本技術(shù)涉及圖像處理，尤其涉及人臉活體檢測方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、人臉活體檢測技術(shù)，旨在核實用戶身份的真實性與生物活性，鑒于人臉識別技術(shù)的廣泛普及與偽造技術(shù)的持續(xù)演進(jìn)，要求活體檢測技術(shù)不斷升級其技術(shù)水平與防御機(jī)制，以抵御未來可能出現(xiàn)的更高級別偽造攻擊。

2、當(dāng)前活體檢測聚焦于多尺度、多特征融合及多模態(tài)融合技術(shù)，雖有效提升了活體檢測的準(zhǔn)確性，但也伴隨著計算成本的顯著上升，包括算法復(fù)雜度、資源消耗及響應(yīng)時間等方面的增加。

3、綜上，如何在不額外增加內(nèi)存負(fù)擔(dān)與計算資源消耗的前提下，增強(qiáng)人臉識別系統(tǒng)在防偽攻擊方面的性能，儼然已成為本領(lǐng)域亟需解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、本技術(shù)的主要目的在于提供一種人臉活體檢測方法、裝置、電子設(shè)備及存儲介質(zhì)，旨在不額外增加內(nèi)存負(fù)擔(dān)與計算資源消耗的前提下，增強(qiáng)人臉識別系統(tǒng)在防偽攻擊方面的性能。

2、為實現(xiàn)上述目的，本技術(shù)提出一種人臉活體檢測方法，人臉活體檢測方法包括：

3、將檢測圖像輸入至預(yù)設(shè)的人臉活體檢測模型中，得到所述檢測圖像內(nèi)的各錨點框各自的人臉檢測數(shù)據(jù)和人臉活體數(shù)據(jù)；

4、根據(jù)各所述人臉檢測數(shù)據(jù)從各所述錨點框中確定第一目標(biāo)錨點框，并根據(jù)所述第一目標(biāo)錨點框的人臉檢測數(shù)據(jù)確定目標(biāo)人臉檢測結(jié)果，其中，所述目標(biāo)人臉檢測結(jié)果包括目標(biāo)人臉檢測框；

5、根據(jù)所述目標(biāo)人臉檢測框與各所述錨點框之間的第一交并比，從各所述錨點框中確定第二目標(biāo)錨點框；

6、根據(jù)所述第二目標(biāo)錨點框的人臉活體數(shù)據(jù)確定目標(biāo)人臉活體檢測結(jié)果。

7、在一實施例中，所述將檢測圖像輸入至預(yù)設(shè)的人臉活體檢測模型中，得到所述檢測圖像內(nèi)的各錨點框各自的人臉檢測數(shù)據(jù)和人臉活體數(shù)據(jù)的步驟之前，還包括：

8、獲取訓(xùn)練數(shù)據(jù)集，其中，所述訓(xùn)練數(shù)據(jù)集包括第一圖像和第二圖像，所述第一圖像已標(biāo)注活體標(biāo)簽、人臉檢測框標(biāo)簽和人臉關(guān)鍵點位置標(biāo)簽，所述第二圖像已標(biāo)注假體標(biāo)簽、人臉檢測框標(biāo)簽和人臉關(guān)鍵點位置標(biāo)簽；

9、基于所述訓(xùn)練數(shù)據(jù)集對初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的人臉活體檢測模型。

10、在一實施例中，所述基于所述訓(xùn)練數(shù)據(jù)集對初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的人臉活體檢測模型的步驟，包括：

11、基于預(yù)設(shè)的錨點框參數(shù)在輸入的訓(xùn)練圖像上生成各訓(xùn)練錨點框，其中，所述訓(xùn)練圖像為所述第一圖像或所述第二圖像；

12、計算各所述訓(xùn)練錨點框與所述訓(xùn)練圖像的訓(xùn)練人臉檢測框的第二交并比，其中，所述訓(xùn)練人臉檢測框基于所述人臉檢測框標(biāo)簽確定；

13、根據(jù)所述第二交并比在各所述訓(xùn)練錨點框中確定有效訓(xùn)練錨點框，并基于所述有效訓(xùn)練錨點框?qū)Τ跏忌窠?jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的人臉活體檢測模型。

14、在一實施例中，所述初始神經(jīng)網(wǎng)絡(luò)模型包括活體檢測分支、人臉檢測分支和人臉框位置檢測分支；

15、所述根據(jù)所述第二交并比在各所述訓(xùn)練錨點框中確定有效訓(xùn)練錨點框，并基于所述有效訓(xùn)練錨點框?qū)Τ跏忌窠?jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的人臉活體檢測模型的步驟，包括：

16、將第二交并比大于第一預(yù)設(shè)閾值的訓(xùn)練錨點框確定為第一有效訓(xùn)練錨點框，并基于所述第一有效訓(xùn)練錨點框訓(xùn)練所述活體檢測分支；

17、將第二交并比大于第二預(yù)設(shè)閾值或小于第三預(yù)設(shè)閾值的訓(xùn)練錨點框確定為第二有效訓(xùn)練錨點框，并基于所述第二有效訓(xùn)練錨點框訓(xùn)練所述人臉檢測分支；

18、將第二交并比大于第四預(yù)設(shè)閾值的訓(xùn)練錨點框確定為第三有效訓(xùn)練錨點框，并基于所述第三有效訓(xùn)練錨點框訓(xùn)練所述人臉框位置檢測分支，得到訓(xùn)練好的人臉活體檢測模型。

19、在一實施例中，所述人臉檢測數(shù)據(jù)包括人臉分類得分和人臉檢測框，所述根據(jù)各所述人臉檢測數(shù)據(jù)從各所述錨點框中確定第一目標(biāo)錨點框的步驟，包括：

20、計算各所述人臉檢測框之間的第三交并比，并根據(jù)所述第三交并比確定各所述人臉檢測框是否為同一人臉的重復(fù)檢測框；

21、在各所述人臉檢測框為重復(fù)檢測框時，從各所述人臉檢測框?qū)?yīng)的錨點框中選擇人臉分類得分最高的第一目標(biāo)錨點框；

22、在各所述人臉檢測框中存在不同人臉的檢測框時，對不同人臉分別確定第一目標(biāo)錨點框。

23、在一實施例中，所述根據(jù)所述目標(biāo)人臉檢測框與各所述錨點框之間的第一交并比，從各所述錨點框中確定第二目標(biāo)錨點框的步驟，包括：

24、依次計算所述目標(biāo)人臉檢測框與各所述錨點框之間的第一交并比；

25、將第一交并比大于第五預(yù)設(shè)閾值的錨點框確定為第二目標(biāo)錨點框。

26、在一實施例中，所述根據(jù)所述第二目標(biāo)錨點框的人臉活體數(shù)據(jù)確定目標(biāo)人臉活體檢測結(jié)果的步驟，包括：

27、在所述第二目標(biāo)錨點框的人臉活體數(shù)據(jù)為同一人臉的數(shù)據(jù)時，將所述人臉活體數(shù)據(jù)取均值得到目標(biāo)人臉活體數(shù)據(jù)；

28、在所述第二目標(biāo)錨點框的人臉活體數(shù)據(jù)為不同人臉的數(shù)據(jù)時，針對不同人臉中的第一人臉，將第一人臉活體數(shù)據(jù)取均值得到所述第一人臉的目標(biāo)人臉活體數(shù)據(jù)，其中，所述第一人臉活體數(shù)據(jù)為所述第一人臉對應(yīng)的第二目標(biāo)錨點框的人臉活體數(shù)據(jù)；

29、根據(jù)所述目標(biāo)人臉活體數(shù)據(jù)確定目標(biāo)人臉活體檢測結(jié)果。

30、在一實施例中，所述根據(jù)所述目標(biāo)人臉活體數(shù)據(jù)確定目標(biāo)人臉活體檢測結(jié)果的步驟，包括：

31、獲取所述目標(biāo)人臉活體數(shù)據(jù)中的人臉活體得分；

32、在所述人臉活體得分超過預(yù)設(shè)的人臉活體閾值時，確定目標(biāo)人臉活體檢測結(jié)果為活體；

33、在所述人臉活體得分未超過所述人臉活體閾值時，確定目標(biāo)人臉活體檢測結(jié)果為假體。

34、在一實施例中，所述根據(jù)所述第一目標(biāo)錨點框的人臉檢測數(shù)據(jù)確定目標(biāo)人臉檢測結(jié)果的步驟，包括：

35、獲取所述第一目標(biāo)錨點框的人臉檢測數(shù)據(jù)中的人臉分類得分；

36、在所述人臉分類得分超過預(yù)設(shè)的人臉分類閾值時，確定目標(biāo)人臉檢測結(jié)果為人臉檢測正常；

37、在所述人臉分類得分未超過所述人臉分類閾值時，確定目標(biāo)人臉檢測結(jié)果為未檢測到人臉。

38、此外，為實現(xiàn)上述目的，本技術(shù)還提出一種人臉活體檢測裝置，人臉活體檢測裝置包括：

39、數(shù)據(jù)生成模塊，用于將檢測圖像輸入至預(yù)設(shè)的人臉活體檢測模型中，得到所述檢測圖像內(nèi)的各錨點框各自的人臉檢測數(shù)據(jù)和人臉活體數(shù)據(jù)；

40、人臉檢測模塊，用于根據(jù)各所述人臉檢測數(shù)據(jù)從各所述錨點框中確定第一目標(biāo)錨點框，并根據(jù)所述第一目標(biāo)錨點框的人臉檢測數(shù)據(jù)確定目標(biāo)人臉檢測結(jié)果，其中，所述目標(biāo)人臉檢測結(jié)果包括目標(biāo)人臉檢測框；

41、錨點框確定模塊，用于根據(jù)所述目標(biāo)人臉檢測框與各所述錨點框之間的第一交并比，從各所述錨點框中確定第二目標(biāo)錨點框；

42、人臉活體檢測模塊，用于根據(jù)所述第二目標(biāo)錨點框的人臉活體數(shù)據(jù)確定目標(biāo)人臉活體檢測結(jié)果。

43、此外，為實現(xiàn)上述目的，本技術(shù)還提出一種電子設(shè)備，電子設(shè)備包括：存儲器、處理器及存儲在存儲器上并可在處理器上運(yùn)行的計算機(jī)程序，計算機(jī)程序配置為實現(xiàn)如上文的人臉活體檢測方法的步驟。

44、此外，為實現(xiàn)上述目的，本技術(shù)還提出一種存儲介質(zhì)，存儲介質(zhì)為計算機(jī)可讀存儲介質(zhì)，存儲介質(zhì)上存儲有計算機(jī)程序，計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如上文的人臉活體檢測方法的步驟。

45、本技術(shù)提出了一種人臉活體檢測方法，本技術(shù)將檢測圖像輸入至預(yù)設(shè)的人臉活體檢測模型中，該模型能夠識別檢測圖像中每個錨點框區(qū)域的人臉檢測數(shù)據(jù)與人臉活體數(shù)據(jù)，然后，通過綜合分析各錨點框的人臉檢測數(shù)據(jù)，篩選出第一目標(biāo)錨點框，并基于該第一目標(biāo)錨點框的人臉檢測數(shù)據(jù)確定目標(biāo)人臉檢測結(jié)果，該目標(biāo)人臉檢測結(jié)果中包括目標(biāo)人臉檢測框，然后，將目標(biāo)人臉檢測框與各錨點框之間的第一交并比作為評估標(biāo)準(zhǔn)，從各錨點框中挑選出與目標(biāo)人臉檢測框高度重疊的第二目標(biāo)錨點框，并依據(jù)第二目標(biāo)錨點框的人臉活體數(shù)據(jù)確定目標(biāo)人臉活體檢測結(jié)果。

46、綜上可知，本技術(shù)通過人臉檢測和篩選機(jī)制能夠快速且準(zhǔn)確地定位到檢測圖像中的人臉，并排除非人臉或干擾因素，確保后續(xù)活體檢測的準(zhǔn)確性，然后，利用目標(biāo)人臉檢測框與錨點框之間的交并比進(jìn)行二次篩選，避免了對全圖進(jìn)行無差別處理，從而在保證檢測精度的同時，有效降低了計算資源的消耗，同時，結(jié)合多個相關(guān)錨點框的人臉活體數(shù)據(jù)進(jìn)行綜合判斷，不僅提高了活體檢測的魯棒性，還能有效抵御各類防偽攻擊手段，如此，能夠在不增加額外內(nèi)存負(fù)擔(dān)與計算資源消耗的前提下，通過優(yōu)化檢測流程，實現(xiàn)人臉識別系統(tǒng)防偽攻擊性能的顯著提升。