一种视频散斑活体检测方法、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10是本发明实施例中的一种视频散斑活体检测设备的结构示意图。下面参照图10来描述根据本发明的这种实施方式的电子设备600。图10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10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视频散斑活体检测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10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视频散斑活体检测方法的步骤。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视频散斑活体检测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，本实施例对多帧散斑图检测目标对象，检测出连续多帧目标对象后，对感兴趣区域的多个散斑点组成的散斑组计算亮度，构建散斑组的亮度随时间变化的向量，并根据亮度变化向量判断目标对象是否为活体，具有抗干扰能力强、对各类假体都有很好的识别效果的优点。图11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11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)。本实施例对多帧散斑图检测目标对象，检测出连续多帧目标对象后，对感兴趣区域的多个散斑点组成的散斑组计算亮度，构建散斑组的亮度随时间变化的向量，并根据亮度变化向量判断目标对象是否为活体，具有抗干扰能力强、对各类假体都有很好的识别效果的优点。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、利用散斑进行活体识别是一种先进的技术，它基于散斑的特性，通过获取、处理和分析散斑图像，实现对生物体的识别和分类。这种技术具有非接触、高精度和高效率的特点，在医疗、安全、生物认证等领域得到了广泛的应用。

2、在散斑图像的获取过程中，需要使用合适的光源和光学系统，并保证光源和系统的清洁和稳定。通过对散斑图像的处理和分析，可以提取出生物体的特征，并进行分类和识别。散斑技术的优势在于其安全性高、难以复制和非接触式。由于散斑特征是与个体生理结构紧密相关的，因此难以复制和伪造。同时，散斑技术是一种非接触式的生物识别技术，不会对人体造成任何伤害。

3、目前，散斑技术已经在金融、安防、医疗等多个领域得到广泛应用。例如，在金融领域，可以通过散斑技术进行身份验证，提高交易的安全性；在安防领域，可以通过散斑技术进行人员识别，提高安防效率；在医疗领域，可以通过散斑技术进行疾病诊断，提高诊断的准确性。

4、但利用散斑进行活体识别也存在一些挑战，如光照条件、噪声干扰、特征提取和分类器的设计以及应用场景的多样性等。

5、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，本发明对多帧散斑图检测目标对象，检测出连续多帧目标对象后，对感兴趣区域的多个散斑点组成的散斑组计算亮度，构建散斑组的亮度随时间变化的向量，并根据亮度变化向量判断目标对象是否为活体，具有抗干扰能力强、对各类假体都有很好的识别效果的优点。

2、第一方面，本发明提供一种视频散斑活体检测方法，其特征在于，包括：

3、步骤s1：获取待检测视频；

4、步骤s2：将所述待检测视频中的第一帧图像作为待检测帧；

5、步骤s3：对所述待检测帧进行目标检测，判断所述待检测帧中是否包含目标对象；如果是，则定位对目标区域并执行步骤s4，否则，执行步骤s5；

6、步骤s4：将所述待检测帧作为初始帧，利用特征点检测算法提取所述初始帧中的应选特征点，将所述初始帧中定位出的目标区域作为跟踪区域，将所述待检测视频中初始帧的下一帧作为待跟踪帧，并执行步骤s6；

7、步骤s5：将所述待检测视频中的下一帧图像作为待检测帧，并执行步骤s3；

8、步骤s6：利用跟踪算法得到所述待跟踪帧的候选特征点，判断所述待跟踪帧中的应选特征点的数量是否满足第一预设条件，其中，所述应选特征点是所述候选特征点中满足第二预设条件的特征点，其中，所述第二预设条件为与所述待跟踪帧的上一帧中对应的应选特征点的距离小于或者等于s，如果所述待跟踪帧中的应选特征点的数量满足第一预设条件，确定所述待跟踪帧中跟踪到目标对象，根据所述待跟踪帧中的应选特征点的位置确定所述待跟踪帧上的目标区域，并执行步骤s7，否则，确定所述待跟踪帧中未跟踪到目标对象，将所述待跟踪帧的下一帧作为待检测帧，并执行步骤s3；

9、步骤s7：获取所述待跟踪帧上的目标区域中的感兴趣区域，并执行步骤s8；

10、步骤s8：判断跟踪到目标的图像帧的数量是否等于m，如果是，则执行步骤s9，否则，执行步骤s10；

11、步骤s9：在图像帧上将相邻的x个散斑划分为散斑组，并对所述散斑组内计算亮度，对所述散斑组构建亮度随时间变化的向量，得到n个散斑组的亮度变化向量，并执行步骤s11；

12、步骤s10，获取所述待跟踪帧的下一帧，并将所述待跟踪帧的下一帧作为新的待跟踪帧，并执行步骤s6；

13、步骤s11，将所述亮度变化向量作为活体检测分类器的输入，判断所述特征向量表征的m个图像帧中的目标对象是否为活体，其中，所述活体检测分类器是使用预先获取的从真实目标对象和/或攻击目标对象提取得到的特征向量训练得到的。

14、可选地，所述的一种视频散斑活体检测方法，其特征在于，步骤s9中散斑组根据血管分布情况进行划分。

15、可选地，所述的一种视频散斑活体检测方法，其特征在于，步骤s9中散斑组中散斑的数量与目标对象的深度值成反比。

16、可选地，所述的一种视频散斑活体检测方法，其特征在于，步骤s9包括：

17、步骤s91：根据感兴趣区域内的散斑点分布，将固定数量相邻的多个散斑划分散斑组；

18、步骤s92：对m个图像帧中的所述感兴趣区域的散斑组计算亮度，获得所述散斑组的亮度变化向量；

19、步骤s93：对所述感兴趣区域的所有散斑组进行计算，得到n组亮度变化向量，并执行步骤s11。

20、可选地，所述的一种视频散斑活体检测方法，其特征在于，所述活体检测分类器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。

21、可选地，所述的一种视频散斑活体检测方法，其特征在于，在步骤s11中，还将多个散斑组的位置关系与所述亮度变化向量一同作为活体检测分类器的输入。

22、可选地，所述的一种视频散斑活体检测方法，其特征在于，在步骤s11中，根据所述散斑组的位置，对所述亮度变化向量分别赋予不同的权重值。

23、第二方面，本发明提供一种视频散斑活体检测系统，用于实现前述任一项所述的视频散斑活体检测方法，其特征在于，包括：

24、视频模块，用于获取待检测视频；

25、检测帧模块，用于将所述待检测视频中的第一帧图像作为待检测帧；

26、对象检测模块，用于对所述待检测帧进行目标检测，判断所述待检测帧中是否包含目标对象；如果是，则定位对目标区域并执行区域模块，否则，执行第一移动模块；

27、区域模块，用于将所述待检测帧作为初始帧，利用特征点检测算法提取所述初始帧中的应选特征点，将所述初始帧中定位出的目标区域作为跟踪区域，将所述待检测视频中初始帧的下一帧作为待跟踪帧，并执行筛选模块；

28、第一移动模块，用于将所述待检测视频中的下一帧图像作为待检测帧，并执行对象检测模块；

29、筛选模块，用于利用跟踪算法得到所述待跟踪帧的候选特征点，判断所述待跟踪帧中的应选特征点的数量是否满足第一预设条件，其中，所述应选特征点是所述候选特征点中满足第二预设条件的特征点，其中，所述第二预设条件为与所述待跟踪帧的上一帧中对应的应选特征点的距离小于或者等于s，如果所述待跟踪帧中的应选特征点的数量满足第一预设条件，确定所述待跟踪帧中跟踪到目标对象，根据所述待跟踪帧中的应选特征点的位置确定所述待跟踪帧上的目标区域，并执行截取模块，否则，确定所述待跟踪帧中未跟踪到目标对象，将所述待跟踪帧的下一帧作为待检测帧，并执行对象检测模块；

30、截取模块，用于获取所述待跟踪帧上的目标区域中的感兴趣区域，并执行确认模块；

31、确认模块，用于判断跟踪到目标的图像帧的数量是否等于m，如果是，则执行像素模块，否则，执行第二移动模块；

32、散斑组模块，在图像帧上将相邻的x个散斑划分为散斑组，并对所述散斑组内计算亮度，对所述散斑组构建亮度随时间变化的向量，得到n个散斑组的亮度变化向量，并执行判断模块；

33、第二移动模块，用于获取所述待跟踪帧的下一帧，并将所述待跟踪帧的下一帧作为新的待跟踪帧，并执行筛选模块；

34、判断模块，用于将所述亮度变化向量作为活体检测分类器的输入，判断所述特征向量表征的m个图像帧中的目标对象是否为活体，其中，所述活体检测分类器是使用预先获取的从真实目标对象和/或攻击目标对象提取得到的特征向量训练得到的。

35、第三方面，本发明提供一种视频散斑活体检测设备，其特征在于，包括：

36、处理器；

37、存储器，其中存储有所述处理器的可执行指令；

38、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视频散斑活体检测方法的步骤。

39、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视频散斑活体检测方法的步骤。

40、与现有技术相比，本发明具有如下的有益效果：

41、本发明利用多帧散斑图之间的变化进行活体检测，利用了散斑在不同深度、不同材质表面的效果不同，并且随时间变化的特性也不同，判断目标对象是否为活体，比利用单个散斑特性或单帧散斑图进行活体识别具有更好的效果，同时由于是多帧散斑间的对比，对于高仿的三维假体(如高仿真硅胶手模、橡胶手模等)具有更好的识别效果。

42、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。

43、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。