人脸活体检测方法、装置、设备、存储介质及程序产品与流程

1.本公开涉及人工智能领域，具体为深度学习、计算机视觉技术领域，可应用于人脸图像处理、人脸识别等场景，尤其涉及一种人脸活体检测方法、装置、设备、存储介质及程序产品。


背景技术：

2.人脸活体检测即区分一张图像是否为真人拍摄，是人脸识别系统的基础模块，保证人脸识别系统的安全性。使用深度学习技术的人脸活体检测方法是当前该领域的主流方法，相比传统的方法在精度上有大幅度提升。
3.然而，随着黑客技术的不断提升，对人脸识别系统的攻击不再局限于传统的物理攻击(如纸质打印攻击，屏幕攻击，三维面具攻击等)，黑客技术能够在移动设备采集人脸图像时替换即将上传的人脸图像，称为注入攻击，影响人脸识别系统的安全性。


技术实现要素：

4.本公开提供了一种人脸活体检测方法、装置、设备、存储介质及程序产品，用于有效防止人脸活体检测过程中的注入攻击。
5.根据本公开的第一方面，提供了一种人脸活体检测方法，包括：
6.获取颜色序列验证码，控制终端根据所述颜色序列验证码依次显示对应颜色，并获取终端采集的在依次显示对应颜色过程中目标对象的面部视频；
7.从所述面部视频中提取各颜色通道颜色强度序列的第一微分信号，并根据各颜色通道对应的第一微分信号获取表征各颜色通道色差的第二微分信号；其中任一颜色通道颜色强度序列为所述面部视频各帧中该颜色通道的颜色强度均值构成的序列；
8.根据各颜色通道对应的第二微分信号，获取面部视频中的颜色序列；
9.若所述面部视频中的颜色序列与所述颜色序列验证码匹配，则确定未受到注入攻击，并根据所述面部视频进行人脸活体检测。
10.根据本公开的第二方面，提供了一种人脸活体检测装置，包括：
11.验证码生成单元，用于获取颜色序列验证码；
12.视频获取单元，用于控制终端根据所述颜色序列验证码依次显示对应颜色，并获取终端采集的在依次显示对应颜色过程中目标对象的面部视频；
13.微分信号获取单元，用于从所述面部视频中提取各颜色通道颜色强度序列的第一微分信号，并根据各颜色通道对应的第一微分信号获取表征各颜色通道色差的第二微分信号；其中任一颜色通道颜色强度序列为所述面部视频各帧中该颜色通道的颜色强度均值构成的序列；
14.颜色序列预测单元，用于根据各颜色通道对应的第二微分信号，获取面部视频中的颜色序列；
15.判断单元，用于判断面部视频中的颜色序列与所述颜色序列验证码是否匹配，若
所述面部视频中的颜色序列与所述颜色序列验证码匹配，则确定未受到注入攻击，并根据所述面部视频进行人脸活体检测。
16.根据本公开的第三方面，提供了一种电子设备，包括：
17.至少一个处理器；以及
18.与所述至少一个处理器通信连接的存储器；其中，
19.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。
20.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如第一方面所述的方法。
21.根据本公开的第五方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
22.本公开提供的人脸活体检测方法、装置、设备、存储介质及程序产品，通过获取颜色序列验证码，控制终端根据颜色序列验证码依次显示对应颜色，并获取终端采集的在依次显示对应颜色过程中目标对象的面部视频；从面部视频中提取各颜色通道颜色强度序列的第一微分信号，并根据各颜色通道对应的第一微分信号获取表征各颜色通道色差的第二微分信号；其中任一颜色通道颜色强度序列为面部视频各帧中该颜色通道的颜色强度均值构成的序列；根据各颜色通道对应的第二微分信号，获取面部视频中的颜色序列；若面部视频中的颜色序列与颜色序列验证码匹配，则确定未受到注入攻击，并根据面部视频进行人脸活体检测。应用表征各颜色通道色差的第二微分信号来确定面部视频中的颜色序列，可有效抵抗外界环境干扰，提高识别面部视频中的颜色序列的鲁棒性，并且通过面部视频中的颜色序列与颜色序列验证码的匹配可有效防止人脸活体检测过程中的注入攻击，且计算成本较低。
23.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
24.附图用于更好地理解本方案，不构成对本公开的限定。其中：
25.图1为本公开一示例性实施例示出的人脸活体检测方法的流程示意图；
26.图2为本公开一示例性实施例示出的人脸活体检测方法的流程示意图；
27.图3为本公开一示例性实施例示出的分类模型处理过程的示意图；
28.图4为本公开一示例性实施例示出的人脸活体检测方法的流程示意图；
29.图5为本公开一示例性实施例示出的人脸活体检测装置的结构示意图；
30.图6为本公开另一示例性实施例示出的人脸活体检测装置的结构示意图；
31.图7是用来实现本公开实施例的方法的电子设备的框图。
具体实施方式
32.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种
细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
33.人脸活体检测即区分一张图像是否为真人拍摄，是人脸识别系统的基础模块，保证人脸识别系统的安全性。使用深度学习技术的人脸活体检测方法是当前该领域的主流方法，相比传统的方法在精度上有大幅度提升。然而，随着黑客技术的不断提升，对人脸识别系统的攻击不再局限于传统的物理攻击(如纸质打印攻击，屏幕攻击，三维面具攻击等)，黑客技术能够在移动设备采集人脸图像时替换即将上传的人脸图像，称为注入攻击。
34.在一些人脸活体检测方法通常是基于特征二分类的方法中，首先对人脸图像进行特征提取，然后对提取的特征进行二分类，其中特征提取包括有基于传统的手工特征或者基于深度神经网络(cnn，lstm)提取的特征；而二分类方法主要是基于传统机器学习的支持向量机(svm)或者基于神经网络的全连接网络。但是，基于特征二分类的方法仅仅能够抵御传统的物理攻击，当应对黑客技术产生的注入攻击时无能为力。
35.在一些基于主动光抵御注入攻击的方法中，提出了主动光验证码策略的方法，利用屏幕光将光的色度和强度编码到屏幕光中，利用拍摄人脸图像的反光信号回归出色度和强度的梯度，最后根据回归色度和强度的梯度值来校验输入图像是否为注入攻击。基于主动光抵御注入攻击的方法，虽然理论上能够完成准确校验，但由于自然光线变化复杂，反射光的色度和强度容极其易受干扰，且利用图像和二维卷积网络无疑增加了活体检测系统的计算负担，该方法不利于活体检测系统的实际应用。
36.为了解决上述技术问题，本公开实施例提供一种人脸活体检测方法、装置、设备、存储介质及程序产品，应用于人工智能领域中的人脸识别领域，通过获取颜色序列验证码，控制终端根据颜色序列验证码依次显示对应颜色，并获取终端采集的在依次显示对应颜色过程中目标对象的面部视频；从面部视频中提取各颜色通道颜色强度序列的第一微分信号，并根据各颜色通道对应的第一微分信号获取表征各颜色通道色差的第二微分信号；其中任一颜色通道颜色强度序列为面部视频各帧中该颜色通道的颜色强度均值构成的序列；根据各颜色通道对应的第二微分信号，获取面部视频中的颜色序列；若面部视频中的颜色序列与颜色序列验证码匹配，则确定未受到注入攻击，并根据面部视频进行人脸活体检测。其中应用表征各颜色通道色差的第二微分信号来确定面部视频中的颜色序列，可有效抵抗外界环境干扰，提高识别面部视频中的颜色序列的鲁棒性，并且通过面部视频中的颜色序列与颜色序列验证码的匹配可有效防止人脸活体检测过程中的注入攻击，且计算成本较低。
37.图1为本公开一示例性实施例示出的人脸活体检测方法的流程示意图。本公开提供的人脸活体检测方法的执行主体可以为服务器或终端等电子设备，如图1所示，本公开实施例提供的人脸活体检测方法包括：
38.步骤101、获取颜色序列验证码，控制终端根据颜色序列验证码依次显示对应颜色，并获取终端采集的在依次显示对应颜色过程中目标对象的面部视频。
39.其中，颜色序列验证码用于控制终端显示颜色顺序，可选的，颜色序列验证码可以由多位数字构成，每一位数字代表切换一种颜色，不同颜色用不同数字表示，例如0表示红色，1表示绿色，2表示蓝色，若颜色序列验证码为1012，则颜色序列为绿、红、绿、蓝，则可控
制终端屏幕依次显示绿、红、绿、蓝。当然，颜色序列验证码也可以是由文字或者其他形式构成。本实施例中颜色序列验证码可以随机生成或者采用其他方法生成，此处不做限定。
40.可选的，可以在接收到终端的人脸活体验证请求时，生成颜色序列验证码，再将颜色序列验证码发送给终端，由终端根据颜色序列验证码依次显示对应颜色。
41.在终端依次显示对应颜色过程中，可以由终端采集在终端各种颜色光线照射下的目标对象的面部视频，其中若由终端前侧屏幕依次显示颜色，则采用前置摄像头采集目标对象的面部视频。需要说明的是，也可在人脸活体检测过程中指示目标对象做出不同表情或动作，此处可不做限定。
42.步骤102、从面部视频中提取各颜色通道颜色强度序列的第一微分信号，并根据各颜色通道对应的第一微分信号获取表征各颜色通道色差的第二微分信号；
43.其中任一颜色通道颜色强度序列为面部视频各帧中该颜色通道的颜色强度均值构成的序列。
44.其中，在获取到终端采集的在依次显示对应颜色过程中目标对象的面部视频后，可对面部视频进行处理，针对rgb三颜色通道中的每一颜色通道，获取面部视频每一帧中每一颜色通道的颜色强度均值，得到颜色通道的颜色强度序列ir(t)，ig(t)，ib(t)；其中t为时间变量；根据各颜色通道的颜色强度序列，分别获取各颜色通道的颜色强度对时间的微分，得到各颜色通道颜色强度序列的第一微分信号
45.进一步的，根据各颜色通道对应的第一微分信号获取表征各颜色通道色差的第二微分信号，其中，每一颜色通道对应的第二微分信号时根据三颜色特性进行计算，可以充分利用色差的变化率特征，该特征能够很大程度突出颜色序列中每一颜色光分量到的特征，有效抵抗外界环境干扰。
46.可选的，可根据各颜色通道对应的第一微分信号以及每一颜色通道对应的预设色差计算公式，获取表征每一颜色通道色差的第二微分信号，其中任一颜色通道对应的预设色差计算公式为该颜色通道对应的第一微分信号减去其他颜色通道对应的第一微分信号与对应系数之间的乘积。其中系数可以为0。
47.在一种可选实施例中，每一颜色通道对应的预设色差计算公式如下：其中t表示第二微分信号。
48.步骤103、根据各颜色通道对应的第二微分信号，获取面部视频中的颜色序列。
49.其中，在获取到各颜色通道对应的第二微分信号后，可基于各颜色通道对应的第二微分信号来分析色差变化，从而确定面部视频中的颜色变化情况，得到面部视频中的颜色序列，基于第二微分信号获取面部视频中的颜色序列可有效抵抗外界环境干扰，并且计算成本较低。
50.本实施例中可预先训练一个分类模型，其输入为各颜色通道对应的第二微分信号，输出颜色分类。进而可基于预设的分类模型确定面部视频中的颜色变化情况，得到面部视频中的颜色序列。
51.步骤104、若面部视频中的颜色序列与颜色序列验证码匹配，则确定未受到注入攻
击，并根据面部视频进行人脸活体检测。
52.其中，将面部视频中的颜色序列与颜色序列验证码对应的颜色序列进行比较，若一致，则可确定人脸活体检测过程中未收到注入攻击，进而可继续根据面部视频进行人脸活体检测。本实施例中不限制人脸活体检测的具体方法，例如可将面部视频输入活体模型判别返回活体分数，根据活体分数来确定人脸活体检测的结果。
53.本公开实施例提供的人脸活体检测方法，通过获取颜色序列验证码，控制终端根据颜色序列验证码依次显示对应颜色，并获取终端采集的在依次显示对应颜色过程中目标对象的面部视频；从面部视频中提取各颜色通道颜色强度序列的第一微分信号，并根据各颜色通道对应的第一微分信号获取表征各颜色通道色差的第二微分信号；其中任一颜色通道颜色强度序列为面部视频各帧中该颜色通道的颜色强度均值构成的序列；根据各颜色通道对应的第二微分信号，获取面部视频中的颜色序列；若面部视频中的颜色序列与颜色序列验证码匹配，则确定未受到注入攻击，并根据面部视频进行人脸活体检测。其中应用表征各颜色通道色差的第二微分信号来确定面部视频中的颜色序列，可有效抵抗外界环境干扰，提高识别面部视频中的颜色序列的鲁棒性，并且通过面部视频中的颜色序列与颜色序列验证码的匹配可有效防止人脸活体检测过程中的注入攻击，且计算成本较低。
54.图2为本公开一示例性实施例示出的人脸活体检测方法的流程示意图。如图2所示，本公开提供的人脸活体检测方法，包括：
55.步骤201、获取颜色序列验证码，控制终端根据颜色序列验证码依次显示对应颜色，并获取终端采集的在依次显示对应颜色过程中目标对象的面部视频。
56.其中，步骤201可参见上述实施例中步骤s101。本实施例中颜色序列验证码可以随机生成或者采用其他方法生成。
57.此外，若本实施例的执行主体为服务器，则可在终端在接收到终端的人脸活体验证请求时，生成颜色序列验证码，再将颜色序列验证码发送给终端，由终端根据颜色序列验证码依次显示对应颜色，终端在采集各种颜色光线照射下的目标对象的面部视频后可将面部视频发送给服务器，由服务器继续执行下述步骤。若本实施例的执行主体为终端，则由终端获取颜色序列验证码，根据颜色序列验证码依次显示对应颜色，并采集各种颜色光线照射下的目标对象的面部视频，继续在终端执行下述步骤。
58.步骤202、针对任一颜色通道，获取面部视频每一帧中颜色通道的颜色强度均值，得到该颜色通道的颜色强度序列。
59.其中，针对rgb三颜色通道中的每一颜色通道，获取面部视频每一帧中每一颜色通道的颜色强度均值，得到颜色通道的颜色强度序列ir(t)，ig(t)，ib(t)；其中t为时间变量。举例来讲，对于r(红色)通道，对于面部视频的任一帧，统计该帧画面中各像素r通道值的平均数，多帧画面r通道值的平均数即构成r通道颜色强度序列ir(t)。
60.步骤203、根据该颜色通道的颜色强度序列，获取该颜色通道的颜色强度对时间的微分，得到该颜色通道颜色强度序列的第一微分信号。
61.其中，针对rgb三颜色通道中的每一颜色通道，根据各颜色通道的颜色强度序列，分别获取各颜色通道的颜色强度对时间的微分，得到各颜色通道颜色强度序列的第一微分信号
62.步骤204、根据各颜色通道对应的第一微分信号以及每一颜色通道对应的预设色差计算公式，获取表征每一颜色通道色差的第二微分信号；
63.其中，任一颜色通道对应的预设色差计算公式为该颜色通道对应的第一微分信号减去其他颜色通道对应的第一微分信号与对应系数之间的乘积。
64.其中，以上述实施例中的预设色差计算公式为例，可通过该预设色差计算公式获取表征每一颜色通道色差的第二微分信号如下：
[0065][0066]
其中t表示第二微分信号。
[0067]
当然，预设色差计算公式并不限于上述举例，也可以为其他的色差计算公式，尤其是其他颜色通道对应的第一微分信号与对应系数可以根据试验进行确定。
[0068]
步骤205、对各颜色通道对应的第二微分信号基于终端颜色切换时间进行分段。
[0069]
其中，由于第二微分信号利用了色差的变化率特征，为了更充分的分析每次颜色切换时色差变化率情况，因此可将各颜色通道对应的第二微分信号进行分段，每一分段中用来分析一次颜色切换过程色差变化率情况。
[0070]
可选的，以终端每一颜色切换时间作为分段的中心，对各颜色通道对应的第二微分信号进行分段，可以提高确定该分段对应的切换后颜色的准确性。如图3所示，颜色切换时间处于分段的中心位置。需要说明的是，若终端显示每一颜色的时长相等，则可对各颜色通道对应的第二微分信号均匀分段，使颜色切换时间处于分段的中心位置。
[0071]
步骤206、对于任一分段的各颜色通道对应的第二微分信号，通过预设的分类模型确定该分段对应的切换后颜色。
[0072]
在本实施例中，可将任一分段的各颜色通道对应的第二微分信号输入到预先训练的分类模型中，通过分类模型确定在该分段的颜色切换过程中切换后颜色。
[0073]
其中，本实施例中可采用轻量化的分类模型，该分类模型包括：一维卷积层、一维平均池化层、以及三分类的全连接层，如图3所示，可选的，该分类模型包括三层一维卷积层、一层一维平均池化层、以及一层三分类的全连接层。
[0074]
对于任一分段的各颜色通道对应的第二微分信号，可通过一维卷积层提取特征，通过一维平均池化层对特征进行平均池化，通过全连接层进行三分类，确定该分段对应的切换后颜色。可选的，全连接层输出为0、1、2，其中0表示切换后颜色为红色，1表示切换后颜色为绿色，2表示切换后颜色为蓝色。
[0075]
本实施例中，采用轻量化的分类模型对每一分段各颜色通道对应的第二微分信号进行处理，确定分段对应的切换后颜色，相对于直接采用二维卷积网络对视频帧图像直接识别颜色，计算成本较小，并且对第二微分信号进行处理，可以充分利用色差的变化率特征，该特征能够很大程度突出颜色序列中每一颜色光分量到的特征，有效抵抗外界环境干扰，模型鲁棒性较高。
[0076]
在本实施例中，在通过预设的分类模型确定该分段对应的切换后颜色之前，还包括预处理过程，具体包括：
[0077]
对于任一分段的各颜色通道对应的第二微分信号进行线性插值，得到该分段对应的预设长度的输入向量，输入分类模型。通过线性插值，可将每一分段的各颜色通道对应的
第二微分信号控制在固定长度，满足模型输入，例如将每一分段的各颜色通道对应的第二微分信号控制在96位，也即输入分类模型的输入向量为3
×
96。此外，还可对输入向量进行归一化，降低模型计算成本，提高模型处理效率和准确性。
[0078]
步骤207、根据每一分段对应的切换后颜色，得到面部视频中的颜色序列。
[0079]
其中，通过分类模型可以得到每一分段对应的切换后颜色，按照各分段的先后顺序排列，可得到面部视频中的颜色序列。
[0080]
步骤208、将面部视频中的颜色序列与颜色序列验证码进行匹配。
[0081]
其中，将面部视频中的颜色序列与颜色序列验证码对应的颜色序列进行比较，若一致，执行步骤209，否则执行步骤210。
[0082]
步骤209、若面部视频中的颜色序列与颜色序列验证码匹配，则确定未受到注入攻击，并根据面部视频进行人脸活体检测。
[0083]
其中，若面部视频中的颜色序列与颜色序列验证码匹配，则说明面部视频没有被替换，面部视频是实时采集的，人脸活体检测过程未受到注入攻击，可以继续进行人脸活体检测。
[0084]
其中，在继续进行人脸活体检测时，可面部视频输入活体模型判别返回活体分数，根据活体分数来确定人脸活体检测的结果，具体的，若活体分数大于预设阈值，则确定人脸活体检测通过，否则确定人脸活体检测不通过。
[0085]
步骤210、若面部视频中的颜色序列与颜色序列验证码不匹配，则确定受到注入攻击，结束人脸活体检测。
[0086]
其中，若面部视频中的颜色序列与颜色序列验证码不匹配，则说明面部视频可能被替换，面部视频并不是实时采集的，人脸活体检测过程可能受到注入攻击，则结束人脸活体检测，此外还可进行提示。
[0087]
上述实施例提供的人脸活体检测方法，应用表征各颜色通道色差的第二微分信号来确定面部视频中的颜色序列，可有效抵抗外界环境干扰，提高识别面部视频中的颜色序列的鲁棒性，并且通过面部视频中的颜色序列与颜色序列验证码的匹配可有效防止人脸活体检测过程中的注入攻击，且计算成本较低；并且，应用轻量化的分类模型对每一分段各颜色通道对应的第二微分信号进行处理，确定分段对应的切换后颜色，相对于直接采用二维卷积网络对视频帧图像直接识别颜色，计算成本较小。
[0088]
在上述实施例的基础上，其中，如图4所示，每一颜色通道对应的预设色差计算公式通过如下过程获取：
[0089]
步骤401、获取每一颜色通道对应的多个备选色差计算公式，不同的备选色差计算公式中的系数不同。
[0090]
其中，针对于r通道对应的备选色差计算公式可以包括但不限于：
[0091][0091]
等等，其中和对应的系数可以为0或者其他任意数值。g通道和b通道对应的备选色差计算公式与上述r通道类似，为该颜色通道对应的第一微分信号减去其他颜色通道对应的第一微分信号与对应系数
之间的乘积，其中不同的备选色差计算公式中的系数不同。
[0092]
步骤402、从用于测试的面部视频提取各颜色通道颜色强度序列的第一微分信号。
[0093]
其中，可获取用于测试的面部视频，其获取过程可参见步骤101或步骤201，此处不再赘述。在获取到用于测试的面部视频后，可采用步骤202-203的过程提取各颜色通道颜色强度序列的第一微分信号。
[0094]
步骤403、针对任一颜色通道对应的第一微分信号，根据该颜色通道对应的任一备选色差计算公式获取第二微分信号。
[0095]
其中，对于每一个备选色差计算公式，可同步骤204获取对应的第二微分信号。
[0096]
步骤404、对各备选色差计算公式得到的第二微分信号进行可视化显示，选择在颜色切换时间第二微分信号出现跳变的备选色差计算公式，确定为该颜色通道对应的预设色差计算公式。
[0097]
其中，将各备选色差计算公式得到的第二微分信号绘制成曲线图以进行可视化显示，对于同一颜色通道对应的备选色差计算公式的曲线图进行比较，确定哪一备选色差计算公式的得到的第二微分信号在颜色切换时间出现跳变，或者出现的跳变最为明显，将其确定为最终的色差计算公式，可更加突出色差的变化率特征。
[0098]
在上述实施例的基础上，其中分类模型的训练过程可如下所示：
[0099]
获取用于多段训练的面部视频，采用上述步骤202-205的过程获取多个分段的各颜色通道对应的第二微分信号，并标注各分段的颜色切换过程中切换后颜色，作为训练数据，基于训练数据对分类模型进行训练，使得分类模型能够对输入的任一分段的各颜色通道对应的第二微分信号进行处理得到该分段的颜色切换过程中切换后颜色。
[0100]
需要说明的是，上述各实施例中的模型并不是针对某一特定用户的模型，并不能反映出某一特定用户的个人信息。需要说明的是，本实施例中的人脸视频可来自于公开数据集。
[0101]
本公开的技术方案中，所涉及的用户个人人脸图像信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
[0102]
图5为本公开一示例性实施例示出的人脸活体检测装置的结构示意图。
[0103]
如图5所示，本公开提供的人脸活体检测装置500，包括：
[0104]
验证码生成单元510，用于获取颜色序列验证码；
[0105]
视频获取单元520，用于控制终端根据所述颜色序列验证码依次显示对应颜色，并获取终端采集的在依次显示对应颜色过程中目标对象的面部视频；
[0106]
微分信号获取单元530，用于从所述面部视频中提取各颜色通道颜色强度序列的第一微分信号，并根据各颜色通道对应的第一微分信号获取表征各颜色通道色差的第二微分信号；其中任一颜色通道颜色强度序列为所述面部视频各帧中该颜色通道的颜色强度均值构成的序列；
[0107]
颜色序列预测单元540，用于根据各颜色通道对应的第二微分信号，获取面部视频中的颜色序列；
[0108]
判断单元550，用于判断面部视频中的颜色序列与所述颜色序列验证码是否匹配，若所述面部视频中的颜色序列与所述颜色序列验证码匹配，则确定未受到注入攻击，并根据所述面部视频进行人脸活体检测。
[0109]
本实施例提供的人脸活体检测装置，通过获取颜色序列验证码，控制终端根据颜色序列验证码依次显示对应颜色，并获取终端采集的在依次显示对应颜色过程中目标对象的面部视频；从面部视频中提取各颜色通道颜色强度序列的第一微分信号，并根据各颜色通道对应的第一微分信号获取表征各颜色通道色差的第二微分信号；其中任一颜色通道颜色强度序列为面部视频各帧中该颜色通道的颜色强度均值构成的序列；根据各颜色通道对应的第二微分信号，获取面部视频中的颜色序列；若面部视频中的颜色序列与颜色序列验证码匹配，则确定未受到注入攻击，并根据面部视频进行人脸活体检测。其中应用表征各颜色通道色差的第二微分信号来确定面部视频中的颜色序列，可有效抵抗外界环境干扰，提高识别面部视频中的颜色序列的鲁棒性，并且通过面部视频中的颜色序列与颜色序列验证码的匹配可有效防止人脸活体检测过程中的注入攻击，且计算成本较低。
[0110]
图6为本公开另一示例性实施例示出的人脸活体检测装置的结构示意图。
[0111]
如图6所示，本公开提供的人脸活体检测装置600中，所示出的验证码生成单元610与图5所示出的验证码生成单元510相似，视频获取单元620与图5所示出的视频获取单元520相似，微分信号获取单元630与图5所示出的微分信号获取单元530相似，颜色序列预测单元640与图5所示出的颜色序列预测单元540相似，判断单元650与图5所示出的判断单元550相似。
[0112]
其中，所述微分信号获取单元630包括：
[0113]
颜色强度序列获取模块631，用于针对任一颜色通道，获取所述面部视频每一帧中所述颜色通道的颜色强度均值，得到所述颜色通道的颜色强度序列；
[0114]
第一微分信号获取模块632，用于根据所述颜色通道的颜色强度序列，获取所述颜色通道的颜色强度对时间的微分，得到颜色通道颜色强度序列的第一微分信号。
[0115]
其中，所述微分信号获取单元630包括：
[0116]
第二微分信号获取模块633，用于根据各颜色通道对应的第一微分信号以及每一颜色通道对应的预设色差计算公式，获取表征每一颜色通道色差的第二微分信号，其中所述任一颜色通道对应的预设色差计算公式为该颜色通道对应的第一微分信号减去其他颜色通道对应的第一微分信号与对应系数之间的乘积。
[0117]
其中，所述颜色序列预测单元640包括：
[0118]
分段模块641，用于对各颜色通道对应的第二微分信号基于终端颜色切换时间进行分段；
[0119]
颜色分类模块642，用于对于任一分段的各颜色通道对应的第二微分信号，通过预设的分类模型确定该分段对应的切换后颜色；
[0120]
颜色序列确定模块643，用于根据每一分段对应的切换后颜色，得到面部视频中的颜色序列。
[0121]
其中，所述分段模块641具体用于：
[0122]
以终端每一颜色切换时间作为分段的中心，对各颜色通道对应的第二微分信号进行分段。
[0123]
其中，所述颜色序列预测单元640包括还包括：
[0124]
预处理模块644，用于对于任一分段的各颜色通道对应的第二微分信号进行线性插值，得到该分段对应的预设长度的输入向量，输入所述分类模型。
[0125]
其中，所述分类模型包括：一维卷积层、一维平均池化层、以及三分类的全连接层；
[0126]
所述颜色分类模块642具体用于：
[0127]
对于任一分段的各颜色通道对应的第二微分信号，通过所述一维卷积层提取特征，通过所述一维平均池化层对特征进行平均池化，通过所述全连接层进行三分类，确定该分段对应的切换后颜色。
[0128]
其中，所述每一颜色通道对应的预设色差计算公式通过如下过程获取：
[0129]
获取每一颜色通道对应的多个备选色差计算公式，不同的备选色差计算公式中的系数不同；
[0130]
从用于测试的面部视频提取各颜色通道颜色强度序列的第一微分信号；
[0131]
针对任一颜色通道对应的第一微分信号，根据该颜色通道对应的任一备选色差计算公式获取第二微分信号；
[0132]
对各备选色差计算公式得到的第二微分信号进行可视化显示，选择在颜色切换时间第二微分信号出现跳变的备选色差计算公式，确定为该颜色通道对应的预设色差计算公式。
[0133]
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
[0134]
根据本公开的实施例，本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
[0135]
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0136]
如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(rom)702中的计算机程序或者从存储单元708加载到随机访问存储器(ram)703中的计算机程序，来执行各种适当的动作和处理。在ram 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
[0137]
设备700中的多个部件连接至i/o接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0138]
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，
例如人脸活体检测方法。例如，在一些实施例中，人脸活体检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由rom 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到ram 703并由计算单元701执行时，可以执行上文描述的人脸活体检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行人脸活体检测方法。
[0139]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0140]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0141]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0142]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0143]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网
(lan)、广域网(wan)和互联网。
[0144]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0145]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
[0146]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。