(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210981282.2 (22)申请日 2022.08.16 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 梁俊杰　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 方晓燕 (51)Int.Cl. G06V 40/16(2022.01) G06V 40/40(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 活体检测方法、 装置及计算机可读存 储介质 (57)摘要 本申请提供一种活体检测方法、 装置及计算 机可读存储介质， 该方法通过 获取具有眨眼动作 的面部图像信息； 其中， 所述具有眨眼动作的面 部图像信息包括面部RGB图像和面部深度时序图 像； 根据所述面部RGB图像以及面部深度时序图 像， 基于面部识别模型和分类模型， 得到第一活 体检测概率； 判断所述第一活体检测概率是否大 于预设阈值； 若所述第一活体检测概率大于预设 阈值， 则确定活体检测通过。 通过面部识别模型 和分类模型对 具有眨眼动作的面部图像的处理， 得到了准确率较高的活体检测概率， 实现了提高 了活体检测的准确率， 从而提高了抗外部攻击的 能力。 权利要求书2页 说明书15页 附图3页 CN 115311723 A 2022.11.08 CN 115311723 A 1.一种活体 检测方法， 其特 征在于， 所述活体 检测方法包括： 获取具有眨眼动作的面部 图像信息； 其中， 所述具有眨眼动作的面部 图像信息包括面 部RGB图像和面部深度时序图像； 根据所述面部RGB图像以及面部深度时序图像， 基于面部识别模型和分类模型， 得到第 一活体检测概率； 判断所述第一活体 检测概率是否大于预设阈值； 若所述第一活体 检测概率大于预设阈值， 则确定活体 检测通过。 2.根据权利要求1所述活体检测方法， 其特征在于， 其中， 所述分类模型包括预设分类 模型和双流体模型； 所述根据 所述面部RGB图像以及面部深度时序图像， 基于面部识别模型和分类模型， 得 到第一活体 检测概率， 包括： 利用所述面部识别模型对所述面部RGB图像和所述面部深度时序图像进行分析， 得到 多帧面部图和多帧面部深度图； 利用所述 面部识别模型对多帧所述 面部图进行分析， 得到多帧眼睛区域图； 将多帧所述眼睛区域图分别映射到对应的多帧所述面部深度图中， 得到多帧眼睛区域 深度图。 3.据权利要求2所述活体检测方法， 其特征在于， 所述将多帧所述眼睛区域图分别映射 到对应的多帧所述 面部深度图中， 得到多帧眼睛区域深度图的步骤之后， 还 包括： 将多帧所述 面部图进行归一 化处理， 得到多帧归一 化处理后的所述 面部图； 将多帧归一化处理后的所述面部图输入所述预设分类模型， 得到所述预设分类模型输 出的多帧所述 面部图的活体 检测概率； 将多帧所述 面部图的活体 检测概率进行加权平均， 得到第二活体 检测概率。 4.据权利要求3所述活体检测方法， 其特征在于， 所述将多帧所述面部图的活体检测概 率进行加权平均， 得到第二活体 检测概率的步骤之后， 还 包括： 将多帧所述眼睛区域图和多帧所述眼睛区域深度图进行归一化处理， 得到多帧归一化 处理后的所述眼睛区域图和多帧归一 化处理后的所述眼睛区域深度图； 将多帧归一化处理后的所述眼睛区域图和多帧归一化处理后的所述眼睛区域深度图 输入所述双流体模型， 得到所述双流体模型输出的多个眼睛区域图和眼睛区域深度图的活 体检测概率； 将多个所述眼睛区域图和眼睛区域深度图的人脸活体检测概率进行加权平均， 得到第 三活体检测概率。 5.根据权利要求4所述活体检测方法， 其特征在于， 其中， 所述双流体模型包括第一 stream结构和第二stream结构； 所述将多帧归一化处理后的所述眼睛区域图和多帧归一化 处理后的所述眼睛区域深度图输入双流体模型， 得到所述双流体模型输出的多个眼睛区域 图和眼睛区域深度图的活体 检测概率， 包括： 将多帧所述眼睛区域图输入所述第一stream结构， 得到所述第一stream结构输出的多 个眼睛区域图的活体 检测概率； 将多帧所述眼睛区域深度图输入所述第二stream结构， 得到所述第二stream结构输出 的多个眼睛区域深度图的活体 检测概率；权　利　要　求　书 1/2 页 2 CN 115311723 A 2将多个所述眼睛区域图和眼睛区域深度图的人脸活体检测概率进行加权平均， 得到所 述第三活体 检测概率。 6.据权利要求4或5所述活体检测方法， 其特征在于， 所述将多个所述眼睛区域图和眼 睛区域深度图的人脸活体检测概率进行加权平均， 得到第三活体检测概率的步骤之后， 还 包括： 将所述第二活体检测概率和所述第 三活体检测概率进行加权平均， 得到所述第 一活体 检测概率。 7.根据权利要求3所述活体检测方法， 其特征在于， 其中， 所述预设分类模型包括定制 神经网络模型； 所述定制神 经网络模型包括SE  Block模块、 A dam算法和余弦退火算法； 所述SE  Block 模块用于对细微的特征进 行识别； 所述Adam算法和余弦退火算法用于对内部参数值进 行优 化。 8.根据权利要求1所述活体检测方法， 其特征在于， 所述方法还包括： 若所述第一活体 检测概率小于或等于预设阈值， 则确定活体 检测未通过。 9.一种活体 检测装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取具有眨眼动作的面部图像信息； 其中， 所述具有眨眼动作的面部图 像信息包括 面部RGB图像和面部深度时序图像； 检测模块， 用于根据所述面部RGB图像以及面部深度时序图， 基于面部识别模型和分类 模型， 得到第一活体 检测概率； 判断模块， 用于判断所述第一活体 检测概率是否大于预设阈值； 确定模块， 用于若所述第一活体 检测概率大于预设阈值， 则确定活体 检测通过。 10.一种计算机可读存储介质， 其特征在于， 该计算机可读存储介质上存储有计算机程 序， 该计算机程序被处 理器运行时执 行如权利要求1至8任一所述的方法。权　利　要　求　书 2/2 页 3 CN 115311723 A 3