一种活体检测方法、计算机可读存储介质以及电子设备与流程

1.本发明涉及人脸识别技术领域，具体提供一种活体检测方法、计算机可读存储介质以及电子设备。


背景技术：

2.随着人工智能的兴起，人脸识别技术在实际生活中的应用越来越广泛，已经成为个人身份鉴别的重要手段。然而，在通过人脸识别进行用户身份鉴别的过程中也存在着用户身份被冒充的风险，如现有方法中可利用包含面部信息的打印纸张、面具或是通过播放电子照片、视频等替代真实用户，以达到伪造他人身份的目的。此外，一些不法分子还可通过劫持摄像头的方法，将真人视频直接注入到人脸识别的底层算法，该类型的摄像头替代方法由于采用的是真人视频，在图像上与真实用户已无差异，因此一些常见的可见光活体检测方法(如基于动作、唇语的活体检测方法)难以对该类摄像头替代方法进行防御，现有活体检测方法的安全性较低，给基于人脸识别进行身份鉴别的安全性带了很大的挑战。


技术实现要素：

3.本发明旨在解决上述技术问题，即，解决现有活体检测方法安全性较低的问题。
4.在第一方面，本发明提供一种活体检测方法，其包括：
5.基于随机生成的光线参数组合生成照射光线并利用所述照射光线照射目标对象，其中，所述光线参数组合至少包括光线颜色以及与每种所述光线颜色对应的图像帧数，所述图像帧数为所述光线颜色对应的所述照射光线照射所述目标对象时获得的图像帧数；
6.获取所述目标对象在所述照射光线下的多帧图像；
7.对所述多帧图像进行活体检测。
8.在一些实施例中，所述基于随机生成的光线参数组合生成照射光线并利用所述照射光线照射目标对象之前，还包括获取随机生成的所述光线参数组合，所述获取随机生成的所述光线参数组合包括：
9.采用随机算法随机生成所述光线颜色以及每种所述光线颜色对应的照射时长，并基于每种所述光线颜色对应的所述照射时长和预设的每帧图像检测耗时得到每种所述光线颜色对应的所述图像帧数；
10.或，
11.采用随机算法随机生成所述光线颜色和与每种所述光线颜色对应的所述图像帧数。
12.在一些实施例中，对所述多帧图像进行活体检测，包括：
13.对所述多帧图像进行颜色信息验证和/或深度信息验证；
14.基于验证结果判断所述目标对象是否为活体；
15.其中，所述对所述多帧图像进行所述颜色信息验证包括：
16.获取所述多帧图像的待检测光线参数组合；基于所述待检测光线参数组合和用于
照射所述目标对象的所述随机生成的光线参数组合对所述多帧图像进行所述颜色信息验证；
17.对所述多帧图像进行所述深度信息验证包括：
18.获取所述多帧图像的深度图像；对所述深度图像进行所述深度信息验证。
19.在一些实施例中，所述光线参数组合还包括光线发射时机和/或光线发射时序，所述基于所述待检测光线参数组合和用于照射所述目标对象的所述随机生成的光线参数组合对所述多帧图像进行颜色信息验证包括：
20.判断所述待检测光线参数组合与用于照射所述目标对象的所述随机生成的光线参数组合是否相同；
21.若相同，则确定通过所述颜色信息验证。
22.在一些实施例中，对所述多帧图像进行活体检测之前，还包括：对所述多帧图像进行光强验证。
23.在一些实施例中，对所述多帧图像进行活体检测，包括：
24.将所述多帧图像输入多任务卷积神经网络；
25.基于所述多任务卷积神经网络对所述多帧图像进行颜色信息验证和/或深度信息验证。
26.在一些实施例中，所述活体检测方法还包括：
27.基于所述多任务卷积神经网络对所述多帧图像进行光强验证。
28.在一些实施例中，所述光线参数组合还包括光线发射时机和/或光线发射时序，所述基于随机生成的光线参数组合生成照射光线并利用所述照射光线照射目标对象包括：
29.基于随机算法随机获取每种所述光线颜色对应的所述光线发射时机和/或所述光线发射时序；
30.基于随机生成的所述光线颜色、随机生成的与每种所述光线颜色对应的所述图像帧数以及所述光线发射时机和/或所述光线发射时序随机生成所述照射光线；
31.利用所述照射光线照射所述目标对象。
32.在一些实施例中，获取所述目标对象在所述照射光线下的多帧图像，包括：
33.随机获取所述目标对象在所述照射光线下的多帧初始图像；
34.对所述多帧初始图像分别进行人脸检测，基于检测到的人脸对所述多帧初始图像进行特征提取，以得到待进行活体检测的所述多帧图像。
35.在一些实施例中，对所述多帧初始图像分别进行人脸检测，基于检测到的人脸对所述多帧初始图像进行特征提取之后，还包括：
36.对所述多帧图像进行质量评估；
37.和/或，
38.对所述多帧图像进行关键点检测并基于所述关键点进行人脸对齐，以得到对齐后的所述多帧图像。
39.在一些实施例中，对所述多帧初始图像分别进行人脸检测，基于检测到的人脸对所述多帧初始图像进行特征提取之后，还包括：
40.对所述多帧图像进行目标对象更换检测。
41.在一些实施例中，对所述多帧初始图像分别进行人脸检测，基于检测到的人脸对
所述多帧初始图像进行特征提取之后，还包括：
42.采用注意力机制提取所述多帧图像中的局部特征；
43.将所述局部特征和所述多帧图像的全局特征进行融合，以基于融合后的所述多帧图像进行活体检测。
44.在第二方面，本发明提供一种活体检测装置，其特征在于，包括：
45.光线生成模块，其基于随机生成的光线参数组合生成照射光线并利用所述照射光线照射目标对象，其中，所述光线参数组合至少包括光线颜色以及和每种所述光线颜色对应的图像帧数，所述图像帧数为所述光线颜色对应的所述照射光线照射所述目标对象时获得的图像帧数；
46.图像获取模块，其用于获取所述目标对象在所述照射光线下的多帧图像；
47.活体检测模块，其用于对所述多帧图像进行活体检测。
48.在第三方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如上任意一项所述的活体检测方法。
49.在第四方面，本发明提供一种电子设备，其包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时实现如上任意一项所述的活体检测方法。
50.在采用上述技术方案的情况下，本发明能够基于随机生成的光线参数组合生成照射光线并利用照射光线照射目标对象，其中，光线参数组合至少包括光线颜色以及和每种光线颜色对应的图像帧数，图像帧数为光线颜色对应的照射光线照射目标对象时获得的图像帧数，可实现照射光线的光线颜色的随机性、图像帧数的随机性以及光线颜色和图像帧数组合的随机性。基于此，通过获取目标对象在照射光线下的多帧图像；对多帧图像进行活体检测，光线参数组合的随机性和丰富性能够提高活体检测的难度，有效对摄像头替代方法进行防御，从而提高了活体检测的安全性。
附图说明
51.下面结合附图来描述本发明的优选实施方式，附图中：
52.图1是本发明一实施例提供的活体检测方法的流程示意图；
53.图2是本发明另一实施例提供的活体检测方法的流程示意图；
54.图3是本发明另一实施例提供的活体检测方法的流程示意图；
55.图4是本发明另一实施例提供的活体检测方法的流程示意图；
56.图5是本发明实施例提供的活体检测装置的结构示意图；
57.图6是本发明实施例提供的电子设备结构示意图。
具体实施方式
58.下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
59.随着人工智能的兴起，人脸识别技术在实际生活中的应用越来越广泛，已经成为个人身份鉴别的重要手段。然而，在通过人脸识别进行用户身份鉴别的过程中也存在着用
户身份被冒充的风险，如现有方法中可利用包含面部信息的打印纸张、面具或是通过播放电子照片、视频等替代真实用户，以达到伪造他人身份的目的。此外，一些不法分子还可通过劫持摄像头的方法，将真人视频直接注入到人脸识别的底层算法，该类型的摄像头替代方法由于采用的是真人视频，在图像上与真实用户已无差异，因此一些常见的可见光活体检测方法(如基于动作、唇语的活体检测方法)难以对该类摄像头替代方法进行防御，现有活体检测方法的安全性较低，给基于人脸识别进行身份鉴别的安全性带了很大的挑战。
60.有鉴于此，本发明提供了一种活体检测方法，参见图1所示，图1示出了本发明一实施例提供的活体检测方法的流程示意图，其可以包括：
61.步骤s11：基于随机生成的光线参数组合生成照射光线并利用照射光线照射目标对象，其中，光线参数组合至少包括光线颜色以及与每种光线颜色对应的图像帧数，图像帧数为光线颜色对应的照射光线照射目标对象时获得的图像帧数；
62.步骤s12：获取目标对象在照射光线下的多帧图像；
63.步骤s13：对多帧图像进行活体检测。
64.在一些实施例中，步骤s11可以具体为：基于随机生成的光线颜色和与每种光线颜色对应的随机生成的图像帧数生成光线参数组合，随机选出至少一种光线参数组合来随机生成照射光线，作为示例，预设的光线参数组合比如可以是：5种可生成的颜色，且每种颜色对应的图像帧数为1～5帧，因此，当使用随机算法来随机生成光线参数组合时，随机生成的光线参数组合可有25种，在利用照射光线照射目标对象时可从该25种中随机选择一组光线参数组合进行照射，相对于相关技术中仅设置随机光线颜色，本发明有利于极大提高照射光线的随机性和多样性，有利于提高活体检测的难度，增加活体检测的安全性。
65.在另一些实施例中，光线参数组合还可以包括光线发射时机和/或光线发射时序。
66.步骤s11还可以具体为：基于随机算法随机获取每种光线颜色对应的光线发射时机和/或光线发射时序；基于随机生成的光线颜色、随机生成的与每种光线颜色对应的图像帧数以及光线发射时机和/或光线发射时序随机生成照射光线；利用照射光线照射目标对象。作为示例，以光线参数组合包括光线颜色、图像帧数和光线发射时序三种属性的光线参数为例，假设可以从红、黄、蓝、绿和紫5种颜色中随机选择3种作为光线颜色，每种光线颜色对应的图像帧数可在1～5帧中随机选择，基于此生成照射光线时可随机从种光线参数组合序列中选择一种生成照射光线，设置预设时间段为440ms，假设随机生成的三种光线颜色分别为紫、红和绿，随机发射后光线发射时序依次为紫、红、绿，紫对应发射时长为160ms，红对应发射时长为80ms，绿对应发射时长为200ms，则可得到11帧的图像，依次为4帧紫、2帧红、5帧绿的图像。光线参数组合越多，能够形成的光线参数组合序列也越多，有利于丰富随机生成的照射光线，且利于避免攻击者匹配到相同的光线设置，有利于大幅提高活体检测的难度，可有效防御摄像头替代方法。
67.在本发明的一些实施例中，步骤s12可以具体为：
68.随机获取目标对象在照射光线下的多帧初始图像；
69.对多帧初始图像分别进行人脸检测，基于检测到的人脸对多帧初始图像进行特征提取，以得到待进行活体检测的多帧图像。
70.在一些实施例中，对多帧初始图像分别进行人脸检测可以为：分别获取多帧初始图像中的人脸框，对于每帧初始图像如果未检测到人脸框则提示“无人脸”；如果检测到人
脸框则表示“有人脸”，可进一步基于人脸框进行人脸提取，以得到待进行活体检测的多帧图像。
71.在一些实施例中，可以为随机获取目标对象在照射光线下的多帧初始图像，其中，可获取照射光线下产生的全部初始图像或照射光线下产生的全部初始图像中随机选出部分初始图像进行人脸检测，以减少获取的多帧初始图像的帧数，提高检测速度。基于随机生成的光线参数组合随机生成照射光线，利用照射光线照射目标对象后也相应提高了得到的多帧图像的随机性和多样性，有利于提高活体检测的安全性。
72.在本发明实施例中，步骤s13可以具体为：对多帧图像进行颜色信息验证和/或深度信息验证；基于验证结果判断目标对象是否为活体。
73.其中，对多帧图像进行颜色信息验证包括：
74.获取多帧图像的待检测光线参数组合；基于待检测光线参数组合和用于照射目标对象的随机生成的光线参数组合对多帧图像进行颜色信息验证。
75.在一些实施例中，基于待检测光线参数组合和用于照射目标对象的随机生成的光线参数组合对多帧图像进行颜色信息验证，包括；
76.判断待检测光线参数组合与用于照射目标对象的随机生成的光线参数组合是否相同；
77.若相同，则确定通过颜色信息验证。
78.在一些实施例中，判断待检测光线参数组合与用于照射目标对象的随机生成的光线参数组合是否相同可以具体为：判断待检测光线参数组合与预先存储的用于照射目标对象的随机生成的照射光线的光线参数组合是否相同。
79.在另一些实施例中，光线参数组合还可以包括光线发射时机和/或光线发射时序，判断待检测光线参数组合与用于照射目标对象的随机生成的光线参数组合是否相同可以具体为：判断多帧图像的图像颜色和预先存储的用于照射目标对象的随机生成的照射光线的光线颜色是否相同；判断多帧图像中每种图像颜色对应的图像帧数与预先存储的用于照射目标对象的相应光线颜色对应的图像帧数是否相同。还可以包括判断由多帧图像形成的颜色序列中每种图像颜色的起始时间和预先存储的用于照射目标对象时相应颜色的照射光线的光线发射时机是否匹配；和/或，判断由多帧图像形成的颜色序列和预先存储的用于照射目标对象的照射光线的光线发射时序是否匹配。
80.在本发明实施例中，对多帧图像进行深度信息验证包括：获取多帧图像的深度图像；对深度图像进行深度信息验证。
81.其中，重构深度图像可以采用现有技术中任意一种方法来进行，比如基于结构光深度重建算法重建深度图像；而利用深度信息验证来确定目标对象是否为活体，可采用现有技术中任意一种基于深度图像进行活体验证的方法来实现，比如将深度图像输入深度神经网络模型，基于该深度神经网络模型实现活体验证。
82.在其他实施例中，基于不同材质对光的反射率不同，还可以利用反射率来验证目标对象是否为活体。以面具为例，人脸面部的反射率和面具的反射率不一样，所以通过神经网络模型能够较容易的识别出是否为面具。基于此，可以将获取到的目标对象在照射光线下的多帧图像输入神经网络模型，基于神经网络模型对多帧图像的反射率与预存的活体人脸模版反射率进行比较，从而识别出目标对象是否为活体。
83.在步骤s13中通过进行颜色信息验证或深度信息验证来进行活体检测时，只要通过相应的验证即可确认目标对象为活体；在步骤s13中通过进行颜色信息验证和深度信息验证来进行活体检测时，颜色信息验证和深度信息验证均通过，才能确定目标对象是活体。
84.需要说明的是，通过进行颜色信息验证和深度信息验证来确定目标对象是否为活体时，在一些实施例中，颜色信息验证和深度信息验证可以并行执行，作为示例，可利用多任务卷积神经网络对多帧图像进行颜色信息验证和深度信息验证，以提高活体检测的速度；在另一些实施例中，颜色信息验证和深度信息验证也可以分别执行，且分别执行时在本发明实施例中对颜色信息验证和深度信息验证的执行先后顺序不做特别的限定。
85.本发明能够基于随机生成的光线参数组合生成照射光线并利用照射光线照射目标对象，其中，光线参数组合至少包括光线颜色以及和每种光线颜色对应的图像帧数，图像帧数为光线颜色对应的照射光线照射目标对象时获得的图像帧数，可实现照射光线的光线颜色的随机性和各光线颜色对应的图像帧数的随机性以及光线颜色和图像帧数组合的随机性。基于此，通过获取目标对象在照射光线下的多帧图像；对多帧图像进行活体检测，光线参数组合的随机性和丰富性能够提高活体检测的难度，有效对摄像头替代方法进行防御，从而提高了活体检测的安全性。
86.参见图2所示，图2示出了本发明另一实施例提供的活体检测方法的流程示意图，其可以基于图1对应的实施例实现，具体的，在步骤s11之前，还可以包括步骤s10：获取随机生成的光线参数组合。
87.在一些实施例中，步骤10可以具体为：采用随机算法随机生成光线颜色以及每种光线颜色对应的照射时长，并基于每种光线颜色对应的照射时长和预设的每帧图像检测耗时得到每种光线颜色对应的图像帧数；
88.在另一些实施例中，步骤s10可以具体为：采用随机算法随机生成光线颜色和与每种光线颜色对应的图像帧数。
89.在另一些实施例中，步骤s10还可以包括：采用随机算法随机生成光线发射时机和/或光线发射时序。
90.其中，可采用现有技术中比较常规的随机算法，随机生成多种不同属性的光线参数，如光线颜色、图像帧数、光线发射时机和光线发射时序，对于不同属性的光线参数可通过适应性调整后采用相同的随机算法生成；对于不同属性的光线参数也可用不同的随机算法生成。
91.在一些实施例中，为了避免环境光照的光线强度过强，待检测的多帧图像的反射光线信息无法被识别，造成活体检测失败，在步骤s13对多帧图像进行活体检测之前，还可以包括：对多帧图像进行光强验证。
92.在一些实施例中，对多帧图像进行光强验证可以具体为：判断多帧图像的光线强度是否大于预设光线强度，其中，预设光线强度可以根据实际环境条件和使用需求进行设置。当多帧图像的光线强度大于预设光线强度时，光强验证失败，还可提示用户环境光过强；当多帧图像的光线强度小于或等于预设光线强度时，通过光强验证，可基于通过光强验证的多帧图像进行活体检测。
93.为了提高活体检测的速度，在一些实施例中，还可以基于多任务卷积神经网络进行活体检测，该实施例可基于对以上任意一种实施例改进实现，在下文中将以基于图1对应
的实施例实现为例进行描述，具体可参见图3所示。
94.图3示出了本发明另一实施例提供的一种活体检测方法的流程示意图，其可以包括：
95.步骤s21：基于随机生成的光线参数组合生成照射光线并利用照射光线照射目标对象，其中，光线参数组合至少包括光线颜色以及与每种光线颜色对应的图像帧数，图像帧数为光线颜色对应的照射光线照射目标对象时获得的图像帧数；
96.步骤s22：获取目标对象在照射光线下的多帧图像；
97.步骤s23：将多帧图像输入多任务卷积神经网络；
98.步骤s24：基于多任务卷积神经网络对多帧图像进行颜色信息验证和/或深度信息验证。
99.其中，步骤s21-s22可以采用和步骤s11-s12相同的方式实现，为了简要起见在此不再赘述，具体可参见上文中对步骤s11和s12的描述。
100.在一些实施例中，步骤s24基于多任务卷积神经网络对多帧图像进行颜色信息验证和/或深度信息验证，其中，对多帧图像进行颜色信息验证包括：
101.获取多帧图像的待检测光线参数组合；基于待检测光线参数组合和用于照射目标对象的随机生成的光线参数组合对多帧图像进行颜色信息验证。
102.在一些实施例中，基于待检测光线参数组合和用于照射所述目标对象的随机生成的光线参数组合对多帧图像进行颜色信息验证，包括；
103.判断待检测光线参数组合与用于照射目标对象的随机生成的光线参数组合是否相同；
104.若相同，则确定通过颜色信息验证。
105.在一些实施例中，判断待检测光线参数组合与用于照射目标对象的随机生成的光线参数组合是否相同可以具体为：判断待检测光线参数组合与预先存储的用于照射目标对象的随机生成的照射光线的光线参数组合是否相同。
106.在另一些实施例中，光线参数组合还可以包括光线发射时机和/或光线发射时序，判断待检测光线参数组合与用于照射目标对象的随机生成的光线参数组合是否相同可以具体为：判断多帧图像的图像颜色和预先存储的用于照射目标对象的随机生成的照射光线的光线颜色是否相同；判断多帧图像中每种图像颜色对应的图像帧数与预先存储的用于照射目标对象的相应光线颜色对应的图像帧数是否相同。还可以包括判断由多帧图像形成的颜色序列中每种图像颜色的起始时间和预先存储的用于照射目标对象时相应颜色的照射光线的光线发射时机是否匹配；和/或，判断由多帧图像形成的颜色序列和预先存储的用于照射目标对象的照射光线的光线发射时序是否匹配。
107.在本发明实施例中，对多帧图像进行深度信息验证包括：获取多帧图像的深度图像；对深度图像进行深度信息验证。
108.其中，重构深度图像可以采用现有技术中任意一种方法来进行，比如基于结构光深度重建算法重建深度图像；而利用深度信息验证来确定目标对象是否为活体，可采用现有技术中任意一种基于深度图像进行活体验证的方法来实现，比如将深度图像输入深度神经网络模型，基于该深度神经网络模型实现活体验证。
109.在本发明实施例中，采用多任务卷积神经网络，将多帧图像输入多任务卷积神经
网络进行颜色信息验证和深度信息验证，其中，颜色信息验证和深度信息验证可共享用于人脸特征提取的主干网络，从而能够有效提高活体检测的速度，此外通过将多个验证任务放在多任务卷积神经网络中，各验证任务之间还可以共享权重、互相提供先验信息、进行噪声平衡以及通过表征偏置实现更好的泛化性能，从提升整体检测效果。
110.在另一些实施例中，为了提高活体检测整体的速度并避免环境光照的光线强度过强，待检测人脸图像的反射光线信息无法被识别，还可以基于多任务卷积神经网络对多帧图像进行光强验证。
111.参见图4所示，图4示出了本发明另一实施例提供的一种活体检测方法的流程示意图，其可以包括：
112.步骤s41：基于随机生成的光线参数组合生成照射光线并利用照射光线照射目标对象，其中，光线参数组合至少包括光线颜色以及与每种光线颜色对应的图像帧数，图像帧数为光线颜色对应的照射光线照射目标对象时获得的图像帧数；
113.步骤s42：随机获取目标对象在照射光线下的多帧初始图像；
114.步骤s43：对多帧初始图像分别进行人脸检测，基于检测到的人脸对多帧初始图像进行特征提取，以得到待进行活体检测的多帧图像；
115.步骤s44：对多帧图像进行质量评估；
116.步骤s45：对多帧图像进行关键点检测并基于关键点进行人脸对齐，以得到对齐后的多帧图像；
117.步骤s46：对多帧图像进行目标对象更换检测；
118.步骤s47：采用注意力机制提取多帧图像中的局部特征；将局部特征和多帧图像的全局特征进行融合，以基于融合后的多帧图像进行活体检测；
119.步骤s48：将多帧图像进行输入多任务卷积神经网络；
120.步骤s49：基于多任务卷积神经网络对多帧图像进行光强验证、颜色信息验证和深度信息验证。
121.其中，步骤s41可以采用和步骤s11相同的方式实现，为了简要起见在此不再赘述，具体可参见上文中对步骤s11的描述。
122.在一些实施例中，步骤s43可以具体为：分别获取多帧初始图像中的人脸框，对于每帧初始图像如果未检测到人脸框则提示“无人脸”；如果检测到人脸框则表示“有人脸”，可进一步基于人脸框进行人脸提取。
123.需要说明的是，为了进一步提高待检测的多帧图像的质量，在步骤s43之后可以执行步骤s44-s47中的至少一个处理步骤。
124.在一些实施例中，步骤s44可以具体为：对多帧图像中的每帧图像分别检测图像质量是否满足预设条件，在一些实施例中可根据图像的清晰度、角度和位置中的至少一个参数进行质量评估，例如，以角度进行质量评估，待检测的图像中目标对象的人脸角度在预设角度范围时则通过质量评估，可以进行后续验证；待检测的图像中目标对象的人脸角度超出预设角度范围时可提示质量评估未通过，重新提供待检测的多帧图像。
125.在一些实施例中，步骤s45可以具体为对多帧图像进行关键点检测并利用仿射变换实现多帧图像中相应关键点的对齐，以得到对齐后的多帧图像。
126.在另一些实施例中，步骤s45也可以具体为对通过质量评估的多帧图像进行关键
点检测并基于关键点进行人脸对齐。
127.在一些实施例中，步骤s46可以具体为从每帧图像中提取人脸特征，基于提取出的人脸特征与目标对象的预存储人脸特征进行比对，当比对不一致时可确认出目标对象更换，结束活体检测流程；当比对一致时即目标对象没有更换，可执行后续验证步骤，以提高活体检测的安全性。
128.在另一些实施例中，步骤s46可以具体为对已经执行了步骤s44和/或s45后得到的多帧图像进行目标对象更换检测，以提高目标对象更换检测的有效性。
129.在一些实施例中，局部特征可以为待检测的图像上预设区域的特征，预设区域可以根据需要进行设置，如目标对象额头和鼻子形成的t字型区域对光线的反射较强，为了能够接收更高的反射光强，提高活体检测效率，可以将t字型区域作为预设区域。在一些实施例中，步骤s47可以具体为：利用注意力机制提取多帧图像中t字型区域的局部特征，将局部特征和相应图像的全局特征进行融合，以得到融合后的待检测的多帧图像。在另一些实施例中，步骤s47还可以针对已经执行了步骤s44至s46中任意一个步骤后得到的待检测的多帧图像进行基于注意力机制的图像融合。
130.在一些实施例中，可以依次执行步骤s44-s47，以在保证较好的图像质量和进行人脸对齐后，进行目标对象是否更换的检测，进而能够避免图像质量和目标对象更换等对后续验证的影响，有利于保证待检测的多帧图像的有效性以及提高活体检测的速度。
131.需要说明的是，尽管在该实施例中将步骤s44-s47按照特定的先后顺序进行了描述，但本领域技术人员可以理解，为了实现本发明的效果，不同的步骤之间并非必须按照这样的顺序执行，其可以并行执行或以其他顺序执行，这些变化都在本发明的保护范围之内。
132.参见图5所示，本发明的另一个方面还提供了一种活体检测装置，其可以包括：
133.光线生成模块，其基于随机生成的光线参数组合生成照射光线并利用照射光线照射目标对象，其中，光线参数组合至少包括光线颜色以及和每种光线颜色对应的图像帧数，图像帧数为光线颜色对应的照射光线照射目标对象时获得的图像帧数；
134.图像获取模块，其用于获取目标对象在照射光线下的多帧图像；
135.活体检测模块，其用于对多帧图像进行活体检测。
136.本发明提供的活体检测装置可用于执行上述活体检测方法，达到与上述实施例中活体检测方法相同的有益效果。进一步，应该理解的是，由于各个模块的设定仅仅是为了说明本发明的装置的功能单元，这些模块对应的物理器件可以是处理器本身，或者处理器中软件的一部分，硬件的一部分，或者软件和硬件结合的一部分。因此，图5中的各个模块的数量仅仅是示意性的。本领域技术人员能够理解的是，可以对装置中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本发明的原理，因此，拆分或合并之后的技术方案都将落入本发明的保护范围内。
137.本领域技术人员能够理解的是，本发明实现上述一实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、u盘、移动硬盘、磁碟、光盘、计算机存储
器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。
138.本发明的另一方面还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时能够实现上述任一实施例中的活体检测方法。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备，可选的，本发明实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。
139.参见图6所示，图6示出了本发明实施例提供的电子设备结构示意图，其可以包括存储器61和处理器62，存储器61中存储有计算机程序，该计算机程序包括但不限于执行上述方法实施例的方法的程序。该计算机程序被处理器62执行时能够实现上述任一实施例中的活体检测方法。
140.至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。