人脸活体识别方法、装置、电子设备和存储介质与流程

本发明涉及人脸识别，尤其涉及一种人脸活体识别方法、装置、电子设备和存储介质。

背景技术：

1、人脸活体识别技术已广泛运用在各个领域并以各种形态出现，人脸活体识别算法的复杂性决定了对其运行的硬件平台有着比较高的性能要求。同时由于互联网的广泛使用，web形态的应用软件已成为主流，尤其是随着it国产化的进程中，借助浏览器的通用性，web应用软件成为各行各业软件国产化的最佳移植方案。

2、相关技术中，基于web技术的人脸活体识别技术通常都是在服务器端进行算法运算的，针对配合式活体检测方法，需要将采集的大段的视频数据先发送到服务器端，以供服务器端对视频数据进行检测并返回检测结果至浏览器端。这使得在传输视频数据时会占用大量的网络带宽，服务器端返回检测结果至浏览器端时响应延迟高且不稳定，隐响用户体验和活体识别效率。

技术实现思路

1、本发明提供一种人脸活体识别方法、装置、电子设备和存储介质，用以解决现有技术中在服务器端进行活体检测占用带宽且返回检测结果时响应延迟高且不稳定的问题，实现在浏览器端进行配合式活体检测，以降低对网络带宽的占用，提高活体识别的响应及时性和稳定性，进而提升用户的体验和活体识别效率。

2、本发明提供一种人脸活体识别方法，包括：

3、基于人脸活体识别指令启动浏览器并打开摄像头；

4、基于所述摄像头采集的动作视频数据对识别对象进行活体检测，基于所述活体检测的检测结果确定所述识别对象是否为人脸活体；

5、其中，所述活体检测包括在浏览器端进行的配合式活体检测，对所述识别对象进行所述配合式活体检测所采用的深度学习模型设置在所述浏览器端。

6、根据本发明提供的一种人脸活体识别方法，对所述识别对象进行所述配合式活体检测的方法包括：

7、基于所述摄像头，根据预设的动作指令序列采集所述识别对象的动作视频数据，所述动作指令序列中包括多个动作指令；

8、调用所述动作指令对应的深度学习模型，对采集的所述动作指令对应的所述动作视频数据进行识别检测，确定所述配合式活体检测的检测结果；

9、基于所述配合式活体检测的检测结果确定所述活体检测的检测结果。

10、根据本发明提供的一种人脸活体识别方法，所述基于所述摄像头，根据预设的动作指令序列采集所述识别对象的动作视频数据，包括：

11、按照所述预设的动作指令序列中各所述动作指令的预设顺序，逐步向所述识别对象提示所述动作指令；

12、在提示所述动作指令时或提示所述动作指令后，基于所述摄像头采集所述动作指令对应的所述识别对象的动作视频数据。

13、根据本发明提供的一种人脸活体识别方法，所述调用所述动作指令对应的深度学习模型，对采集的所述动作指令对应的所述动作视频数据进行识别检测，确定所述配合式活体检测的检测结果，包括：

14、按照所述动作指令的预设顺序，针对当前动作指令调用所述当前动作指令对应的深度学习模型，对所述当前动作指令对应的所述动作视频数据进行识别检测；

15、当确定所述当前动作指令对应的所述动作视频数据中的动作与所述当前动作指令不一致时，停止所述配合式活体检测并确定所述配合式活体检测的检测结果为失败；

16、当所述预设的动作指令序列中各所述动作指令对应的所述动作视频数据中的动作与各所述动作指令均一致时，确定所述配合式活体检测的检测结果为通过。

17、根据本发明提供的一种人脸活体识别方法，所述活体检测还包括在所述浏览器端进行的第一静默式活体检测；

18、所述方法还包括：

19、当确定所述配合式活体检测的检测结果为通过时，从所述动作视频数据中选择质量最优的图像帧作为第一检测目标；

20、调用第一静默检测深度学习模型对所述第一检测目标进行识别检测，确定所述第一静默式活体检测的检测结果，所述第一静默检测深度学习模型设置在所述浏览器端；

21、基于所述配合式活体检测的检测结果和所述第一静默式活体检测的检测结果确定所述活体检测的检测结果。

22、根据本发明提供的一种人脸活体识别方法，所述活体检测还包括在服务器端进行的第二静默式活体检测；

23、所述方法还包括：

24、当确定所述第一静默式活体检测的检测结果为通过时，将所述第一检测目标发送至所述服务器端，以供所述服务器端调用第二静默检测深度学习模型对所述第一检测目标进行识别检测，确定所述第二静默式活体检测的检测结果；

25、接收所述服务器端发送的所述第二静默式活体检测的检测结果，基于所述配合式活体检测的检测结果、所述第一静默式活体检测的检测结果和所述第二静默式活体检测的检测结果确定所述活体检测的检测结果。

26、根据本发明提供的一种人脸活体识别方法，还包括：

27、当满足以下任一情况时，向所述识别对象返回检测失败页面和/或重新检测页面：

28、当所述配合式活体检测的检测结果为失败时；

29、当所述第一静默式活体检测的检测结果为失败时；

30、当所述第二静默式活体检测的检测结果为失败时。

31、本发明还提供一种人脸活体识别装置，该装置包括：

32、启动模块，用于基于人脸活体识别指令启动浏览器并打开摄像头；

33、检测模块，用于基于所述摄像头采集的动作视频数据对识别对象进行活体检测，基于所述活体检测的检测结果确定所述识别对象是否为人脸活体；

34、其中，所述活体检测包括在浏览器端进行的配合式活体检测，对所述识别对象进行所述配合式活体检测所采用的深度学习模型设置在所述浏览器端。

35、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述人脸活体识别方法。

36、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述人脸活体识别方法。

37、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述人脸活体识别方法。

38、本发明提供的人脸活体识别方法、装置、电子设备和存储介质，通过设置在浏览器端的深度学习模型直接对识别对象进行配合式活体识别检测，无需将视频数据传输至服务器端，减少的了对网络带宽的占用，并且由于是在浏览器端进行配合式活体检测的，因此在返回检测结果时及时性高，进而提高了用户体验和活体识别效率。进一步的，由于无需在服务器端进行配合式活体识别检测，减少了服务器端的计算压力，因此可以减少在服务器端部署配置的硬件的数量，进而降低服务器端的维护成本。

技术特征：

1.一种人脸活体识别方法，其特征在于，包括：

2.根据权利要求1所述的人脸活体识别方法，其特征在于，对所述识别对象进行所述配合式活体检测的方法包括：

3.根据权利要求2所述的人脸活体识别方法，其特征在于，所述基于所述摄像头，根据预设的动作指令序列采集所述识别对象的动作视频数据，包括：

4.根据权利要求3所述的人脸活体识别方法，其特征在于，所述调用所述动作指令对应的深度学习模型，对采集的所述动作指令对应的所述动作视频数据进行识别检测，确定所述配合式活体检测的检测结果，包括：

5.根据权利要求2至4任一项所述的人脸活体识别方法，其特征在于，所述活体检测还包括在所述浏览器端进行的第一静默式活体检测；

6.根据权利要求5所述的人脸活体识别方法，其特征在于，所述活体检测还包括在服务器端进行的第二静默式活体检测；

7.根据权利要求6所述的人脸活体识别方法，其特征在于，还包括：

8.一种人脸活体识别装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述人脸活体识别方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述人脸活体识别方法。

技术总结
本发明提供一种人脸活体识别方法、装置、电子设备和存储介质，涉及人脸识别技术领域。该方法包括：基于人脸活体识别指令启动浏览器并打开摄像头；基于所述摄像头采集的动作视频数据对识别对象进行活体检测，基于所述活体检测的检测结果确定所述识别对象是否为人脸活体；其中，所述活体检测包括在浏览器端进行的配合式活体检测，对所述识别对象进行所述配合式活体检测所采用的深度学习模型设置在浏览器端。该方法可以降低对网络带宽的占用，提高活体识别的响应及时性和稳定性，进而提升用户的体验和活体识别效率。

技术研发人员：郭雪松,孟凡军,王文灿
受保护的技术使用者：北京海鑫智圣技术有限公司
技术研发日：
技术公布日：2024/1/15