脸区域划分为一系列三角片元，将位于下巴、颧骨、两腮等区域的三角片元的图像作为关键区域图像。此后，处理进到步骤S304。
[0051]在步骤S304中，获取对应于至少一个关键区域的在预定时间点前后的动作前区域图像和动作后区域图像。在本发明的一个实施例中，所述预定时间点是所述待检测对象执行预定动作的时间点。所述特定动作例如可以是用手指按压两腮的皮肤，或者吸气将两腮鼓起。此后，处理进到步骤S305。
[0052]在步骤S305中，将动作前区域图像和动作后区域图像归一化为具有预定大小的灰度图像。具体地，将动作前区域图像和动作后区域图像归一化大小为40x40的灰度图像。此后，处理进到步骤S306。
[0053]在步骤S306中，将归一化的动作前区域图像和归一化的动作后区域图像重叠作为待检测信号。具体地，然后将动作前后区域图像归一化大小为40x40的灰度图像叠放到一起，得到一个40x40x2的双通道图像信号(张量信号)。
[0054]通过步骤S301到S306的处理，获得的待检测信号将提供给训练好的卷积神经网络，通过一系列设计好的卷积层、池化层和全链接层最终得到一个二分类结果，输出是否是一个活体的判断概率(0-1之间的概率值)。这是由于活体皮肤与照片、视频回放、纸片面具以及3D模型等在材质上的不同，活体皮肤图像在动作前后变化过程是平滑扩张收缩，这是照片、视频回放、纸片面具以及3D模型等所无法模拟的。
[0055]根据本发明实施例的活体检测方法中获取待检测信号的方法不限于此。图4是进一步图示根据本发明实施例的活体检测方法中获取待检测信号的第二示例流程图。如图4所示，根据本发明实施例的活体检测方法中获取待检测信号的第二示例包括以下步骤。
[0056]图4中的步骤S401到S404与图3所示的步骤S301到S304相同，在此将省略其重复描述。
[0057]在步骤S404中获取对应于至少一个关键区域的在预定时间点前后的动作前区域图像和动作后区域图像之后，处理进到步骤S405。
[0058]在步骤S405中，将动作后区域图像以及动作后区域图像周围预定范围的相关区域图像归一化为具有预定大小的灰度图像，作为待检测信号。与图3所示的第一示例不同，在图4所示的第二示例中，待检测信号不包括动作前区域图像，而是包括动作后区域图像以及从动作后区域图像向周围预定范围扩展的相关区域图像。
[0059]如此获取的待检测信号同样提供给训练好的卷积神经网络，通过一系列设计好的卷积层、池化层和全链接层最终得到一个二分类结果，输出是否是一个活体的判断概率(Ο-ι 之间的概率值 )。这是由于诸如用户执行鼓气的动作后，对应皮肤区域外移扩张。对于真实的人体皮肤，从两腮向下颂方向，皮肤会从鼓起逐渐到紧贴下颂鼓，整个变化过程是平滑的。而对于一般的照片、视频回放等，自然无法实现鼓气效果。对于打印纸制作的简单面具，把它盖在脸上做出鼓气动作时，由于纸张比较硬，会在局部出现各种边缘、纹路等，也与真实活体皮肤有很大不同。
[0060]图5是进一步图示根据本发明实施例的活体检测方法中基于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基于待检测信号的活体检测包括以下步骤。
[0061]在步骤S501中，获取经由视频采集装置采集的视频数据。如上参照图1所示，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。作为活体检测对象的人脸需要能够清楚地出现在视频中。在本发明的一个优选实施例中，在所述预定时间段的视频中，需要记录活体检测对象根据指示完成特定动作前后的特定区域的图像。所述特定动作例如可以是用手指按压两腮的皮肤，或者吸气将两腮鼓起。此后，处理进到步骤S502。
[0062]在步骤S502中，启动检测计时。在本发明的一个优选实施例中，步骤S501和S502同时执行，即在开始经由视频采集装置采集视频数据以执行活体检测的同时，开启定时器执行检测计时。此后，处理进到步骤S503。
[0063]在步骤S503中，基于视频数据，确定待检测对象。如上所述，可以使用预先训练好的人脸检测器来获取视频数据中作为待检测对象的人脸在视频图像中的位置。例如，预先采集大量人脸图像，人工在每张图像中标注人脸的眼角、嘴角、鼻翼、颧骨最高点等一系列关键点，使用机器学习算法(诸如、深度学习、或者基于局部特征的回归算法)，训练获得人脸检测器。使用训练好的人脸检测器，可以基于输入的图像，输出人脸位置以及关键点坐标。此后，处理进到步骤S504。
[0064]在步骤S504中，获取对应于待检测对象的待检测信号。具体地，在获得人脸位置以及其上的关键点坐标之后，根据关键点确定人脸区域中的至少一个关键区域。例如，可以将人脸区域划分为一系列三角片元，将位于下巴、颧骨、两腮等区域的三角片元的图像作为关键区域图像。在本发明的一个实施例中，在记录活体检测对象根据指示完成特定动作前后的关键区域的图像后，将捕获的特定动作前后的关键区域的图像作为待检测信号。所述特定动作例如可以是用手指按压两腮的皮肤，或者吸气将两腮鼓起。更具体地，将动作前区域图像和动作后区域图像归一化大小为40x40的灰度图像。将动作前后区域图像归一化大小为40x40的灰度图像叠放到一起，得到一个40x40x2的双通道图像信号(张量信号)，所述双通道图像信号作为待检测信号。可替代地，在本发明的另一实施例中，将动作后区域图像以及动作后区域图像周围预定范围的相关区域图像归一化为具有预定大小的灰度图像，作为待检测信号。在本发明的再一实施例中，以及将动作前后区域图像归一化大小为40x40的灰度图像叠放到一起，得到的双通道图像信号、以及动作后区域图像以及动作后区域图像周围预定范围的相关区域图像归一化为的具有预定大小的灰度图像两者都作为待检测信号。此后，处理进到步骤S505。
[0065]在步骤S505中，判断待检测信号是否匹配预设的活体条件。具体地，在训练好的分类器(诸如卷积神经网络)中执行该判断。为了获得预设的活体条件，可以事先收集活体真人执行规定动作的前后帧的图像，同时收集使用照片、视频回放、纸片面具以及3D模型等做规定动作的攻击图像，将前者作为正样本，将后者作为负样本，然后使用深度学习，支撑向量机等统计学习方法训练分类器。由于活体皮肤与照片、视频回放、纸片面具以及3D模型等在材质上的不同，活体皮肤图像在动作前后变化过程是平滑扩张收缩，这种在动作前后的平滑扩张收缩是照片、视频回放、纸片面具以及3D模型等无法模仿的。同样地，用户执行鼓气的动作后，对应皮肤区域外移扩张。对于真实的人体皮肤，从两腮向下颂方向，皮肤会从鼓起逐渐到紧贴下颂鼓，整个变化过程是平滑的。而对于一般的照片、视频回放等，自然无法实现鼓气效果。对于打印纸制作的简单面具，把它盖在脸上做出鼓气动作时，由于纸张比较硬，会在局部出现各种边缘、纹路等，也与真实活体皮肤有很大不同。具体地，在步骤S505中，如果判断待检测信号匹配预设的活体条件，则处理进到步骤S507。
[0066]在步骤S507，分类器输出确定待检测信号为活体生理信号的结果。
[0067]相反地，如果在步骤S505中获得否定结果，即判断待检测信号不匹配预设的活体条件，则处理进到步骤S506。
[0068]在步骤S506中，判断检测计时是否到达预设的时间阈值。如果在步骤S506中获得否定结果，即检测计时还未到达预设的时间阈值，则处理返回步骤S503，以便继续进行基于视频数据的活体检测。
[0069]相反地，如果在步骤S506中获得肯定结果，即检测计时到达预设的时间阈值，则处理进到步骤S508。
[0070]在步骤S508中，由于已经到达预设的时间阈值，并且仍旧没有获得匹配预设活体条件的待检测信号，则确定待检测信号并非活体生理信号，并且结束活体检测过程。如此，可以避免非法侵入者不断以照片、视频回放、纸片面具以及3D模型等尝试活体验证。
[0071]图6是图示根据本发明实施例的活体检测系统的示意性框图。如图6所示，根据本发明实施例的活体检测系统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。
[0072]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活体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活体检测方法的各个步骤。
[0073]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皮肤弹性信号。
[0074]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