[发明专利]活体检测方法、装置、设备及可读存储介质

说明书

本发明涉及人工智能领域，揭露一种活体检测方法，包括：获取待检测用户的待检测信息，对待检测信息进行特征提取，得到待检测用户特征；将待检测用户特征输入至预构建活体检测森林，得到待检测用户特征的活体风险概率；根据活体风险概率生成待检测用户特征的活体检测结果。本发明还涉及一种区块链技术，活体检测结果可以存储在区块链节点中。本发明还提出一种活体检测装置、设备以及介质。本发明可以提高活体检测的准确性。

技术领域

本发明涉及人工智能领域，尤其涉及一种活体检测方法、装置、电子设备及可读存储介质。

背景技术

活体检测是指采用面部关键特征定位和面部跟踪等技术，对实时采集的图片或视频进行真人活体校验(即检验图片或视频中的人物是否为真人)的方法。

目前常用的活体检测技术为静默活体检测技术，然而，现有技术中，在采集到待识别图像，并对待识别图像进行静默活体检测时，通常需要根据伪造人脸的类别设计具体的特征，并对于一些高清哑光的照片难以抵御，也难以防止眼部、嘴部挖洞的面具攻击，使用范围窄，在活体检测时无法准确识别用户是否存在异常，进而使得正常用户被拦截或异常用户被放行的情况出现，导致活体检测的准确性较低。

发明内容

本发明提供一种活体检测方法、装置、电子设备及计算机介质，其主要目的是为了提高活体检测的准确性。

为实现上述目的，本发明提供的一种活体检测方法，包括：

获取待检测用户的待检测信息，对所述待检测信息进行特征提取，得到待检测用户特征；

将所述待检测用户特征输入至预构建活体检测森林，得到所述待检测用户特征的活体风险概率；

根据所述活体风险概率生成所述待检测用户特征的活体检测结果。

可选地，所述对所述待检测信息进行特征提取，得到待检测用户特征，包括：

将所述待检测信息中的数据拆分为多个维度数据；

计算每个所述维度数据在所述待检测信息中的权重，将所述权重大于预设阈值的维度数据作为所述待检测信息的特征，将得到的所有所述待检测信息的特征组合为待检测用户特征。

可选地，所述预构建活体检测森林包括多个活体检测树，所述活体检测树的训练过程如下：

获取预设训练数据集中的历史特征，根据预设训练数据集中的历史特征，利用所述预构建的活体检测树中的决策层从所述历史特征中选取根节点；

根据所述根节点，利用所述活体检测树中分类层对所述训练数据集中剩余历史特征进行分类，得到多个叶子节点；

利用所述活体检测树中的激活函数计算每个所述叶子节点的基尼系数；

判断所述基尼系数是否满足预设条件；

若所述基尼系数不满足预设条件，调整所述活体检测树的参数，并返回执行根据所述根节点，利用所述活体检测树中分类层对所述训练数据集中剩余历史特征进行分类的步骤；

若所述基尼系数满足预设条件，则得到训练完成的活体检测树。

可选地，所述根据预设训练数据集中的历史特征，利用所述预构建的活体检测树中的决策层从所述历史特征中选取根节点，包括：

利用所述决策层中的决策算法计算所述训练数据集中多个历史特征的信息增益值；

将所述信息增益值最高的历史特征作为所述根节点。

可选地，所述将所述待检测用户特征输入至预构建活体检测森林，得到所述待检测用户特征的活体风险概率，包括：

利用预构建活体检测森林中多个活体检测树计算所述待检测用户特征的多个风险概率；