活体检测和数据处理方法、设备、系统及存储介质与流程
本申请涉及人工智能技术领域，尤其涉及一种活体检测和数据处理方法、设备、系统及存储介质。
背景技术：
随着人工智能技术的不断发展，人脸识别技术被广泛用于鉴别用户身份。例如，在移动支付以及互联网金融中，可采用人脸识别技术进行刷脸登录、刷脸支付等。又例如，在门禁闸机设备中，可采用人脸识别技术对闸机进行控制等。
但是，目前人脸识别技术经常会受到非活体攻击，即采用人造道具(照片)等方式模拟产生人脸识别需要的生物识别特征，导致正常用户的权限被盗用。为解决上述问题，活体检测技术应运而生，但是现有活体检测方式要么需要用户配合进行摇头、眨眼等动作，活体检测过程耗时较长，要么依赖人脸图像中纹理细节，对人脸图像的质量要求较高，活体检测的准确率较低。
技术实现要素：
本申请的多个方面提供一种活体检测和数据处理方法、设备、系统及存储介质，用以降低活体检测耗时，提高活体检测效率和准确率。
本申请实施例提供一种活体检测方法，包括：在当前环境下，采集包含待检测对象的图像；对所述图像进行光照分析，得到所述图像中的光照信息；若所述图像中的光照信息与当前环境中的光照信息匹配，确定所述待检测对象为活体。
本申请实施例还提供一种数据处理方法，包括：在当前环境下，采集待检测对象的面部图像；对所述面部图像进行光照分析，得到所述面部图像中的光照信息；若所述面部图像中的光照信息与当前环境中的光照信息匹配，且所述面部图像属于已知对象的面部图像，则确定所述待检测对象通过人脸识别。
本申请实施例还提供一种数据处理方法，包括：获取表征环境光照的第一光照信息；获取包含待检测对象的图像；对所述图像进行光照分析，获取表征所述图像中光照的第二光照信息；基于所述第一光照信息与第二光照信息的相似度，确定所述待检测对象是否通过检测。
本申请实施例还提供一种闸机系统，包括：闸机、图像采集设备和计算设备；所述计算设备分别与所述闸机以及所述图像采集设备；所述图像采集设备，用于采集位于所述闸机的出入口周围的待检测对象的面部图像，将所述面部图像传输给所述计算设备；所述计算设备，用于对所述面部图像进行光照分析，得到所述面部图像中的光照信息，以及在所述面部图像中的光照信息与所述闸机所处当前环境中的光照信息匹配，且所述待检测对象为合法对象的情况下，控制所述闸机开启，以允许所述待检测对象通过。
本申请实施例还提供一种活体检测设备，包括：视觉传感器、存储器和处理器；其中，所述存储器，用于存储计算机程序；所述视觉传感器，用于在当前环境下，采集包含待检测对象的图像；所述处理器耦合至所述存储器，用于执行所述计算机程序以用于：对所述图像进行光照分析，得到所述图像中的光照信息；若所述图像中的光照信息与当前环境中的光照信息匹配，确定所述待检测对象为活体。
本申请实施例还提供一种闸机，包括：闸机本体，以及设置于所述闸机本体上的摄像头、存储器和处理器；其中，所述存储器，用于存储计算机程序；所述摄像头，用于：采集位于所述闸机本体的出入口周围的待检测对象的面部图像；所述处理器耦合至所述存储器，用于执行所述计算机程序以用于：对所述待检测对象的面部图像进行光照分析，得到所述面部图像中的光照信息，以及在所述面部图像中的光照信息与当前环境中的光照信息匹配，且所述待检测对象为合法对象的情况下，控制所述闸机本体开启，以允许所述待检测对象通过。
本申请实施例还提供一种人脸识别设备，其特征在于，包括：视觉传感器、存储器和处理器；其中，所述存储器，用于存储计算机程序；所述视觉传感器，用于在当前环境下，采集包含待检测对象的面部图像；所述处理器耦合至所述存储器，用于执行所述计算机程序以用于：对所述面部图像进行光照分析，得到所述面部图像中的光照信息；若所述面部图像中的光照信息与当前环境中的光照信息匹配，且所述面部图像属于已知对象的面部图像，则确定所述待检测对象通过人脸识别。
本申请实施例还提供一种计算机设备，包括：存储器和处理器；其中，所述存储器，用于存储计算机程序；所述处理器耦合至所述存储器，用于执行所述计算机程序以用于：获取表征环境光照的第一光照信息；获取包含待检测对象的图像；对所述图像进行光照分析，获取表征所述图像中光照的第二光照信息；以及基于所述第一光照信息与第二光照信息的相似度，确定所述待检测对象是否通过检测。
本申请实施例还提供一种存储有计算机指令的可读存储介质，其特征在于，当所述计算机指令被一个或多个处理器执行时，致使所述一个或多个处理器执行上述活体检测方法中的步骤。
本申请实施例还提供一种存储有计算机指令的可读存储介质，其特征在于，当所述计算机指令被一个或多个处理器执行时，致使所述一个或多个处理器执行上述数据处理方法中的步骤。
在本申请实施例中，通过判断包含待检测对象的图像中的光照信息与当前环境中的光照信息是否匹配，识别待检测对象是否为活体。这种活体检测方式，一方面无需待检测对象进行动作配合，可减少活体检测的时间，提高检测效率；另一方面可降低对图像中纹理细节的依赖，不仅可降低对图像的质量要求，而且具有较高的稳定性，有助于提高活体检测的准确率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1a为本申请实施例提供的一种闸机系统的结构示意图；
图1b为本申请实施例提供的另一种闸机系统的结构示意图；
图2为本申请实施例提供的一种活体检测方法的流程示意图；
图3为本申请实施例提供的一种数据处理方法的流程示意图；
图4为本申请实施例提供的一种活体检测设备的结构示意图；
图5为本申请实施例提供的一种人脸识别设备的结构示意图；
图6为本申请实施例提供的一种闸机的结构示意图；
图7为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
针对现有技术在活体检测方面存在的耗时较长，准确率较低等技术问题，在本申请一些实施例中，通过判断包含待检测对象的图像中的光照信息与当前环境中的光照信息是否匹配，识别待检测对象是否为活体。这种活体检测方式，一方面无需待检测对象进行动作配合，可减少活体检测的时间，提高检测效率；另一方面可降低对图像中纹理细节的依赖，不仅可降低对图像的质量要求，而且具有较高的稳定性，有助于提高活体检测的准确率。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1a为本申请实施例提供的一种闸机系统的结构示意图。如图1a所示，该系统包括：闸机101、图像采集设备102和计算设备103。其中，图1a中所示的闸机101、图像采集设备102和计算设备103的实现形式均为示例性说明，并不对其构成限定。
在本实施例中，根据拦阻体和拦阻方式的不同，闸机101可以为三辊闸、摆闸、翼闸、平移闸、转闸、一字闸等，但不限于此。闸机101除了以闸机形式实现，也可实现为带有门禁功能的门、挡板等形式，但不限于此。本实施例并不限定闸机101的数量，可以是一个，也可以是多个。在图1a以及其它相应实施例的示意图中，为便于图示，以一个闸机101为例进行图示，但这并不对闸机101的数量构成限定。
在本实施例中，图像采集设备102可以为摄像头、激光传感器或红外传感器等视觉传感器。例如，图像采集设备102可以为双目摄像头、单目摄像头或景深摄像头等，但不限于此。其中，图像采集设备102可设置于闸机101上，也可设置于闸机101的出入口的附近位置。在本实施例中，图像采集设备102的采集视角覆盖闸机101的出入口周围区域，可采集闸机101的出入口周围的图像。其中，当待检测对象位于闸机101的出入口周围区域时，图像采集设备102可采集到待检测对象的面部图像。在一种场景中，图像采集设备102设置于闸机101的入口位置，且图像采集设备102的图像采集视角朝向闸机101的入口，当待检测对象通过闸机101的入口进入时，待检测对象的面部与图像采集设备102的采集视角相对，图像采集设备102可采集到待检测对象的面部图像。
在本实施例中，计算设备103分别与闸机101和图像采集设备102通信连接，主要负责对图像采集设备102采集的图像进行处理，并对闸机101进行开启或关闭控制。本实施例并不限定计算设备103的实现形态，可以是任何具有一定计算能力的计算机设备、处理器或处理芯片等。以计算机设备为例，计算设备103可以是台式电脑、笔记本电脑或智能手机等终端设备，也可以是常规服务器、云服务器或服务器阵列等服务端设备。当然，计算设备103也可以是具有一定处理能力的处理器。
其中，计算设备103可位于闸机101本地，也可以位于云端。对于计算设备103位于闸机101本地的情况，计算设备103可以为设置于闸机101上的处理器，也可为设置于闸机101所在本地空间中的台式电脑、笔记本电脑或智能手机等终端设备，当然，也可以为设置于闸机101所在本地空间中的常规服务器或服务器阵列等。对于计算设备103位于云端的情况，计算设备103可以是常规服务器、云服务器或服务器阵列等服务端设备。
进一步，对于计算设备103是终端设备或服务端设备的情况，无论计算设备103是位于闸机101本地还是位于云端，计算设备103均可采用无线或有线方式与闸机101通信连接，同理，也可以采用无线或有线方式与图像采集设备102通信连接。在计算设备103采用无线方式分别与闸机101和图像采集设备102通信连接的情况下，计算设备103可以通过移动网络分别与闸机101和图像采集设备102通信连接。其中，移动网络的网络制式可以为2g(gsm)、2.5g(gprs)、3g(wcdma、td-scdma、cdma2000、utms)、4g(lte)、4g+(lte+)、wimax、5g以及未来可能出现的其它新制式等中的任意一种。可选地，计算设备103也可以通过蓝牙、wifi、红外线等无线方式分别与闸机101和图像采集设备102通信连接。
进一步，在本实施例中，图像采集设备102可将采集到的待检测对象的面部图像提供给计算设备103。可选地，计算设备103可从图像采集设备102的存储空间中读取待检测对象的面部图像，或者图像采集设备102主动将待检测对象的面部图像传输给计算设备103。
进一步，在实际应用中，如图1a所示，经常会利用合法用户的纸质照片或电子照片等方式产生人脸识别需要的生物识别特征，导致合法用户的权限被盗用。由于纸质照片或电子照片携带有拍摄照片时的光照信息，即便非法用户将合法用户的纸质照片或电子照片拿到闸机系统的图像采集设备102前，供图像采集设备102采集照片中的面部图像，闸机101周围的当前环境中的光照也无法将照片中原有的光照信息所淹没。因而，若待检测对象采用照片等道具供图像采集设备102采集，图像采集设备102采集到的待检测对象的面部图像不仅包括当前环境中的光照信息，还包括照片中所携带的光照信息；若待检测对象为真实的人，则图像采集设备102采集到的待检测对象的面部图像仅携带有当前环境中的光照信息。而且，真实的人脸与照片对光进行折射、反射、漫反射等光现象的表现也不相同。
基于上述分析，在本实施例中，计算设备103可对待检测对象的面部图像进行光照分析，进而得到面部图像中的光照信息。进一步，将待检测对象的面部图像中的光照信息与当前环境中的光照信息进行匹配；若待检测对象的面部图像中的光照信息与当前环境中的光照信息匹配，则计算设备103可确定待检测对象为活体；反之，可以确定待检测对象不是活体。可选地，若计算设备103确定待检测对象不是活体，可向闸机101发送禁止通过的控制指令。相应地，闸机101可响应该控制指令，并显示禁止通过标识信息。例如，图1a所示，在闸机101主体上显示“×”号标识。
其中，当前环境中的光照信息包括闸机101所处环境空间中存在的各种光源设备产生的光照信息。如图1b所示，该闸机系统还包括光源设备104，光源设备104一方面负责为闸机101所处环境空间提供照明功能，另一方面也可为图像采集设备102提供采集待检测对象的面部图像所需的光照信息。
进一步，闸机101所处的环境不同，光源设备104也有所差异。例如，当闸机系统为某小区或某公司的门禁系统时，光源设备104可包括路灯、或自然光源等，但不限于此。又例如，当闸机系统应用于地铁站、火车站、机场等室内需要通关验证的场所时，光源设备104可包括室内照明灯、室内带有光源的广告牌、或者可向室内提供自然光的自然光源等，但不限于此。另外，若图像采集设备102自带补光灯，那么光源设备104还可以是图像采集设备102自带的补光灯。
进一步，出于安全性的考虑，在实际应用中，待检测对象不仅需要为活体，还需要为合法对象。其中，合法对象是指具有通过闸机101权限的用户。例如，在地铁站、火车站或机场等需要凭票进站的场所，合法对象是指购买了从本站出发的车票或机票的用户。又例如，在小区或某公司等场所，合法对象是指该小区的住户或该公司的员工。又例如，在博物馆、商业大楼等场所，合法对象是指持有本人有效证件的人员。进一步，在本实施例中，在待检测对象的面部图像中的光照信息与闸机101所处当前环境中的光照信息匹配，且待检测对象为合法对象的情况下，计算设备103可控制闸机101开启，以允许该检测对象通过闸机101。
可选地，计算设备103可向闸机101的闸机控制组件发送控制指令或控制信号，闸机控制组件根据接收到的控制指令或控制信号，执行相应的动作。例如，计算设备103可在待检测对象在通过闸机系统设置的验证的情况下，向闸机101的闸机控制组件发送开启闸门指令或开启闸门的控制信号，闸机控制组件根据接收到的开启闸门指令或开启闸门的控制信号，控制闸机101的闸门开启。又例如，计算设备103可在待检测对象在未通过闸机系统设置的验证的情况下，向闸机101的闸机控制组件发送禁止开启闸门指令或禁止开启闸门的控制信号，闸机控制组件根据接收到的指令或控制信号，使闸机101保持关闭状态，以禁止待检测对象通过。
本实施例提供的闸机系统，计算设备可通过判断图像采集设备采集的待检测对象的面部图像中的光照信息与当前环境中的光照信息是否匹配，识别待检测对象是否为活体。这种活体检测方式，一方面无需待检测对象进行动作配合，可减少活体检测的时间，提高检测效率，进而有助于缩短待检测对象在闸机口滞留时间；另一方面可降低对面部图像中纹理细节的依赖，不仅可降低对图像的质量要求，而且具有较高的稳定性，有助于提高活体检测的准确率。
进一步，在本实施例中，活体检测过程对图像质量要求较低，对图像采集设备的精度要求也相对较低，基于此，可以采用一些精度不高的图像采集设备来采集待检测对象的面部图像，例如单目摄像头等，这有利于节约成本。
值得说明的是，本申请实施例所提供的闸机系统可应用于多种需要通关的场所中，例如，火车站、飞机场、艺术场馆、电影院、体育竞技场、收费站、商业大楼等等。另一方面，本申请实施例所提供的闸机系统也可应用于小区、公司、宿舍楼、单元楼等场所的门禁系统，特别是无人值守的门禁系统，可提高门禁系统的安全性。
在本申请实施例中，计算设备103可对待检测对象的面部图像进行光照分析，得到面部图像中的光照信息。在本申请实施例中，计算设备103可采用多种方式来获取待检测对象的面部图像中的光照信息。其中，光照信息包括但不限于：光源的角度、色温、强弱等信息。例如，计算设备103可采用saifs(shape，albedo，andilluminationfromshading)算法、sirfs(shape，illumination，andreflectancefromshading)算法或scene-sirfs算法对待检测对象的面部图像进行变量参数求解，从面部图像中恢复出形状(深度)信息、反射率和光照。下面以sirfs算法为例，对计算设备103获取待检测对象的面部图像中的光照信息的实施方式进行示例性说明。
在利用sifrs算法，获取待检测对象的面部图像中的光照信息时，可利用球谐(sphericalharmonics，sh)光照模型来表达面部图像对应的光源模型，其中，球谐光照模型的系数矩阵表示面部图像中的光照信息。进一步，计算设备103可根据待检测对象的面部图像对应的反射图像、深度信息以及光照信息的先验信息对面部图像进行变量参数求解，进而得到球谐光照模型的系数矩阵。由于球谐光照模型的系数矩阵可反应面部图像中的光照信息，进而也就得到待检测对象的面部图像中的光照信息。为了便于描述，在下文各实施例中，将球谐光照模型的系数矩阵简称为光照系统矩阵。
进一步，sifrs算法可以从单张彩色图像中恢复光照信息、深度信息和反射率。在sifrs算法中，求取待检测对象的面部图像中的光照信息问题可表示为：
其中，r为对数反射率图像，z为深度图像，l是光照系数矩阵，i为包含待检测对象的rgb图像。
r和z是与i维度相同的两张图像。p(r)，p(z)和p(l)分别是反射率、深度信息和光照信息的先验信息；s(z,l)为渲染引擎，可根据参数z和l获得光影信息。公式(1)要求解的是在rgb图像与渲染模型r+s(z,l)相等的条件下，使先验信息概率最大的形状(深度)信息、反射率和光照信息的最优解。
进一步，根据公式(1)可得：r＝i-s(z,l)，并可通过对p(r)p(z)p(l)进行负对数变换，将上述求最大似然的问题变成求损失函数最小和问题：
其中，g(r)，f(z)和h(l)分别是反射图像、深度信息和光照信息的损失函数。其中，反射图像的损失函数可表示为：
g(r)＝λsgs(r)+λege(r)+λaga(r)(3)
其中，gs(r)为光滑性的先验条件，ge(r)为反射率的熵的先验条件，ga(r)为颜色一致性的先验条件。λs、λe和λa为可调节的系数。其中，关于光滑性、反射率和颜色一致性的先验条件的具体表达式为现有技术，在此不再赘述。
进一步，深度信息的损失函数可表示为：
f(z)＝λkfk(z)+λigi(r)+λcgc(r)(4)
其中，fk(z)表示平滑性的先验条件，fi(z)表示朝向的先验条件，fc(z)表示外观轮廓的先验条件。λk、λi和λc为可调节的系数。其中，关于平滑性、朝向和外观轮廓的先验条件的具体表达式为现有技术，在此不再赘述。
进一步，光照信息的先验信息可利用多元高斯模型匹配训练库中的光照信息进行表示。基于此，光照信息的损失函数可表示为：
其中，μl和∑l为高斯函数的参数，λl为先验信息的系数。l是光照系数矩阵。
进一步，渲染引擎s(z,l)是用来计算物体表面某点的明暗度s，该点的表面法线方向为ni。其中渲染引擎可表示为：
s(ni,l)＝[ni；1]tm[ni；1](6)
其中，
进一步，可采用无约束优化方法对公式(2)所示出的损失函数进行最小值求解，并将该损失函数取最小值对应的光照系数矩阵，作为待检测对象的面部图像中的光照信息。为了便于描述和区分，在本申请实施例中，将损失函数取最小值对应的光照系数矩阵表示为lt。其中，无约束优化方法可为牛顿法或拟牛顿法。进一步，拟牛顿法包括：dfs算法、dfgs算法、lbfgs算法等，但不限于此。其中，关于采用牛顿法或拟牛顿法对公式(2)进行最小值求解的具体过程为现有技术，在此不进行赘述。
可选地，考虑到漫反射辐射照度是一个低频函数，因此，可使用2阶球谐基模拟出漫反射辐射照度，即采用2阶球谐基构建sh光照模型来表达待检测对象的面部图像对应的光源模型。进一步，若采用2阶球谐基构建sh光照模型，则在计算sh光照模型的矩阵系数时，每个颜色通道(rgb的三通道)对应9个光照系数，即sh光照模型的系数矩阵包括27个参数，并用这27个参数描述光照信息。
进一步，计算设备103获取待检测对象的面部图像中的光照信息后，可将面部图像中的光照信息与闸机101所处的当前环境中的光照信息进行匹配。可选地，计算设备103可计算待检测对象的面部图像中的光照信息与闸机101所处的当前环境中的光照信息的相似度。进一步，若计算出的相似度大于或等于预设的光照相似度阈值，则计算设备103确定待检测对象的面部图像中的光照信息与当前环境中的光照信息匹配，也可确定待检测对象的面部图像为活体图像。相应地，若计算出的相似度小于预设的光照相似度阈值，则计算设备103确定待检测对象的面部图像中的光照信息与闸机101所处的当前环境中的光照信息不匹配，即可确定待检测对象的面部图像不是活体图像。
可选地，计算设备103可采用深度学习模型来计算待检测对象的面部图像中的光照信息与闸机101所处的当前环境中的光照信息的相似度。例如，可采用alex网络模型、vgg网络模型、google网络模型、res网络模型或cnn网络模型等等来计算待检测对象的面部图像中的光照信息与闸机101所处的当前环境中的光照信息的相似度，但不限于此。
进一步，在闸机系统进行活体检测工作之前，还可对闸机101所处的当前环境中的光照信息进行估计计算。为了便于描述和区分，将当前环境中的光照信息表示为le。下面对获取闸机101所处的当前环境中的光照信息的实施方式进行示例性说明。
在闸机系统初始工作阶段，由于闸机系统并不知晓其当前环境中的光照信息，所以计算设备103需要预先计算出闸机101所处的当前环境中的光照信息。可选地，图像采集设备102可采集闸机101所处的当前环境所属环境空间对应的初始环境图像，并将初始环境图像提供给计算设备103。相应地，计算设备103可对初始环境图像进行光照分析，得到初始光照信息l0。其中，计算设备103可采用上述对待检测图像进行光照分析的实施方式，来对初始环境图像进行光照分析，具体实施方式可参见上述相关内容，在此不再赘述。基于此，在闸机系统的初始工作阶段，计算设备103可将预先获得的闸机101所处的当前环境所属环境空间中的初始光照信息l0，作为当前环境中的光照信息。
当然，在一些场景中，闸机101所处的环境空间中的光照信息比较稳定，不会随时间发生变化的应用场所，则在闸机系统的其它工作阶段，也可以将初始光照信息作为闸机101所处的当前环境中的光照信息。
在其它一些应用场景中，闸机101所处环境空间中的光源会发生一定的变化。为了提高当前环境中的光照信息的准确度，可在计算设备103中预置一更新周期，并启动一定时器或计数器对更新周期进行计时，每当更新周期到达时，计算设备103控制图像采集设备102采集闸机101所属环境空间的环境图像作为该周期内的初始环境图像，并将该初始环境图像提供给计算设备103。相应地，计算设备103可对每个周期内的初始环境图像进行光照分析，得到初始光照信息l0。相应地，计算设备103可将当前周期获得的闸机101所属环境空间中的初始光照信息l0，作为图像采集设备102在该周期内所处当前环境中的光照信息。
为了进一步提高图像采集设备102所在当前环境中的光照信息的准确度，还可利用所包含的待检测对象被判定为活体的n张历史图像中的光照信息，计算出图像采集设备102所在当前环境中的光照信息，其中，n是正整数。进一步，n≥2，可将这n张历史图像中的光照信息的均值，作为当前环境中的光照信息，即
在实际应用中，出于安全性的考虑，待检测对象不仅需要为活体，还需要为合法对象。只有为活体的合法对象，才有通过闸机101的权限。基于此，计算设备103还需判断待检测对象的面部图像是否与已知对象的面部图像匹配，且在待检测对象的面部图像中的光照信息与闸机101所处当前环境中的光照信息匹配，且待检测对象为合法对象的情况下，计算设备103可控制闸机101开启，以允许该检测对象通过闸机101。可选地，计算设备103可将待检测对象的面部图像在已知对象的面部图像中进行匹配，若在已知对象的面部图像中匹配到待检测对象的面部图像，则确定待检测对象为合法对象。
进一步，计算设备103可计算待检测对象的面部图像与已知对象的面部图像的相似度，若已知对象的面部图像中存在与待检测对象的面部图像的相似度大于或等于预设的图像相似度阈值的面部对象，则说明在已知对象的面部图像中匹配到待检测对象的面部图像，即可确定待检测对象为合法对象。
值得说明的是，本申请实施例提供的活体检测方式和合法对象的验证方式可以顺序执行，也可以并行执行。其中，当二者顺序执行时，不限定执行的先后顺序。
进一步，在本申请实施例中，已知对象的面部图像可以为预先获取的合法对象的面部图像，并存储在计算设备103中；也可以为闸机系统现场获取的待检测对象提供的有效身份证件中的面部图像。其中，有效身份证件可以为身份证、护照、学生证、工卡等，但不限于此。
在实际应用中，若闸机系统为某公司、某小区或某单元楼的门禁系统，由于这些应用场所的人员比较固定，所以可预先获取这些场所中的人员的面部图像，作为已知对象的面部图像，并存储在计算设备103中。若闸机系统为火车站、汽车站、机场、博物馆、商业大楼等人员较为流动的应用场所的通过系统，由于这些场所人员流动性较大，很难预先采集到所有人员的面部图像，因此，在这些应用场所中，可现场获取的待检测对象提供的有效身份证件中的面部图像。
进一步，对于闸机系统现场获取的待检测对象提供的有效身份证件中的面部图像的情况，如图1b所示，闸机系统还包括：身份信息采集设备105。其中，身份采集设备105与计算设备103连接，其连接方式可参见上述图像采集设备102与计算设备103的连接方式，在此不再赘述。进一步，身份信息采集设备105可以为摄像头、扫描器、基于ocr(opticalcharacterrecognition，光学字符识别)技术的识别器、读卡器等等，但不限于此。可选地，身份信息采集设备105可设置于闸机101上，也可为设置于闸机101的出入口的外围设备。图1b中仅以身份信息采集设备105设置于闸机101上进行示出，但并不进行限定。
在本实施例中，身份信息采集设备105可获取待检测对象提供的身份证件中的面部图像，作为已知对象的面部图像，并将已知对象的面部图像提供给计算设备。相应地，计算设备103可计算待检测对象的面部图像与已知对象的面部图像的相似度，若计算出的相似度大于或等于预设的图像相似度阈值，则确定待检测对象为合法对象。
另外，在一些应用场景中，例如，在火车站、汽车站、机场等需要凭票和有效身份证件进入候车厅或候机厅，待检测对象不仅需要提供有效身份证件，还需要提供车票或机票。相应地，身份信息采集设备105还可获取待检测对象提供的车票或机票的关联信息，并将获取的车票或机票的关联信息提供给计算设备103。相应地，计算设备103可根据当前时间和闸机101所处的物理空间位置，确定待检测对象提供的车票或机票信息是否有效。例如，闸机系统设置在某火车站的进站口，身份信息采集设备105可获取待检测对象提供的火车票中的车次、出发时间、起始车站等信息，并将这些信息提供给计算设备103。计算设备103可根据当前时间和火车票中的出发时间，确定待检测对象提供的车票是否满足进站时间；进一步，计算设备103可根据所处的车站信息和待检测对象提供的车次和起始车站，确定本车站是否为待检测对象的乘车点。进一步，若待检测对象提供的车票满足进站时间，且本车站为待检测对应的乘车点时，可确定待检测对象提供的车票是有效的。其中，火车票有效是指待检测对象可以凭此票在当前时刻进站。
值得说明的是，在一些应用场景中，在上述对待检测对象进行活体检测和面部识别的基础上，还可增加其余验证条件来确定待检测对象是否有通过闸机101的权限。例如，在特殊人群可凭本人可享受优惠的有效证件享受优惠的应用场景中。例如学生在购买火车票时，可凭本人身份证享受半价优惠等；又例如，在一些景区，老人可凭本人身份证或军人可凭本人军人证免费参观等等。在这些应用场景中，闸机系统还可对待检测对象提供的可享受优惠的有效证件进行验证等等。在这些应用场景中，为了提高安全性，计算设备103可在待检测对象在通过闸机系统设置的所有验证的情况下，控制闸机101开启，以允许待检测对象通过。
除了本申请实施例提供的闸机系统之外，本申请实施例还提供一种活体检测方法和数据处理方法。下面分别对本申请实施例提供的活体检测方法和数据处理方法进行示例性说明。
图2为本申请实施例提供的一种活体检测方法的流程示意图。如图2所示，该方法包括：
201、在当前环境下，采集包含待检测对象的图像。
202、对采集到的图像进行光照分析，得到该图像中的光照信息。
203、若该图像中的光照信息与当前环境中的光照信息匹配，则确定待检测对象为活体。
在本实施例中，对于步骤201，可采用摄像头、激光传感器或红外传感器等图像采集装置，采集处于当前环境中的待检测对象的图像。其中，摄像头可以为双目摄像头、单目摄像头或景深摄像头等，但不限于此。根据应用场景的不同，图像采集装置的设置位置有所差异。例如，在闸机系统中，图像采集装置可设置于闸机上，或者设置于闸机的出入口的附近位置。又例如，在用户利用终端设备进行刷脸登录或支付时，或者，在用户利用银行营业厅内的终端设备自主办理业务时，图像采集装置可以为终端设备上的摄像头，等等。可选地，若图像采集装置为单目摄像头，可利用处于当前环境中的单目摄像头，采集包含待检测对象的图像。其中，采用单目摄像头可降低成本。
进一步，在实际应用中，经常会利用合法用户的纸质照片或电子照片等方式产生人脸识别需要的生物识别特征，导致合法用户的权限被盗用。由于纸质照片或电子照片携带有拍摄照片时的光照信息，即便非法用户将合法用户的纸质照片或电子照片拿到图像采集装置前，供图像采集装置采集照片中的面部图像，当前环境中的光照也无法将照片中原有的光照信息所淹没。因而，若待检测对象采用照片等道具供图像采集装置采集，图像采集装置采集到的待检测对象的图像不仅包括当前环境中的光照信息，还包括照片中所携带的光照信息；若待检测对象为真实的人，则图像采集设备采集到的待检测对象的面部图像仅携带有当前环境中的光照信息。而且，真实的人与照片对光进行折射、反射、漫反射等光现象的表现也不相同。其中，当前环境中的光照信息为活体检测装置所处环境空间中存在的光源设备产生的光照信息。其中，对于光照设备的描述可参见上述闸机系统实施例的相关内容，在此不再赘述。
基于上述分析，在步骤202中，可对待检测对象的面部图像进行光照分析，进而得到面部图像中的光照信息。进一步，若待检测对象的面部图像中的光照信息与当前环境中的光照信息匹配，则确定待检测对象为活体。
在本实施例中，可通过判断包含待检测对象的图像中的光照信息与当前环境中的光照信息是否匹配，识别待检测对象是否为活体。这种活体检测方式，一方面无需待检测对象进行动作配合，可减少活体检测的时间，提高检测效率；另一方面可降低对面部图像中纹理细节的依赖，不仅可降低对图像的质量要求，而且具有较高的稳定性，有助于提高活体检测的准确率。
进一步，本申请对图像质量要求较低，对图像采集设备的精度要求也相对较低，也就可以采用一些精度不高的图像采集设备来采集待检测对象的面部图像，例如单目摄像头等，有利于节约成本。
在本申请实施例中，可采用多种方式来获取待检测对象的图像中的光照信息。例如，可采用saifs算法、sirfs算法或scene-sirfs算法对待检测对象的图像进行变量参数求解，从待检测对象的图像中恢复出形状(深度信息)、反射率和光照。在利用sifrs算法，获取待检测对象的图像中的光照信息时，可利用球谐光照模型来表达面部图像对应的光源模型，其中，球谐光照模型的系数矩阵表示面部图像中的光照信息。进一步，可根据待检测对象的图像对应的反射图像、深度信息以及光照信息的先验信息对面部图像进行变量参数求解，进而得到球谐函数的矩阵系数。由于球谐光照模型的系数矩阵可反应图像中的光照信息，进而也就得到待检测对象的图像中的光照信息。其中，采用sifrs算法对包含待检测对象的图像进行光照分析的具体实施方式可参见上述闸机系统中的相关内容，在此不再赘述。
进一步，在获取待检测对象的图像中的光照信息后，可将该图像中的光照信息与当前环境中的光照信息进行匹配。可选地，可计算待检测对象的图像中的光照信息与当前环境中的光照信息的相似度。进一步，若计算出的相似度大于或等于预设的光照相似度阈值，则确定待检测对象的图像中的光照信息与当前环境中的光照信息匹配，也可确定待检测对象为活体。相应地，若计算出的相似度小于预设的光照相似度阈值，则确定待检测对象的图像中的光照信息与所处的当前环境中的光照信息不匹配，即可确定待检测对象不是活体。
可选地，可采用深度学习模型来计算待检测对象的图像中的光照信息与当前环境中的光照信息的相似度。例如，可采用alex网络模型、vgg网络模型、google网络模型、res网络模型或cnn网络模型等等来计算待检测对象的图像中的光照信息与当前环境中的光照信息的相似度，但不限于此。
值得说明的是，在本申请实施例中，为了提高活体检测的准确度，在步骤201之后，还可对包含待检测对象的图像进行面部特征识别，并确定该图像中的面部区域图像。之后，对该面部区域图像进行光照分析，得到面部区域图像中的光照信息。进一步，若面部区域图像中的光照信息与当前环境中的光照信息匹配，则确定待检测对象为活体。采用待检测对象的面部区域图像的光照信息进行活体检测，一方面可提高活体检测的准确度，另一方面还可减小计算量，提高处理速度，进而有助于提高检测效率。其中，对该面部区域图像进行光照分析的实施方式，可参见上述对待检测对象的图像进行光照分析的相关内容，在此不再赘述。
进一步，在进行活体检测工作之前，还可对活体检测装置所处的当前环境中的光照信息进行估计计算。为了便于描述和区分，将当前环境中的光照信息表示为le。下面结合对活体检测装置所处的当前环境中的光照信息的实施方式进行示例性说明。
在活体检测装置初始工作阶段时，由于活体检测装置并不知晓其当前环境中的光照信息，所以需要预先计算出活体检测装置所处的当前环境中的光照信息。可选地，可采集活体检测装置所处的当前环境所属环境空间对应的初始环境图像，并对初始环境图像进行光照分析，得到初始光照信息l0。其中，可采用上述对待检测图像进行光照分析的实施方式，来对初始环境图像进行光照分析，具体实施方式可参见上述相关内容，在此不再赘述。基于此，在活体检测装置的初始工作阶段，可将预先获得的活体检测装置所处的当前环境所属环境空间中的初始光照信息l0，作为当前环境中的光照信息。
当然，在一些场景中，活体检测装置所处的环境空间中的光照信息比较稳定，不会随时间发生变化的应用场所，则在活体检测装置的其它工作阶段，也可以初始光照信息作为活体检测装置所处的当前环境中的光照信息。
在另外一些应用场景中，例如，用户利用其终端设备进行刷脸支付或刷脸登录等，由于用户每次进行刷脸支付或刷脸登录等操作时，其终端设备所处的环境可能千差万别，因此，可在待检测对象每次进行刷脸支付或刷脸登录时，采用采集终端设备所处的当前环境所属环境空间对应的初始环境图像，并对初始环境图像进行光照分析，得到初始光照信息，作为终端设备所处的当前环境中的光照信息。
在其它一些应用场景中，活体检测装置所处的环境空间中的光源会发生一定的变化。为了提高获取的当前环境所属的环境空间中的光照信息的准确度，可预置一更新周期，并启动一定时器或计数器对更新周期进行计时，每当更新周期到达时，采集活体检测装置所处的当前环境所属环境空间对应的初始环境图像，并对初始环境图像进行光照分析，得到初始光照信息l0。相应地，可将当前周期获得的活体检测装置所处的当前环境所属环境空间中的初始光照信息l0，作为该周期内的当前环境中的光照信息。
为了进一步提高获取的当前环境所属的环境空间中的光照信息的准确度，还可利用包含待检测对象被判定为活体的n张历史图像中的光照信息，计算出当前环境中的光照信息，其中，n是正整数。进一步，n≥2，可将这n张历史图像中的光照信息的均值，作为当前环境中的光照信息，即
进一步，出于安全性的考虑，在实际应用中，待检测对象不仅需要为活体，还需要为合法对象。其中活体检测技术的应用场景不同，合法对象也就不同。例如，若活体检测技术应用于闸机系统中，合法对象是指具有通过闸机权限的用户。又例如，若活体检测技术应用于刷脸登录或刷脸支付的应用场景中，合法对象为注册账户的用户。在待检测对象为活体且为合法对象的情况下，可向待检测对象提供后续服务。
进一步，在检测待检测对象是否为合法对象时，可获取待检测对象的面部区域图像，并将该面部区域图像在已知对象的面部区域图像中进行匹配；若在已知对象的面部区域图像中匹配到待检测对象的面部区域图像，且待检测对象被判定为活体，则为待检测对象提供后续服务。其中，对待检测对象进行是否为合法对象的检测与图2中所提供的活体检测可以顺序执行，也可并行执行，在二者进行顺序执行时，不限定执行的先后顺序。
进一步，可计算待检测对象的面部区域图像与已知对象的面部区域图像的相似度，若已知对象的面部区域图像中存在与待检测对象的面部区域图像的相似度大于或等于预设的图像相似度阈值的面部对象，则说明在已知对象的面部图像中匹配到待检测对象的面部区域图像，即可确定待检测对象为合法对象。
进一步，在不同的应用场景中，可为待检测对象提供不同的后续服务。下面结合几种常见的应用场景，进行示例性说明。
应用场景1：在本实施例提供的活体检测方式应用于闸机系统时，在已知对象的面部区域图像中匹配到待检测对象的面部区域图像，且待检测对象被判定为活体的情况下，可控制闸机的闸门开启，以允许待检测对象通过。其中，关于该应用场景中的已知对象的定义，可参见上述闸机系统实施例的相关内容，在此不再赘述。
应用场景2：在本实施例提供的活体检测方式应用于刷脸支付时，在已知对象的面部区域图像中匹配到待检测对象的面部区域图像，且待检测对象被判定为活体的情况下，可结合待检测对象绑定的支付账户，为待检测对象提供支付服务。例如，可从待检测对象绑定的支付账户中扣除其设置的金额，或者从待检测对象绑定的支付账户中转移其设置的金额到该检测对象设置的收款账户中，或者向待检测对象展示支付页面等等。
在应用场景2中，已知对象的面部图像可以为与待检测对象设置的支付账户绑定的用户的面部图像，该面部图像可在该用户进行账户注册时提供的有效身份证件中的面部图像，也可为支付账户的开户行采集的该用户的面部图像；或者，也可为现场采集的待检测对象提供的有效身份证件中的面部图像。进一步，若已知对象的面部图像为现场采集的待检测对象提供的有效身份证件中的面部图像，还可将采集到的有效身份证件中的面部图像与支付账户绑定的用户的面部图像进行匹配计算，若计算出二者的相似度大于或等于设定的相似度阈值，才可将采集到的有效身份证件中的面部图像作为已知对象的面部图像。
应用场景3：在本实施例提供的活体检测方式应用于刷脸认证、刷脸登录或刷脸修改密码等应用场景中，对待检测对象进行活体验证时，在已知对象的面部区域图像中匹配到待检测对象的面部区域图像，且待检测对象被判定为活体的情况下，可为待检测对象进行相关信息界面，以供待检测对象获取相关信息或进行相关操作。例如，在待检测对象进行密码修改时，可向待检测对象展示密码修改页面；又例如，在待检测对象进行余额查询时，可向待检测对象展示余额信息等等，但不限于此。
在应用场景3中，已知对象的面部图像可以为与待检测对象输入的用户名或账号绑定的用户的面部图像，该面部图像可在该用户进行账户注册时提供的有效身份证件中的面部图像，也可为待检测对象输入的用户名或账号的后台设备采集的该用户的面部图像。
相应地，本申请实施例还提供一种存储有计算机指令的可读存储介质，当这些计算机指令被一个或多个处理器执行时，致使一个或多个处理器执行上述活体检测方法中的步骤。
图3为本申请实施例提供的一种数据处理方法的流程示意图。该数据处理方法可用于进行人脸识别。如图3所示，该方法包括：
301、在当前环境下，采集待检测对象的面部图像。
302、对该面部图像进行光照分析，得到面部图像中的光照信息。
303、若面部图像中的光照信息与当前环境中的光照信息匹配，且面部图像属于已知对象的面部图像，则确定待检测对象通过人脸识别。
在本实施例中，对于步骤301，可采用摄像头、激光传感器或红外传感器等图像采集装置，采集处于当前环境中的待检测对象的面部图像。其中，摄像头可以为双目摄像头、单目摄像头或景深摄像头等，但不限于此。其中，图像采集装置的设置位置可参见上述实施例的相关内容。可选地，若图像采集装置为单目摄像头，可利用处于当前环境中的单目摄像头，采集待检测对象的面部图像。其中，采用单目摄像头可降低成本。
进一步，在实际应用中，经常会利用合法用户的纸质照片或电子照片等方式产生人脸识别需要的生物识别特征，导致合法用户的权限被盗用。由于纸质照片或电子照片携带有拍摄照片时的光照信息，即便非法用户将合法用户的纸质照片或电子照片拿到图像采集装置前，供图像采集装置采集照片中的面部图像，当前环境中的光照也无法将照片中原有的光照信息所淹没。因而，若待检测对象采用照片等道具供图像采集装置采集，图像采集装置采集到的待检测对象的图像不仅包括当前环境中的光照信息，还包括照片中所携带的光照信息；若待检测对象为真实的人，则图像采集设备采集到的待检测对象的面部图像仅携带有当前环境中的光照信息。而且，真实的人脸与照片对光进行折射、反射、漫反射等光现象的表现也不相同。其中，当前环境中的光照信息为活体检测装置所处环境空间中存在的光源设备产生的光照信息。其中，对于光照设备的描述可参见上述闸机系统实施例的相关内容，在此不再赘述。
基于上述分析，在步骤302中，可对待检测对象的面部图像进行光照分析，进而得到面部图像中的光照信息。进一步，若待检测对象的面部图像中的光照信息与当前环境中的光照信息匹配，则确定待检测对象为活体。其中，对待检测对象的面部图像进行光照分析以及确定待检测对象的面部图像中的光照信息与当前环境中的光照信息是否匹配的具体实施方式，可参见上述实施例的相关内容，在此不再赘述。
进一步，出于安全性的考虑，在实际应用中，待检测对象不仅需要为活体，还需要为合法对象。其中，关于合法对象的描述可参见上述实施例的相关内容，在此不再赘述。进一步，在本实施例中，若待检测对象的面部图像属于已知对象的面部图像，则确定待检测对象为合法对象。也就是说，若待检测对象的面部图像中的光照信息与当前环境中的光照信息匹配，且待检测对象的面部图像属于已知对象的面部图像，则确定待检测对象通过人脸识别。其中，关于已知对象的面部图像以及确定待检测对象的面部图像是否属于已知对象的面部图像的具体实施方式，可参见上述实施例的相关内容，在此不再赘述。
在本实施例中，将人脸识别与活体检测相结合，在进行人脸识别过程中，通过判断图像采集设备采集的待检测对象的面部图像中的光照信息与当前环境中的光照信息是否匹配，识别待检测对象是否为活体，有利于提高人脸识别的准确度，进而提高基于人脸识别技术的安全性。其中，基于光照信息的活体检测方式，一方面无需待检测对象进行动作配合，可减少活体检测的时间，提高检测效率；另一方面可降低对面部图像中纹理细节的依赖，不仅可降低对图像的质量要求，而且具有较高的稳定性，有助于提高活体检测的准确率。
进一步，本申请对图像质量要求较低，对图像采集设备的精度要求也相对较低，也就可以采用一些精度不高的图像采集设备来采集待检测对象的面部图像，例如单目摄像头等，有利于节约成本。
进一步，在本实施例中，在待检测对象通过人脸识别的情况下，可向待识别对象提供后续服务。其中，应用场景不同，向待检测对象提供的后续服务也就不同。例如，在上述应用场景1中，若待检测对象通过人脸识别，则可控制闸机的闸门开启，以允许待检测对象通过。又例如，在上述应用场景2中，若待检测对象通过人脸识别，则可结合待检测对象绑定的支付账户，为待检测对象提供支付服务。例如，可从待检测对象绑定的支付账户中扣除其设置的金额，或者从待检测对象绑定的支付账户中转移其设置的金额到该检测对象设置的收款账户中，或者向待检测对象展示支付页面等等。
又例如，在上述应用场景3中，若待检测对象通过人脸识别，则可为待检测对象进行相关信息界面，以供待检测对象获取相关信息或进行相关操作。例如，在待检测对象进行密码修改时，可向待检测对象展示密码修改页面；又例如，在待检测对象进行余额查询时，可向待检测对象展示余额信息等等，但不限于此。
相应地，本申请实施例还提供一种存储有计算机指令的可读存储介质，当这些计算机指令被一个或多个处理器执行时，致使一个或多个处理器执行上述数据处理方法中的步骤。
除了上述数据处理方法之外，本申请实施例还提供另外一种数据处理方法。该数据处理方法不仅适用于在线实时地进行人脸识别或活体检测，还适用于在线下进行人脸识别或活体检测。该数据处理方法包括以下步骤：
s1：获取表征环境光照的第一光照信息。
s2：获取包含待检测对象的图像。
s3：对上述包含待检测对象的图像进行光照分析，获取表征图像中光照的第二光照信息。
s4：基于第一光照信息与第二光照信息的相似度，确定待检测对象是否通过检测。
在本实施例中，步骤s1中，第一光照信息可为计算机设备对图像处理装置采集的当前环境的环境图像进行光照分析得到的环境图像中的光照信息，也可为通过其他方式获取的光照信息。例如，第一光照信息可以为其他设备发送的光照信息，或者为从存储介质中读取的光照信息，但不限于此。其中，图像采集装置可设置于计算机设备上，或者与计算机设备设置于同一物理空间。
同理，在步骤s2中，计算机设备获取的包含待检测对象的图像，可为计算机设备上的图像处理装置采集的待检测对象的图像，也可为通过其他方式获取的图像。例如，包含待检测对象的图像可以为其他设备发送的图像，或者计算机设备为从存储介质中读取的图像，但不限于此。
在步骤s3中，计算机设备对上述包含待检测对象的图像进行光照分析，得到包含待检测对象的图像中的第二光照信息。接着，在步骤s4中，基于第一光照信息和第二光照信息的相似度，确定待检测对象是否通过检测。
本实施例提供的数据处理方法，基于包含待检测对象的图像中的光照信息与环境中的光照信息的相似度，确定待检测对象是否通过检测。这种数据处理方法，一方面无需待检测对象进行动作配合，可减少活体检测的时间，提高检测效率；另一方面可降低对图像中纹理细节的依赖，不仅可降低对图像的质量要求，而且具有较高的稳定性，有助于提高活体检测的准确率。
本实施例提供的数据处理方法，可适用于闸机或在线支付环境等需要实时在线的活体检测或人脸识别；同样也适用于一些离线需要进行活体检测的应用场景。例如，在一些应用场景中，警方可采用本实施例提供的数据处理方法辅助破案。例如，某人报案其银行存款被盗取，警方可采用本实施例提供的数据处理方法调取相关的监控视频，确定该人报案是否属实，即确定是其本人取款还是他人冒充其取款等等，但不限于此。
可选地，在步骤s3中，可以利用球谐光照模型表达图像对应的光源模型，该球谐光照模型的系数矩阵表示图像中的光照，即可作为第二光照信息；根据图像对应的反射图像、深度信息以及光照信息的先验信息对图像进行变量参数求解，得到球谐光照模型的系数矩阵。详细描述可参见前述实施例，在此不再赘述。
可选地，对于实时在线检测的应用场景，步骤s1中的第一光照信息为计算机设备所处当前环境中的光照信息。其中，计算机设备获取当前环境中的光照信息的具体实施方式可参见上述各实施例中的相关内容，在此不再赘述。
可选地，对于离线检测的应用场景，步骤s1中的第一光照信息为采集包含待检测对象的图像的设备在采集该图像过程中所处的环境中的光照信息。基于此，该第一光照信息可对采集包含待检测对象的图像的设备采集的环境图像进行光照分析，得到第一光照信息。值得说明的是，计算机设备对环境图像进行光照分析，以及步骤s3中对包含待检测对象的图像进行光照分析的具体实施过程均可参见上述实施例中的相关内容，在此不再赘述。
无论是上述哪种应用场景，在基于第一光照信息与第二光照信息的相似度确定待检测对象是否通过检测时，可计算第二光照信息与第一光照信息的相似度；若计算出的相似度大于或等于预设的光照相似度阈值，确定待检测对象通过检测；若计算出的相似度小于预设的光照相似度阈值，确定待检测对象未通过检测。
相应地，本申请实施例还提供一种存储有计算机指令的可读存储介质，当这些计算机指令被一个或多个处理器执行时，致使一个或多个处理器执行上述计算机设备执行数据处理方法中的步骤。
需要说明的是，上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤201、202和203的执行主体可以为设备a；又比如，步骤201的执行主体可以为设备a，步骤202和203的执行主体可以为设备b；等等。
另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如301、302等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。
图4为本申请实施例提供的一种活体检测设备的结构示意图。如图4所示，该设备包括：视觉传感器40a、存储器40b和处理器40c。
其中，存储器40b用于存储计算机程序。
视觉传感器40a，用于在当前环境下，采集包含待检测对象的图像。
处理器耦合至存储器40b，用于执行计算机程序以用于：对包含待检测对象的图像进行光照分析，得到该图像中的光照信息；若包含待检测对象的图像中的光照信息与当前环境中的光照信息匹配，确定待检测对象为活体。
可选地，视觉传感器40a可以为摄像头、激光传感器或红外传感器等视觉传感器。例如，视觉传感器40a可以为双目摄像头、单目摄像头或景深摄像头等，但不限于此。
在一实施例中，处理器40b在对包含待检测对象的图像进行光照分析时，具体用于：利用球谐光照模型表达包含待检测对象的图像对应的光源模型，其中，球谐光照模型的系数矩阵表示包含待检测对象的图像中的光照信息；根据包含待检测对象的图像对应的反射图像、深度信息以及光照信息的先验信息对包含待检测对象的图像进行变量参数求解，得到球谐光照模型的系数矩阵。
在另一实施例中，处理器40b还用于：计算包含待检测对象的图像中的光照信息与当前环境中的光照信息的相似度；若相似度大于或等于预设的光照相似度阈值，确定包含待检测对象的图像中的光照信息与当前环境中的光照信息匹配；若相似度小于预设的光照相似度阈值，确定包含待检测对象的图像中的光照信息与当前环境中的光照信息不匹配。
在又一实施例中，处理器40b在确定包含待检测对象的图像中的光照信息与当前环境中的光照信息匹配之前，还用于：将预先获得的当前环境所属环境空间中的初始光照信息，作为当前环境中的光照信息；或者，利用所包含待检测对象被判定为活体的n张历史图像中的光照信息，计算出当前环境中的光照信息，n是正整数。优先地，n张历史图像是最新获取的n张历史图像。
进一步，处理器40b在预先获得当前环境所属环境空间中的初始光照信息时，具体用于：采集当前环境所属环境空间对应的初始环境图像；对初始环境图像进行光照分析，得到初始光照信息。
另一方面，处理器40b在计算当前环境中的光照信息时，具体用于：计算n张历史图像中的光照信息的均值作为当前环境中的光照信息。
在再一些实施例中，包含待检测对象的图像包含：待检测对象的面部区域图像。处理器40b还用于：将待检测对象的面部区域图像在已知对象的面部区域图像中进行匹配；若在已知对象的面部区域图像中匹配到待检测对象的面部区域图像，且待检测对象被判定为活体，则为待检测对象提供后续服务。
进一步，若活体检测设备用于闸机系统中，则处理器40b在为待检测对象提供后续服务时，具体用于：控制闸机的闸门开启，以允许待检测对象通过。若活体检测设备用于刷脸支付中，处理器40b在为待检测对象提供后续服务时，具体用于：结合待检测对象绑定的支付账户，为待检测对象提供支付服务。若活体检测设备用于其它可以刷脸认证的系统中，处理器40b在为待检测对象提供后续服务时，具体用于：为待检测对象展示相关信息界面，以供待检测对象获取相关信息或进行相关操作。
在一些实施例中，活体检测设备还包括：身份信息采集装置40d。其中，身份信息采集装置40d可以为摄像头、扫描器、基于ocr技术的识别器、读卡器等等，但不限于此。在本实施例中，身份信息采集装置40d可获取待检测对象提供的身份证件中的面部图像，作为已知对象的面部图像，并将已知对象的面部图像提供给处理器40c。相应地，处理器40c可计算待检测对象的面部图像与已知对象的面部图像的相似度，若计算出的相似度大于或等于预设的图像相似度阈值，则确定已知对象的面部区域图像中匹配到待检测对象的面部区域图像。
在一些可选实施方式中，如图4所示，该活体检测设备还可以包括：通信组件40e、电源组件40f、音频组件40g、显示器40h等组件。图4中仅示意性给出部分组件，并不意味着活体检测设备必须包含图4所示全部组件，也不意味着活体检测设备只能包括图4所示组件。如图4中虚线框内的组件为可选组件，而非必选组件，具体可视活体检测设备的产品形态而定。本实施例的活体检测设备可以实现为台式电脑、笔记本电脑、智能手机或iot设备等终端设备，也可以是常规服务器、云服务器或服务器阵列等服务端设备。若本实施例的活体检测设备实现为台式电脑、笔记本电脑、智能手机等终端设备，可以包含图4中虚线框内的组件；若本实施例的活体检测设备实现为常规服务器、云服务器或服务器阵列等服务端设备，则可以不包含图4中虚线框内的组件。
本实施例提供的活体检测设备，可通过判断包含待检测对象的图像中的光照信息与当前环境中的光照信息是否匹配，识别待检测对象是否为活体。这种基于光照信息的活体检测方式，一方面无需待检测对象进行动作配合，可减少活体检测的时间，提高检测效率；另一方面可降低对图像中纹理细节的依赖，不仅可降低对图像的质量要求，而且具有较高的稳定性，有助于提高活体检测的准确率。
图5为本申请实施例提供的一种人脸识别设备的结构示意图。如图5所示，该设备，包括：视觉传感器50a、存储器50b和处理器50c。其中，存储器50a，用于存储计算机程序。
处理器50c耦合至存储器50b，用于执行计算机程序以用于：对面部图像进行光照分析，得到面部图像中的光照信息；若面部图像中的光照信息与当前环境中的光照信息匹配，且面部图像属于已知对象的面部图像，则确定待检测对象通过人脸识别。
进一步，若待检测对象通过人脸识别，处理器40b还可为待检测对象提供后续服务。例如，若人脸识别设备用于闸机系统中，则处理器40b在为待检测对象提供后续服务时，具体用于：控制闸机的闸门开启，以允许待检测对象通过。若人脸识别设备用于刷脸支付中，处理器40b在为待检测对象提供后续服务时，具体用于：结合待检测对象绑定的支付账户，为待检测对象提供支付服务。若人脸识别设备用于其它可以刷脸认证的系统中，处理器40b在为待检测对象提供后续服务时，具体用于：为待检测对象展示相关信息界面，以供待检测对象获取相关信息或进行相关操作。
在一些实施例中，人脸识别设备还包括：身份信息采集装置50d。其中，身份信息采集装置50d可以为摄像头、扫描器、基于ocr技术的识别器、读卡器等等，但不限于此。在本实施例中，身份信息采集装置50d可获取待检测对象提供的身份证件中的面部图像，作为已知对象的面部图像，并将已知对象的面部图像提供给处理器50c。相应地，处理器50c可计算待检测对象的面部图像与已知对象的面部图像的相似度，若计算出的相似度大于或等于预设的图像相似度阈值，则确定待检测对象的面部图像属于已知对象的面部图像。
在一些可选实施方式中，如图5所示，该人脸识别设备还可以包括：通信组件50e、电源组件50f、音频组件50g、显示器50h等可选组件。图5中仅示意性给出部分组件，并不意味着人脸识别设备必须包含图5所示全部组件，也不意味着人脸识别设备只能包括图5所示组件。如图5中虚线框内的组件为可选组件，而非必选组件，具体可视人脸识别设备的产品形态而定。本实施例的人脸识别设备可以实现为台式电脑、笔记本电脑、智能手机或iot设备等终端设备，也可以是常规服务器、云服务器或服务器阵列等服务端设备。若本实施例的人脸识别设备实现为台式电脑、笔记本电脑、智能手机等终端设备，可以包含图5中虚线框内的组件；若本实施例的人脸识别设备实现为常规服务器、云服务器或服务器阵列等服务端设备，则可以不包含图5中虚线框内的组件。
本实施例提供的人脸识别设备，将人脸识别与活体检测相结合，有利于提高人脸识别的准确性，可防止非法用户利用合法用户的纸质照片或电子照片等进行假冒，有利于提高人脸识别的准确度，提高基于人脸识别的安全性；而在进行活体检测时通过判断包含待检测对象的图像中的光照信息与当前环境中的光照信息是否匹配来识别待检测对象是否为活体，基于光照信息的活体检测方式，一方面无需待检测对象进行动作配合，可减少活体检测的时间，提高检测效率；另一方面可降低对图像中纹理细节的依赖，不仅可降低对图像的质量要求，而且具有较高的稳定性，有助于提高人脸识别的准确率。
图6为本申请实施例提供的一种闸机的结构示意图。如图6所示，该闸机包括：闸机本体60a以及设置于闸机本体60a上的摄像头60b、存储器60c和处理器60d。
其中，存储器60c用于存储计算机程序。
摄像头60b用于：采集位于闸机本体的出入口周围的待检测对象的面部图像。
处理器60d耦合至存储器60c，用于执行计算机程序以用于：对待检测对象的面部图像进行光照分析，得到该面部图像中的光照信息，以及在待检测对象的面部图像中的光照信息与当前环境中的光照信息匹配，且待检测对象为合法对象的情况下，控制闸机本体60a开启，以允许待检测对象通过。其中，当前环境中的光照信息是指闸机所处的当前环境中的光照信息。
可选地，摄像头60b可以为双目摄像头、单目摄像头或景深摄像头等，但不限于此。进一步，摄像头60b还包括：补光灯60e，其中补光灯60e用于在闸机周期的光照条件不足时，为摄像头60b采集待检测对象的面部图像提供光照条件。
在一些实施例中，处理器60bd在对面部图像进行光照分析分析时，具体用于：利用球谐光照模型表达待检测对象的面部图像对应的光源模型，其中，球谐光照模型的系数矩阵表示该面部图像中的光照信息；根据待检测对象的图像对应的反射图像、深度信息以及光照信息的先验信息对该面部图像进行变量参数求解，得到球谐光照模型的系数矩阵。
在另一些实施例中，处理器60d还用于：计算待检测对象的面部图像中的光照信息与当前环境中的光照信息的相似度；若相似度大于或等于预设的光照相似度阈值，确定待检测对象的面部图像中的光照信息与当前环境中的光照信息匹配；若相似度小于预设的光照相似度阈值，确定该面部图像中的光照信息与当前环境中的光照信息不匹配。
在又一些实施例中，处理器60d在确定图像中的光照信息与当前环境中的光照信息匹配之前，还用于：将预先获得的当前环境所属环境空间中的初始光照信息，作为当前环境中的光照信息；或者利用所包含待检测对象被判定为活体的n张历史图像中的光照信息，计算出当前环境中的光照信息，n是正整数。
进一步，处理器60d在预先获得当前环境所属环境空间中的初始光照信息时，具体用于：控制摄像头60b采集当前环境所属环境空间对应的初始环境图像；对初始环境图像进行光照分析，得到初始光照信息。
另一方面，处理器60d在计算出当前环境中的光照信息时，具体用于：计算n张历史图像中的光照信息的均值作为当前环境中的光照信息。优选地，n张历史图像为最新获取的n张历史图像。进一步，历史图像可以为历史面部图像。
在再一些实施例中，如图6所示，该闸机还包括：闸机控制组件60f。相应地，处理器60d还用于：将待检测对象的面部图像在已知对象的面部图像中进行匹配；若在已知对象的面部图像中匹配到待检测对象的面部图像，且待检测对象被判定为活体，则控制闸机控制组件60f动作，进而闸机控制组件60f带动闸机本体60a开启，以允许待检测对象通过。
可选地，如图6所示，该闸机还包括：设置于闸机本体60a上的身份信息采集装置60g。其中，身份信息采集装置60g可以为摄像头、扫描器、基于ocr技术的识别器、读卡器等等，但不限于此。在本实施例中，身份信息采集装置60g可获取待检测对象提供的身份证件中的面部图像，作为已知对象的面部图像，并将已知对象的面部图像提供给处理器60d。相应地，处理器60d可计算待检测对象的面部图像与已知对象的面部图像的相似度，若计算出的相似度大于或等于预设的图像相似度阈值，则确定待检测对象的面部图像属于已知对象的面部图像。
在一些可选实施方式中，如图6所示，该闸机还可以包括：电源组件60h。进一步，该闸机还可包括：通信组件、音频组件、显示屏幕等可选组件(图6中未示出)。图6中仅示意性给出部分组件，并不意味着闸机必须包含图6所示全部组件，也不意味着闸机只能包括图6所示组件。
本实施例提供的闸机，可通过判断包含待检测对象的面部图像中的光照信息与当前环境中的光照信息是否匹配，识别待检测对象是否为活体，进而在活体基础上进一步判断待检测对象是否属于合法对象，允许合法的活体对象通过，有利于提高安全性。其中，基于光照信息的活体检测方式，一方面无需待检测对象进行动作配合，可减少活体检测的时间，提高检测效率；另一方面可降低对图像中纹理细节的依赖，不仅可降低对图像的质量要求，而且具有较高的稳定性，有助于提高活体检测的准确率。
图7为本申请实施例提供的一种计算机设备的结构示意图。如图7所示，该设备包括：存储器70a和处理器70b。
其中，存储器70a用于存储计算机程序。
处理器70b耦合至存储器70a，用于执行计算机程序以用于：获取表征环境光照的第一光照信息；获取包含待检测对象的图像；对包含待检测对象的图像进行光照分析，获取表征该图像中光照的第二光照信息；基于第一光照信息与第二光照信息的相似度，确定待检测对象是否通过检测。
在一些实施例中，处理器70b在确定待检测对象是否通过检测时，具体用于：计算第二光照信息与第一光照信息的相似度；若计算出的相似度大于或等于预设的光照相似度阈值，确定待检测对象通过检测；若计算出的相似度小于预设的光照相似度阈值，确定待检测对象未通过检测。
在另一些实施例中，处理器70b在获取表征环境光照的第一光照信息时，具体用于：将预先获得的所述当前环境所属环境空间中的初始光照信息，作为第一光照信息；或者，利用所包含待检测对象被判定为活体的n张历史图像中的光照信息，计算出当前环境中的光照信息，作为第一光照信息，n是正整数。
进一步，计算机设备还包括：摄像头70c。相应地，处理器70b在预先获得当前环境所属环境空间中的初始光照信息时，具体用于：控制摄像头70c采集当前环境所属环境空间对应的初始环境图像；对初始环境图像进行光照分析，得到初始光照信息。
可选地，处理器70b在计算出当前环境中的光照信息时，具体用于：计算n张历史图像中的光照信息的均值作为当前环境中的光照信息。优选地，n张历史图像为最新获取的n张历史图像。
值得说明的是，在本实施例中，处理器70b对包含待检测对象的图像进行光照分析以及对环境图像进行光照分析的具体实施方式，均可参见上述实施例的相关内容，在此不再赘述。在一些可选实施方式中，如图7所示，该计算机设备还可以包括：身份信息采集装置70d、通信组件70e、电源组件70f、音频组件70g、显示器70h等可选组件。其中，身份信息采集装置70d的实现方式和作用均可参见上述实施例的相关内容，在此不再赘述。图7中仅示意性给出部分组件，并不意味着计算机设备必须包含图7所示全部组件，也不意味着计算机设备只能包括图7所示组件。如图7中虚线框内的组件为可选组件，而非必选组件，具体可视计算机设备的产品形态而定。本实施例的计算机设备可以实现为台式电脑、笔记本电脑、智能手机或iot设备等终端设备，也可以是常规服务器、云服务器或服务器阵列等服务端设备。若本实施例的计算机设备实现为台式电脑、笔记本电脑、智能手机等终端设备，可以包含图7中虚线框内的组件；若本实施例的计算机设备实现为常规服务器、云服务器或服务器阵列等服务端设备，则可以不包含图7中虚线框内的组件。
本实施例提供的计算机设备，可基于包含待检测对象的图像中的光照信息与采集该图像过程中的光照信息的相似度，对待检测对象进行检测。基于光照信息的检测方式，一方面无需待检测对象进行动作配合，可减少活体检测的时间，提高检测效率；另一方面可降低对图像中纹理细节的依赖，不仅可降低对图像的质量要求，而且具有较高的稳定性，有助于提高活体检测的准确率。
在本申请各实施例中，存储器用于存储计算机程序，并可被配置为存储其它各种数据以支持在其所在设备上的操作。其中，处理器可执行存储器中存储的计算机程序，以实现相应控制逻辑。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
其中，通信组件被配置为便于其所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件还可基于近场通信(nfc)技术，射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术或其他技术来实现。
其中，显示器屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
其中，电源组件被配置为其所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
其中，音频组件可被配置为输出和/或输入音频信号。例如，音频组件包括一个麦克风(mic)，当音频组件所在设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中，音频组件还包括一个扬声器，用于输出音频信号。例如，若音频组件所在设备具有语言交互功能，可通过音频组件实现与用户的语音交互等。
需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
- 还没有人留言评论。精彩留言会获得点赞！