用于检测活体对象的方法、计算设备及可读存储介质与流程

本发明涉及图像处理技术领域，尤其涉及一种用于检测活体对象的方法、计算设备及可读存储介质。

背景技术

随着人们安全防范需求和意识的不断提高，指纹识别、虹膜识别、人脸识别等基于生物特征识别的身份认证技术迅速发展、应用广泛。但在实际应用中，照片欺骗、视频欺骗和三维模型欺骗等多种恶意攻击手段不断出现，给识别系统带来安全隐患。其中，照片以代价小、实施简单成为最常见的攻击方式。为防守此类攻击，判断生物特征是否来自有生命的个体，也就是活体检测是必不可少的一个环节。

目前活体检测技术多是利用人们的生理特征来进行检测。例如人脸的活体检测可以基于头部的转动、红眼效应等信息，这种方案或存在系统复杂，成本高的问题，或需要用户主动配合，降低用户使用体验。

因此，迫切需要一种更先进的用于检测活体对象的方案。

技术实现要素：

为此，本发明提供一种用于检测活体对象的方法、计算设备及可读存储介质，以力图解决或者至少缓解上面存在的至少一个问题。

根据本发明的一个方面，提供了一种用于检测活体对象的方法，适于在计算设备中执行，方法包括步骤：接收待检测对象的人脸灰度图像；从人脸灰度图像中截取检测区域，检测区域至少包括眼部；对检测区域进行量化以得到量化图像；根据量化图像提取图像特征；基于所获取的图像特征来判断待检测对象是否为活体对象。

可选地，在根据本发明的方法中，对检测区域进行量化以得到量化图像的步骤包括：计算检测区域的平均灰度值；若平均灰度值处于预定平均灰度区间，则对检测区域中灰度值处于与预定平均灰度区间对应的预定灰度区间的像素进行量化，并将其灰度值量化为预定数目个灰度等级。

可选地，在根据本发明的方法中，预定平均灰度区间包括第一平均灰度区间、第二平均灰度区间、第三平均灰度区间和第四平均灰度区间中的一个或者多个，预定灰度区间包括与第一平均灰度区间对应的第一灰度区间、与第二平均灰度区间对应的第二灰度区间、与第三平均灰度区间对应的第三灰度区间和与第四平均灰度区间对应的第四灰度区间中的一个或者多个。

可选地，在根据本发明的方法中，第一平均灰度区间为[65，100)，第二平均灰度区间为[100,145)，第三平均灰度区间为[145，180)，第四平均灰度区间为[180，210)；与第一平均灰度区间对应的第一灰度区间为[100，200)，与第二平均灰度区间对应的第二灰度区间为[130，230)，与第三平均灰度区间对应的第三灰度区间为[170，255]，与第四平均灰度区间对应的第四灰度区间为[200，255]。

可选地，在根据本发明的方法中，图像特征包括图像轮廓特征，根据量化图像提取图像轮廓特征的步骤包括：根据量化图像中不同灰度等级的交界，提取至少一对轮廓线，每对轮廓线均包括左轮廓线和右轮廓线；对于每对轮廓线，计算左轮廓线与右轮廓线之间的距离随量化图像的行方向变化的距离曲线。

可选地，在根据本发明的方法中，量化图像包括左侧图像和右侧图像，根据量化图像中不同灰度等级的交界，提取至少一对轮廓线的步骤包括：对于每两个灰度等级的交界，分别在左侧图像和右侧图像中，确定其每行像素中对应于该交界的一个或者多个像素，并提取其中距离双眼间垂直平分线最远的像素，以分别形成一对轮廓线的左轮廓线和右轮廓线。

可选地，在根据本发明的方法中，图像特征包括图像灰度特征，根据量化图像提取图像灰度特征的步骤包括：计算量化图像的灰度分布直方图；以及计算量化图像在水平方向的灰度投影曲线。

可选地，在根据本发明的方法中，根据量化图像提取图像灰度特征的步骤还包括：若检测区域的平均灰度值处于一般平均灰度区间，则计算鼻部或眼部的平均灰度值。

可选地，在根据本发明的方法中，一般平均灰度区间为[65，130]。

可选地，在根据本发明的方法中，基于所获取的图像特征来判断待检测对象是否为活体对象的步骤包括：基于图像轮廓特征，进行以下判定条件中至少一个的判断，其中距离曲线以量化图像的行方向为横轴、以左轮廓线与右轮廓线之间的距离为纵轴：同一横坐标下，较低灰度等级交界对应的一对轮廓线的距离曲线的纵坐标小于较高灰度等级交界对应的一对轮廓线的距离曲线的纵坐标；对于每条距离曲线，该条距离曲线在第一横坐标域u1上存在第一极小值，u1＝{x||x-a|＜δ1}，a为量化图像中眼部对应的横坐标，δ1为两眼间距的第零倍数；对于每条距离曲线，该条距离曲线存在至少一个局部极大值；对于每条距离曲线，该条距离曲线在第二横坐标域u2上存在一个第二极大值，且第二极大值与第一极小值对应的横坐标之差不大于两眼间距的第一倍数，u2＝{x|x＞a}；对于每条距离曲线，第一极小值大于两眼间距的第二倍数、且小于两眼间距的第三倍数；对于每条距离曲线，第二极大值不大于两眼间距的第四倍数、且不小于两眼间距的第五倍数；对于每条距离曲线，第二极大值与第一极小值之差大于两眼间距的第六倍数；对于每条距离曲线，在第三横坐标域u3上，该条距离曲线的斜率在预定斜率范围内单调变化，u3＝{x|b-δ3＜x＜b}，b为第二极大值对应的横坐标，δ3为两眼间距的第七倍数；对于每条距离曲线，在第四横坐标域u4上，该条距离曲线的斜率在预定斜率范围内单调变化，u4＝{x|b＜x＜b+δ4}，δ4为两眼间距的第八倍数；对于每条距离曲线，在第五横坐标域u5上，该条距离曲线的斜率位于第二预定斜率范围，u5＝{x||x-c|＜δ5}，c为第一极小值对应的横坐标，δ5为两眼间距的第九倍数；对于每两条距离曲线，在第六横坐标域u6上，该两条距离曲线的相关性大于预定相关数值，u6＝{x|c-δ6＜x＜b}，δ5为两眼间距的第十倍数。

可选地，在根据本发明的方法中，基于所获取的图像特征来判断待检测对象是否为活体对象的步骤包括：基于图像灰度特征，进行以下判定条件中至少一个的判断：量化图像的灰度分布直方图连续；量化图像在水平方向的灰度投影曲线的斜率与将该灰度投影曲线翻转后得到的曲线的斜率之间的相关系数大于预定系数。

可选地，在根据本发明的方法中，若检测区域的平均灰度值处于一般平均灰度区间，则基于图像灰度特征，进行以下判定条件的判断：鼻部或眼部的平均灰度值与检测区域的平均灰度值的关系满足预定的鼻部或眼部灰度关系曲线。

可选地，在根据本发明的方法中，基于所获取的图像特征来判断待检测对象是否为活体对象的步骤包括：对于每一个判定条件，基于图像轮廓特征或图像灰度特征是否符合该判定条件，来得到待检测对象对应于该判定条件的分数；基于待检测对象对应于每一个判定条件的分数，来得到待检测对象的总分数；基于待检测对象的总分数来判断待检测对象是否为活体对象。

可选地，在根据本发明的方法中，人脸灰度图像为近红外图像。

根据本发明的另一个方面，提供了一种计算设备，包括：一个或多个处理器；存储器；以及一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括用于执行根据本发明的用于检测活体对象的方法中的任一方法的指令。

根据本发明的还有一个方面，提供了一种存储程序的可读存储介质，所述程序包括指令，所述指令当由计算设备执行时，使得计算设备执行根据本发明的用于检测活体对象的方法的中任一方法。

根据本发明的用于检测活体对象的方案，对从人脸灰度图像中截取到的检测区域进行量化后得到量化图像，根据该量化图像提取图像特征，基于该图像特征实现活体检测，在保证检测准确率的同时降低了复杂度，提高了活体检测速度，具有成本低廉、经济适用、高效可靠、无需用户配合的效果。

附图说明

为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。

图1示例性地示出计算设备100的结构框图；以及

图2示例性地示出根据本发明一个实施方式的用于检测活体对象的方法200的流程图；

图3a和图3b分别示例性示出根据本发明一个实施方式的人脸灰度图像以及检测区域的示意图；

图4示例性地示出根据本发明一个实施方式的轮廓线的示意图；

图5示例性示出图4所示实施方式的距离曲线的示意图；以及

图6示例性示出根据本发明一个实施方式的鼻部灰度关系散点图的示意图；以及

图7a和图7b分别示例性示出活体对象和非活体对象的人脸灰度图像经过量化后的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1示例性地示出计算设备100的结构框图。该计算设备100可以实现为服务器，例如文件服务器、数据库服务器、应用程序服务器和网络服务器等，也可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。此外，计算设备100还可以实现为小尺寸便携(或者移动)电子设备的一部分，这些电子设备可以是诸如蜂窝电话、个人数字助理(pda)、个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、或者可以包括上面任何功能的混合设备。

在基本的配置102中，计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。

取决于期望的配置，处理器104可以是任何类型的处理，包括但不限于：微处理器((μp)、微控制器(μc)、数字信息处理器(dsp)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(alu)、浮点数单元(fpu)、数字信号处理核心(dsp核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器218可以是处理器104的一个内部部分。

取决于期望的配置，系统存储器106可以是任意类型的存储器，包括但不限于：易失性存储器(诸如ram)、非易失性存储器(诸如rom、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个程序122以及程序数据124。在一些实施方式中，程序122可以被配置为在操作系统上由一个或者多个处理器104利用程序数据124执行指令。

计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个a/v端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个i/o端口158和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。

网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(rf)、微波、红外(ir)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。

计算设备100的一个或多个程序122包括用于执行根据本发明的用于检测活体对象的方法中任一方法的指令。图2示例性示出根据本发明一个实施方式的用于检测活体对象的方法200的流程图。

如图2所示，用于检测活体对象的方法200始于步骤s210。在步骤s210中，接收待检测对象的人脸灰度图像。通常地，人脸灰度图像是近红外图像，并在图像采集设备处获取。该人脸灰度图像通常具有256个灰度等级(0～255)。根据本发明的一个实施方式，计算设备100可以经由一个或者多个通信端口164与图像采集设备进行通过上述网络通信链路的通信，从该图像采集设备处获取其拍摄的人脸灰度图像。图像采集设备通常可以包括近红外光源、光学镜头和图像传感器。当然，根据另一个实施方式，计算设备100也可以实现为图像采集设备。

可以理解地，图像均可以表示为矩阵，矩阵的行对应图像的高(单位为像素)，矩阵的列对应图像的宽(单位为像素)，矩阵的元素对应图像的像素，矩阵元素的值对应就是像素的灰度值。

随后在步骤s220中，从接收到的人脸灰度图像中截取检测区域，该检测区域至少包括眼部。具体地，先可以采用诸如霍夫变换法、积分投影法、可变形模版法、主元分析法和对称变化法之类现有的眼睛定位方法来在人脸灰度图像中定位出眼部，再根据眼部位置来截取检测区域。根据一个实施方式，截取到的检测区域可以是眼部上方距离眼部1/4倍双眼间距处至眼部下方距离眼部1倍双眼间距处之间的区域，其中双眼间距为两眼瞳孔之间的水平距离，可以在定位眼部位置后计算得到。图3a和图3b分别示例性示出根据本发明一个实施方式的人脸灰度图像以及检测区域的示意图。

截取检测区域之后，在步骤s230中，对该检测区域进行量化，以得到量化图像。一般的量化过程可以如下：

在要进行量化的原始灰度区间内选取n+1个灰度值x0,x1,...,xn作为量化区间边界，x0＜x1＜...＜xn，n为给定的正整数。那么，可以得到n个量化区间a0,a1,a2,...,an-1，ai＝[xi,xi+1),i＝0,...,n-2，an-1＝[xn-1,xn]。

对于原始灰度区间的任一像素，若g∈ai,i＝0,1,...,n-1，则q＝xi，其中g为该像素在量化前的原始灰度值，q为该像素在量化后的灰度值。

考虑到图像中包含较丰富信息的像素的灰度值根据图像平均灰度值的不同而存在差异，因此需要对不同平均灰度值的图像采取不同的量化方式。根据本发明的一个实施方式，可以先计算检测区域的平均灰度值，检测区域的平均灰度值为检测区域所有像素的灰度值之和除以检测区域的像素个数。若计算得到的平均灰度值处于预定平均灰度区间，则对检测区域中灰度值处于与预定平均灰度区间对应的预定灰度区间的像素进行量化，将其灰度值量化为预定数目个灰度等级，预定数目通常为2或3。

预定平均灰度区间通常可以包括第一平均灰度区间、第二平均灰度区间、第三平均灰度区间和第四灰度区间中的一个或者多个。相应地，预定灰度区间可以包括与第一平均灰度区间对应的第一灰度区间、与第二平均灰度区间对应的第二灰度区间、与第三平均灰度区间对应的第三灰度区间和与第四平均灰度区间对应的第四灰度区间中的一个或者多个。

其中，第一平均灰度区间可以为[65，100)，与第一平均灰度区间对应的第一灰度区间可以为[100，200)，即，当检测区域的平均灰度值位于[65，100)时，可以将检测区域中灰度值位于[100，200)的像素的灰度值量化为3个灰度等级，整个检测区域像素的灰度值被量化为5个灰度等级。

第二平均灰度区间可以为[100,145)，与第二平均灰度区间对应的第二灰度区间为[130，230)，即，当检测区域的平均灰度值位于[100,145)时，可以将检测区域中灰度值位于[130，230)的像素的灰度值量化为3个灰度等级，整个检测区域像素的灰度值被量化为5个灰度等级。

第三平均灰度区间可以为[145，180)，与第三平均灰度区间对应的第三灰度区间可以为[170，255]，即，当检测区域的平均灰度值位于[145，180)时，可以将检测区域中灰度值位于[170，255]的像素的灰度值量化为3个灰度等级，整个检测区域像素的灰度值被量化为4个灰度等级。

第四平均灰度区间可以为[180,210)，与第四平均灰度区间对应的第四灰度区间可以为[200，255]，即，当检测区域的平均灰度值位于[180,210)时，可以将检测区域中灰度值位于[200，255]的像素的灰度值量化为2个灰度等级，整个检测区域像素的灰度值被量化为3个灰度等级。

另外，预定平均灰度区间还可以包括第五平均灰度区间和/或第六平均灰度区间，其中第五平均灰度区间可以为[0,65)，第六平均灰度区间可以为[210,255)。若计算得到的平均灰度值处于第五平均灰度区间或者第六平均灰度区间，则不对该检测区域进行活体检测，不进行量化。

得到量化图像之后，在步骤s240中，根据该量化图像提取图像特征，图像特征可以包括图像轮廓特征和/或图像灰度特征。

根据本发明的一个实施方式，图像轮廓特征可以为量化区域中的至少一对轮廓线，其提取过程如下：

先根据量化图像中不同灰度等级的交界，提取至少一对轮廓线，每对轮廓线均包括左轮廓线和右轮廓线。可以理解地，量化图像包括左侧图像和右侧图像，且左侧图像和右侧图像基于人脸的对称特性可以认为基于双眼间垂直平分线对称。

显然地，左侧图像和右侧图像均已被量化为多个灰度等级。在左侧图像，不同的两个灰度等级的交界处会形成左轮廓线。相应地，在右侧图像中，这两个灰度等级的交界处会形成与该左轮廓线对应的右轮廓线，该左轮廓线和其对应的右轮廓线即为一对轮廓线。

具体地，考虑到对于两个灰度等级的交界，左侧图像和右侧图像的同一行像素中均存在有一个或者多个对应于该交界的像素。根据本发明的一个实施方式，可以在左侧图像中，确定其每行像素中对应于该交界的一个或者多个像素，并提取其中距离双眼间垂直平分线最远的像素，以形成左轮廓线。相应地，在右侧图像中，确定其每行像素中对应于该交界的一个或者多个像素，并提取其中距离双眼间垂直平分线最远的像素，以形成与左轮廓线对应的右轮廓线。这样得到的左轮廓线和与左轮廓线对应的右轮廓线即组成一对轮廓线。

图4示例性示出根据本发明一个实施方式的轮廓线的示意图。如图4所示，提取到4对轮廓线，分别为{l1,r1}、{l2,r2}、{l3,r3}和{l4,r4}，l和r分别表示左轮廓线和右轮廓线。

提取至少一对轮廓线之后，再对于每对轮廓线，均计算其左轮廓线与右轮廓线之间的距离随量化图像的行方向变化的距离曲线。其中，距离曲线以量化图像的行方向为横轴(行号从小到大为正方向)、以左轮廓线与右轮廓线之间的距离为纵轴。因此，该距离曲线的横坐标即为量化图像每行像素的行号。

图5示例性示出图4所示实施方式的距离曲线的示意图。如图5所示，根据提取到的4对轮廓线，计算得到4条距离曲线。其中，距离曲线的纵轴为左轮廓线与右轮廓线之间归一化后的距离。

根据本发明的一个实施方式，图像灰度特征可以包括量化图像的灰度分布直方图和/或量化图像在水平方向的灰度投影曲线，根据量化图像提取图像灰度特征的步骤可以包括：计算量化图像的灰度分布直方图，和/或计算量化图像在水平方向的灰度投影曲线。此外，若检测区域的平均灰度值处于一般平均灰度区间，则图像灰度特征还可以包括鼻部或眼部的平均灰度值。一般平均灰度区间通常可以为[65，130]。

提取到上述图像特征之后，在步骤s250中，基于所获取的图像特征来判断待检测对象是否为活体对象。具体地，计算设备可以预先存储有至少一个判定条件。根据本发明的一个实施方式，可以存储以下判定条件中的至少一个：

判定条件1：同一横坐标下，较低灰度等级交界对应的一对轮廓线的距离曲线的纵坐标小于较高灰度等级交界对应的一对轮廓线的距离曲线的纵坐标；

判定条件2：对于每条距离曲线，该条距离曲线在第一横坐标域u1上存在第一极小值，u1＝{x||x-a|＜δ1}，a为量化图像中眼部对应的横坐标，δ1为两眼间距的第零倍数，第零倍数可以为1/4；

判定条件3：对于每条距离曲线，该条距离曲线存在至少一个局部极大值；

判定条件4：对于每条距离曲线，该条距离曲线在第二横坐标域u2上存在一个第二极大值，且第二极大值与第一极小值对应的横坐标之差不大于两眼间距的第一倍数，u2＝{x|x＞a}，第一倍数可以为0.4；

判定条件5：对于每条距离曲线，第一极小值大于两眼间距的第二倍数、且小于两眼间距的第三倍数，第二倍数可以为0.3，第三倍数可以为1；

判定条件6：对于每条距离曲线，第二极大值不大于两眼间距的第四倍数、且不小于两眼间距的第五倍数，第四倍数可以为2，第五倍数可以为1；

判定条件7：对于每条距离曲线，第二极大值与第一极小值之差大于两眼间距的第六倍数，第六倍数可以为0.6；

判定条件8：对于每条距离曲线，在第三横坐标域u3上，该条距离曲线的斜率在预定斜率范围内单调变化，u3＝{x|b-δ3＜x＜b}，b为第二极大值对应的横坐标，δ3为两眼间距的第七倍数，第七倍数可以为1/4，预定斜率范围可以为0°～60°；

判定条件9：对于每条距离曲线，在第四横坐标域u4上，该条距离曲线的斜率在预定斜率范围内单调变化，u4＝{x|b＜x＜b+δ4}，δ4为两眼间距的第八倍数,第八倍数可以为1/4，预定斜率范围可以为120°～180°；

判定条件10：对于每条距离曲线，在第五横坐标域u5上，该条距离曲线的斜率位于第二预定斜率范围，u5＝{x||x-c|＜δ5}，c为第一极小值对应的横坐标，δ5为两眼间距的第九倍数，第九倍数可以为1/4，第二预定斜率范围可以为70°～110°；

判定条件11：对于每两条距离曲线，在第六横坐标域u6上，该两条距离曲线的相关性大于预定相关数值，u6＝{x|c-δ6＜x＜b}，δ5为两眼间距的第十倍数，第十倍数可以为1/4，预定相关数值可以为0.4；

判定条件12：量化图像的灰度分布直方图连续，这里连续指的是灰度等级连续，不能存在缺失；

判定条件13：量化图像在水平方向的灰度投影曲线的斜率与将该灰度投影曲线翻转后得到的曲线的斜率之间的相关系数大于预定系数，预定系数可以为0.4；

判定条件14：若检测区域的平均灰度值处于一般平均灰度区间，例如[65，130]，鼻部或眼部的平均灰度值与检测区域的平均灰度值的关系满足预定的鼻部或眼部灰度关系曲线。这里的鼻部或眼部灰度关系曲线包括第一鼻部或眼部灰度关系曲线和第二鼻部或眼部灰度关系曲线，二者均基于鼻部或眼部灰度关系散点图得到，并均以检测区域的平均灰度值为横轴、以鼻部或眼部的平均灰度值为纵轴。鼻部或眼部灰度关系散点图可以通过多个活体对象的人脸灰度图像统计得到。图6示例性示出根据本发明一个实施方式的鼻部灰度关系散点图的示意图。

第一鼻部或眼部灰度关系曲线使得鼻部或眼部灰度关系散点图中95％以上的数据点都在该第一鼻部或眼部灰度关系曲线下方，第二鼻部或眼部灰度关系曲线使得鼻部或眼部灰度关系散点图中95％以上的数据点都在该第二鼻部或眼部灰度关系曲线上方。

如果鼻部或眼部的平均灰度值与检测区域的平均灰度值对应的数据点位于第一鼻部或眼部灰度关系曲线上方、或者位于第二鼻部或眼部灰度关系曲线下方，则确定不满足鼻部或眼部灰度关系曲线，否则确定满足鼻部或眼部灰度关系曲线。

以上判定条件中的各参数(第零倍数～第十倍数、预定斜率范围、第二预定斜率范围、预定相关数值、预定系数等)均可以基于采集人脸灰度图像的光照条件和设备参数而设置。

对于预先存储的每一个判定条件，可以基于图像轮廓特征或图像灰度特征来进行该判定条件的判断，也就是说，根据图像轮廓特征或图像灰度特征来判断是否符合该判定条件。例如，上述判定条件1-11可以基于图像轮廓特征来进行判断，上述判定条件12-14可以基于图像灰度特征来进行判断。

而后，对于预先存储的每一个判定条件，可以基于是否符合该判定条件来得到待检测对象对应于该判定条件的分数。

根据本发明的一个实施方式，对于一个判定条件，可以根据明显符合、符合、不符合、明显不符合给出四个等级的分数。其中，明显不符合给出分数s1，不符合给出分数s2，符合给出分数s3，明显符合给出分数s4。其中，s1<s2<s3<s4，或者进一步地，s1<s2<0<s3<s4。例如，对于判定条件7：对于每条距离曲线，第二极大值与第一极小值之差大于两眼间距的第六倍数。假设第二极大值与第一极小值之差为s，两眼间距的第六倍数为thr，那么对于每条距离曲线，对应于该判定条件的分数score为：

其中，s1<s2<0<s3<s4，∞<level1<0<leve2<∞。假设thr＝10，level1＝-5，leve2＝5，s1＝-2，s2＝-1,s3＝1,s4＝2。那么，如果得到的第二极大值与第一极小值之差s为4，得到分数为-2；如果第二极大值与第一极小值之差s为9，得到分数为-1；如果第二极大值与第一极小值之差s为14，得到分数为1；如果第二极大值与第一极小值之差s为16，得到分数为2。

当然，对于一个判定条件，也可以根据符合和不符合来给出两个等级的分数，本发明对每个判定条件的评分方式不做限制。

得到待检测对象对应于每一个判定条件的分数之后，可以基于待检测对象对应于每一个判定条件的分数来得到待检测对象的总分数。例如，可以将对应于每一个判定条件的分数求和或者加权求和得到待检测对象的总分数。

最后，基于待检测对象的总分数来判断待检测对象是否为活体对象。具体地，若待检测对象的总分数大于预设的分数阈值，则可以确定待检测对象是活体对象，否则确定待检测对象不是活体对象。

此外，根据本发明的一个实施方式，还可以接收待检测对象的多帧人脸灰度图像，分别得到每一张人脸灰度图像的分数，基于每一张人脸灰度图像的分数来得到待检测对象的总分数，最后根据基于待检测对象的总分数来判断待检测对象是否为活体对象。

其中，可以对每一张人脸灰度图像的分数求取平均值来得到待检测对象的总分数。也可以对每一张人脸灰度图像的分数进行加权求和来得到待检测对象的总分数，每一张人脸灰度图像的分数对应的权重可以为该分数下待检测对象为活体对象的概率。

可以理解地，人脸的纹理(即轮廓)可通过人脸灰度图像的像素及其空间邻域的灰度分布来表现。对于去掉背景的人脸灰度图像，肉眼很难区分出是真实人脸还是照片人脸，但其成像过程却存在很大差异。真实人脸是复杂的三维物体，而照片人脸则为平面物体，成像过程中会产生不同的光照反射和阴影，造成表面属性的差异，利用纹理可较好地检测这种差异。活体对象的人脸灰度图像经过量化后可以更好地凸显出这种纹理，非活体对象的人脸灰度图像则无法做到。

图7a和图7b分别示例性示出活体对象和非活体对象的人脸灰度图像经过量化后的示意图。显然地，图7a示出的纹理相当清晰，图7b则模糊不清。

因此，本发明用于检测活体对象的方案基于量化图像的图像特征可以有效地实现活体检测，在保证检测准确率的同时降低了复杂度，提高了活体检测速度，具有成本低廉、经济适用、高效可靠、无需用户配合的效果。

应当理解，这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、cd-rom、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被该机器执行时，该机器变成实践本发明的设备。

在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的该程序代码中的指令，执行本发明的各种方法。

以示例而非限制的方式，计算机可读介质包括计算机存储介质和通信介质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。

应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。

本发明还可以包括：a8、如a7所述的方法，其中，所述根据量化图像提取图像灰度特征的步骤还包括：若所述检测区域的平均灰度值处于一般平均灰度区间，则计算鼻部或眼部的平均灰度值。a9、如a8所述的方法，其中，所述一般平均灰度区间为[65，130]。a11、如a7所述的方法，其中，所述基于所获取的图像特征来判断待检测对象是否为活体对象的步骤包括：基于所述图像灰度特征，进行以下判定条件中至少一个的判断：所述量化图像的灰度分布直方图连续；所述量化图像在水平方向的灰度投影曲线的斜率与将所述灰度投影曲线翻转后得到的曲线的斜率之间的相关系数大于预定系数。a12、如a8所述的方法，其中，若所述检测区域的平均灰度值处于所述一般平均灰度区间，则基于所述图像灰度特征，进行以下判定条件的判断：所述鼻部或眼部的平均灰度值与所述检测区域的平均灰度值的关系满足预定的鼻部或眼部灰度关系曲线。a13、如a10-12中任一项所述的方法，其中，所述基于所获取的图像特征来判断待检测对象是否为活体对象的步骤包括：对于每一个判定条件，基于所述图像轮廓特征或所述图像灰度特征是否符合该判定条件，来得到所述待检测对象对应于该判定条件的分数；基于所述待检测对象对应于每一个判定条件的分数，来得到所述待检测对象的总分数；基于所述待检测对象的总分数来判断所述待检测对象是否为活体对象。a14、如a1-13中任一项所述的方法，其中，所述人脸灰度图像为近红外图像。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。

如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。

尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。