人脸识别方法、电子设备及存储介质与流程

本申请涉及人脸识别，特别是人脸识别方法、电子设备及存储介质。

背景技术：

1、人脸活体的识别在身份验证的场景中使用的非常常见，尤其在金融业务场景中，如银行账户开户、交易、贷款等，都需要人脸识别来协助验证身份，以保证远程业务的安全可靠，避免因他人假冒而造成用户的财产损失。

2、现有的人脸识别技术有动作活检、静默活体检测、脸部炫光活体检测等，但是现有的人脸识别技术因为存在较为固定的操作流程，容易被利用假人脸图像完成线上人脸识别，安全性较差。

技术实现思路

1、本申请提供一种人脸识别方法、电子设备及存储介质，可以提高人脸识别的安全性。

2、为了解决上述技术问题，本申请采用的一个技术方案是：提供一种人脸识别方法，包括：获取多个人脸图像以及每一人脸图像对应的深度图像；获取每一人脸图像中的第一嘴部区域图像，并利用第一嘴部区域图像在人脸图像对应的深度图像中确定第二嘴部区域图像；将第一嘴部区域图像输入至口型分类模型，得到第一嘴部区域对应的目标口型；以及将第二嘴部区域图像输入至活体识别模型，得到活体检测结果；响应于目标口型和活体检测结果符合预设要求，确定人脸图像对应的目标对象是活体。

3、其中，获取多个人脸图像以及每一人脸图像对应的深度图像，包括：提示至少两个预设文字；采集目标对象读取至少两个预设文字过程中的多个人脸图像以及每一人脸图像对应的深度图像。

4、其中，至少两个预设文字至少对应两种口型。

5、其中，获取每一人脸图像中的第一嘴部区域图像，包括：对每一人脸图像进行关键点识别，得到若干关键点；从若干关键点中确定出属于嘴部的关键点；根据嘴部的关键点确定出第一嘴部区域图像。

6、其中，将第一嘴部区域图像输入至口型分类模型，得到第一嘴部区域对应的目标口型，包括：将第一嘴部区域图像输入至口型分类模型，得到第一嘴部区域对应的所有口型的概率值；将最大概率值对应的口型作为目标口型。

7、其中，将第一嘴部区域图像输入至口型分类模型，得到第一嘴部区域对应的所有口型的概率值，包括：将第一嘴部区域图像中关键点的坐标信息输入至口型分类模型，得到第一嘴部区域对应的所有口型的概率值。

8、其中，利用第一嘴部区域图像在人脸图像对应的深度图像中确定第二嘴部区域图像，包括：获取第一嘴部区域的位置信息；在深度图像中确定出与位置信息对应的目标区域，并将目标区域对应的图像确定为第二嘴部区域图像。

9、其中，将第二嘴部区域图像输入至活体识别模型，得到活体检测结果，包括：随机获取预设数量的第二嘴部区域图像；将预设数量的第二嘴部区域图像输入至活体识别模型，得到每一第二嘴部区域图像对应的活体概率值；对多个活体概率值进行平均，基于平均活体概率值确定活体检测结果。

10、其中，活体识别模型包括注意力机制层和多个顺次连接的网络层，注意力机制层连接在部分相邻网络层之间，用于对相邻网络层中的前一网络层输出的特征进行通道加权。

11、其中，网络层中包括多个不同大小的卷积核；第一大小的卷积核用于提取全局特征，第二大小的卷积核用于提取纹理特征，第一大小的卷积核大于第二大小的卷积核。

12、其中，响应于目标口型和活体检测结果符合预设要求，确定人脸图像对应的目标对象是活体，包括：响应于目标口型属于预设口型，以及响应于活体检测结果显示为活体，确定人脸图像对应的目标对象是活体。

13、为了解决上述技术问题，本申请采用的另一技术方案是：提供一种电子设备，该电子设备包括图像采集单元，以及与图像采集单元耦接的存储器和处理器，其中，图像采集单元用于采集多个人脸图像以及每一人脸图像对应的深度图像，存储器用于存储计算机程序，处理器用于执行所述计算机程序以实现上述的人脸识别方法。

14、为了解决上述技术问题，本申请采用的另一技术方案是：提供一种计算机可读储存介质，该计算机可读储存介质用于存储计算机程序，计算机程序在被处理器执行时用于实现上述的人脸识别方法。

15、本申请的有益效果是：区别于现有技术，本申请提供的人脸识别方法通过获取每一人脸图像中的第一嘴部区域图像，并利用第一嘴部区域图像在人脸图像对应的深度图像中确定第二嘴部区域图像，进而对第一嘴部区域图像进行口型预测，以及对第二嘴部区域图像进行活体预测，在两个预测都符合预设要求时，可以确定人脸图像对应的目标对象是活体，通过上述方式提高人脸识别的安全性，进而提高人脸识别的准确率。

技术特征：

1.一种人脸识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取多个人脸图像以及每一人脸图像对应的深度图像，包括：

3.根据权利要求2所述的方法，其特征在于，所述至少两个预设文字至少对应两种口型。

4.根据权利要求1所述的方法，其特征在于，所述获取每一人脸图像中的第一嘴部区域图像，包括：

5.根据权利要求1所述的方法，其特征在于，所述将所述第一嘴部区域图像输入至口型分类模型，得到所述第一嘴部区域对应的目标口型，包括：

6.根据权利要求5所述的方法，其特征在于，所述将所述第一嘴部区域图像输入至口型分类模型，得到所述第一嘴部区域对应的所有口型的概率值，包括：

7.根据权利要求1所述的方法，其特征在于，所述利用所述第一嘴部区域图像在所述人脸图像对应的所述深度图像中确定第二嘴部区域图像，包括：

8.根据权利要求1所述的方法，其特征在于，所述将所述第二嘴部区域图像输入至活体识别模型，得到活体检测结果，包括：

9.根据权利要求8所述的方法，其特征在于，所述活体识别模型包括注意力机制层和多个顺次连接的网络层，所述注意力机制层连接在部分相邻网络层之间，用于对相邻网络层中的前一网络层输出的特征进行通道加权。

10.根据权利要求9所述的方法，其特征在于，所述网络层中包括多个不同大小的卷积核；第一大小的卷积核用于提取全局特征，第二大小的卷积核用于提取纹理特征，所述第一大小的卷积核大于所述第二大小的卷积核。

11.根据权利要求1-10任一项所述的方法，其特征在于，所述响应于所述目标口型和所述活体检测结果符合预设要求，确定所述人脸图像对应的目标对象是活体，包括：

12.一种电子设备，其特征在于，所述电子设备包括图像采集单元，以及与所述图像采集单元耦接的存储器和处理器，所述图像采集单元用于采集多个人脸图像以及每一人脸图像对应的深度图像，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序以实现权利要求1-11任一项所述的方法。

13.一种计算机可读储存介质，其特征在于，所述计算机可读储存介质用于存储计算机程序，所述计算机程序在被处理器执行时用于实现权利要求1-11任一项所述的方法。

技术总结
本申请公开了一种人脸识别方法、电子设备及存储介质，人脸识别方法包括：获取多个人脸图像以及每一人脸图像对应的深度图像；获取每一人脸图像中的第一嘴部区域图像，并利用第一嘴部区域图像在人脸图像对应的深度图像中确定第二嘴部区域图像；将第一嘴部区域图像输入至口型分类模型，得到第一嘴部区域对应的目标口型；以及将第二嘴部区域图像输入至活体识别模型，得到活体检测结果；响应于目标口型和活体检测结果符合预设要求，确定人脸图像对应的目标对象是活体。通过上述方式，本申请提供的人脸识别方法可以提高活体检测效率，且增强了人脸识别被破解的防御能力。

技术研发人员：梁俊杰
受保护的技术使用者：平安银行股份有限公司
技术研发日：
技术公布日：2024/1/12