[发明专利]活体检测方法及装置

权利要求书

1.一种活体检测方法，包括：

获取多个拍摄距离下采集的待检测用户的多张脸部相关图像；其中，多个所述拍摄距离至少包括距离值大于第一设定值的远拍摄距离、距离值小于第二设定值的近拍摄距离以及距离值介于所述第一设定值和所述第二设定值之间的中拍摄距离；

针对每张所述脸部相关图像，使用该脸部相关图像的拍摄距离类型对应的活体检测模型计算所述脸部相关图像所对应的活体检测分值；其中，所述活体检测分值用于表征所述待检测用户为活体用户的可能性，每个所述活体检测模型是基于一种拍摄距离类型下采集的脸部样本图像训练得到的，所述脸部样本图像包括：不包含贴合边缘特征的活体人脸图像、以及包含贴合边缘特征的非活体人脸图像；

根据各个所述活体检测分值确定所述待检测用户是否为活体用户；其中，所述活体检测分值的大小与所述拍摄距离类型下采集的所述脸部相关图像中是否包含贴合边缘特征有关。

2.如权利要求1所述的方法，所述获取多个拍摄距离下采集的待检测用户的多张脸部相关图像之前，所述方法还包括：

控制图像采集设备将其放大倍率调整至设定倍率值，并在每次控制所述图像采集设备的放大倍率调整至所述设定倍率值时，控制所述图像采集设备采集所述待检测用户的脸部相关图像；

或者，

根据所述待检测用户与所述图像采集设备之间的距离确定每张所述脸部相关图像所对应的放大倍率，控制所述图像采集设备在所述放大倍率下采集所述待检测用户的脸部相关图像。

3.如权利要求1或2所述的方法，所述获取多个拍摄距离下采集的待检测用户的多张脸部相关图像，包括：

获取在所述近拍摄距离下采集的所述待检测用户的眼部区域的图像、在所述远拍摄距离下采集的所述待检测用户的从头部至胸部区域的图像以及在所述中拍摄距离下采集的所述待检测用户的整个脸部区域的图像。

4.如权利要求1或2所述的方法，所述根据各个所述活体检测分值确定所述待检测用户是否为活体用户，包括：

分别将每个所述活体检测分值与第一设定分值进行比对，若存在小于或等于所述第一设定分值的活体检测分值，则确定所述待检测用户为非活体用户；

或者，

将得到的所有所述活体检测分值进行融合处理，得到所述待检测用户所对应的活体检测融合值；将所述活体检测融合值与第二设定分值进行比对，若所述活体检测融合值小于或等于第二设定分值，则确定所述待检测用户为非活体用户。

5.如权利要求4所述的方法，所述将得到的所有所述活体检测分值进行融合处理，得到所述待检测用户所对应的活体检测融合值，包括：

计算所有所述活体检测分值的加权和值，将所述加权和值确定为所述活体检测融合值。

6.如权利要求1所述的方法，所述活体检测模型为神经卷积网络CNN模型。

7.一种活体检测方法，包括：

获取多个拍摄距离下采集的待检测用户的多张脸部相关图像；其中，多个所述拍摄距离至少包括距离值大于第一设定值的远拍摄距离、距离值小于第二设定值的近拍摄距离以及距离值介于所述第一设定值和所述第二设定值之间的中拍摄距离；

将所述多张脸部相关图像输入至同一个神经卷积网络CNN模型中，通过所述CNN模型对所述多张脸部相关图像进行融合处理，并计算所述待检测用户所对应的活体检测分值；其中，所述活体检测分值用于表征所述待检测用户为活体用户的可能性，用于训练所述CNN模型的脸部样本图像包括：不包含贴合边缘特征的活体人脸图像、以及包含贴合边缘特征的非活体人脸图像；所述神经卷积网络CNN模型包括：多个输入通道、多组卷积层、至少一组池化层和一个全连接层，所述融合处理位于所述全连接层、所述卷积层和所述输入通道中任一项；

根据所述活体检测分值检测所述待检测用户是否为活体用户；其中，所述活体检测分值的大小与所述脸部相关图像中是否包含贴合边缘特征有关。