活體檢測設備和活體檢測方法

《活體檢測設備和活體檢測方法》是北京曠視科技有限公司、北京小孔科技有限公司於2015年8月18日申請的專利，該專利的公布號為CN105117695A，授權公布日為2015年12月2日，發明人是范浩強、賈開、印奇。

《活體檢測設備和活體檢測方法》提供了一種活體檢測設備和活體檢測方法。所述活體檢測設備可包括：特定展示部，用於展示特定的鑑別內容；圖像採集器，用於在展示所述鑑別內容期間採集待識別的目標對象的圖像數據；處理器，用於確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域、並在存在所述反光區域時確定該反光區域的區域特徵，以得到一確定結果，並基於該確定結果識別所述目標對象是否是活體。利用根據該公開實施例的技術方案中，能夠識別出特定的不具有活體人臉的目標對象，從而有效地防範攻擊者藉助於圖像、視頻顯示等非活體工具進行的攻擊。

2020年7月14日，《活體檢測設備和活體檢測方法》獲得第二十一屆中國專利獎優秀獎。

（概述圖為《活體檢測設備和活體檢測方法》摘要附圖）

基本介紹

• 中文名：活體檢測設備和活體檢測方法
• 申請人：北京曠視科技有限公司、北京小孔科技有限公司
• 申請日：2015年8月18日
• 申請號：2015105082623
• 公布號：CN105117695A
• 公布日：2015年12月2日
• 發明人：范浩強、賈開、印奇
• 地址：北京市海淀區科學院南路2號A座313室
• Int. Cl.：G06K9/00(2006.01)I
• 代理機構：北京市柳沈律師事務所
• 代理人：於小寧、張銀英
• 類別：發明專利

專利背景

人臉識別是基於人的臉部特徵信息進行身份識別的一種生物識別技術。人臉識別可以使用攝像機以非接觸的方式獲取識別對象的人臉圖像，然後通過對所獲取的圖像與資料庫圖像進行比對來完成識別過程。2015年前，人臉識別技術已用於銀行、社會福利保障、電子商務、安全防務等領域。例如，可以將人臉識別系統套用於銀行遠程開戶、門禁系統、遠程交易操作驗證等。

在基於人臉識別來進行身份識別的套用中，衍生出一些惡意欺騙人臉身份驗證的方法。例如，攻擊者使用假面具、或者播放視頻、動畫等來仿冒特定人的人臉的動作來欺騙人臉身份驗證。這使得基於人臉的身份驗證方法很可能對這些攻擊失效。為了提高身份識別的準確性，可以首先驗證待驗證對象是一個生物活體，然後通過比對待驗證對象的面部特徵與資料庫中已存的各個用戶的面部特徵來識別待驗證對象的身份。因此，期望提供一種有效的用於活體檢測的技術方案，來有效地防範攻擊者藉助於非活體工具進行的攻擊。

發明內容

專利目的

《活體檢測設備和活體檢測方法》實施例提供了一種活體檢測設備和活體檢測方法，其能夠識別出特定的不具有活體人臉的待識別的目標對象，從而有效地防範攻擊者藉助於圖像、視頻顯示等非活體工具進行的攻擊。

技術方案

第一方面，提供了一種活體檢測設備。該活體檢測設備可包括：特定展示部，用於展示特定的鑑別內容；圖像採集器，用於在展示所述鑑別內容期間採集待識別的目標對象的圖像數據；處理器，用於確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域、並在存在所述反光區域時確定該反光區域的區域特徵，以得到一確定結果，並基於該確定結果識別所述目標對象是否是活體。

結合第一方面，在第一方面的一種實現方式中，所述特定展示部可用於展示所述活體檢測設備的標題欄、工具列和背景區域中的至少一個作為所述鑑別內容。

結合第一方面及其上述實現方式，在第一方面的另一實現方式中，所述特定展示部可包括：序列發生器，用於隨機地產生一個參考序列；顯示器，用於將所述參考序列施加到所述鑑別內容，以調整所述鑑別內容的顯示效果。

結合第一方面及其上述實現方式，在第一方面的另一實現方式中，所述顯示器可用於將所述參考序列施加到具有動畫效果的套用圖案，以調整該套用圖案的顯示效果。

結合第一方面及其上述實現方式，在第一方面的另一實現方式中，所述處理器可通過如下操作確定所採集的圖像數據中是否存在所述反光區域：計算所採集的圖像數據中的各個像素值與所述參考序列之間的相關係數；基於所述相關係數確定各個像素值所在的位置是否是反光位置；基於所計算的反光位置確定是否存在所述反光區域。

結合第一方面及其上述實現方式，在第一方面的另一實現方式中，所述參考序列可以是多個各不相同的參考亮度序列，所述顯示器在不同的時間點依次將所述多個參考亮度序列施加到所述鑑別內容，所述處理器可通過如下操作計算所述相關係數：獲取所採集的圖像數據中的每個像素在施加所述參考亮度序列的各個時間點上的像素值；計算在各個時間點上的所述像素值的均值和方差；計算所述參考亮度序列的均值和方差；基於所述像素值的均值和方差以及所述參考亮度序列的均值和方差來計算所述像素值與所述參考序列之間的相關係數。

結合第一方面及其上述實現方式，在第一方面的另一實現方式中，所述鑑別內容可具有預定的鑑別圖案，所述處理器可通過如下操作得到所述確定結果：確定所採集的圖像數據中是否存在與所展示的鑑別圖案對應的區域；在存在與所展示的鑑別圖案對應的區域的情況下，將該與所展示的鑑別圖案對應的區域作為所述反光區域。

結合第一方面及其上述實現方式，在第一方面的另一實現方式中，所述處理器可以計算所述反光區域的尺寸和位置中的至少一個作為所述反光區域的區域特徵，並且基於所述反光區域的尺寸和位置中的至少一個來識別所述目標對象是否是活體。

結合第一方面及其上述實現方式，在第一方面的另一實現方式中，在基於所述反光區域的尺寸來識別所述目標對象是否是活體的情況中，所述處理器可以將所述反光區域的尺寸與第一閾值和第二閾值相比較，其中第二閾值大於第一閾值，當所述反光區域的尺寸大於等於第一閾值並且小於第二閾值時，將所述目標對象識別為不是活體，否則將所述目標對象識別為活體；在基於所述反光區域的位置來識別所述目標對象是否是活體的情況中，所述處理器可以判斷所述反光區域在所採集的圖像數據中的位置，當所述反光區域的位置接近所採集的圖像數據的邊緣時，將所述目標對象識別為不是活體，否則將所述目標對象識別為活體。

結合第一方面及其上述實現方式，在第一方面的另一實現方式中，所述活體檢測設備可被設定於手持終端中，所述圖像採集器可以是所述手持終端的前置攝像頭。

第二方面，提供了一種活體檢測方法。該活體檢測方法包括：向待識別的目標對象展示特定的鑑別內容；在展示所述鑑別內容期間，採集所述目標對象的圖像數據；確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域、並在存在所述反光區域時確定該反光區域的區域特徵，以得到一確定結果；以及基於所述確定結果識別所述目標對象是否是活體。

結合第二方面，在第二方面的一種實現方式中，所述活體檢測方法可套用於一活體檢測設備，所述向待識別的目標對象展示特定的鑑別內容可包括：展示所述活體檢測設備的標題欄、工具列和背景區域中的至少一個作為所述鑑別內容。

結合第二方面及其上述實現方式，在第二方面的另一實現方式中，所述向待識別的目標對象展示特定的鑑別內容可包括：隨機地產生一個參考序列；將所述參考序列施加到所述鑑別內容以調整所述鑑別內容的顯示效果。

結合第二方面及其上述實現方式，在第二方面的另一實現方式中，所述將所述參考序列施加到所述鑑別內容以調整所述鑑別內容的顯示效果可包括：將所述參考序列施加到具有動畫效果的套用圖案，以調整該套用圖案的顯示效果。

結合第二方面及其上述實現方式，在第二方面的另一實現方式中，所述確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域可包括：計算所採集的圖像數據中的各個像素值與所述參考序列之間的相關係數；基於所述相關係數確定各個像素值所在的位置是否是反光位置；基於所計算的反光位置確定是否存在所述反光區域。

結合第二方面及其上述實現方式，在第二方面的另一實現方式中，所述參考序列是多個各不相同的參考亮度序列；所述將所述參考序列施加到所述鑑別內容以調整所述鑑別內容的顯示效果包括在不同的時間點依次將所述多個參考亮度序列施加到所述鑑別內容，以調整所述鑑別內容的顯示效果；所述計算所採集的圖像數據中的各個像素值與所述參考序列之間的相關係數包括：獲取所採集的圖像數據中的每個像素在施加所述參考亮度序列的各個時間點上的像素值；計算在各個時間點上的所述像素值的均值和方差；計算所述參考亮度序列的均值和方差；基於所述像素值的均值和方差以及所述參考亮度序列的均值和方差來計算所述像素值與所述參考序列之間的相關係數。

結合第二方面及其上述實現方式，在第二方面的另一實現方式中，所述鑑別內容可具有預定的鑑別圖案，所述確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域可包括：確定所採集的圖像數據中是否存在與所展示的鑑別圖案對應的區域；在存在與所展示的鑑別圖案對應的區域的情況下，將該與所展示的鑑別圖案對應的區域作為所述反光區域。

結合第二方面及其上述實現方式，在第二方面的另一實現方式中，所述確定該反光區域的區域特徵可包括計算所述反光區域的尺寸和位置中的至少一個作為所述區域特徵；所述基於所述確定結果識別所述目標對象是否是活體可包括基於所述反光區域的尺寸和位置中的至少一個來識別所述目標對象是否是活體。

結合第二方面及其上述實現方式，在第二方面的另一實現方式中，所述基於所述反光區域的尺寸和位置中的至少一個來識別所述目標對象是否是活體可包括：在基於所述反光區域的尺寸來識別所述目標對象是否是活體的情況中，將所述反光區域的尺寸與第一閾值和第二閾值相比較，其中第二閾值大於第一閾值；當所述反光區域的尺寸大於等於第一閾值並且小於第二閾值時，將所述目標對象識別為不是活體，否則將所述目標對象識別為活體；在基於所述反光區域的位置來識別所述目標對象是否是活體的情況中，判斷所述反光區域在所採集的圖像數據中的位置；當所述反光區域的位置接近所採集的圖像數據的邊緣時，將所述目標對象識別為不是活體，否則將所述目標對象識別為活體。

結合第二方面及其上述實現方式，在第二方面的另一實現方式中，所述活體檢測方法可被套用於手持終端中，所述採集所述目標對象的圖像數據包括：利用手持終端中的前置攝像頭來採集所述目標對象的圖像數據。

第三方面，提供了一種電子設備，包括如上所述的活體檢測設備。

在根據《活體檢測設備和活體檢測方法》實施例的活體檢測設備和活體檢測方法的技術方案中，通過從所採集的目標對象的圖像數據中檢測對應於鑑別內容的反光區域、並確定該反光區域的區域特徵，其能夠識別出特定的不具有活體人臉的目標對象，從而有效地防範攻擊者藉助於圖像、視頻顯示等非活體工具進行的攻擊。

附圖說明

圖1是示意性圖示了根據《活體檢測設備和活體檢測方法》實施例的活體檢測的場景架構。

圖2是示意性圖示了根據《活體檢測設備和活體檢測方法》實施例的活體檢測設備的框圖。

圖3（a）是示意性圖示了圖2的活體檢測設備中的特定展示部所展示的鑑別內容的第一示例。

圖3（b）是示意性圖示了圖2的活體檢測設備中的特定展示部所展示的鑑別內容的第二示例。

圖4是示意性圖示了圖2的活體檢測設備中的特定展示部的結構框圖。

圖5示意性圖示了圖2的活體檢測設備所確定的反光區域。

圖6是示意性圖示了根據《活體檢測設備和活體檢測方法》實施例的活體檢測方法的流程圖。

圖7是示意性圖示了圖6的活體檢測方法中的針對反光區域的確定操作的流程圖。

圖8是示意性圖示了根據《活體檢測設備和活體檢測方法》實施例的用於活體檢測的電子設備的框圖。

技術領域

《活體檢測設備和活體檢測方法》涉及人臉識別技術領域，更具體地涉及一種活體檢測設備和活體檢測方法。

權利要求

1.一種活體檢測設備，包括：特定展示部，用於展示特定的鑑別內容；圖像採集器，用於在展示所述鑑別內容期間採集待識別的目標對象的圖像數據；處理器，用於確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域、並在存在所述反光區域時確定該反光區域的區域特徵，以得到一確定結果，並基於該確定結果識別所述目標對象是否是活體。

2.根據權利要求1的活體檢測設備，其中，所述特定展示部用於展示所述活體檢測設備的標題欄、工具列和背景區域中的至少一個作為所述鑑別內容。

3.根據權利要求1的活體檢測設備，其中，所述特定展示部包括：序列發生器，用於隨機地產生一個參考序列；顯示器，用於將所述參考序列施加到所述鑑別內容，以調整所述鑑別內容的顯示效果。

4.根據權利要求3的活體檢測設備，其中，所述顯示器用於將所述參考序列施加到具有動畫效果的套用圖案，以調整該套用圖案的顯示效果。

5.根據權利要求3的活體檢測設備，其中，所述處理器通過如下操作確定所採集的圖像數據中是否存在所述反光區域：計算所採集的圖像數據中的各個像素與所述參考序列之間的相關係數；基於所述相關係數確定各個像素所在的位置是否是反光位置；基於所計算的反光位置確定是否存在所述反光區域。

6.根據權利要求5的活體檢測設備，其中，所述參考序列是多個各不相同的參考亮度序列，所述顯示器在不同的時間點依次將所述多個參考亮度序列施加到所述鑑別內容，所述處理器通過如下操作計算所述相關係數：獲取所採集的圖像數據中在施加所述參考亮度序列的各個時間點上的像素；計算所述在各個時間點上的像素的均值和方差；計算所述參考亮度序列的均值和方差；基於所述像素的均值和方差以及所述參考亮度序列的均值和方差來計算所述像素與所述參考序列之間的相關係數。

7.根據權利要求1的活體檢測設備，其中，所述鑑別內容具有預定的鑑別圖案，所述處理器通過如下操作得到所述確定結果：確定所採集的圖像數據中是否存在與所展示的鑑別圖案對應的區域；在存在與所展示的鑑別圖案對應的區域的情況下，將該與所展示的鑑別圖案對應的區域作為所述反光區域。

8.根據權利要求5或6的活體檢測設備，其中，所述處理器計算所述反光區域的尺寸和位置中的至少一個作為所述反光區域的區域特徵，並且基於所述反光區域的尺寸和位置中的至少一個來識別所述目標對象是否是活體。

9.根據權利要求8的活體檢測設備，其中，在基於所述反光區域的尺寸來識別所述目標對象是否是活體的情況中，所述處理器將所述反光區域的尺寸與第一閾值和第二閾值相比較，其中第二閾值大於第一閾值，當所述反光區域的尺寸大於等於第一閾值並且小於第二閾值時，將所述目標對象識別為不是活體，否則將所述目標對象識別為活體；在基於所述反光區域的位置來識別所述目標對象是否是活體的情況中，所述處理器判斷所述反光區域在所採集的圖像數據中的位置，當所述反光區域的位置接近所採集的圖像數據的邊緣時，將所述目標對象識別為不是活體。

10.根據權利要求1的活體檢測設備，其中，所述活體檢測設備被設定於手持終端中，所述圖像採集器是所述手持終端的前置攝像頭。

11.一種活體檢測方法，包括：向待識別的目標對象展示特定的鑑別內容；在展示所述鑑別內容期間，採集所述目標對象的圖像數據；確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域、並在存在所述反光區域時確定該反光區域的區域特徵，以得到一確定結果；以及基於所述確定結果識別所述目標對象是否是活體。

12.根據權利要求11的活體檢測方法，其中，所述活體檢測方法套用於一活體檢測設備，所述向待識別的目標對象展示特定的鑑別內容包括：展示所述活體檢測設備的標題欄、工具列和背景區域中的至少一個作為所述鑑別內容。

13.根據權利要求11的活體檢測方法，其中，所述向待識別的目標對象展示特定的鑑別內容包括：隨機地產生一個參考序列；將所述參考序列施加到所述鑑別內容以調整所述鑑別內容的顯示效果。

14.根據權利要求13的活體檢測方法，其中，所述將所述參考序列施加到所述鑑別內容以調整所述鑑別內容的顯示效果包括：將所述參考序列施加到具有動畫效果的套用圖案，以調整該套用圖案的顯示效果。

15.根據權利要求13的活體檢測方法，其中，所述確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域包括：計算所採集的圖像數據中的各個像素與所述參考序列之間的相關係數；基於所述相關係數確定各個像素所在的位置是否是反光位置；基於所計算的反光位置確定是否存在所述反光區域。

16.根據權利要求15的活體檢測方法，其中，所述參考序列是多個各不相同的參考亮度序列；所述將所述參考序列施加到所述鑑別內容以調整所述鑑別內容的顯示效果包括在不同的時間點依次將所述多個參考亮度序列施加到所述鑑別內容，以調整所述鑑別內容的顯示效果；所述計算所採集的圖像數據中的各個像素與所述參考序列之間的相關係數包括：獲取所採集的圖像數據中在施加所述參考亮度序列的各個時間點上的像素；計算所述在各個時間點上的像素的均值和方差；計算所述參考亮度序列的均值和方差；基於所述像素的均值和方差以及所述參考亮度序列的均值和方差來計算所述像素與所述參考序列之間的相關係數。

17.根據權利要求11的活體檢測方法，其中，所述鑑別內容具有預定的鑑別圖案，所述確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域包括：確定所採集的圖像數據中是否存在與所展示的鑑別圖案對應的區域；在存在與所展示的鑑別圖案對應的區域的情況下，將該與所展示的鑑別圖案對應的區域作為所述反光區域。

18.根據權利要求15或16的活體檢測方法，其中，所述確定該反光區域的區域特徵包括：計算所述反光區域的尺寸和位置中的至少一個作為所述區域特徵；所述基於所述確定結果識別所述目標對象是否是活體包括：基於所述反光區域的尺寸和位置中的至少一個來識別所述目標對象是否是活體。

19.根據權利要求18的活體檢測方法，其中，所述基於所述反光區域的尺寸和位置中的至少一個來識別所述目標對象是否是活體包括：在基於所述反光區域的尺寸來識別所述目標對象是否是活體的情況中，將所述反光區域的尺寸與第一閾值和第二閾值相比較，其中第二閾值大於第一閾值；當所述反光區域的尺寸大於等於第一閾值並且小於第二閾值時，將所述目標對象識別為不是活體，否則將所述目標對象識別為活體；在基於所述反光區域的位置來識別所述目標對象是否是活體的情況中，判斷所述反光區域在所採集的圖像數據中的位置；當所述反光區域的位置接近所採集的圖像數據的邊緣時，將所述目標對象識別為不是活體。

20.根據權利要求11的活體檢測方法，其中，所述活體檢測方法被套用於手持終端中，所述採集所述目標對象的圖像數據包括：利用手持終端中的前置攝像頭來採集所述目標對象的圖像數據。

實施方式

操作內容

圖1是示意性圖示了根據《活體檢測設備和活體檢測方法》實施例的活體檢測的場景架構。如圖1所示，待驗證的目標對象面向活體檢測設備10。活體檢測設備10上設定有圖像採集器。該圖像採集器能夠採集待驗證的目標對象的圖像。攻擊者可能利用電子設備20展示目標對象的圖像或視頻。所述電子設備20例如是筆記本計算機、平板計算機、電子紙、或者具有目標對象的圖像的相紙等。利用電子設備20，攻擊者可以顯示想要的任何顯示內容，從而使得基於用戶互動、規律生理信號的活體檢測方案失效。

圖1中的活體檢測設備10可以是專用的進行活體檢測的設備，也可以是具有活體檢測功能的手持終端，還可以是任何其它的電子設備。所述手持終端例如為手機、平板計算機等。

當攻擊者利用電子設備20展示視頻或圖像進行攻擊時，活體檢測設備10的展示內容通常在所面對的電子設備20中產生反光現象，從而在電子設備20中產生與活體檢測設備10的展示內容對應的反光區域。當目標對象是通常的待驗證人員時，活體檢測設備10的展示內容不能藉助於待驗證人員的面部等身體部位被反光，從而不能產生反光區域；即使產生反光區域，該反光區域的區域特徵也明顯不同於活體檢測設備10的展示內容在電子設備20產生的反光區域。

在《活體檢測設備和活體檢測方法》的實施例中，活體檢測設備10通過對目標對象進行圖像採集，並從所採集的目標對象的圖像數據中檢測與活體檢測設備10的展示內容對應的反光區域，並確定該反光區域的區域特徵，從而能夠識別出攻擊者藉助於圖像、視頻顯示等非活體工具進行的攻擊，提高了人臉識別系統的安全性。

圖2是示意性圖示了根據《活體檢測設備和活體檢測方法》實施例的活體檢測設備200的框圖。該活體檢測設備200對應於圖1所示的活體檢測設備10。如圖2所示，該活體檢測設備200包括：特定展示部210，用於展示特定的鑑別內容；圖像採集器220，用於在展示所述鑑別內容期間採集待識別的目標對象的圖像數據；處理器230，用於確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域、並在存在所述反光區域時確定該反光區域的區域特徵，以得到一確定結果，並基於該確定結果識別所述目標對象是否是活體。

所述特徵展示部210用於展示特定的鑑別內容。特定展示部210可以利用顯示器、或圖片展示欄等實現。該鑑別內容用於幫助鑑別所活體檢測設備200是否通過待識別的目標對象產生反光。在目標對象是攻擊者利用電子設備展示的視頻時，與電子設備的螢幕面向的任何場景都可能在電子設備的螢幕產生反光，從而在電子設備的螢幕中出現該場景的畫面。為了避免活體檢測設備200所處的場景的影響，利用特徵展示部210展示特定的鑑別內容。該鑑別內容與待識別的目標對象面對，最可能出現通過攻擊者的電子設備反光，從而形成與鑑別內容對應的反光區域。

所述鑑別內容可以是任何圖像內容，例如可以是單一顏色的畫面內容、可以是一個大樹、可以是一個桌子等。任何能夠與活體檢測設備周圍的環境區分開的內容都可以作為所述鑑別內容。

特徵展示部210所展示的鑑別內容是目標對象容易看到的內容。當攻擊者利用電子設備執行攻擊時，可能容易發現所述鑑別內容的存在，從而採取應對措施。因此，特徵展示部210可以採取隱蔽的方式來展示所述鑑別內容。例如，特定展示部210可以展示活體檢測設備200的標題欄、工具列和背景區域中的至少一個作為所述鑑別內容。活體檢測設備200在執行活體檢測時，可以顯示互動界面以與目標對象互動。該互動界面的標題欄、工具列和背景區域等是該活體檢測設備200的固有展示內容，而很難被認為是為活體檢測專門設定的鑑別內容。

圖3（a）是示意性圖示了圖2的活體檢測設備中的特定展示部210所展示的鑑別內容的第一示例。如圖3所示，特定展示部210顯示了活體檢測設備200中的固有套用“我的文檔”，並且在“我的文檔”之上還顯示了正在運行的沙漏。在圖3（a）的最上方是標題欄，與標題欄緊鄰的是工具列，在圖3（a）的最下方是系統列。圖3（a）中的標題欄、工具列、系統列和沙漏中的任一個或多個都可以作為鑑別內容。

圖3（b）是示意性圖示了圖2的活體檢測設備中的特定展示部所展示的鑑別內容的第二示例。在圖3（b）中展示了一黑白方格圖案作為鑑別內容。當對目標對象執行驗證時，可能會顯示一些圖案或風景畫面來使得驗證過程更為有趣。因此，特定展示部210可以展示這些圖案，並將其作為鑑別內容。

圖4是示意性圖示了圖2的活體檢測設備中的特定展示部210的結構框圖。如圖4所示，所述特定展示部210可包括：序列發生器211，用於隨機地產生一個參考序列；顯示器212，用於將所述參考序列施加到所述鑑別內容，以調整所述鑑別內容的顯示效果。圖4中的特定展示部210可以動態地改變鑑別內容的顯示效果，以更為便捷地從所採集的目標對象的圖像數據中識別出所述鑑別內容。所述序列發生器211所產生的參考序列例如是亮度參考序列S[1…n]，其中n是大於1的自然數。該參考序列是由序列發生器211隨機地生成的，不能事先模仿，從而能夠防止攻擊。顯示器212可以在不同的n個時間點將S[1]至S[n]分別施加到鑑別內容，從而鑑別內容的亮度會隨著時間而變化。所述序列發生器211所產生的參考序列還可以是色彩參數序列C[1…n]，並相應地使鑑別內容的色彩會隨著時間而變化。為了避免引起攻擊者的注意，可以利用具有動畫效果的套用圖案作為鑑別內容，並且顯示器212將序列發生器211所產生的參考序列施加到該具有動畫效果的套用圖案，以調整該套用圖案的顯示效果。

圖2中的圖像採集器220在展示所述鑑別內容期間採集待識別的目標對象的圖像數據。圖像採集器220可以是普通的基於可見光的彩色或灰度攝像機，例如網路攝像頭、手機的前置攝像頭等。圖像採集器220在展示所述鑑別內容期間執行採集操作，以保證能夠採集到鑑別內容在攻擊者的電子設備中的反光，從而確定其相應的反光區域。

圖2中的處理器230確定圖像採集器220所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域、並在存在所述反光區域時確定該反光區域的區域特徵，以得到一確定結果。所述反光區域是所述鑑別內容在攻擊者的顯示屏中的投影。處理器230可通過從圖像採集器220所採集的圖像數據中檢測所述鑑別內容來確定所述反光區域。

處理器230例如可以獲取特定展示部210所展示的鑑別內容的鑑別數據，並將所述鑑別數據與圖像採集器220所採集的圖像數據進行相似性檢測，以確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域。處理器230可以採取2015年之前的或將來出現的各種技術或手段來確定所述反光區域，具體的確定反光區域的方式不構成對該公開實施例的限制。

當在所採集的圖像數據中不存在與所述鑑別內容對應的反光區域時，處理器230可以確定目標對象不是攻擊者利用電子設備顯示的視頻或圖像，從而可以確定待驗證的目標對象是活體。

當在所採集的圖像數據中存在與所述鑑別內容對應的反光區域時，處理器230進一步確定該反光區域的區域特徵。例如，處理器230可以計算所述反光區域的尺寸和位置中的至少一個作為所述反光區域的區域特徵，並且基於所述反光區域的尺寸和位置中的至少一個來識別所述目標對象是否是活體。

鑑別內容通過諸如人臉的活體在採集圖像中產生的反光區域通常很小、也相對分散。在攻擊者利用電子設備的顯示器進行攻擊時，鑑別內容在電子設備的顯示器中產生反光區域的尺寸和位置通常取決於鑑別內容的尺寸、以及所述鑑別內容與目標對象之間的距離和夾角，並且該反光區域的尺寸和位置可通過實驗來獲得其典型尺寸範圍和典型位置範圍。因此，藉助於所述反光區域的尺寸和位置之一，可以識別所述目標對象是否是活體。當然，也可以藉助於所述反光區域的尺寸和位置二者來識別所述目標對象是否是活體，這可以增加識別的準確性。

在基於所述反光區域的尺寸來識別所述目標對象是否是活體的情況中，所述處理器230可以將所述反光區域的尺寸與第一閾值和第二閾值相比較，其中第二閾值大於第一閾值，當所述反光區域的尺寸大於等於第一閾值並且小於第二閾值時，將所述目標對象識別為不是活體，否則將所述目標對象識別為活體。所述第一閾值和第二閾值是基於上述的通過實驗獲得的典型尺寸範圍來設定的。人體的反光特性遠遠差於電子設備的顯示屏等的反光特性。當所述反光區域的尺寸小於第一閾值時，所述反光區域可能是人體的反光所造成的，可以判斷所述目標對象是活體。取決於鑑別內容的尺寸以及其相對於目標對象的位置關係，與鑑別內容對應的反光區域的尺寸也不可能太大。相應地，當所述反光區域的尺寸大於等於第二閾值時，所述反光區域應該也不與鑑別內容對應，可以判斷所述目標對象是活體。

目標對象可能佩戴眼鏡等。此時，眼鏡可能對鑑別內容形成較強的反光特性，從而在使得反光區域的尺寸大於等於第一閾值並且小於第二閾值，相應地，如果將所述目標對象識別為不是活體，則可能是誤判。因此，在實踐中，可以結合其它的方式來識別目標對象是否是活體。例如，還可以基於反光區域的位置來識別所述目標對象是否是活體。

在基於所述反光區域的位置來識別所述目標對象是否是活體的情況中，所述處理器判斷所述反光區域在所採集的圖像數據中的位置，當所述反光區域的位置接近所採集的圖像數據的邊緣時，將所述目標對象識別為不是活體。待識別的目標對象通常處於圖像採集器220所採集的圖像的中心位置。當反光區域是由於目標對象的面部等反光而形成時，該反光區域通常與目標對象有部分重疊，並相應地位於或接近所採集的圖像數據的中心。因此，當反光區域的位置接近所採集的圖像數據的邊緣時，可以初步確定所述目標對象識別為不是活體。然而，當反光區域的位置接近或位於所採集的圖像數據的中心時，不能確定所述目標對象是活體，因為攻擊者利用電子設備的顯示器也可能在所採集的圖像數據的中心形成反光區域。

圖5示意性圖示了圖2的活體檢測設備所確定的反光區域。如圖5所示，目標對象處於所採集的圖像的中間位置，鑑別內容是黑白方格圖案，與黑白方格圖案對應的反光區域接近所採集的圖像的邊緣，從而可以判斷目標對象不是活體。而且，所述反光區域在所採集的圖像很明顯，並且小於黑白方格圖案所占據的位置，根據所述反光區域的尺寸也可以判斷目標對象不是活體。

在根據《活體檢測設備和活體檢測方法》實施例的活體檢測設備的技術方案中，通過從所採集的目標對象的圖像數據中檢測對應於鑑別內容的反光區域、並確定該反光區域的區域特徵，其能夠識別出特定的不具有活體人臉的目標對象，從而有效地防範攻擊者藉助於圖像、視頻顯示等非活體工具進行的攻擊。

實施案例

下面進一步描述處理器230針對反光區域執行確定操作以獲得確定結果的兩個示例。

示例一：在特定展示部210所展示的鑑別內容具有預定的鑑別圖案的情況下，處理器230例如可通過如下操作得到所述確定結果：確定所採集的圖像數據中是否存在與所展示的鑑別圖案對應的區域；在存在與所展示的鑑別圖案對應的區域的情況下，將該與所展示的鑑別圖案對應的區域作為所述反光區域。這裡以所述鑑別圖案是圖3（b）所示的黑白方格圖案為例。對於圖像採集器220所採集的圖像數據的每一幀，例如利用香農（Canny）邊緣提取運算元提取所以採集的圖像數據中的邊，並記錄所有橫向的邊和縱向的邊交叉的點的位置。如果發現有若干的交叉點被邊連線成了一個足夠大的方格形狀，那么認為出現了圖3（b）所示的黑白方格圖案，並將最外側交叉點所包含的區域作為反光區域。

示例二：圖4中的序列發生器211產生的所述亮度參考序列S[1…n]，顯示器212在不同的n個時間點將S[1]至S[n]分別施加到鑑別內容，從而鑑別內容的亮度會隨著時間而變化，處理器230可通過如下操作確定所採集的圖像數據中是否存在所述反光區域：計算所採集的圖像數據中的各個像素V[t,x,y]與所述亮度參考序列S[1…n]之間的相關係數c[x,y]；基於所述相關係數c[x,y]確定各個像素所在的位置是否是反光位置；基於所計算的反光位置確定是否存在所述反光區域。所述V[t,x,y]表示圖像採集器220所採集的圖像的（x,y）位置處在與S[t]對應的時間t上的像素，其中1≤t≤n。

相關係數c[x,y]可通過如下方式來計算：獲取所採集的圖像數據中的每個像素在施加所述參考亮度序列的各個時間點上的像素V[t,x,y]；計算在各個時間點上的所述像素V[t,x,y]的均值Vm[x,y]和方差Std（V）；計算所述參考亮度序列的均值Sm和方差Std（S）；基於所述像素的均值Vm[x,y]和方差Std（V）以及所述參考亮度序列的均值Sm和方差Std（S）來計算所述像素與所述參考序列之間的相關係數c[x,y]。具體地，像素V[t,x,y]的均值Vm[x,y]可通過如下的公式（1）得到：Vm[x,y]＝＝（V[1,x,y]+V[2,x,y]+...+V[n,x,y]）/n公式（1），其中，所述V[n,x,y]表示在所採集的圖像的（x,y）位置上在與亮度參考序列S[1…n]中的S[n]對應的時間上的像素。

像素V[t,x,y]的方差Std（V）可通過如下的公式（2）得到公式（2），其中，Vm[x,y]是利用公式（1）計算的（x,y）位置上的像素的均值，所述V[n,x,y]表示在所採集的圖像的（x,y）位置上在與亮度參考序列S[1…n]中的S[n]對應的時間n上的像素。

參考亮度序列的均值Sm可通過如下的公式（1）得到：Sm＝（S[1]+S[2]+...+S[n]）/n公式（3）。

參考亮度序列的方差Std（S）可通過如下的公式（4）得到：公式（4）。

對每個位置（x,y），該位置上的像素與所述參考序列之間的相關係數c[x,y]可通過如下的公式（5）得到：c[x,y]＝（（V[1,x,y]-Vm[x,y]）*（S[1]-Sm）+（V[2,x,y]-Vm[x,y]）*（S[2]-Sm）+...+（V[n,x,y]-Vm[x,y]）*（S[n]-Sm））/Std（S）/Std（V）公式（5）。

相應地，基於所述相關係數c[x,y]可以確定各個像素所在的位置是否是反光位置。例如，當相關係數c[x,y]大於等於預設的相關閾值時，確定位置為（x,y）的像素具有反光；當相關係數c[x,y]小於預設的相關閾值時，確定位置為（x,y）的像素不具有反光。在針對圖像中的每個位置的像素計算相關係數、並確定其是否是反光位置之後，可以得到圖像中的反光區域的分布。此後，可以根據反光區域的分布確定其區域特徵，以識別目標對象是否是活體。

圖6是示意性圖示了根據《活體檢測設備和活體檢測方法》實施例的活體檢測方法600的流程圖。活體檢測方法600套用於如圖1所示的活體檢測設備10。如圖6所示，活體檢測方法600可包括：向待識別的目標對象展示特定的鑑別內容（S610）；在展示所述鑑別內容期間，採集所述目標對象的圖像數據（S620）；確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域、並在存在所述反光區域時確定該反光區域的區域特徵，以得到一確定結果（S630）；以及基於所述確定結果識別所述目標對象是否是活體（S640）。

在S610中，可以利用顯示器、或圖片展示欄等來展示特定的鑑別內容。該鑑別內容用於幫助鑑別是否通過待識別的目標對象產生反光。在目標對象是如圖1所示攻擊者利用電子設備展示的視頻時，與電子設備的螢幕面向的任何場景都可能在電子設備的螢幕產生反光，從而在電子設備的螢幕中出現該場景的畫面。該鑑別內容與待識別的目標對象面對，最可能出現通過攻擊者的電子設備反光，從而形成與鑑別內容對應的反光區域。所述鑑別內容可以是任何圖像內容，例如可以是單一顏色的畫面內容、可以是一個大樹、可以是一個桌子等。任何能夠與活體檢測設備周圍的環境區分開的內容都可以作為所述鑑別內容。

所述鑑別內容是目標對象容易看到的內容。當攻擊者利用電子設備執行攻擊時，可能容易發現所述鑑別內容的存在，從而採取應對措施。因此，可以採取隱蔽的方式來展示所述鑑別內容。例如，可以展示活體檢測方法所套用於的活體檢測設備的標題欄、工具列和背景區域中的至少一個作為所述鑑別內容。活體檢測設備中的套用的標題欄、工具列、或背景區域等是該活體檢測設備的固有展示內容，而很難被認為是為活體檢測專門設定的鑑別內容。該鑑別內容的示例可以參見圖3（a）和圖3（b）的圖示和相關描述。

在鑑別內容的展示過程中，還可以調整其顯示效果，以使得更為便捷地從所採集的目標對象的圖像數據中識別出所述鑑別內容。例如，在S610中，可以隨機地產生一個參考序列；將所述參考序列施加到所述鑑別內容以調整所述鑑別內容的顯示效果。所產生的參考序列例如是亮度參考序列S[1…n]，其中n是大於1的自然數。該參考序列是隨機地生成的，不能事先模仿，從而能夠防止攻擊。可以在不同的時間點將S[1]至S[n]分別施加到鑑別內容，從而鑑別內容的亮度會隨著時間而變化。所述參考序列還可以是色彩參數序列，並相應地使鑑別內容的色彩會隨著時間而變化。為了避免引起攻擊者的注意，可以利用具有動畫效果的套用圖案作為鑑別內容，以調整該套用圖案的顯示效果。

在S620中，在展示所述鑑別內容期間採集待識別的目標對象的圖像數據。在活體檢測方法600被套用於手持終端的情況中，在S620中可以利用手持終端中的前置攝像頭來採集所述目標對象的圖像數據。所述前置攝像頭可以是基於可見光的彩色或灰度攝像機。在展示所述鑑別內容期間執行採集操作，以保證鑑別內容能夠在攻擊者的電子設備中反光，並確定與鑑別內容對應的反光區域。

在S630中，確定在所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域、並在存在所述反光區域時確定該反光區域的區域特徵，以得到一確定結果。所述反光區域是所述鑑別內容在攻擊者的顯示屏中的投影。可通過從所採集的圖像數據中檢測所述鑑別內容來確定所述反光區域。作為示例，可以獲取與鑑別內容對應的鑑別數據，並將所述鑑別數據與所採集的圖像數據進行相似性檢測，以確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域。可以採取2015年之前的或將來出現的各種技術或手段來確定所述反光區域，具體的確定反光區域的方式不構成對該公開實施例的限制。

當在所採集的圖像數據中不存在與所述鑑別內容對應的反光區域時，可以確定目標對象不是攻擊者利用電子設備顯示的視頻或圖像，從而可以確定待驗證的目標對象是活體。當在所採集的圖像數據中存在與所述鑑別內容對應的反光區域時，在S630中進一步確定該反光區域的區域特徵。例如，可以計算所述反光區域的尺寸和位置中的至少一個作為所述反光區域的區域特徵，從而基於所述反光區域的尺寸和位置中的至少一個來識別所述目標對象是否是活體。

圖7是示意性圖示了圖6的活體檢測方法中的針對反光區域的確定操作的流程圖。如圖7所示，針對反光區域的確定操作（S630）可包括：計算所採集的圖像數據中的各個像素值與所述參考序列之間的相關係數（S631）；基於所述相關係數確定各個像素值所在的位置是否是反光位置（S632）；基於所計算的反光位置確定是否存在所述反光區域（S633）；計算所述反光區域的尺寸和位置中的至少一個作為所述區域特徵（S634）。

在S610中隨機地產生參考亮度序列、並且在不同的時間點依次將所述多個參考亮度序列施加到所述鑑別內容以調整顯示效果的情況中，在S631中可如下地計算所述相關係數：獲取所採集的圖像數據中的每個像素在施加所述參考亮度序列的各個時間點上的像素值；計算在各個時間點上的所述像素值的均值和方差；計算所述參考亮度序列的均值和方差；基於所述像素值的均值和方差以及所述參考亮度序列的均值和方差來計算所述像素值與所述參考序列之間的相關係數。具體地的實現示例可以參見前面結合公式（1）至公式（5）進行的描述。

在S632中，基於所述相關係數可以確定各個像素所在的位置是否是反光位置。例如，當相關係數大於等於預設的相關閾值時，與該相關係數對應的位置上的像素具有反光；當相關係數小於預設的相關閾值時，與該相關係數對應的位置上的像素不具有反光。

在針對圖像中的每個位置的像素計算相關係數、並確定其是否是反光位置之後，在S633中可以確定是否存在反光區域，並得到圖像中的反光區域的分布。

在S634中，可以根據反光區域的分布確定其區域特徵。該區域特徵例如是所述反光區域的尺寸和位置中的至少一個。鑑別內容通過諸如人臉的活體在採集圖像中產生的反光區域通常很小、也相對分散。在攻擊者利用電子設備的顯示器進行攻擊時，鑑別內容在電子設備的顯示器中產生反光區域的尺寸和位置通常取決於鑑別內容的尺寸、以及所述鑑別內容與目標對象之間的距離和夾角，並且該反光區域的尺寸和位置可通過實驗來獲得其典型尺寸範圍和典型位置範圍。因此，藉助於所述反光區域的尺寸或位置等區域特徵，可以識別所述目標對象是否是活體。如果藉助於所述反光區域的尺寸和位置二者來識別所述目標對象是否是活體，則可以增加識別的準確性。

替換地，在鑑別內容具有預定的鑑別圖案的情況下，在S630中可如下地確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域：確定所採集的圖像數據中是否存在與所展示的鑑別圖案對應的區域；在存在與所展示的鑑別圖案對應的區域的情況下，將該與所展示的鑑別圖案對應的區域作為所述反光區域。這裡以所述鑑別圖案是圖3（b）所示的黑白方格圖案為例。對於所採集的圖像數據的每一幀，例如利用香農（Canny）邊緣提取運算元提取所以採集的圖像數據中的邊，並記錄所有橫向的邊和縱向的邊交叉的點的位置。如果發現有若干的交叉點被邊連線成了一個足夠大的方格形狀，那么認為出現了圖3（b）所示的黑白方格圖案，並將最外側交叉點所包含的區域作為反光區域。如果交叉點沒有被邊連線成一個足夠大的方格形狀，那么認為沒有出現圖3（b）所示的黑白方格圖案，則在所採集的圖像數據中不存在反光區域。在此情況下確定的反光區域可以參見圖5的圖示。

當在S630中確定不存在反光區域時，在S640中可以確定目標對象不是攻擊者利用電子設備顯示的視頻或圖像，從而可以確定待驗證的目標對象是活體。

在反光區域的區域特徵包括反光區域的尺寸的情況下，在S640中可以基於所述反光區域的尺寸來識別所述目標對象是否是活體。具體地，可以所述反光區域的尺寸與第一閾值和第二閾值相比較，其中第二閾值大於第一閾值，當所述反光區域的尺寸大於等於第一閾值並且小於第二閾值時，將所述目標對象識別為不是活體，否則將所述目標對象識別為活體。所述第一閾值和第二閾值是基於上述的通過實驗獲得的典型尺寸範圍來設定的。人體的反光特性遠遠差於電子設備的顯示屏等的反光特性。當所述反光區域的尺寸小於第一閾值時，所述反光區域可能是人體的反光所造成的，可以判斷所述目標對象是活體。取決於鑑別內容的尺寸以及其相對於目標對象的位置關係，與鑑別內容對應的反光區域的尺寸也不可能太大。相應地，當所述反光區域的尺寸大於等於第二閾值時，所述反光區域應該也不與鑑別內容對應，可以判斷所述目標對象是活體。

目標對象可能佩戴眼鏡等。此時，眼鏡可能對鑑別內容形成較強的反光特性，從而在使得反光區域的尺寸大於等於第一閾值並且小於第二閾值。相應地，如果將所述目標對象識別為不是活體，則可能是誤判。因此，在S640中可以結合其它的方式來識別目標對象是否是活體。例如，還可以基於反光區域的位置來識別所述目標對象是否是活體。

在反光區域的區域特徵包括反光區域的位置的情況下，在S640中還可以基於所述反光區域的位置來識別所述目標對象是否是活體。具體地，可以判斷所述反光區域在所採集的圖像數據中的位置，當所述反光區域的位置接近所採集的圖像數據的邊緣時，將所述目標對象識別為不是活體。待識別的目標對象通常處於所採集的圖像的中心位置。當反光區域是由於目標對象的面部等反光而形成時，該反光區域通常與目標對象有部分重疊，並相應地位於或接近所採集的圖像數據的中心。因此，當反光區域的位置接近所採集的圖像數據的邊緣時，可以初步確定所述目標對象識別為不是活體。然而，當反光區域的位置接近或位於所採集的圖像數據的中心時，不能確定所述目標對象是活體，因為攻擊者利用電子設備的顯示器也可能在所採集的圖像數據的中心形成反光區域。

在根據《活體檢測設備和活體檢測方法》實施例的活體檢測方法的技術方案中，通過從所採集的目標對象的圖像數據中檢測對應於鑑別內容的反光區域、並確定該反光區域的區域特徵，其能夠識別出特定的不具有活體人臉的目標對象，從而有效地防範攻擊者藉助於圖像、視頻顯示等非活體工具進行的攻擊。

圖8是示意性圖示了根據該公開實施例的用於活體檢測的電子設備800的框圖。如圖8所示，用於活體檢測的電子設備800可包括存儲器810、處理器820。存儲器810上存儲有電腦程式代碼。處理器820執行所述程式代碼以實現結合圖6至圖7描述的用於活體檢測方法。

存儲器810可以包括唯讀存儲器和隨機存取存儲器中的至少一個，並向處理器820提供指令和數據。存儲器810的數量可以為一個或多個，其例如可以為易失性存儲器和/或非易失性存儲器。所述易失性存儲器例如可以包括隨機存取存儲器（RAM）和/或高速緩衝存儲器（cache）等。所述非易失性存儲器例如可以包括唯讀存儲器（ROM）、硬碟、快閃記憶體等。該存儲器810還可以存儲所採集的圖像信息、音頻信息等。

處理器820可以是通用處理器、數位訊號處理器（DSP）、專用積體電路（ASIC）、現成可程式門陣列（FPGA）或者其他可程式邏輯器件、分立門或者電晶體邏輯器件、分立硬體組件。通用處理器可以是微處理器或者任何常規的處理器等。

儘管未示出，用於驗證活體人臉的設備800還可以包括輸入裝置、輸出裝置、通信裝置和圖像採集器，這些組件通過匯流排系統和/或其它形式的連線機構互連。輸入裝置可以是用戶用來輸入指令的裝置，並且可以包括鍵盤、滑鼠、麥克風和觸控螢幕等中的一個或多個。所述指令例如是使用下述攝像頭拍攝圖像的指令。輸出裝置可以向外部（例如用戶）輸出各種信息，其例如向待驗證對象呈現所生成的字元串，並且可以包括顯示器、揚聲器等中的一個或多個。通信裝置可以通過網路或其它技術與其它裝置（例如個人計算機、伺服器、移動台、基站等）通信，所述網路可以是網際網路、無線區域網路、移動通信網路等，所述其它技術例如可以包括藍牙通信、紅外通信等。圖像採集器可以拍攝用戶期望的圖像（例如照片、視頻等），並且將所拍攝的圖像存儲在存儲器810中以供其它組件使用。輸入裝置、輸出裝置、通信裝置和圖像採集器可以根據需要適當地進行選擇和組合。

除了上述裝置、方法和設備以外，《活體檢測設備和活體檢測方法》的實施例還可以是電腦程式產品，用於執行活體檢測。該電腦程式產品包括計算機可讀存儲介質，在所述計算機可讀存儲介質上存儲了電腦程式指令，所述電腦程式指令可由處理器執行以使得所述處理器執行如下操作：向待識別的目標對象展示特定的鑑別內容；在展示所述鑑別內容期間，採集所述目標對象的圖像數據；確定所採集的圖像數據中是否存在與所述鑑別內容對應的反光區域、並在存在所述反光區域時確定該反光區域的區域特徵，以得到一確定結果；以及基於所述確定結果識別所述目標對象是否是活體。具體可以參見上面結合圖6-7進行的描述。

榮譽表彰

2020年7月14日，《活體檢測設備和活體檢測方法》獲得第二十一屆中國專利獎優秀獎。