统、电子设备、程序和介质

Country Status (3)

Country Link
US (2) US11080517B2 (zh)
CN (5) CN108229326A (zh)
WO (3) WO2018166525A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109670430A (zh) * 2018-12-11 2019-04-23 浙江大学 一种基于深度学习的多分类器融合的人脸活体识别方法
CN110163053A (zh) * 2018-08-02 2019-08-23 腾讯科技（深圳）有限公司 生成人脸识别的负样本的方法、装置及计算机设备
CN112307973A (zh) * 2020-10-30 2021-02-02 中移（杭州）信息技术有限公司 活体检测方法、系统、电子设备和存储介质
CN112689159A (zh) * 2020-12-22 2021-04-20 深圳市九洲电器有限公司 视频文件处理方法、装置、终端设备以及存储介质
CN112906676A (zh) * 2021-05-06 2021-06-04 北京远鉴信息技术有限公司 人脸图像来源的识别方法、装置、存储介质及电子设备
CN113538185A (zh) * 2021-07-15 2021-10-22 山西安弘检测技术有限公司 一种放射卫生检测的模拟训练方法及装置
CN113869906A (zh) * 2021-09-29 2021-12-31 北京市商汤科技开发有限公司 人脸支付方法及装置、存储介质
CN113869253A (zh) * 2021-09-29 2021-12-31 北京百度网讯科技有限公司 活体检测方法、训练方法、装置、电子设备及介质
CN114359798A (zh) * 2021-12-29 2022-04-15 天翼物联科技有限公司 实人认证的数据稽核方法、装置、计算机设备及存储介质
US11443559B2 (en) 2019-08-29 2022-09-13 PXL Vision AG Facial liveness detection with a mobile device

Families Citing this family (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10635894B1 (en) * 2016-10-13 2020-04-28 T Stamp Inc. Systems and methods for passive-subject liveness verification in digital media
CN108229326A (zh) * 2017-03-16 2018-06-29 北京市商汤科技开发有限公司 人脸防伪检测方法和系统、电子设备、程序和介质
US11093771B1 (en) 2018-05-04 2021-08-17 T Stamp Inc. Systems and methods for liveness-verified, biometric-based encryption
US11496315B1 (en) 2018-05-08 2022-11-08 T Stamp Inc. Systems and methods for enhanced hash transforms
CN109034059B (zh) * 2018-07-25 2023-06-06 深圳市中悦科技有限公司 静默式人脸活体检测方法、装置、存储介质及处理器
CN109325413A (zh) * 2018-08-17 2019-02-12 深圳市中电数通智慧安全科技股份有限公司 一种人脸识别方法、装置及终端
US11461384B2 (en) * 2018-09-10 2022-10-04 Algoface, Inc. Facial images retrieval system
CN111046703B (zh) * 2018-10-12 2023-04-18 杭州海康威视数字技术股份有限公司 人脸防伪检测方法、装置及多目相机
KR102140340B1 (ko) * 2018-10-18 2020-07-31 엔에이치엔 주식회사 컨볼루션 뉴럴 네트워크를 통해 이미지 위변조를 탐지하는 시스템 및 이를 이용하여 무보정 탐지 서비스를 제공하는 방법
CN111291586B (zh) * 2018-12-06 2024-05-24 北京市商汤科技开发有限公司 活体检测方法、装置、电子设备及计算机可读存储介质
CN111488756B (zh) 2019-01-25 2023-10-03 杭州海康威视数字技术股份有限公司 基于面部识别的活体检测的方法、电子设备和存储介质
WO2020159437A1 (en) * 2019-01-29 2020-08-06 Agency For Science, Technology And Research Method and system for face liveness detection
CN109828668A (zh) * 2019-01-30 2019-05-31 维沃移动通信有限公司 一种显示控制方法及电子设备
CN109858471A (zh) * 2019-04-03 2019-06-07 深圳市华付信息技术有限公司 基于图像质量的活体检测方法、装置及计算机设备
US11301586B1 (en) 2019-04-05 2022-04-12 T Stamp Inc. Systems and processes for lossy biometric representations
CN111783505B (zh) * 2019-05-10 2025-01-03 北京京东尚科信息技术有限公司 伪造人脸的识别方法、装置和计算机可读存储介质
CN110245612A (zh) * 2019-06-14 2019-09-17 百度在线网络技术（北京）有限公司 人脸图像的检测方法和装置
CN110248100B (zh) * 2019-07-18 2021-02-19 联想(北京)有限公司 一种拍摄方法、装置及存储介质
CN110414437A (zh) * 2019-07-30 2019-11-05 上海交通大学 基于卷积神经网络模型融合篡改人脸检测分析方法和系统
CN110555931A (zh) * 2019-08-31 2019-12-10 华南理工大学 一种基于深度学习识别的人脸检测与门禁系统装置
CN110688946A (zh) * 2019-09-26 2020-01-14 上海依图信息技术有限公司 基于图片识别的公有云静默活体检测设备和方法
US11687778B2 (en) 2020-01-06 2023-06-27 The Research Foundation For The State University Of New York Fakecatcher: detection of synthetic portrait videos using biological signals
US11403369B2 (en) 2020-01-21 2022-08-02 Disney Enterprises, Inc. Secure content processing pipeline
CN111339832B (zh) * 2020-02-03 2023-09-12 中国人民解放军国防科技大学 人脸合成图像的检测方法及装置
US11425120B2 (en) 2020-02-11 2022-08-23 Disney Enterprises, Inc. Systems for authenticating digital contents
CN111444873B (zh) * 2020-04-02 2023-12-12 北京迈格威科技有限公司 视频中人物真伪的检测方法、装置、电子设备及存储介质
CN111611873B (zh) * 2020-04-28 2024-07-16 平安科技（深圳）有限公司 人脸替换检测方法及装置、电子设备、计算机存储介质
US11967173B1 (en) 2020-05-19 2024-04-23 T Stamp Inc. Face cover-compatible biometrics and processes for generating and using same
CN111611967A (zh) * 2020-05-29 2020-09-01 哈尔滨理工大学 一种人脸识别的活体检测方法
CN111739046A (zh) * 2020-06-19 2020-10-02 百度在线网络技术（北京）有限公司 用于模型更新和检测图像的方法、装置、设备和介质
CN112085701B (zh) * 2020-08-05 2024-06-11 深圳市优必选科技股份有限公司 一种人脸模糊度检测方法、装置、终端设备及存储介质
CN111986180B (zh) * 2020-08-21 2021-07-06 中国科学技术大学 基于多相关帧注意力机制的人脸伪造视频检测方法
CN112580621B (zh) * 2020-12-24 2022-04-29 成都新希望金融信息有限公司 身份证翻拍识别方法、装置、电子设备及存储介质
CN114760524A (zh) * 2020-12-25 2022-07-15 深圳Tcl新技术有限公司 视频处理方法、装置、智能终端及计算机可读存储介质
CN112733760B (zh) * 2021-01-15 2023-12-12 上海明略人工智能(集团)有限公司 人脸防伪检测方法及系统
US12079371B1 (en) 2021-04-13 2024-09-03 T Stamp Inc. Personal identifiable information encoder
CN113095272B (zh) * 2021-04-23 2024-03-29 深圳前海微众银行股份有限公司 活体检测方法、设备、介质及计算机程序产品
CN113486853B (zh) * 2021-07-29 2024-02-27 北京百度网讯科技有限公司 视频检测方法及装置、电子设备和介质
CN114694209A (zh) * 2022-02-07 2022-07-01 湖南信达通信息技术有限公司 视频处理方法、装置、电子设备及计算机存储介质
CN115174138B (zh) * 2022-05-25 2024-06-07 北京旷视科技有限公司 摄像头攻击检测方法、系统、设备、存储介质及程序产品
TWI807851B (zh) * 2022-06-08 2023-07-01 中華電信股份有限公司 一種領域泛化之人臉防偽的特徵解析系統、方法及其電腦可讀媒介
CN115063870B (zh) * 2022-07-08 2024-04-30 广东警官学院(广东省公安司法管理干部学院) 一种基于面部动作单元的伪造视频人像检测方法
CN115272130A (zh) * 2022-08-22 2022-11-01 苏州大学 基于多光谱级联归一化的图像去摩尔纹系统及方法
CN119091923B (zh) * 2024-11-05 2025-02-07 中国科学院自动化研究所 篡改音频的定位方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622588A (zh) * 2012-03-08 2012-08-01 无锡数字奥森科技有限公司 双验证人脸防伪方法及装置
US20140019392A1 (en) * 2012-06-01 2014-01-16 Brain Corporation Intelligent modular robotic apparatus and methods
CN105518708A (zh) * 2015-04-29 2016-04-20 北京旷视科技有限公司 用于验证活体人脸的方法、设备和计算机程序产品
CN106203305A (zh) * 2016-06-30 2016-12-07 北京旷视科技有限公司 人脸活体检测方法和装置

Family Cites Families (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2398711B (en) * 2003-02-18 2006-04-12 Samsung Electronics Co Ltd Neural networks
US7418128B2 (en) * 2003-07-31 2008-08-26 Microsoft Corporation Elastic distortions for automatic generation of labeled data
EP1829479A1 (en) * 2005-02-16 2007-09-05 Matsushita Electric Industrial Co., Ltd. Biometric discrimination device, authentication device, and biometric discrimination method
CN101833646B (zh) * 2009-03-11 2012-05-02 北京中科虹霸科技有限公司 一种虹膜活体检测方法
CN101669824B (zh) * 2009-09-22 2012-01-25 浙江工业大学 基于生物特征识别的人与身份证同一性检验装置
US9026580B2 (en) * 2009-11-20 2015-05-05 Microsoft Technology Licensing, Llc Validation pipeline
US9202105B1 (en) * 2012-01-13 2015-12-01 Amazon Technologies, Inc. Image analysis for user authentication
US9025830B2 (en) * 2012-01-20 2015-05-05 Cyberlink Corp. Liveness detection system based on face behavior
US10452894B2 (en) * 2012-06-26 2019-10-22 Qualcomm Incorporated Systems and method for facial verification
US9811775B2 (en) * 2012-12-24 2017-11-07 Google Inc. Parallelizing neural networks during training
CN103106397B (zh) * 2013-01-19 2016-09-21 华南理工大学 基于亮瞳效应的人脸活体检测方法
CN104143078B (zh) * 2013-05-09 2016-08-24 腾讯科技（深圳）有限公司 活体人脸识别方法、装置和设备
US9460382B2 (en) * 2013-12-23 2016-10-04 Qualcomm Incorporated Neural watchdog
CN103886301B (zh) 2014-03-28 2017-01-18 北京中科奥森数据科技有限公司 一种人脸活体检测方法
US9484022B2 (en) * 2014-05-23 2016-11-01 Google Inc. Training multiple neural networks with different accuracy
US20160005050A1 (en) * 2014-07-03 2016-01-07 Ari Teman Method and system for authenticating user identity and detecting fraudulent content associated with online activities
CN105447432B (zh) * 2014-08-27 2019-09-13 杨健伟 一种基于局部运动模式的人脸防伪方法
US10417525B2 (en) * 2014-09-22 2019-09-17 Samsung Electronics Co., Ltd. Object recognition with reduced neural network weight precision
CN105376469B (zh) 2014-11-03 2018-11-13 苏州思源科安信息技术有限公司 一种用于生物特征识别移动终端的驱动自动聚焦方法
CN104615997B (zh) * 2015-02-15 2018-06-19 四川川大智胜软件股份有限公司 一种基于多摄像机的人脸防伪方法
CN106033435B (zh) * 2015-03-13 2019-08-02 北京贝虎机器人技术有限公司 物品识别方法和装置，室内地图生成方法和装置
US10079827B2 (en) * 2015-03-16 2018-09-18 Ricoh Company, Ltd. Information processing apparatus, information processing method, and information processing system
CN204481940U (zh) * 2015-04-07 2015-07-15 北京市商汤科技开发有限公司 双目摄像头拍照移动终端
CN104766072A (zh) * 2015-04-29 2015-07-08 深圳市保千里电子有限公司 一种活体人脸识别的装置及其使用方法
CN105612533B (zh) * 2015-06-08 2021-03-02 北京旷视科技有限公司 活体检测方法、活体检测系统以及计算机程序产品
US10878320B2 (en) * 2015-07-22 2020-12-29 Qualcomm Incorporated Transfer learning in neural networks
CN105023005B (zh) * 2015-08-05 2018-12-07 王丽婷 人脸识别装置及其识别方法
CN105117695B (zh) * 2015-08-18 2017-11-24 北京旷视科技有限公司 活体检测设备和活体检测方法
CN105005779A (zh) * 2015-08-25 2015-10-28 湖北文理学院 基于交互式动作的人脸验证防伪识别方法及系统
CN105205455B (zh) * 2015-08-31 2019-02-26 李岩 一种移动平台上人脸识别的活体检测方法及系统
CN105224924A (zh) * 2015-09-29 2016-01-06 小米科技有限责任公司 活体人脸识别方法和装置
CN106897658B (zh) * 2015-12-18 2021-12-14 腾讯科技（深圳）有限公司 人脸活体的鉴别方法和装置
CN105513221B (zh) * 2015-12-30 2018-08-14 四川川大智胜软件股份有限公司 一种基于三维人脸识别的atm机防欺诈装置及系统
CN105718863A (zh) * 2016-01-15 2016-06-29 北京海鑫科金高科技股份有限公司 一种人脸活体检测方法、装置及系统
CN105718874A (zh) * 2016-01-18 2016-06-29 北京天诚盛业科技有限公司 活体检测及认证的方法和装置
CN105930797B (zh) * 2016-04-21 2019-03-26 腾讯科技（深圳）有限公司 一种人脸验证方法及装置
CN106096519A (zh) * 2016-06-01 2016-11-09 腾讯科技（深圳）有限公司 活体鉴别方法及装置
KR102483642B1 (ko) * 2016-08-23 2023-01-02 삼성전자주식회사 라이브니스 검사 방법 및 장치
US10664722B1 (en) * 2016-10-05 2020-05-26 Digimarc Corporation Image processing arrangements
CN106372629B (zh) * 2016-11-08 2020-02-07 汉王科技股份有限公司 一种活体检测方法和装置
CN108229326A (zh) * 2017-03-16 2018-06-29 北京市商汤科技开发有限公司 人脸防伪检测方法和系统、电子设备、程序和介质
KR102387571B1 (ko) * 2017-03-27 2022-04-18 삼성전자주식회사 라이브니스 검사 방법 및 장치
KR102324468B1 (ko) * 2017-03-28 2021-11-10 삼성전자주식회사 얼굴 인증을 위한 장치 및 방법
CN108229120B (zh) * 2017-09-07 2020-07-24 北京市商汤科技开发有限公司 人脸解锁及其信息注册方法和装置、设备、程序、介质
US10970571B2 (en) * 2018-06-04 2021-04-06 Shanghai Sensetime Intelligent Technology Co., Ltd. Vehicle control method and system, vehicle-mounted intelligent system, electronic device, and medium

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622588A (zh) * 2012-03-08 2012-08-01 无锡数字奥森科技有限公司 双验证人脸防伪方法及装置
US20140019392A1 (en) * 2012-06-01 2014-01-16 Brain Corporation Intelligent modular robotic apparatus and methods
CN105518708A (zh) * 2015-04-29 2016-04-20 北京旷视科技有限公司 用于验证活体人脸的方法、设备和计算机程序产品
CN106203305A (zh) * 2016-06-30 2016-12-07 北京旷视科技有限公司 人脸活体检测方法和装置

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163053A (zh) * 2018-08-02 2019-08-23 腾讯科技（深圳）有限公司 生成人脸识别的负样本的方法、装置及计算机设备
US11302118B2 (en) 2018-08-02 2022-04-12 Tencent Technology (Shenzhen) Company Limited Method and apparatus for generating negative sample of face recognition, and computer device
CN109670430A (zh) * 2018-12-11 2019-04-23 浙江大学 一种基于深度学习的多分类器融合的人脸活体识别方法
US11443559B2 (en) 2019-08-29 2022-09-13 PXL Vision AG Facial liveness detection with a mobile device
US11669607B2 (en) 2019-08-29 2023-06-06 PXL Vision AG ID verification with a mobile device
CN112307973A (zh) * 2020-10-30 2021-02-02 中移（杭州）信息技术有限公司 活体检测方法、系统、电子设备和存储介质
CN112307973B (zh) * 2020-10-30 2023-04-18 中移（杭州）信息技术有限公司 活体检测方法、系统、电子设备和存储介质
CN112689159A (zh) * 2020-12-22 2021-04-20 深圳市九洲电器有限公司 视频文件处理方法、装置、终端设备以及存储介质
CN112906676A (zh) * 2021-05-06 2021-06-04 北京远鉴信息技术有限公司 人脸图像来源的识别方法、装置、存储介质及电子设备
CN113538185A (zh) * 2021-07-15 2021-10-22 山西安弘检测技术有限公司 一种放射卫生检测的模拟训练方法及装置
CN113869906A (zh) * 2021-09-29 2021-12-31 北京市商汤科技开发有限公司 人脸支付方法及装置、存储介质
CN113869253A (zh) * 2021-09-29 2021-12-31 北京百度网讯科技有限公司 活体检测方法、训练方法、装置、电子设备及介质
CN114359798A (zh) * 2021-12-29 2022-04-15 天翼物联科技有限公司 实人认证的数据稽核方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
US11080517B2 (en) 2021-08-03
CN108229331A (zh) 2018-06-29
US20210200995A1 (en) 2021-07-01
CN108229328A (zh) 2018-06-29
WO2018166525A1 (zh) 2018-09-20
CN108229329A (zh) 2018-06-29
CN108229326A (zh) 2018-06-29
US20190318156A1 (en) 2019-10-17
CN108229329B (zh) 2022-01-28
WO2018166515A1 (zh) 2018-09-20
US11482040B2 (en) 2022-10-25
WO2018166524A1 (zh) 2018-09-20

Similar Documents

Publication Publication Date Title
CN108229325A (zh) 人脸检测方法和系统、电子设备、程序和介质
WO2022001509A1 (zh) 图像优化方法、装置、计算机存储介质以及电子设备
CN108229120A (zh) 人脸解锁及其信息注册方法和装置、设备、程序、介质
JP7369500B2 (ja) 閾値ベースのマッチングによる遠隔ユーザの身元確認
CN109359502A (zh) 防伪检测方法和装置、电子设备、存储介质
CN110222573A (zh) 人脸识别方法、装置、计算机设备及存储介质
CN105868678B (zh) 人脸识别模型的训练方法及装置
CN105956572A (zh) 一种基于卷积神经网络的活体人脸检测方法
CN107341435A (zh) 视频图像的处理方法、装置和终端设备
CN105518708A (zh) 用于验证活体人脸的方法、设备和计算机程序产品
CN108491821A (zh) 基于图像处理和深度学习的车险事故鉴别方法、系统及存储介质
CN109919754A (zh) 一种数据获取方法、装置、终端及存储介质
CN106682632A (zh) 用于处理人脸图像的方法和装置
CN106599872A (zh) 用于验证活体人脸图像的方法和设备
CN108932774A (zh) 信息检测方法和装置
CN109871845A (zh) 证件图像提取方法及终端设备
CN111325175A (zh) 活体检测方法、装置、电子设备及存储介质
CN109409349A (zh) 信贷证件鉴别方法、装置、终端及计算机可读存储介质
CN109977832A (zh) 一种图像处理方法、装置及存储介质
CN115222406A (zh) 基于业务服务账号的资源发放方法以及相关设备
CN113034433A (zh) 数据鉴伪方法、装置、设备以及介质
Hepburn et al. Enforcing perceptual consistency on generative adversarial networks by using the normalised laplacian pyramid distance
US20240412432A1 (en) Methods and Systems for Transferring Hair Characteristics from a Reference Image to a Digital Image
Paul Deepfakes generated by generative adversarial networks
CN104158658B (zh) 一种视频动态验证码生成方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180629

RJ01 Rejection of invention patent application after publication