一种生物信息活体识别方法、系统、设备及存储介质与流程

所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。图11是本发明实施例中的一种生物信息活体识别设备的结构示意图。下面参照图11来描述根据本发明的这种实施方式的电子设备600。图11显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图11所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述一种生物信息活体识别方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图1中所示的步骤。存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图11中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储平台等。本发明实施例中还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现的一种生物信息活体识别方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述一种生物信息活体识别方法部分中描述的根据本发明各种示例性实施方式的步骤。如上所示，本实施例在散斑图上检测目标区域，获得多个散斑与相邻散斑的亮度关系，进而利用多个散斑的亮度关系、散斑亮度与形状的关系判断目标对象是否为活体，具有识别速度快、适应性强、生物信息活体识别效果好、算力要求低的优点。图12是本发明实施例中的计算机可读存储介质的结构示意图。参考图12所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。本实施例在散斑图上检测目标区域，获得多个散斑与相邻散斑的亮度关系，进而利用多个散斑的亮度关系、散斑亮度与形状的关系判断目标对象是否为活体，具有识别速度快、适应性强、生物信息活体识别效果好、算力要求低的优点。本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

背景技术：

1、激光散斑是指激光在散射体表面的漫反射或通过一个透明散射体(如毛玻璃)时，在散射表面或附近的光场中可以观察到一种无规分布的亮暗斑点，这种斑点称为激光散斑。

2、人体的皮肤内部结构复杂，其中的毛细血管遍布皮肤内表面，皮肤的真皮层内包含多种复杂皮肤组织(如：神经纤维、皮脂腺、毛囊、汗腺等)，是典型的各向异性材料，而目前很难将攻击假体做成具有和真人皮肤相似的各向异性特性，目前市面可见的攻击假体基本上由均质材料制成。由于真人皮肤和攻击假体的在不同方向上的材质均匀性不同，而激光散斑具有较强的穿透性能，光束会穿透角质层和皮下组织，角质层的厚度、形态、皮下组织内的发色团等因素都会影响光的散射和吸收现象，这导致真人皮肤和攻击假体对于激光散斑吸收和反射的光学特性存在显著差异。

3、活体判定算法是对人体生物图像，如人脸图像、手掌图像、瞳孔图像、指纹图像等，进行识别之前的重要一环，在进行识别之前，算法需要判断所要识别的图像属于活体真人的图像，需要抵挡打印照片，电子视频，3d手模等非真人活体图像的攻击。目前常用的手掌活体算法有:基于rgb的手掌活体算法,基于近红外活体算法以及基于深度手掌活体算法。对于一些特别逼真或者和真人特别接近的攻击假体(比如3d硅胶手套,3d硅胶手模等)基于近红外或者rgb的活体算法很容易出现误判,而基于深度的活体算法能够抵挡2d假体攻击,但是对于3d类别的假体攻击(比如3d硅胶手套,3d手模等等)往往是无能为力。因此，本发明所提出的基于散斑图的活体判定方法,作为上述已有方法的补充,抓住了假体攻击材质和真人皮肤的本质特性区别,对于各类不同假体均具有良好的抵挡能力,能够很好的弥补上述已有活体判定算法的不足。

4、以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本技术的新颖性和创造性。

技术实现思路

1、为此，本发明在散斑图上检测目标区域，获得多个散斑与相邻散斑的亮度关系，进而利用多个散斑的亮度关系、散斑亮度与形状的关系判断目标对象是否为活体，具有识别速度快、适应性强、生物信息活体识别效果好、算力要求低的优点。

2、第一方面，本发明提供一种生物信息活体识别方法，其特征在于，包括：

3、步骤s1：获取散斑图，并检测到目标区域；所述目标区域是包含生物信息的区域；

4、步骤s2：识别所述目标区域上的多个散斑及散斑亮度；

5、步骤s3：计算每个散斑与相邻散斑的亮度关系；

6、步骤s4：根据多个散斑的所述亮度关系、所述散斑亮度与形状的关系判断目标对象是否为活体。

7、可选地，所述的一种生物信息活体识别方法，其特征在于，步骤s1包括：

8、步骤m11:采集散斑图像；

9、步骤m12:对采集到的散斑图像进行预处理；

10、步骤m13:从预处理后的散斑图像中提取特征；

11、步骤m14:将提取到的特征与已知的目标区域进行匹配；

12、步骤m15:将匹配结果输出。

13、可选地，所述的一种生物信息活体识别方法，其特征在于，步骤s2包括：

14、步骤s21：根据边缘检测算法检测所述散斑图中的边缘，得到每个散斑的位置；

15、步骤s22：对所述边缘进行膨胀和腐蚀操作，得到每个散斑的精确位置；

16、步骤s23：对每个散斑进行位置标记，确定在图像中的具体位置；

17、步骤s24：根据每个散斑的具体位置，计算每个散斑的平均亮度值及亮度分布比重。

18、可选地，所述的一种生物信息活体识别方法，其特征在于，步骤s3包括：

19、步骤s31：根据每个散斑的位置，在距离约束下，找到多个相邻散斑；

20、步骤s32：根据所述散斑与所述相邻散斑的最大亮度的差值向量相乘，得到所述散斑的高差值向量；

21、步骤s33：根据所述散斑与所述相邻散斑的平均亮度的差值向量相乘，得到所述散斑的均差值向量。

22、可选地，所述的一种生物信息活体识别方法，其特征在于，在步骤s4中采用深度学习模型判断目标对象是否为活体，所述深度学习模型在训练时的神经网络包括：第一反向残差模块、第一池化层、第二反向残差模块、第二池化层、第三反向残差模块、第一叠加层、第三池化层、第四反向残差模块、第二叠加层、第四池化层、第五反向残差模块、第三卷积层、第五池化层、随机丢弃层、分类器、第一卷积层、第二卷积层；其中，所述第一反向残差模块输出到所述第一池化层和所述第一卷积层，所述第一卷积层和所述第三反向残差模块输入所述第一叠加层，所述第二反向残差模块输出到所述第二卷积层和所述第二池化层，所述第二卷积层和所述第四反向残差模块输入所述第二叠加层；所述分类器输出活体概率和假体概率。

23、可选地，所述的一种生物信息活体识别方法，其特征在于，步骤s4包括：

24、步骤t41：统计多个散斑的所述亮度关系，如果符合预设条件，执行步骤t42，否则判定为假体；

25、步骤t42：统计散斑的所述平均亮度与所述形状的关系，如果符合预设条件，执行步骤t43，否则判定为假体；

26、步骤t43：统计散斑的所述亮度分布比重与所述形状的关系，如果符合预设条件，判定为活体，否则判定为假体。

27、可选地，所述的一种生物信息活体识别方法，其特征在于，步骤s4包括：

28、步骤s41：统计所述散斑亮度与形状的关系，如果符合预设条件，执行步骤s42,否则判定为假体；

29、步骤s42：统计所述高差值向量的分布，获得大于第一阈值的散斑数量m；

30、步骤s43：如果m大于第二阈值，执行步骤s44，否则判定为假体；

31、步骤s44：统计所述均差值向量的分布，获得大于第三阈值的散斑数量n；

32、步骤s45：如果n大于第四阈值，判定为活体，否则判定为假体。

33、第二方面，本发明提供一种生物信息活体识别系统，用于实现前述任一项所述的生物信息活体识别方法，其特征在于，包括：

34、获取模块，用于获取散斑图，并检测到目标区域；所述目标区域是包含生物信息的区域；

35、识别模块，用于识别所述目标区域上的多个散斑及散斑亮度；

36、计算模块，用于计算每个散斑与相邻散斑的亮度关系；

37、判断模块，用于根据多个散斑的所述亮度关系、所述散斑亮度与形状的关系判断目标对象是否为活体。

38、第三方面，本发明提供一种生物信息活体识别设备，其特征在于，包括：

39、处理器；

40、存储器，其中存储有所述处理器的可执行指令；

41、其中，所述处理器配置为经由执行所述可执行指令来执行前述中任意一项所述生物信息活体识别方法的步骤。

42、第四方面，本发明提供一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现前述任意一项所述生物信息活体识别方法的步骤。

43、与现有技术相比，本发明具有如下的有益效果：

44、本发明利用散斑图直接进行活体检测，利用了散斑在不同深度、不同材质表面的效果不同，根据多个散斑之间的亮度关系与形态，判断目标对象是否为活体，比利用单个散斑特性进行活体识别具有更好的效果，同时因为是多个散斑间的对比，也可以更好地识别三维假体的攻击。

45、本发明可以对三维硅胶手模，三维塑料手模，三维橡胶手模，三维硅胶套，二维平面假手做出假体的判断,能够有效的抓住活体真人手和攻击假体的本质特征,对于各类攻击假体具有广泛的抵挡作用。

46、本发明可以有效的降低环境光照给算法所带来的影响,在白天黑夜以及各种极端光照之下,能够稳定的工作而不受影响。