确定 的待检测对象的待检测信号。具体地，在本发明的一个实施例中，所述待检测信号获取模块 23对由所述待检测对象确定模块22确定的待检测对象的视频数据执行傅里叶变换，并且 提取预定频率范围内的所述视频数据的频域信号作为所述待检测信号。以下，将参照流程 图进一步详细描述提取所述待检测信号的处理流程。
[0048] 所述活体检测模块24用于对所述待检测信号获取模块23提取的所述待检测信号 执行活体检测，以确定所述待检测信号是否为活体生理信号。在本发明的一个实施例中，所 述活体生理信号为对应于活体的心跳、呼吸和颤动中的至少一种的生理信号。所述活体生 理信号是照片、3D人脸模型、面具等的视频数据中所没有的生理信号。因此，所述活体生理 信号可以有效地用于区分人体活体与是照片、3D人脸模型、面具等。以下，将参照流程图进 一步详细描述待检测信号的活体检测的处理流程。
[0049] 以下，将进一步参照附图详细描述由根据本发明实施例的视频检测系统的各个模 块执行的根据本发明实施例的视频检测方法的各个具体步骤流程。
[0050] 图3是进一步图示根据本发明实施例的视频检测方法中确定待检测对象的流程 图。如图3所示，根据本发明实施例的视频检测方法中确定待检测对象的流程包括以下步 骤。
[0051] 在步骤S301中，获取经由视频数据采集装置采集的视频数据。在本发明的一个实 施例中，经由视频采集装置采集的视频数据可以为一段连续预定时间段（例如，3秒钟）的 视频。作为视频检测对象的人脸需要能够清楚地出现在视频中。优选地，所述视频图像的 大小不小于64X64像素。在以下的描述中，可以用I[t]代表t时刻的人脸图像，则I[t] [X] [y]代表t时刻位置为（X，y)的像素值。此后，处理进到步骤S302。
[0052] 在步骤S302中，基于视频数据，确定人脸图像作为待检测对象。在本发明的一个 实施例中，可以使用预先训练好的人脸检测器（诸如Adaboost Cascade)来获取视频数据 中人脸在视频图像中的位置。进一步地，可以使用训练好的卷积神经网络回归来获得检测 到的人脸图像中的各个关键点的位置P = {(X[i]，y[i]) |i = 1..P}，其中（X[i]，y[i])是 第i个关键点的位置。此后，处理进到步骤S303。
[0053] 在步骤S303中，待检测对象的视频数据执行傅里叶变换，并且提取预定频率范围 内的视频数据的频域信号作为待检测信号。以下，将参照图4进一步详细描述根据本发明 实施例的视频检测方法中获取待检测信号的流程。
[0054] 图4是进一步图示根据本发明实施例的视频检测方法中获取待检测信号的流程 图。如图4所示，根据本发明实施例的视频检测方法中获取待检测信号的流程包括以下步 骤。
[0055] 步骤S401和S402分别与上述步骤S301和S302相同，在此将省略其重复描述。
[0056] 在步骤S403中，对所述至少一个关键点的位置序列执行傅里叶变换，获得至少一 个关键点的第一频域信号。具体地，对每个关键点i，对其空间坐标Px[i]和Py[i]进行快 速傅里叶变换获得它们各自的频谱Px' [i]和Py' [i]作为所述关键点的第一频域信号。此 后，处理进到步骤S404。
[0057] 在步骤S404中，提取第一频域信号在预定频率范围的第一分量系数，将第一分量 系数作为第一向量信号。具体地，对于在步骤S403中获得的频谱Px' [i]和Py' [i]，截取预 定频率范围〇. 25~2Hz的分量的系数。把所有关键点的截取到的系数拼接起来得到第一 向量信号XI。所述预定频率范围〇. 25~2Hz为对应于人的自发微动的频率。此后，处理进 到步骤S405。
[0058] 在步骤S405中，对至少一个关键点的局部图像区域数据执行傅里叶变换，获得至 少一个关键点的第二频域信号。此后，处理进到步骤S406。
[0059] 在步骤S406中，提取第二频域信号在预定时域、空域频率范围和预定空间范围内 的第二分量系数作为第二向量信号。具体地，对每个关键点i，提取视频中每帧中这个关键 点附近的一个小局部。也就是说，对于连续预定帧的视频数据中的关键点J[i] [t] [X] [y] =I [t] [Px (i，t)+x] [Py (i，t)+y]，将每个J[i]视作3维张量，对其进行三维快速傅里叶变 换，获得它们各自的频谱J' [i]。取J' [i]中在预定频率范围（0.25~2Hz)和预定空间范 围（0.5cm~5cm)的分量的系数，该预定空间范围对应于嘴、鼻子等关键点的大小。把所有 关键点的截取到的系数拼接起来得到第二向量信号X2。此后，处理进到步骤S407。
[0060] 在步骤S407中，组合第一向量信号和第二向量信号生成第三向量信号作为待检 测信号。具体地，将在步骤S404获得的第一向量信号XI和在步骤S406获得的第二向量信 号X2拼接起来生成第三向量信号X，作为待检测信号。以下，将参照图5进一步描述利用在 步骤S407中获得的待检测信号执行活体检测的流程。
[0061] 图5是进一步图示根据本发明实施例的视频检测方法中待检测信号的活体检测 的流程图。如图5所示，根据本发明实施例的视频检测方法中待检测信号的活体检测的流 程包括以下步骤。
[0062] 在步骤S501中，将第三向量信号作为待检测信号输入深度神经网络的输入层。此 后，处理进到步骤S502。
[0063] 在步骤S502中，依次计算各个隐层的相应信号。此后，处理进到步骤S503。
[0064] 在步骤S503中，获取输出层的布尔值。此后，处理进到步骤S504。
[0065] 在步骤S504中，判断所述布尔值是否为1。
[0066] 如果在步骤S504中获得肯定结果，即所述布尔值为1，则处理进到步骤S505。在 步骤S505中，判断所述待检测信号通过活体测试。
[0067] 相反地，如果在步骤S504中获得否定结果，即所述布尔值不为1，则处理进到步骤 S506。在步骤S506中，判断所述待检测信号不通过活体测试。
[0068] 图6是图示根据本发明实施例的视频检测系统的示意性框图。如图6所示，根据 本发明实施例的视频检测系统6包括：处理器61、存储器62、以及在所述存储器62的中存 储的计算机程序指令63。
[0069] 所述计算机程序指令63在所述处理器61运行时可以实现根据本发明实施例的视 频检测系统的各个功能模块的功能，并且/或者可以执行根据本发明实施例的视频检测方 法的各个步骤。
[0070] 具体地，在所述计算机程序指令63被所述处理器61运行时执行以下步骤：获取经 由视频数据采集装置采集的视频数据；基于所述视频数据，确定待检测对象；获取对应于 所述待检测对象的待检测信号；以及确定所述待检测信号是否为活体生理信号，其中，所述 待检测信号是对应于所述待检测对象的视频数据的频域信号。
[0071] 此外，在所述计算机程序指令63被所述处理器61运行时执行基于所述视频数据， 确定待检测对象的步骤包括：基于所述视频数据，确定其中的人脸图像作为所述待检测对 象，并且确定所述人脸图像中的至少一个关键点。
[0072] 此外，在所述计算机程序指令63被所述处理器61运行时执行获取对应于所述待 检测对象的待检测信号的步骤包括：对所述待检测对象的视频数据执行傅里叶变换，并且 提取预定频率范围内的所述视频数据的频域信号作为所述待检测信号。
[0073] 此外，在所述计算机程序指令63被所述处理器61运行时执行对所述待检测对象 的视频数据执行傅里叶变换，并且提取预定频率范围内的所述视频数据的频域信号作为...