设值。
[0050]进一步地，步骤S6所述的检测用户的动作完成情况包括:
[0051]步骤S601，建立包含与所述面部动作指令集合相对应的各个二分类器的动作分类器;
[0052]步骤S602，选取与随机选取的所述指令相对应的二分类器，从有限时间内的人脸图像中截取用户面部中对应所述指令的位置区域，并将所述位置区域送入所述对应的二分类器；
[0053]步骤S603，检测所述人脸图像序列中是否完成与所述指令对应的所述动作。
[0054]进一步地，步骤S2中所述的人脸区域，包含正面人脸区域和侧面人脸区域。
【附图说明】
[0055]此处所说明的附图用来提供对发明的进一步理解，构成本发明的一部分，但其说明仅用于解释本发明，并不构成对本发明的不当限定。
[0056]图1是根据本发明一优选实施例的活体检测装置的结构框图。
[0057]图2是根据本发明一优选实施例的活体检测方法的流程图。
【具体实施方式】
[0058]下面将结合本发明的具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分优选实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
[0059]图1示出了根据本发明一优选实施例的活体检测装置的结构框图。下面结合图1说明本发明的活体检测装置。
[0060]根据本发明的活体检测装置包括:图像采集单元1、集合建立单元2、人脸图像检测单元3、活体判断单元4、用户身份确认单元5、牙齿图像匹配单元6、随机动作匹配单元7以及结果输出单元8。下面分别说明该活体检测装置的各个部分。
[0061]图像采集单元1:在进行活体检测之前，需要建立匹配人脸图像集合和牙齿图像集合，利用该图像采集单元1采集一定数量的匹配人脸图像及匹配牙齿图像，构成牙齿图像集合以及人脸图像集合，用于后续的图像匹配的基础。图像采集单元1还用于在检测时获取待测用户的待测人脸图像及待测牙齿图像。该图像采集单元1支持各种图像采集设备，包括但不限于照相机、摄像机、USB摄像头、笔记本电脑自带摄像头、移动终端(例如，手机、平板电脑)自带摄像头等，并且在本实施例中，可以仅包含一个图像采集单元1，例如，一个摄像机。
[0062]集合建立单元2:利用图像采集单元1获取的匹配人脸图像及匹配牙齿图像，以及通过输入指令集合，而建立匹配人脸图像集合、牙齿图像集合以及面部动作指令集合。
[0063]人脸图像检测单元3:人脸图像检测单元3对图像采集单元1获取的图像进行检测，以确定图像中是否包含人脸区域。根据本发明的人脸图像检测单元采用且不限于通过经典的V1la and Jones方法进行人脸检测，只要其能够根据选取的图像判断是否包含人脸区域即可。
[0064]活体判断单元4:活体判断单元4选取由人脸图像检测单元3检测到的一帧或多帧人脸图像，判断所选取的每一帧图像是否为活体。该活体判断具有基于单帧人脸图像的活体判断分类器，在活体人脸检测阶段，利用该活体判断分类器进行投票，得到最终检测结果。该分类器的设计方法如下:
[0065]通过预先采集或者收集一批不同背景和不同光照的真实人脸、低分辨率打印照片、高分辨率打印照片、视频播放和3D人脸模型等样本，根据多分类支持向量机机制，进行支持向量的训练，获取基于单帧人脸图像的活体判断分类器。其中多分类机制可以是一对一的训练，也可以是一对多的训练。以一对一为例，针对以上5种形式的人脸图像，两两之间进行二分类训练，得到10个二分类器。
[0066]用户身份确认单元5:利用现有的任何有效的人脸识别方法，例如基于贝叶斯的人脸识别方法，基于线性判别分析的人脸识别方法，基于深度卷积网络的人脸识别方法等，通过将被活体判断单元4判断为活体的人脸图片与集合建立单元2中的匹配人脸图像集合进行对比，从而确认用户身份。在本发明的用户身份确认单元5内，采用基于主成分分析的人脸识别方法，利用一批人脸图像训练集，通过投影该批人脸图像的原始特征值获得新的人脸特征，并计算待测图像特征与所述新的人脸特征之间的距离，根据该距离的最小值获得与该活体人脸图像匹配的用户身份。
[0067]牙齿图像匹配单元6:该单元发出指示用户露出牙齿的指令，用户配合指令露出牙齿，并且根据图像采集单元1采集到的牙齿图像与集合建立单元2的牙齿图像集合中该用户的牙齿图像的匹配结果，判断是否为活体。该牙齿图像匹配单元6通过特征提取和关键点匹配，对比采集到的牙齿图像的关键点与预存的该用户牙齿图像的关键点，判断匹配成功的关键点数量是否不小于N(N为预设值)。
[0068]随机动作匹配单元7:该单元从集合建立单元2的面部动作指令集合中随机选取动作指令及该动作指令的实施次数，并提示用户。该面部动作指令集合包括但不限于转头、捂眼睛、捂嘴巴、吐舌头、张嘴、摸耳朵等。该随机动作匹配单元7包括采用基于支持向量机二分类机制的动作检测模型的动作分类器。根据本发明的动作分类器包含与面部动作指令相对应的各个二分类器。根据当前的随机动作指令，系统选取对应的二分类器，利用V1laand Jones方法从图像采集单元1所采集的人脸图像中，截取用户面部对应动作位置的区域，并将该区域送入该二分类器，得到分类结果。重复进行上述动作，可判断随机动作指令的执行次数，如果完成，则为活体，否则为非活体。
[0069]结果输出单元8:根据上述活体判断单元4、牙齿图像匹配单元5以及动作匹配单元7的动作完成情况，将结果通过结果输出单元8输出。
[0070]通过上述单元构成了根据本发明的活体检测装置。下面结合图2说明根据本发明的活体检测方法。
[0071]在该活体检测方法中，预先建立三个系统集合，包括面部动作指令集合、匹配人脸图像集合和牙齿图像集合。其中，面部动作指令集合包含三种基本检测单元:表情检测、头部姿态检测和面部动作检测。
[0072]首先，从采集到的视频信息中获取能够检测到人脸(正面或者侧面)的图片；然后，从获取的人脸图片中选取一帧或者多帧进行活体判断，如果检测为非活体，则判断结束；否则进行用户身份确认，匹配活体人脸图片与系统中的匹配人脸图像集合，如果不匹配，为非活体，判断结束；否则系统向用户发出露出牙齿的指令并获取当前牙齿照片，匹配当前牙齿图像和系统中该用户的牙齿图像，如果不匹配，则为非活体，判断结束；否则系统进一步向用户发出一种或者多种动作指令，比如左转头、吐舌头等，如果检测到用户完成以上动作，则为活体，否则为非活体，判断结束。
[0073]图2示出了根据本发明一优选实施例的活体检测方法的流程图。如图2所示，所述方法包括如下步骤:
[0074]步骤S1:建立匹配人脸图像集合、牙齿图像集合和面部动作指令集合。
[0075]活体检测装置利用集合建立单元2预先保存面部动作指令、用户匹配人脸图像以及用户牙齿图像并且分别建立集合，其中，用户匹配人脸图像和用户牙齿图像通过图像采集单元1而获取。面部动作指令集合包括但不限于:转头、歪头、捂眼睛、捂嘴巴、吐舌头、张嘴、摸耳朵、做出表情(快乐、悲伤、惊讶等)。匹配人脸图像集合包括所有用户的正面或者侧面人脸图像。牙齿图像集合包括所有用户的牙齿图像，牙齿图像是指用户张开嘴巴露出牙齿所采集的图像。
[0076]步骤S2:从视频中获取待测人脸图像。
[0077]本发明的活体人脸检测基于现场拍摄的图像，因此在本发明中，使用图像采集单元1，以从现场拍摄的图像中选取一定数量的图像。该图像采集单元1支持各种图像采集设备，并且不特别限定图像的格式。然后，通过人脸图像检测单元3对选取的图像进行检测，以确定图像中是否包含人脸区域。本发明采用且不限于通过经典的V1la and Jones方法进行人脸检测，只要其能够根据选取的图像判断是否包含人脸区域。如果基于上述方法该人脸图像检测单元3判断所选取的图像包含人脸区域，则保存该图像，否则重新选取新的图像，直到保存一定数量的人脸图像。其中，人脸图像不限于正面人脸图像，其也可以为侧面人脸图像。人脸区域不限于正面人脸区域，也可以为侧面人脸区域。
[0078]步骤S3:对待测人脸图像进行活体判断。
[0079]利用活体判断单元4，选取一帧或