活體檢測設(shè)備和活體檢測方法權(quán)利要求

1.一種活體檢測設(shè)備，包括：特定展示部，用于展示特定的鑒別內(nèi)容；圖像采集器，用于在展示所述鑒別內(nèi)容期間采集待識別的目標對象的圖像數(shù)據(jù)；處理器，用于確定所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域、并在存在所述反光區(qū)域時確定該反光區(qū)域的區(qū)域特征，以得到一確定結(jié)果，并基于該確定結(jié)果識別所述目標對象是否是活體。

2.根據(jù)權(quán)利要求1的活體檢測設(shè)備，其中，所述特定展示部用于展示所述活體檢測設(shè)備的標題欄、工具欄和背景區(qū)域中的至少一個作為所述鑒別內(nèi)容。

3.根據(jù)權(quán)利要求1的活體檢測設(shè)備，其中，所述特定展示部包括：序列發(fā)生器，用于隨機地產(chǎn)生一個參考序列；顯示器，用于將所述參考序列施加到所述鑒別內(nèi)容，以調(diào)整所述鑒別內(nèi)容的顯示效果。

4.根據(jù)權(quán)利要求3的活體檢測設(shè)備，其中，所述顯示器用于將所述參考序列施加到具有動畫效果的應(yīng)用圖案，以調(diào)整該應(yīng)用圖案的顯示效果。

5.根據(jù)權(quán)利要求3的活體檢測設(shè)備，其中，所述處理器通過如下操作確定所采集的圖像數(shù)據(jù)中是否存在所述反光區(qū)域：計算所采集的圖像數(shù)據(jù)中的各個像素與所述參考序列之間的相關(guān)系數(shù)；基于所述相關(guān)系數(shù)確定各個像素所在的位置是否是反光位置；基于所計算的反光位置確定是否存在所述反光區(qū)域。

6.根據(jù)權(quán)利要求5的活體檢測設(shè)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鑒別內(nèi)容，所述處理器通過如下操作計算所述相關(guān)系數(shù)：獲取所采集的圖像數(shù)據(jù)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；基于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(guān)系數(shù)。

7.根據(jù)權(quán)利要求1的活體檢測設(shè)備，其中，所述鑒別內(nèi)容具有預(yù)定的鑒別圖案，所述處理器通過如下操作得到所述確定結(jié)果：確定所采集的圖像數(shù)據(jù)中是否存在與所展示的鑒別圖案對應(yīng)的區(qū)域；在存在與所展示的鑒別圖案對應(yīng)的區(qū)域的情況下，將該與所展示的鑒別圖案對應(yīng)的區(qū)域作為所述反光區(qū)域。

8.根據(jù)權(quán)利要求5或6的活體檢測設(shè)備，其中，所述處理器計算所述反光區(qū)域的尺寸和位置中的至少一個作為所述反光區(qū)域的區(qū)域特征，并且基于所述反光區(qū)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(jù)權(quán)利要求8的活體檢測設(shè)備，其中，在基于所述反光區(qū)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(qū)域的尺寸與第一閾值和第二閾值相比較，其中第二閾值大于第一閾值，當所述反光區(qū)域的尺寸大于等于第一閾值并且小于第二閾值時，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；在基于所述反光區(qū)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(qū)域在所采集的圖像數(shù)據(jù)中的位置，當所述反光區(qū)域的位置接近所采集的圖像數(shù)據(jù)的邊緣時，將所述目標對象識別為不是活體。

10.根據(jù)權(quán)利要求1的活體檢測設(shè)備，其中，所述活體檢測設(shè)備被設(shè)置于手持終端中，所述圖像采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鑒別內(nèi)容；在展示所述鑒別內(nèi)容期間，采集所述目標對象的圖像數(shù)據(jù)；確定所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域、并在存在所述反光區(qū)域時確定該反光區(qū)域的區(qū)域特征，以得到一確定結(jié)果；以及基于所述確定結(jié)果識別所述目標對象是否是活體。

12.根據(jù)權(quán)利要求11的活體檢測方法，其中，所述活體檢測方法應(yīng)用于一活體檢測設(shè)備，所述向待識別的目標對象展示特定的鑒別內(nèi)容包括：展示所述活體檢測設(shè)備的標題欄、工具欄和背景區(qū)域中的至少一個作為所述鑒別內(nèi)容。

13.根據(jù)權(quán)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鑒別內(nèi)容包括：隨機地產(chǎn)生一個參考序列；將所述參考序列施加到所述鑒別內(nèi)容以調(diào)整所述鑒別內(nèi)容的顯示效果。

14.根據(jù)權(quán)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鑒別內(nèi)容以調(diào)整所述鑒別內(nèi)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應(yīng)用圖案，以調(diào)整該應(yīng)用圖案的顯示效果。

15.根據(jù)權(quán)利要求13的活體檢測方法，其中，所述確定所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域包括：計算所采集的圖像數(shù)據(jù)中的各個像素與所述參考序列之間的相關(guān)系數(shù)；基于所述相關(guān)系數(shù)確定各個像素所在的位置是否是反光位置；基于所計算的反光位置確定是否存在所述反光區(qū)域。

16.根據(jù)權(quán)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鑒別內(nèi)容以調(diào)整所述鑒別內(nèi)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鑒別內(nèi)容，以調(diào)整所述鑒別內(nèi)容的顯示效果；所述計算所采集的圖像數(shù)據(jù)中的各個像素與所述參考序列之間的相關(guān)系數(shù)包括：獲取所采集的圖像數(shù)據(jù)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；基于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(guān)系數(shù)。

17.根據(jù)權(quán)利要求11的活體檢測方法，其中，所述鑒別內(nèi)容具有預(yù)定的鑒別圖案，所述確定所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域包括：確定所采集的圖像數(shù)據(jù)中是否存在與所展示的鑒別圖案對應(yīng)的區(qū)域；在存在與所展示的鑒別圖案對應(yīng)的區(qū)域的情況下，將該與所展示的鑒別圖案對應(yīng)的區(qū)域作為所述反光區(qū)域。

18.根據(jù)權(quán)利要求15或16的活體檢測方法，其中，所述確定該反光區(qū)域的區(qū)域特征包括：計算所述反光區(qū)域的尺寸和位置中的至少一個作為所述區(qū)域特征；所述基于所述確定結(jié)果識別所述目標對象是否是活體包括：基于所述反光區(qū)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(jù)權(quán)利要求18的活體檢測方法，其中，所述基于所述反光區(qū)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：在基于所述反光區(qū)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(qū)域的尺寸與第一閾值和第二閾值相比較，其中第二閾值大于第一閾值；當所述反光區(qū)域的尺寸大于等于第一閾值并且小于第二閾值時，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；在基于所述反光區(qū)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(qū)域在所采集的圖像數(shù)據(jù)中的位置；當所述反光區(qū)域的位置接近所采集的圖像數(shù)據(jù)的邊緣時，將所述目標對象識別為不是活體。

20.根據(jù)權(quán)利要求11的活體檢測方法，其中，所述活體檢測方法被應(yīng)用于手持終端中，所述采集所述目標對象的圖像數(shù)據(jù)包括：利用手持終端中的前置攝像頭來采集所述目標對象的圖像數(shù)據(jù)。

《活體檢測設(shè)備和活體檢測方法》涉及人臉識別技術(shù)領(lǐng)域，更具體地涉及一種活體檢測設(shè)備和活體檢測方法。

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

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

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

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

圖4是示意性圖示了圖2的活體檢測設(shè)備中的特定展示部的結(jié)構(gòu)框圖。

圖5示意性圖示了圖2的活體檢測設(shè)備所確定的反光區(qū)域。

圖6是示意性圖示了根據(jù)《活體檢測設(shè)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(qū)域的確定操作的流程圖。

圖8是示意性圖示了根據(jù)《活體檢測設(shè)備和活體檢測方法》實施例的用于活體檢測的電子設(shè)備的框圖。

活體檢測設(shè)備和活體檢測方法專利目的

《活體檢測設(shè)備和活體檢測方法》實施例提供了一種活體檢測設(shè)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，從而有效地防范攻擊者借助于圖像、視頻顯示等非活體工具進行的攻擊。

活體檢測設(shè)備和活體檢測方法技術(shù)方案

第一方面，提供了一種活體檢測設(shè)備。該活體檢測設(shè)備可包括：特定展示部，用于展示特定的鑒別內(nèi)容；圖像采集器，用于在展示所述鑒別內(nèi)容期間采集待識別的目標對象的圖像數(shù)據(jù)；處理器，用于確定所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域、并在存在所述反光區(qū)域時確定該反光區(qū)域的區(qū)域特征，以得到一確定結(jié)果，并基于該確定結(jié)果識別所述目標對象是否是活體。

結(jié)合第一方面，在第一方面的一種實現(xiàn)方式中，所述特定展示部可用于展示所述活體檢測設(shè)備的標題欄、工具欄和背景區(qū)域中的至少一個作為所述鑒別內(nèi)容。

結(jié)合第一方面及其上述實現(xiàn)方式，在第一方面的另一實現(xiàn)方式中，所述特定展示部可包括：序列發(fā)生器，用于隨機地產(chǎn)生一個參考序列；顯示器，用于將所述參考序列施加到所述鑒別內(nèi)容，以調(diào)整所述鑒別內(nèi)容的顯示效果。

結(jié)合第一方面及其上述實現(xiàn)方式，在第一方面的另一實現(xiàn)方式中，所述顯示器可用于將所述參考序列施加到具有動畫效果的應(yīng)用圖案，以調(diào)整該應(yīng)用圖案的顯示效果。

結(jié)合第一方面及其上述實現(xiàn)方式，在第一方面的另一實現(xiàn)方式中，所述處理器可通過如下操作確定所采集的圖像數(shù)據(jù)中是否存在所述反光區(qū)域：計算所采集的圖像數(shù)據(jù)中的各個像素值與所述參考序列之間的相關(guān)系數(shù)；基于所述相關(guān)系數(shù)確定各個像素值所在的位置是否是反光位置；基于所計算的反光位置確定是否存在所述反光區(qū)域。

結(jié)合第一方面及其上述實現(xiàn)方式，在第一方面的另一實現(xiàn)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鑒別內(nèi)容，所述處理器可通過如下操作計算所述相關(guān)系數(shù)：獲取所采集的圖像數(shù)據(jù)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；基于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(guān)系數(shù)。

結(jié)合第一方面及其上述實現(xiàn)方式，在第一方面的另一實現(xiàn)方式中，所述鑒別內(nèi)容可具有預(yù)定的鑒別圖案，所述處理器可通過如下操作得到所述確定結(jié)果：確定所采集的圖像數(shù)據(jù)中是否存在與所展示的鑒別圖案對應(yīng)的區(qū)域；在存在與所展示的鑒別圖案對應(yīng)的區(qū)域的情況下，將該與所展示的鑒別圖案對應(yīng)的區(qū)域作為所述反光區(qū)域。

結(jié)合第一方面及其上述實現(xiàn)方式，在第一方面的另一實現(xiàn)方式中，所述處理器可以計算所述反光區(qū)域的尺寸和位置中的至少一個作為所述反光區(qū)域的區(qū)域特征，并且基于所述反光區(qū)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(jié)合第一方面及其上述實現(xiàn)方式，在第一方面的另一實現(xiàn)方式中，在基于所述反光區(qū)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(qū)域的尺寸與第一閾值和第二閾值相比較，其中第二閾值大于第一閾值，當所述反光區(qū)域的尺寸大于等于第一閾值并且小于第二閾值時，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；在基于所述反光區(qū)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(qū)域在所采集的圖像數(shù)據(jù)中的位置，當所述反光區(qū)域的位置接近所采集的圖像數(shù)據(jù)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(jié)合第一方面及其上述實現(xiàn)方式，在第一方面的另一實現(xiàn)方式中，所述活體檢測設(shè)備可被設(shè)置于手持終端中，所述圖像采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鑒別內(nèi)容；在展示所述鑒別內(nèi)容期間，采集所述目標對象的圖像數(shù)據(jù)；確定所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域、并在存在所述反光區(qū)域時確定該反光區(qū)域的區(qū)域特征，以得到一確定結(jié)果；以及基于所述確定結(jié)果識別所述目標對象是否是活體。

結(jié)合第二方面，在第二方面的一種實現(xiàn)方式中，所述活體檢測方法可應(yīng)用于一活體檢測設(shè)備，所述向待識別的目標對象展示特定的鑒別內(nèi)容可包括：展示所述活體檢測設(shè)備的標題欄、工具欄和背景區(qū)域中的至少一個作為所述鑒別內(nèi)容。

結(jié)合第二方面及其上述實現(xiàn)方式，在第二方面的另一實現(xiàn)方式中，所述向待識別的目標對象展示特定的鑒別內(nèi)容可包括：隨機地產(chǎn)生一個參考序列；將所述參考序列施加到所述鑒別內(nèi)容以調(diào)整所述鑒別內(nèi)容的顯示效果。

結(jié)合第二方面及其上述實現(xiàn)方式，在第二方面的另一實現(xiàn)方式中，所述將所述參考序列施加到所述鑒別內(nèi)容以調(diào)整所述鑒別內(nèi)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應(yīng)用圖案，以調(diào)整該應(yīng)用圖案的顯示效果。

結(jié)合第二方面及其上述實現(xiàn)方式，在第二方面的另一實現(xiàn)方式中，所述確定所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域可包括：計算所采集的圖像數(shù)據(jù)中的各個像素值與所述參考序列之間的相關(guān)系數(shù)；基于所述相關(guān)系數(shù)確定各個像素值所在的位置是否是反光位置；基于所計算的反光位置確定是否存在所述反光區(qū)域。

結(jié)合第二方面及其上述實現(xiàn)方式，在第二方面的另一實現(xiàn)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鑒別內(nèi)容以調(diào)整所述鑒別內(nèi)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鑒別內(nèi)容，以調(diào)整所述鑒別內(nèi)容的顯示效果；所述計算所采集的圖像數(shù)據(jù)中的各個像素值與所述參考序列之間的相關(guān)系數(shù)包括：獲取所采集的圖像數(shù)據(jù)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；基于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(guān)系數(shù)。

結(jié)合第二方面及其上述實現(xiàn)方式，在第二方面的另一實現(xiàn)方式中，所述鑒別內(nèi)容可具有預(yù)定的鑒別圖案，所述確定所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域可包括：確定所采集的圖像數(shù)據(jù)中是否存在與所展示的鑒別圖案對應(yīng)的區(qū)域；在存在與所展示的鑒別圖案對應(yīng)的區(qū)域的情況下，將該與所展示的鑒別圖案對應(yīng)的區(qū)域作為所述反光區(qū)域。

結(jié)合第二方面及其上述實現(xiàn)方式，在第二方面的另一實現(xiàn)方式中，所述確定該反光區(qū)域的區(qū)域特征可包括計算所述反光區(qū)域的尺寸和位置中的至少一個作為所述區(qū)域特征；所述基于所述確定結(jié)果識別所述目標對象是否是活體可包括基于所述反光區(qū)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(jié)合第二方面及其上述實現(xiàn)方式，在第二方面的另一實現(xiàn)方式中，所述基于所述反光區(qū)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：在基于所述反光區(qū)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(qū)域的尺寸與第一閾值和第二閾值相比較，其中第二閾值大于第一閾值；當所述反光區(qū)域的尺寸大于等于第一閾值并且小于第二閾值時，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；在基于所述反光區(qū)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(qū)域在所采集的圖像數(shù)據(jù)中的位置；當所述反光區(qū)域的位置接近所采集的圖像數(shù)據(jù)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(jié)合第二方面及其上述實現(xiàn)方式，在第二方面的另一實現(xiàn)方式中，所述活體檢測方法可被應(yīng)用于手持終端中，所述采集所述目標對象的圖像數(shù)據(jù)包括：利用手持終端中的前置攝像頭來采集所述目標對象的圖像數(shù)據(jù)。

第三方面，提供了一種電子設(shè)備，包括如上所述的活體檢測設(shè)備。

在根據(jù)《活體檢測設(shè)備和活體檢測方法》實施例的活體檢測設(shè)備和活體檢測方法的技術(shù)方案中，通過從所采集的目標對象的圖像數(shù)據(jù)中檢測對應(yīng)于鑒別內(nèi)容的反光區(qū)域、并確定該反光區(qū)域的區(qū)域特征，其能夠識別出特定的不具有活體人臉的目標對象，從而有效地防范攻擊者借助于圖像、視頻顯示等非活體工具進行的攻擊。

人臉識別是基于人的臉部特征信息進行身份識別的一種生物識別技術(shù)。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，然后通過對所獲取的圖像與數(shù)據(jù)庫圖像進行比對來完成識別過程。2015年前，人臉識別技術(shù)已用于銀行、社會福利保障、電子商務(wù)、安全防務(wù)等領(lǐng)域。例如，可以將人臉識別系統(tǒng)應(yīng)用于銀行遠程開戶、門禁系統(tǒng)、遠程交易操作驗證等。

在基于人臉識別來進行身份識別的應(yīng)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。這使得基于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，然后通過比對待驗證對象的面部特征與數(shù)據(jù)庫中已存的各個用戶的面部特征來識別待驗證對象的身份。因此，期望提供一種有效的用于活體檢測的技術(shù)方案，來有效地防范攻擊者借助于非活體工具進行的攻擊。

活體檢測設(shè)備和活體檢測方法操作內(nèi)容

圖1是示意性圖示了根據(jù)《活體檢測設(shè)備和活體檢測方法》實施例的活體檢測的場景架構(gòu)。如圖1所示，待驗證的目標對象面向活體檢測設(shè)備10。活體檢測設(shè)備10上設(shè)置有圖像采集器。該圖像采集器能夠采集待驗證的目標對象的圖像。攻擊者可能利用電子設(shè)備20展示目標對象的圖像或視頻。所述電子設(shè)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(shè)備20，攻擊者可以顯示想要的任何顯示內(nèi)容，從而使得基于用戶交互、規(guī)律生理信號的活體檢測方案失效。

圖1中的活體檢測設(shè)備10可以是專用的進行活體檢測的設(shè)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(shè)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(shè)備20展示視頻或圖像進行攻擊時，活體檢測設(shè)備10的展示內(nèi)容通常在所面對的電子設(shè)備20中產(chǎn)生反光現(xiàn)象，從而在電子設(shè)備20中產(chǎn)生與活體檢測設(shè)備10的展示內(nèi)容對應(yīng)的反光區(qū)域。當目標對象是通常的待驗證人員時，活體檢測設(shè)備10的展示內(nèi)容不能借助于待驗證人員的面部等身體部位被反光，從而不能產(chǎn)生反光區(qū)域；即使產(chǎn)生反光區(qū)域，該反光區(qū)域的區(qū)域特征也明顯不同于活體檢測設(shè)備10的展示內(nèi)容在電子設(shè)備20產(chǎn)生的反光區(qū)域。

在《活體檢測設(shè)備和活體檢測方法》的實施例中，活體檢測設(shè)備10通過對目標對象進行圖像采集，并從所采集的目標對象的圖像數(shù)據(jù)中檢測與活體檢測設(shè)備10的展示內(nèi)容對應(yīng)的反光區(qū)域，并確定該反光區(qū)域的區(qū)域特征，從而能夠識別出攻擊者借助于圖像、視頻顯示等非活體工具進行的攻擊，提高了人臉識別系統(tǒng)的安全性。

圖2是示意性圖示了根據(jù)《活體檢測設(shè)備和活體檢測方法》實施例的活體檢測設(shè)備200的框圖。該活體檢測設(shè)備200對應(yīng)于圖1所示的活體檢測設(shè)備10。如圖2所示，該活體檢測設(shè)備200包括：特定展示部210，用于展示特定的鑒別內(nèi)容；圖像采集器220，用于在展示所述鑒別內(nèi)容期間采集待識別的目標對象的圖像數(shù)據(jù)；處理器230，用于確定所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域、并在存在所述反光區(qū)域時確定該反光區(qū)域的區(qū)域特征，以得到一確定結(jié)果，并基于該確定結(jié)果識別所述目標對象是否是活體。

所述特征展示部210用于展示特定的鑒別內(nèi)容。特定展示部210可以利用顯示器、或圖片展示欄等實現(xiàn)。該鑒別內(nèi)容用于幫助鑒別所活體檢測設(shè)備200是否通過待識別的目標對象產(chǎn)生反光。在目標對象是攻擊者利用電子設(shè)備展示的視頻時，與電子設(shè)備的屏幕面向的任何場景都可能在電子設(shè)備的屏幕產(chǎn)生反光，從而在電子設(shè)備的屏幕中出現(xiàn)該場景的畫面。為了避免活體檢測設(shè)備200所處的場景的影響，利用特征展示部210展示特定的鑒別內(nèi)容。該鑒別內(nèi)容與待識別的目標對象面對，最可能出現(xiàn)通過攻擊者的電子設(shè)備反光，從而形成與鑒別內(nèi)容對應(yīng)的反光區(qū)域。

所述鑒別內(nèi)容可以是任何圖像內(nèi)容，例如可以是單一顏色的畫面內(nèi)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(shè)備周圍的環(huán)境區(qū)分開的內(nèi)容都可以作為所述鑒別內(nèi)容。

特征展示部210所展示的鑒別內(nèi)容是目標對象容易看到的內(nèi)容。當攻擊者利用電子設(shè)備執(zhí)行攻擊時，可能容易發(fā)現(xiàn)所述鑒別內(nèi)容的存在，從而采取應(yīng)對措施。因此，特征展示部210可以采取隱蔽的方式來展示所述鑒別內(nèi)容。例如，特定展示部210可以展示活體檢測設(shè)備200的標題欄、工具欄和背景區(qū)域中的至少一個作為所述鑒別內(nèi)容?；铙w檢測設(shè)備200在執(zhí)行活體檢測時，可以顯示交互界面以與目標對象互動。該交互界面的標題欄、工具欄和背景區(qū)域等是該活體檢測設(shè)備200的固有展示內(nèi)容，而很難被認為是為活體檢測專門設(shè)置的鑒別內(nèi)容。

圖3（a）是示意性圖示了圖2的活體檢測設(shè)備中的特定展示部210所展示的鑒別內(nèi)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(shè)備200中的固有應(yīng)用“我的文檔”，并且在“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欄，在圖3（a）的最下方是任務(wù)欄。圖3（a）中的標題欄、工具欄、任務(wù)欄和沙漏中的任一個或多個都可以作為鑒別內(nèi)容。

圖3（b）是示意性圖示了圖2的活體檢測設(shè)備中的特定展示部所展示的鑒別內(nèi)容的第二示例。在圖3（b）中展示了一黑白方格圖案作為鑒別內(nèi)容。當對目標對象執(zhí)行驗證時，可能會顯示一些圖案或風(fēng)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，并將其作為鑒別內(nèi)容。

圖4是示意性圖示了圖2的活體檢測設(shè)備中的特定展示部210的結(jié)構(gòu)框圖。如圖4所示，所述特定展示部210可包括：序列發(fā)生器211，用于隨機地產(chǎn)生一個參考序列；顯示器212，用于將所述參考序列施加到所述鑒別內(nèi)容，以調(diào)整所述鑒別內(nèi)容的顯示效果。圖4中的特定展示部210可以動態(tài)地改變鑒別內(nèi)容的顯示效果，以更為便捷地從所采集的目標對象的圖像數(shù)據(jù)中識別出所述鑒別內(nèi)容。所述序列發(fā)生器211所產(chǎn)生的參考序列例如是亮度參考序列S[1…n]，其中n是大于1的自然數(shù)。該參考序列是由序列發(fā)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]分別施加到鑒別內(nèi)容，從而鑒別內(nèi)容的亮度會隨著時間而變化。所述序列發(fā)生器211所產(chǎn)生的參考序列還可以是色彩參數(shù)序列C[1…n]，并相應(yīng)地使鑒別內(nèi)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應(yīng)用圖案作為鑒別內(nèi)容，并且顯示器212將序列發(fā)生器211所產(chǎn)生的參考序列施加到該具有動畫效果的應(yīng)用圖案，以調(diào)整該應(yīng)用圖案的顯示效果。

圖2中的圖像采集器220在展示所述鑒別內(nèi)容期間采集待識別的目標對象的圖像數(shù)據(jù)。圖像采集器220可以是普通的基于可見光的彩色或灰度攝像機，例如網(wǎng)絡(luò)攝像頭、手機的前置攝像頭等。圖像采集器220在展示所述鑒別內(nèi)容期間執(zhí)行采集操作，以保證能夠采集到鑒別內(nèi)容在攻擊者的電子設(shè)備中的反光，從而確定其相應(yīng)的反光區(qū)域。

圖2中的處理器230確定圖像采集器220所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域、并在存在所述反光區(qū)域時確定該反光區(qū)域的區(qū)域特征，以得到一確定結(jié)果。所述反光區(qū)域是所述鑒別內(nèi)容在攻擊者的顯示屏中的投影。處理器230可通過從圖像采集器220所采集的圖像數(shù)據(jù)中檢測所述鑒別內(nèi)容來確定所述反光區(qū)域。

處理器230例如可以獲取特定展示部210所展示的鑒別內(nèi)容的鑒別數(shù)據(jù)，并將所述鑒別數(shù)據(jù)與圖像采集器220所采集的圖像數(shù)據(jù)進行相似性檢測，以確定所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域。處理器230可以采取2015年之前的或?qū)沓霈F(xiàn)的各種技術(shù)或手段來確定所述反光區(qū)域，具體的確定反光區(qū)域的方式不構(gòu)成對該公開實施例的限制。

當在所采集的圖像數(shù)據(jù)中不存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域時，處理器230可以確定目標對象不是攻擊者利用電子設(shè)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。

當在所采集的圖像數(shù)據(jù)中存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域時，處理器230進一步確定該反光區(qū)域的區(qū)域特征。例如，處理器230可以計算所述反光區(qū)域的尺寸和位置中的至少一個作為所述反光區(qū)域的區(qū)域特征，并且基于所述反光區(qū)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。

鑒別內(nèi)容通過諸如人臉的活體在采集圖像中產(chǎn)生的反光區(qū)域通常很小、也相對分散。在攻擊者利用電子設(shè)備的顯示器進行攻擊時，鑒別內(nèi)容在電子設(shè)備的顯示器中產(chǎn)生反光區(qū)域的尺寸和位置通常取決于鑒別內(nèi)容的尺寸、以及所述鑒別內(nèi)容與目標對象之間的距離和夾角，并且該反光區(qū)域的尺寸和位置可通過實驗來獲得其典型尺寸范圍和典型位置范圍。因此，借助于所述反光區(qū)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，也可以借助于所述反光區(qū)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。

在基于所述反光區(qū)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(qū)域的尺寸與第一閾值和第二閾值相比較，其中第二閾值大于第一閾值，當所述反光區(qū)域的尺寸大于等于第一閾值并且小于第二閾值時，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于上述的通過實驗獲得的典型尺寸范圍來設(shè)置的。人體的反光特性遠遠差于電子設(shè)備的顯示屏等的反光特性。當所述反光區(qū)域的尺寸小于第一閾值時，所述反光區(qū)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。取決于鑒別內(nèi)容的尺寸以及其相對于目標對象的位置關(guān)系，與鑒別內(nèi)容對應(yīng)的反光區(qū)域的尺寸也不可能太大。相應(yīng)地，當所述反光區(qū)域的尺寸大于等于第二閾值時，所述反光區(qū)域應(yīng)該也不與鑒別內(nèi)容對應(yīng)，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，眼鏡可能對鑒別內(nèi)容形成較強的反光特性，從而在使得反光區(qū)域的尺寸大于等于第一閾值并且小于第二閾值，相應(yīng)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(jié)合其它的方式來識別目標對象是否是活體。例如，還可以基于反光區(qū)域的位置來識別所述目標對象是否是活體。

在基于所述反光區(qū)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(qū)域在所采集的圖像數(shù)據(jù)中的位置，當所述反光區(qū)域的位置接近所采集的圖像數(shù)據(jù)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于圖像采集器220所采集的圖像的中心位置。當反光區(qū)域是由于目標對象的面部等反光而形成時，該反光區(qū)域通常與目標對象有部分重疊，并相應(yīng)地位于或接近所采集的圖像數(shù)據(jù)的中心。因此，當反光區(qū)域的位置接近所采集的圖像數(shù)據(jù)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(qū)域的位置接近或位于所采集的圖像數(shù)據(jù)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(shè)備的顯示器也可能在所采集的圖像數(shù)據(jù)的中心形成反光區(qū)域。

圖5示意性圖示了圖2的活體檢測設(shè)備所確定的反光區(qū)域。如圖5所示，目標對象處于所采集的圖像的中間位置，鑒別內(nèi)容是黑白方格圖案，與黑白方格圖案對應(yīng)的反光區(qū)域接近所采集的圖像的邊緣，從而可以判斷目標對象不是活體。而且，所述反光區(qū)域在所采集的圖像很明顯，并且小于黑白方格圖案所占據(jù)的位置，根據(jù)所述反光區(qū)域的尺寸也可以判斷目標對象不是活體。

在根據(jù)《活體檢測設(shè)備和活體檢測方法》實施例的活體檢測設(shè)備的技術(shù)方案中，通過從所采集的目標對象的圖像數(shù)據(jù)中檢測對應(yīng)于鑒別內(nèi)容的反光區(qū)域、并確定該反光區(qū)域的區(qū)域特征，其能夠識別出特定的不具有活體人臉的目標對象，從而有效地防范攻擊者借助于圖像、視頻顯示等非活體工具進行的攻擊。

活體檢測設(shè)備和活體檢測方法實施案例

下面進一步描述處理器230針對反光區(qū)域執(zhí)行確定操作以獲得確定結(jié)果的兩個示例。

示例一：在特定展示部210所展示的鑒別內(nèi)容具有預(yù)定的鑒別圖案的情況下，處理器230例如可通過如下操作得到所述確定結(jié)果：確定所采集的圖像數(shù)據(jù)中是否存在與所展示的鑒別圖案對應(yīng)的區(qū)域；在存在與所展示的鑒別圖案對應(yīng)的區(qū)域的情況下，將該與所展示的鑒別圖案對應(yīng)的區(qū)域作為所述反光區(qū)域。這里以所述鑒別圖案是圖3（b）所示的黑白方格圖案為例。對于圖像采集器220所采集的圖像數(shù)據(jù)的每一幀，例如利用香農(nóng)（Canny）邊緣提取算子提取所以采集的圖像數(shù)據(jù)中的邊，并記錄所有橫向的邊和縱向的邊交叉的點的位置。如果發(fā)現(xiàn)有若干的交叉點被邊連接成了一個足夠大的方格形狀，那么認為出現(xiàn)了圖3（b）所示的黑白方格圖案，并將最外側(cè)交叉點所包含的區(qū)域作為反光區(qū)域。

示例二：圖4中的序列發(fā)生器211產(chǎn)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]分別施加到鑒別內(nèi)容，從而鑒別內(nèi)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采集的圖像數(shù)據(jù)中是否存在所述反光區(qū)域：計算所采集的圖像數(shù)據(jù)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(guān)系數(shù)c[x,y]；基于所述相關(guān)系數(shù)c[x,y]確定各個像素所在的位置是否是反光位置；基于所計算的反光位置確定是否存在所述反光區(qū)域。所述V[t,x,y]表示圖像采集器220所采集的圖像的（x,y）位置處在與S[t]對應(yīng)的時間t上的像素，其中1≤t≤n。

相關(guān)系數(shù)c[x,y]可通過如下方式來計算：獲取所采集的圖像數(shù)據(jù)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）；基于所述像素的均值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(guān)系數(shù)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]表示在所采集的圖像的（x,y）位置上在與亮度參考序列S[1…n]中的S[n]對應(yīng)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

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：

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(guān)系數(shù)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(yīng)地，基于所述相關(guān)系數(shù)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(guān)系數(shù)c[x,y]大于等于預(yù)設(shè)的相關(guān)閾值時，確定位置為（x,y）的像素具有反光；當相關(guān)系數(shù)c[x,y]小于預(yù)設(shè)的相關(guān)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(guān)系數(shù)、并確定其是否是反光位置之后，可以得到圖像中的反光區(qū)域的分布。此后，可以根據(jù)反光區(qū)域的分布確定其區(qū)域特征，以識別目標對象是否是活體。

圖6是示意性圖示了根據(jù)《活體檢測設(shè)備和活體檢測方法》實施例的活體檢測方法600的流程圖?；铙w檢測方法600應(yīng)用于如圖1所示的活體檢測設(shè)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鑒別內(nèi)容（S610）；在展示所述鑒別內(nèi)容期間，采集所述目標對象的圖像數(shù)據(jù)（S620）；確定所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域、并在存在所述反光區(qū)域時確定該反光區(qū)域的區(qū)域特征，以得到一確定結(jié)果（S630）；以及基于所述確定結(jié)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鑒別內(nèi)容。該鑒別內(nèi)容用于幫助鑒別是否通過待識別的目標對象產(chǎn)生反光。在目標對象是如圖1所示攻擊者利用電子設(shè)備展示的視頻時，與電子設(shè)備的屏幕面向的任何場景都可能在電子設(shè)備的屏幕產(chǎn)生反光，從而在電子設(shè)備的屏幕中出現(xiàn)該場景的畫面。該鑒別內(nèi)容與待識別的目標對象面對，最可能出現(xiàn)通過攻擊者的電子設(shè)備反光，從而形成與鑒別內(nèi)容對應(yīng)的反光區(qū)域。所述鑒別內(nèi)容可以是任何圖像內(nèi)容，例如可以是單一顏色的畫面內(nèi)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(shè)備周圍的環(huán)境區(qū)分開的內(nèi)容都可以作為所述鑒別內(nèi)容。

所述鑒別內(nèi)容是目標對象容易看到的內(nèi)容。當攻擊者利用電子設(shè)備執(zhí)行攻擊時，可能容易發(fā)現(xiàn)所述鑒別內(nèi)容的存在，從而采取應(yīng)對措施。因此，可以采取隱蔽的方式來展示所述鑒別內(nèi)容。例如，可以展示活體檢測方法所應(yīng)用于的活體檢測設(shè)備的標題欄、工具欄和背景區(qū)域中的至少一個作為所述鑒別內(nèi)容?；铙w檢測設(shè)備中的應(yīng)用的標題欄、工具欄、或背景區(qū)域等是該活體檢測設(shè)備的固有展示內(nèi)容，而很難被認為是為活體檢測專門設(shè)置的鑒別內(nèi)容。該鑒別內(nèi)容的示例可以參見圖3（a）和圖3（b）的圖示和相關(guān)描述。

在鑒別內(nèi)容的展示過程中，還可以調(diào)整其顯示效果，以使得更為便捷地從所采集的目標對象的圖像數(shù)據(jù)中識別出所述鑒別內(nèi)容。例如，在S610中，可以隨機地產(chǎn)生一個參考序列；將所述參考序列施加到所述鑒別內(nèi)容以調(diào)整所述鑒別內(nèi)容的顯示效果。所產(chǎn)生的參考序列例如是亮度參考序列S[1…n]，其中n是大于1的自然數(shù)。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]分別施加到鑒別內(nèi)容，從而鑒別內(nèi)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(shù)序列，并相應(yīng)地使鑒別內(nèi)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應(yīng)用圖案作為鑒別內(nèi)容，以調(diào)整該應(yīng)用圖案的顯示效果。

在S620中，在展示所述鑒別內(nèi)容期間采集待識別的目標對象的圖像數(shù)據(jù)。在活體檢測方法600被應(yīng)用于手持終端的情況中，在S620中可以利用手持終端中的前置攝像頭來采集所述目標對象的圖像數(shù)據(jù)。所述前置攝像頭可以是基于可見光的彩色或灰度攝像機。在展示所述鑒別內(nèi)容期間執(zhí)行采集操作，以保證鑒別內(nèi)容能夠在攻擊者的電子設(shè)備中反光，并確定與鑒別內(nèi)容對應(yīng)的反光區(qū)域。

在S630中，確定在所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域、并在存在所述反光區(qū)域時確定該反光區(qū)域的區(qū)域特征，以得到一確定結(jié)果。所述反光區(qū)域是所述鑒別內(nèi)容在攻擊者的顯示屏中的投影?？赏ㄟ^從所采集的圖像數(shù)據(jù)中檢測所述鑒別內(nèi)容來確定所述反光區(qū)域。作為示例，可以獲取與鑒別內(nèi)容對應(yīng)的鑒別數(shù)據(jù)，并將所述鑒別數(shù)據(jù)與所采集的圖像數(shù)據(jù)進行相似性檢測，以確定所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域?？梢圆扇?015年之前的或?qū)沓霈F(xiàn)的各種技術(shù)或手段來確定所述反光區(qū)域，具體的確定反光區(qū)域的方式不構(gòu)成對該公開實施例的限制。

當在所采集的圖像數(shù)據(jù)中不存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域時，可以確定目標對象不是攻擊者利用電子設(shè)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。當在所采集的圖像數(shù)據(jù)中存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域時，在S630中進一步確定該反光區(qū)域的區(qū)域特征。例如，可以計算所述反光區(qū)域的尺寸和位置中的至少一個作為所述反光區(qū)域的區(qū)域特征，從而基于所述反光區(qū)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(qū)域的確定操作的流程圖。如圖7所示，針對反光區(qū)域的確定操作（S630）可包括：計算所采集的圖像數(shù)據(jù)中的各個像素值與所述參考序列之間的相關(guān)系數(shù)（S631）；基于所述相關(guān)系數(shù)確定各個像素值所在的位置是否是反光位置（S632）；基于所計算的反光位置確定是否存在所述反光區(qū)域（S633）；計算所述反光區(qū)域的尺寸和位置中的至少一個作為所述區(qū)域特征（S634）。

在S610中隨機地產(chǎn)生參考亮度序列、并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鑒別內(nèi)容以調(diào)整顯示效果的情況中，在S631中可如下地計算所述相關(guān)系數(shù)：獲取所采集的圖像數(shù)據(jù)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；基于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(guān)系數(shù)。具體地的實現(xiàn)示例可以參見前面結(jié)合公式（1）至公式（5）進行的描述。

在S632中，基于所述相關(guān)系數(shù)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(guān)系數(shù)大于等于預(yù)設(shè)的相關(guān)閾值時，與該相關(guān)系數(shù)對應(yīng)的位置上的像素具有反光；當相關(guān)系數(shù)小于預(yù)設(shè)的相關(guān)閾值時，與該相關(guān)系數(shù)對應(yīng)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(guān)系數(shù)、并確定其是否是反光位置之后，在S633中可以確定是否存在反光區(qū)域，并得到圖像中的反光區(qū)域的分布。

在S634中，可以根據(jù)反光區(qū)域的分布確定其區(qū)域特征。該區(qū)域特征例如是所述反光區(qū)域的尺寸和位置中的至少一個。鑒別內(nèi)容通過諸如人臉的活體在采集圖像中產(chǎn)生的反光區(qū)域通常很小、也相對分散。在攻擊者利用電子設(shè)備的顯示器進行攻擊時，鑒別內(nèi)容在電子設(shè)備的顯示器中產(chǎn)生反光區(qū)域的尺寸和位置通常取決于鑒別內(nèi)容的尺寸、以及所述鑒別內(nèi)容與目標對象之間的距離和夾角，并且該反光區(qū)域的尺寸和位置可通過實驗來獲得其典型尺寸范圍和典型位置范圍。因此，借助于所述反光區(qū)域的尺寸或位置等區(qū)域特征，可以識別所述目標對象是否是活體。如果借助于所述反光區(qū)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，在鑒別內(nèi)容具有預(yù)定的鑒別圖案的情況下，在S630中可如下地確定所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域：確定所采集的圖像數(shù)據(jù)中是否存在與所展示的鑒別圖案對應(yīng)的區(qū)域；在存在與所展示的鑒別圖案對應(yīng)的區(qū)域的情況下，將該與所展示的鑒別圖案對應(yīng)的區(qū)域作為所述反光區(qū)域。這里以所述鑒別圖案是圖3（b）所示的黑白方格圖案為例。對于所采集的圖像數(shù)據(jù)的每一幀，例如利用香農(nóng)（Canny）邊緣提取算子提取所以采集的圖像數(shù)據(jù)中的邊，并記錄所有橫向的邊和縱向的邊交叉的點的位置。如果發(fā)現(xiàn)有若干的交叉點被邊連接成了一個足夠大的方格形狀，那么認為出現(xiàn)了圖3（b）所示的黑白方格圖案，并將最外側(cè)交叉點所包含的區(qū)域作為反光區(qū)域。如果交叉點沒有被邊連接成一個足夠大的方格形狀，那么認為沒有出現(xiàn)圖3（b）所示的黑白方格圖案，則在所采集的圖像數(shù)據(jù)中不存在反光區(qū)域。在此情況下確定的反光區(qū)域可以參見圖5的圖示。

當在S630中確定不存在反光區(qū)域時，在S640中可以確定目標對象不是攻擊者利用電子設(shè)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(qū)域的區(qū)域特征包括反光區(qū)域的尺寸的情況下，在S640中可以基于所述反光區(qū)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(qū)域的尺寸與第一閾值和第二閾值相比較，其中第二閾值大于第一閾值，當所述反光區(qū)域的尺寸大于等于第一閾值并且小于第二閾值時，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于上述的通過實驗獲得的典型尺寸范圍來設(shè)置的。人體的反光特性遠遠差于電子設(shè)備的顯示屏等的反光特性。當所述反光區(qū)域的尺寸小于第一閾值時，所述反光區(qū)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。取決于鑒別內(nèi)容的尺寸以及其相對于目標對象的位置關(guān)系，與鑒別內(nèi)容對應(yīng)的反光區(qū)域的尺寸也不可能太大。相應(yīng)地，當所述反光區(qū)域的尺寸大于等于第二閾值時，所述反光區(qū)域應(yīng)該也不與鑒別內(nèi)容對應(yīng)，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，眼鏡可能對鑒別內(nèi)容形成較強的反光特性，從而在使得反光區(qū)域的尺寸大于等于第一閾值并且小于第二閾值。相應(yīng)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(jié)合其它的方式來識別目標對象是否是活體。例如，還可以基于反光區(qū)域的位置來識別所述目標對象是否是活體。

在反光區(qū)域的區(qū)域特征包括反光區(qū)域的位置的情況下，在S640中還可以基于所述反光區(qū)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(qū)域在所采集的圖像數(shù)據(jù)中的位置，當所述反光區(qū)域的位置接近所采集的圖像數(shù)據(jù)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于所采集的圖像的中心位置。當反光區(qū)域是由于目標對象的面部等反光而形成時，該反光區(qū)域通常與目標對象有部分重疊，并相應(yīng)地位于或接近所采集的圖像數(shù)據(jù)的中心。因此，當反光區(qū)域的位置接近所采集的圖像數(shù)據(jù)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(qū)域的位置接近或位于所采集的圖像數(shù)據(jù)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(shè)備的顯示器也可能在所采集的圖像數(shù)據(jù)的中心形成反光區(qū)域。

在根據(jù)《活體檢測設(shè)備和活體檢測方法》實施例的活體檢測方法的技術(shù)方案中，通過從所采集的目標對象的圖像數(shù)據(jù)中檢測對應(yīng)于鑒別內(nèi)容的反光區(qū)域、并確定該反光區(qū)域的區(qū)域特征，其能夠識別出特定的不具有活體人臉的目標對象，從而有效地防范攻擊者借助于圖像、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(jù)該公開實施例的用于活體檢測的電子設(shè)備800的框圖。如圖8所示，用于活體檢測的電子設(shè)備800可包括存儲器810、處理器820。存儲器810上存儲有計算機程序代碼。處理器820執(zhí)行所述程序代碼以實現(xiàn)結(jié)合圖6至圖7描述的用于活體檢測方法。

存儲器810可以包括只讀存儲器和隨機存取存儲器中的至少一個，并向處理器820提供指令和數(shù)據(jù)。存儲器810的數(shù)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/或高速緩沖存儲器（cache）等。所述非易失性存儲器例如可以包括只讀存儲器（ROM）、硬盤、閃存等。該存儲器810還可以存儲所采集的圖像信息、音頻信息等。

處理器820可以是通用處理器、數(shù)字信號處理器（DSP）、專用集成電路（ASIC）、現(xiàn)成可編程門陣列（FPGA）或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件。通用處理器可以是微處理器或者任何常規(guī)的處理器等。

盡管未示出，用于驗證活體人臉的設(shè)備800還可以包括輸入裝置、輸出裝置、通信裝置和圖像采集器，這些組件通過總線系統(tǒng)和/或其它形式的連接機構(gòu)互連。輸入裝置可以是用戶用來輸入指令的裝置，并且可以包括鍵盤、鼠標、麥克風(fēng)和觸摸屏等中的一個或多個。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(xiàn)所生成的字符串，并且可以包括顯示器、揚聲器等中的一個或多個。通信裝置可以通過網(wǎng)絡(luò)或其它技術(shù)與其它裝置（例如個人計算機、服務(wù)器、移動臺、基站等）通信，所述網(wǎng)絡(luò)可以是因特網(wǎng)、無線局域網(wǎng)、移動通信網(wǎng)絡(luò)等，所述其它技術(shù)例如可以包括藍牙通信、紅外通信等。圖像采集器可以拍攝用戶期望的圖像（例如照片、視頻等），并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、通信裝置和圖像采集器可以根據(jù)需要適當?shù)剡M行選擇和組合。

除了上述裝置、方法和設(shè)備以外，《活體檢測設(shè)備和活體檢測方法》的實施例還可以是計算機程序產(chǎn)品，用于執(zhí)行活體檢測。該計算機程序產(chǎn)品包括計算機可讀存儲介質(zhì)，在所述計算機可讀存儲介質(zhì)上存儲了計算機程序指令，所述計算機程序指令可由處理器執(zhí)行以使得所述處理器執(zhí)行如下操作：向待識別的目標對象展示特定的鑒別內(nèi)容；在展示所述鑒別內(nèi)容期間，采集所述目標對象的圖像數(shù)據(jù)；確定所采集的圖像數(shù)據(jù)中是否存在與所述鑒別內(nèi)容對應(yīng)的反光區(qū)域、并在存在所述反光區(qū)域時確定該反光區(qū)域的區(qū)域特征，以得到一確定結(jié)果；以及基于所述確定結(jié)果識別所述目標對象是否是活體。具體可以參見上面結(jié)合圖6-7進行的描述。

2020年7月14日，《活體檢測設(shè)備和活體檢測方法》獲得第二十一屆中國專利獎優(yōu)秀獎。 2100433B

活體標本是一種用尚存活的生命體制作的標本。

用尚存活的生命體制作的標本，比如用健那綠做染色體染色的細胞就是活體標本。