用于检测模型可靠性的方法及装置与流程

本申请实施例涉及计算机技术领域，具体涉及用于检测模型可靠性的方法及装置。

背景技术：

人脸识别技术是一项计算机应用研究技术，它属于生物特征识别技术。通过生物体的生物特征不仅能够区分生物个体，还能够对生物个体的身体状态进行判断。例如，通过生物体图像可以判断生物是否为活体、是否处于疲劳状态等。通过生物体图像还可以作为解锁智能设备等设备的判断条件，防止活体攻击，以增加设备的安全性。技术人员可以通过多种类型的样本数据来得到用于识别活体攻击的活体检测模型。

技术实现要素：

本申请实施例提出了用于检测模型可靠性的方法及装置。

第一方面，本申请实施例提供了一种用于检测模型可靠性的方法，该方法包括：获取被拍摄非活体的红外反射图像和可见光反射图像，上述被拍摄非活体包括人脸结构部分，上述人脸结构部分具有设定浓度级别的红外线反射涂层；将上述红外反射图像和可见光反射图像导入待检测活体检测模型，得到对应上述红外反射图像和可见光反射图像的检测结果，其中，上述待检测活体检测模型用于通过红外反射图像和可见光反射图像识别被拍摄物体是否为活体；将上述被拍摄非活体上的红外线反射涂层的设定浓度级别与上述检测结果进行匹配，根据匹配结果设置上述待检测活体检测模型的可靠性级别。

在一些实施例中，上述人脸结构部分的眉毛位置的红外线反射涂层为石墨涂层，上述人脸结构部分的嘴唇位置的红外线反射涂层为硅铁红涂层，上述人脸结构部分的其他位置的红外线反射涂层为钛铬棕涂层。

在一些实施例中，上述设定浓度级别包括低浓度级别、中浓度级别和高浓度级别，以及，上述将上述被拍摄非活体上的红外线反射涂层的设定浓度级别与上述检测结果进行匹配，根据匹配结果设置上述待检测活体检测模型的可靠性级别，包括：响应于设定浓度级为低浓度级别，且对应上述红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，则设置上述待检测活体检测模型的可靠性级别为第一可靠级别，否则，设置上述待检测活体检测模型的可靠性级别为第一不可靠级别。

在一些实施例中上述将上述被拍摄非活体上的红外线反射涂层的设定浓度级别与上述检测结果进行匹配，根据匹配结果设置上述待检测活体检测模型的可靠性级别，包括：响应于设定浓度级为中浓度级别，且对应上述红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，则设置上述待检测活体检测模型的可靠性级别为第二可靠级别，否则，设置上述待检测活体检测模型的可靠性级别为第二不可靠级别，其中，上述第二可靠级别高于第一可靠级别的可靠性，上述第二不可靠级别高于第一不可靠级别的可靠性。

在一些实施例中，上述将上述被拍摄非活体上的红外线反射涂层的设定浓度级别与上述检测结果进行匹配，根据匹配结果设置上述待检测活体检测模型的可靠性级别，包括：响应于设定浓度级为高浓度级别，且对应上述红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，则设置上述待检测活体检测模型的可靠性级别为第三可靠级别，否则，设置上述待检测活体检测模型的可靠性级别为第三不可靠级别，其中，上述第三可靠级别高于第二可靠级别的可靠性，上述第三不可靠级别高于第二不可靠级别的可靠性。

第二方面，本申请实施例提供了一种用于检测模型可靠性的装置，该装置包括：图像获取单元，被配置成获取被拍摄非活体的红外反射图像和可见光反射图像，上述被拍摄非活体包括人脸结构部分，上述人脸结构部分具有设定浓度级别的红外线反射涂层；检测结果获取单元，被配置成将上述红外反射图像和可见光反射图像导入待检测活体检测模型，得到对应上述红外反射图像和可见光反射图像的检测结果，其中，上述待检测活体检测模型用于通过红外反射图像和可见光反射图像识别被拍摄物体是否为活体；可靠性级别设置单元，被配置成将上述被拍摄非活体上的红外线反射涂层的设定浓度级别与上述检测结果进行匹配，根据匹配结果设置上述待检测活体检测模型的可靠性级别。

在一些实施例中，上述人脸结构部分的眉毛位置的红外线反射涂层为石墨涂层，上述人脸结构部分的嘴唇位置的红外线反射涂层为硅铁红涂层，上述人脸结构部分的其他位置的红外线反射涂层为钛铬棕涂层。

在一些实施例中，上述设定浓度级别包括低浓度级别、中浓度级别和高浓度级别，以及，上述可靠性级别设置单元包括：第一可靠性级别设置单元，响应于设定浓度级为低浓度级别，且对应上述红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，被配置成设置上述待检测活体检测模型的可靠性级别为第一可靠级别，否则，设置上述待检测活体检测模型的可靠性级别为第一不可靠级别。

在一些实施例中，上述可靠性级别设置单元包括：第二可靠性级别设置单元，响应于设定浓度级为中浓度级别，且对应上述红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，被配置成设置上述待检测活体检测模型的可靠性级别为第二可靠级别，否则，设置上述待检测活体检测模型的可靠性级别为第二不可靠级别，其中，上述第二可靠级别高于第一可靠级别的可靠性，上述第二不可靠级别高于第一不可靠级别的可靠性。

在一些实施例中，上述可靠性级别设置单元包括：第三可靠性级别设置单元，响应于设定浓度级为高浓度级别，且对应上述红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，被配置成设置上述待检测活体检测模型的可靠性级别为第三可靠级别，否则，设置上述待检测活体检测模型的可靠性级别为第三不可靠级别，其中，上述第三可靠级别高于第二可靠级别的可靠性，上述第三不可靠级别高于第二不可靠级别的可靠性。

第三方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储器，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述第一方面的用于检测模型可靠性的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述第一方面的用于检测模型可靠性的方法。

本申请实施例提供的用于检测模型可靠性的方法及装置，首先获取被拍摄非活体的红外反射图像和可见光反射图像，其中，被拍摄非活体包括人脸结构部分，人脸结构部分具有设定浓度级别的红外线反射涂层；然后将红外反射图像和可见光反射图像导入待检测活体检测模型，得到对应红外反射图像和可见光反射图像的检测结果；最后，将被拍摄非活体的红外线反射涂层的设定浓度级别与检测结果进行匹配，根据匹配结果设置待检测活体检测模型的可靠性级别。如此，能够实现对活体检测模型可靠性的检测。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于检测模型可靠性的方法的一个实施例的流程图；

图3是根据本申请的用于检测模型可靠性的方法的一个应用场景的示意图；

图4是根据本申请的用于检测模型可靠性的装置的一个实施例的结构示意图；

图5是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请实施例的用于检测模型可靠性的方法或用于检测模型可靠性的装置的示例性系统架构100。

如图1所示，系统架构100可以包括人脸面具101、人体雕塑102和服务器103。其中，人脸面具101和人体雕塑102的人脸部分可以具有红外线反射涂层，该红外线反射涂层可以模拟红外线下人脸的红外线特征。

用户可以使用多种终端设备获取人脸面具101和人体雕塑102的红外反射图像和可见光反射图像，并将红外反射图像和可见光反射图像发送给服务器103。

服务器103可以是保存有活体检测模型的服务器，例如通过人脸面具101和人体雕塑102的红外反射图像和可见光反射图像检测活体检测模型可靠性的服务器。服务器可以根据活体检测模型对红外反射图像和可见光反射图像的检测结果，以及人脸面具101和人体雕塑102的红外线反射涂层的浓度等信息来对活体检测模型的可靠性进行检测。

需要说明的是，本申请实施例所提供的用于检测模型可靠性的方法一般由服务器103执行。相应地，用于检测模型可靠性的装置一般设置于服务器103中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块，在此不做具体限定。

应该理解，图1中的人脸面具、人体雕塑和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的人脸面具、人体雕塑和服务器。

继续参考图2，示出了根据本申请的用于检测模型可靠性的方法的一个实施例的流程200。该用于检测模型可靠性的方法包括以下步骤：

步骤201，获取被拍摄非活体的红外反射图像和可见光反射图像。

在本实施例中，用于检测模型可靠性的方法的执行主体(例如图1所示的服务器103)可以通过有线连接方式或者无线连接方式获取被拍摄非活体的红外反射图像和可见光反射图像。

现有方法训练活体检测模型时的样本数据通常本身就是活体样本数据或非活体样本数据。其中，非活体样本数据通常与活体样本数据之间具有较为明显的差别。因此，这样的样本数据训练得到的活体检测模型通常能识别特征明显的活体或非活体。当该活体检测模型遇到的非活体图像能够模拟活体的图像特性时，活体检测模型得出错误检测结果的概率较高。

为此，本申请的执行主体可以首先获取被拍摄非活体的红外反射图像和可见光反射图像。其中，上述被拍摄非活体可以包括人脸结构部分(例如可以是上述的人脸面具101或人体雕塑102)。为了模拟真实人脸的图像特征，上述人脸结构部分可以具有设定浓度级别的红外线反射涂层。

在本实施例的一些可选的实现方式中，上述人脸结构部分的眉毛位置的红外线反射涂层为石墨涂层，上述人脸结构部分的嘴唇位置的红外线反射涂层为硅铁红涂层，上述人脸结构部分的其他位置的红外线反射涂层为钛铬棕涂层。

为了检测待检测活体检测模型在可见光和红外光下防御活体攻击的效果，本申请的被拍摄非活体的人脸结构在多个部分针对性地模拟了人脸特征。石墨具有反射红外线的特性，并且石墨本身也是黑色。因此，上述的人脸结构部分的眉毛位置的红外线反射涂层可以为石墨涂层。硅铁红也具有反射红外线的特性，且硅铁红的颜色与嘴唇的颜色相近。上述人脸结构部分的嘴唇位置的红外线反射涂层可以为硅铁红涂层。如此，通过人脸面具101或人体雕塑102可以在可见光和红外光条件下模拟真实的人脸。

步骤202，将上述红外反射图像和可见光反射图像导入待检测活体检测模型，得到对应上述红外反射图像和可见光反射图像的检测结果。

得到红外反射图像和可见光反射图像后，执行主体可以将红外反射图像和可见光反射图像导入待检测活体检测模型。待检测活体检测模型可以保存在执行主体本地，也可以保存在其他设备。当待检测活体检测模型保存在其他设备时，执行主体可以通过与其他设备的数据接口建立与待检测活体检测模型的数据通信。其中，上述待检测活体检测模型可以用于通过红外反射图像和可见光反射图像识别被拍摄物体是否为活体。

步骤203，将上述被拍摄非活体上的红外线反射涂层的设定浓度级别与上述检测结果进行匹配，根据匹配结果设置上述待检测活体检测模型的可靠性级别。

通常，待检测活体检测模型具有一定的识别活体或非活体的精度。执行主体可以将被拍摄非活体上的红外线反射涂层的设定浓度级别与上述检测结果进行匹配，并根据匹配结果来确定待检测活体检测模型的可靠性级别。

在本实施例的一些可选的实现方式中，上述设定浓度级别可以包括低浓度级别、中浓度级别和高浓度级别，以及，上述将上述被拍摄非活体上的红外线反射涂层的设定浓度级别与上述检测结果进行匹配，根据匹配结果设置上述待检测活体检测模型的可靠性级别，可以包括：响应于设定浓度级为低浓度级别，且对应上述红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，则设置上述待检测活体检测模型的可靠性级别为第一可靠级别，否则，设置上述待检测活体检测模型的可靠性级别为第一不可靠级别。

为了定性描述待检测活体检测模型的可靠性，本申请的设定浓度级别可以包括低浓度级别、中浓度级别和高浓度级别。当人脸面具101或人体雕塑102上的石墨涂层、硅铁红涂层和钛铬棕涂层为低浓度级别时，可以使得人脸面具101或人体雕塑102一定程度上模仿真实人脸，即，待检测活体检测模型能够获得比真实人脸略少的图像特征。如果此时待检测活体检测模型对人脸面具101或人体雕塑102的红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，则说明该待检测活体检测模型能够较为准确地识别具有一定模仿真实人脸能力的非活体。此时，可以设置上述待检测活体检测模型的可靠性级别为第一可靠级别。当待检测活体检测模型对人脸面具101或人体雕塑102的红外反射图像的检测结果为活体、对人脸面具101或人体雕塑102的可见光反射图像的检测结果为活体、或对人脸面具101或人体雕塑102的红外反射图像的检测结果和可见光反射图像的检测结果都为活体时，说明该待检测活体检测模型不能准确地识别具有一定模仿真实人脸能力的非活体。此时，可以设置上述待检测活体检测模型的可靠性级别为第一不可靠级别。

在本实施例的一些可选的实现方式中，上述将上述被拍摄非活体上的红外线反射涂层的设定浓度级别与上述检测结果进行匹配，根据匹配结果设置上述待检测活体检测模型的可靠性级别，可以包括：响应于设定浓度级为中浓度级别，且对应上述红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，则设置上述待检测活体检测模型的可靠性级别为第二可靠级别，否则，设置上述待检测活体检测模型的可靠性级别为第二不可靠级别。

当人脸面具101或人体雕塑102上的石墨涂层、硅铁红涂层和钛铬棕涂层为中浓度级别时，可以使得人脸面具101或人体雕塑102尽量接近真实人脸的图像特征。即，待检测活体检测模型能够接近真实人脸的图像特征。如果此时待检测活体检测模型对人脸面具101或人体雕塑102的红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，则说明该待检测活体检测模型能够较为准确地识别具有很强模仿真实人脸能力的非活体。此时，可以设置上述待检测活体检测模型的可靠性级别为第二可靠级别。当待检测活体检测模型对人脸面具101或人体雕塑102的红外反射图像的检测结果为活体、对人脸面具101或人体雕塑102的可见光反射图像的检测结果为活体、或对人脸面具101或人体雕塑102的红外反射图像的检测结果和可见光反射图像的检测结果都为活体时，说明该待检测活体检测模型不能准确地识别具有很强模仿真实人脸能力的非活体。此时，可以设置上述待检测活体检测模型的可靠性级别为第二不可靠级别。需要说明的是，红外线反射涂层的浓度越高，越能够真实全面地模拟真实人脸。对应的，当某一待检测活体检测模型能够准确识别中浓度级别的人脸面具101或人体雕塑102的红外反射图像和可见光反射图像时，通常也能够准确识别低浓度级别时的人脸面具101或人体雕塑102的红外反射图像和可见光反射图像。即，上述第二可靠级别高于第一可靠级别的可靠性。相应的，当某一待检测活体检测模型不能准确识别低浓度级别的人脸面具101或人体雕塑102的红外反射图像和可见光反射图像时，很有可能也不能准确识别中浓度级别的人脸面具101或人体雕塑102的红外反射图像和可见光反射图像。即，上述第二不可靠级别高于第一不可靠级别的可靠性。

在本实施例的一些可选的实现方式中，上述将上述被拍摄非活体上的红外线反射涂层的设定浓度级别与上述检测结果进行匹配，根据匹配结果设置上述待检测活体检测模型的可靠性级别，可以包括：响应于设定浓度级为高浓度级别，且对应上述红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，则设置上述待检测活体检测模型的可靠性级别为第三可靠级别，否则，设置上述待检测活体检测模型的可靠性级别为第三不可靠级别。

当人脸面具101或人体雕塑102上的石墨涂层、硅铁红涂层和钛铬棕涂层为高浓度级别时，可以使得人脸面具101或人体雕塑102的红外反射图像和可见光反射图像一定程度上比真实人脸的图像特征还要明显，即，待检测活体检测模型能够获得比真实人脸更多的图像特征。如果此时待检测活体检测模型对人脸面具101或人体雕塑102的红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，则说明不管如何模拟真实人脸，该待检测活体检测模型都能够非常准确地识别非活体。此时，可以设置上述待检测活体检测模型的可靠性级别第三可靠级别。当待检测活体检测模型对人脸面具101或人体雕塑102的红外反射图像的检测结果为活体、对人脸面具101或人体雕塑102的可见光反射图像的检测结果为活体、或对人脸面具101或人体雕塑102的红外反射图像的检测结果和可见光反射图像的检测结果都为活体时，说明该待检测活体检测模型不能准确地识别该非活体。此时，可以设置上述待检测活体检测模型的可靠性级别为第三不可靠级别。当某一待检测活体检测模型能够准确识别高浓度级别的人脸面具101或人体雕塑102的红外反射图像和可见光反射图像时，通常也能够准确识别中浓度级别和低浓度级别时的人脸面具101或人体雕塑102的红外反射图像和可见光反射图像。即，上述第三可靠级别高于第二可靠级别和第一可靠级别的可靠性。相应的，当某一待检测活体检测模型不能准确识别低浓度级别和中浓度级别的人脸面具101或人体雕塑102的红外反射图像和可见光反射图像时，很有可能也不能准确识别高浓度级别的人脸面具101或人体雕塑102的红外反射图像和可见光反射图像。即，上述第三不可靠级别高于第二不可靠级别和第一不可靠级别的可靠性。整体而言，本申请对待检测活体检测模型的可靠性分级为：第三可靠级别>第二可靠级别>第一可靠级别>第三不可靠级别>第二不可靠级别>第一不可靠级别。

当需要确定待检测活体检测模型准确的可靠性时，可以对该待检测活体检测模型进行不同浓度级别的红外线反射涂层的测试。如果该红外线反射涂层能够准确识别低浓度级别的红外反射图像和可见光反射图像，但无法准确识别中浓度级别的红外反射图像和可见光反射图像，则可以设置该待检测活体检测模型最终的可靠性级别为第一可靠级别。类似的，还可以对该待检测活体检测模型设置为其他最终的可靠性级别。

继续参见图3，图3是根据本实施例的用于检测模型可靠性的方法的应用场景的一个示意图。在图3的应用场景中，服务器103获取到人体雕塑102的红外反射图像和可见光反射图像后，将人体雕塑102的红外反射图像和可见光反射图像导入待检测活体检测模型，得到对应上述红外反射图像和可见光反射图像的检测结果。最后，将被拍摄非活体上的红外线反射涂层的设定浓度级别与检测结果进行匹配，根据匹配结果设置待检测活体检测模型的可靠性级别。

本申请的上述实施例提供的方法首先获取被拍摄非活体的红外反射图像和可见光反射图像，其中，被拍摄非活体包括人脸结构部分，人脸结构部分具有设定浓度级别的红外线反射涂层；然后将红外反射图像和可见光反射图像导入待检测活体检测模型，得到对应红外反射图像和可见光反射图像的检测结果；最后，将被拍摄非活体的红外线反射涂层的设定浓度级别与检测结果进行匹配，根据匹配结果设置待检测活体检测模型的可靠性级别。如此，实现了对活体检测模型可靠性的检测。

进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种用于检测模型可靠性的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例的用于检测模型可靠性的装置400可以包括：图像获取单元401、检测结果获取单元402和可靠性级别设置单元403。其中，图像获取单元401被配置成获取被拍摄非活体的红外反射图像和可见光反射图像，上述被拍摄非活体包括人脸结构部分，上述人脸结构部分具有设定浓度级别的红外线反射涂层；检测结果获取单元402被配置成将上述红外反射图像和可见光反射图像导入待检测活体检测模型，得到对应上述红外反射图像和可见光反射图像的检测结果，其中，上述待检测活体检测模型用于通过红外反射图像和可见光反射图像识别被拍摄物体是否为活体；可靠性级别设置单元403被配置成将上述被拍摄非活体上的红外线反射涂层的设定浓度级别与上述检测结果进行匹配，根据匹配结果设置上述待检测活体检测模型的可靠性级别。

在本实施例的一些可选的实现方式中，上述人脸结构部分的眉毛位置的红外线反射涂层为石墨涂层，上述人脸结构部分的嘴唇位置的红外线反射涂层为硅铁红涂层，上述人脸结构部分的其他位置的红外线反射涂层为钛铬棕涂层。

在本实施例的一些可选的实现方式中，上述设定浓度级别包括低浓度级别、中浓度级别和高浓度级别，以及，上述可靠性级别设置单元403可以包括：第一可靠性级别设置单元(图中未示出)，响应于设定浓度级为低浓度级别，且对应上述红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，被配置成设置上述待检测活体检测模型的可靠性级别为第一可靠级别，否则，设置上述待检测活体检测模型的可靠性级别为第一不可靠级别。

在本实施例的一些可选的实现方式中，上述可靠性级别设置单元403可以包括：第二可靠性级别设置单元(图中未示出)，响应于设定浓度级为中浓度级别，且对应上述红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，被配置成设置上述待检测活体检测模型的可靠性级别为第二可靠级别，否则，设置上述待检测活体检测模型的可靠性级别为第二不可靠级别，其中，上述第二可靠级别高于第一可靠级别的可靠性，上述第二不可靠级别高于第一不可靠级别的可靠性。

在本实施例的一些可选的实现方式中，上述可靠性级别设置单元403可以包括：第三可靠性级别设置单元(图中未示出)，响应于设定浓度级为高浓度级别，且对应上述红外反射图像的检测结果和可见光反射图像的检测结果都为非活体，被配置成设置上述待检测活体检测模型的可靠性级别为第三可靠级别，否则，设置上述待检测活体检测模型的可靠性级别为第三不可靠级别，其中，上述第三可靠级别高于第二可靠级别的可靠性，上述第三不可靠级别高于第二不可靠级别的可靠性。

本实施例还提供了一种服务器，包括：一个或多个处理器；存储器，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述的用于检测模型可靠性的方法。

本实施例还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现上述的用于检测模型可靠性的方法。

下面参考图5，其示出了适于用来实现本申请实施例的服务器(例如，图1中的服务器103)的计算机系统500的结构示意图。图5示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(cpu)501，其可以根据存储在只读存储器(rom)502中的程序或者从存储部分508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。在ram503中，还存储有系统500操作所需的各种程序和数据。cpu501、rom502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。

以下部件连接至i/o接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至i/o接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(cpu)501执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括图像获取单元、检测结果获取单元和可靠性级别设置单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，可靠性级别设置单元还可以被描述为“用于设置待检测活体检测模型可靠性的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取被拍摄非活体的红外反射图像和可见光反射图像，上述被拍摄非活体包括人脸结构部分，上述人脸结构部分具有设定浓度级别的红外线反射涂层；将上述红外反射图像和可见光反射图像导入待检测活体检测模型，得到对应上述红外反射图像和可见光反射图像的检测结果，其中，上述待检测活体检测模型用于通过红外反射图像和可见光反射图像识别被拍摄物体是否为活体；将上述被拍摄非活体上的红外线反射涂层的设定浓度级别与上述检测结果进行匹配，根据匹配结果设置上述待检测活体检测模型的可靠性级别。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。