活体检测方法、装置、设备及计算机可读存储介质与流程

本申请实施例涉及活体检测，具体涉及一种活体检测方法、装置、设备及计算机可读存储介质。

背景技术：

1、随着当今社会高速发展，在人们生产生活的方方面面都离不开数据的获取与设备的交互，许多常见的设备都设置有传感器或交互装置，以便于数据的获取或与用户实现交互。

2、然而，在一些情况下，许多设备难以保证数据的获取对象或交互的对象是活体的用户，当由于环境活动或物品与交互设备误交互，或是所获取到的数据错误地包含了其他物体的数据时，则可能影响用户的交互体验和所获取到的数据的准确性，例如，不法分子制作假指纹通过指纹验证、面部识别设备误将照片识别为真人、移动监测设备误将桌子的触碰信号作为用户的身体数据进行记录等，因此，在数据获取或交互的过程中加入活体检测方法是现在常用的手段。

3、现在常见的活体检测方法往往通过将原始的信号转换为人体信号后，再进行活体的判断，然而，由于经过转换后的信号有可能会出现数据失真，亦或是由于环境噪声的干扰，使得非活体的信号在经过转换后有可能呈现出与活体一致的数据特征，容易出现误判，导致活体检测的结果不准确。

技术实现思路

1、鉴于上述问题，本申请实施例提供了一种活体检测方法、装置、设备及计算机可读存储介质，用于解决现有的活体检测判断不够准确的问题。

2、根据本申请实施例的一个方面，提供了一种活体检测方法，包括：获取原始ppg数据；对原始ppg数据进行特征提取，得到第一ppg特征；将第一ppg特征输入学习模型中，得到活体判断结果；学习模型根据样本ppg数据进行机器学习得到，样本ppg数据为来自活体的ppg数据。

3、在一种可选的方式中，将第一ppg特征输入学习模型中，得到活体判断结果之前，活体检测方法还包括：获取样本ppg数据；对样本ppg数据进行特征提取，得到第二ppg特征；通过机器学习算法对第二ppg特征进行模型训练，得到学习模型。

4、在一种可选的方式中，通过机器学习算法对第二ppg特征进行模型训练，得到学习模型，包括：通过神经网络算法对第二ppg特征进行模型训练，得到学习模型。

5、在一种可选的方式中，对原始ppg数据进行特征提取，得到第一ppg特征之前，活体检测方法还包括：获取样本运动数据；通过机器学习算法对样本运动数据进行模型训练，得到运动判断模型；获取目标运动数据；将目标运动数据输入运动判断模型，以判断目标运动数据所表征的运动状态是否为静止；若判断为是，则执行对原始ppg数据进行特征提取，得到第一ppg特征的步骤；若判断为否，则去除原始ppg数据的运动伪迹，得到第一精确ppg数据；对原始ppg数据进行特征提取，得到第一ppg特征，包括：对第一精确ppg数据进行特征提取，得到第一ppg特征。

6、在一种可选的方式中，对第一精确ppg数据进行特征提取，得到第一ppg特征之前，活体检测方法还包括：判断目标运动数据所表征的运动状态是否剧烈；若判断为是，则执行以下步骤：获取三轴加速度数据；对三轴加速度数据进行特征提取，得到加速度特征；判断加速度特征是否符合人类动作；若是，则执行对原始ppg数据进行特征提取，得到第二ppg特征的步骤。

7、在一种可选的方式中，对原始ppg数据进行特征提取，得到第一ppg特征之前，活体检测方法还包括：去除原始ppg数据的基线漂移，得到第二精确ppg数据；对原始ppg数据进行特征提取，得到第一ppg特征，包括：对第二精确ppg数据进行特征提取，得到第一ppg特征。

8、在一种可选的方式中，去除原始ppg数据的基线漂移，得到第二精确ppg数据，包括：通过双向线性滤波算法对原始ppg数据进行处理，得到预处理ppg数据；将原始ppg数据与预处理ppg数据的差作为第二精确ppg数据。

9、根据本申请实施例的另一方面，提供了一种活体检测装置，包括：第一获取模块、第一提取模块和第一模型输入模块。第一获取模块用于获取原始ppg数据；第一提取模块用于对原始ppg数据进行特征提取，得到第一ppg特征；第一模型输入模块用于将第一ppg特征输入学习模型中，得到活体判断结果。

10、根据本申请实施例的另一方面，提供了一种活体检测设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；存储器用于存放至少一程序，程序使处理器执行如上任意一项的活体检测方法的操作。

11、根据本申请实施例的又一方面，提供了一种计算机可读存储介质，存储介质中存储有可执行指令，可执行指令使活体检测设备执行如上任意一项的活体检测方法的操作。

12、上述说明仅是本申请实施例技术方案的概述，为了能够更清楚了解本申请实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本申请实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

技术特征：

1.一种活体检测方法，其特征在于，包括：

2.根据权利要求1所述的活体检测方法，其特征在于，所述将所述第一ppg特征输入学习模型中，得到活体判断结果之前，所述活体检测方法还包括：

3.根据权利要求2所述的活体检测方法，其特征在于，所述通过机器学习算法对所述第二ppg特征进行模型训练，得到所述学习模型，包括：

4.根据权利要求1所述的活体检测方法，其特征在于，所述对所述原始ppg数据进行特征提取，得到第一ppg特征之前，所述活体检测方法还包括：

5.根据权利要求4所述的活体检测方法，其特征在于，所述对所述第一精确ppg数据进行特征提取，得到所述第一ppg特征之前，所述活体检测方法还包括：

6.根据权利要求4所述的活体检测方法，其特征在于，所述对所述原始ppg数据进行特征提取，得到第一ppg特征之前，所述活体检测方法还包括：

7.根据权利要求6所述的活体检测方法，其特征在于，所述去除所述原始ppg数据的基线漂移，得到第二精确ppg数据，包括：

8.一种活体检测装置，其特征在于，包括：

9.一种活体检测设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有可执行指令，所述可执行指令在活体检测设备上运行时，使得活体检测设备执行如权利要求1-7任意一项所述的活体检测方法的操作。

技术总结
本申请实施例涉及活体检测技术领域，公开了一种活体检测方法、装置、设备及计算机可读存储介质，通过在获取待检测目标的原始的PPG数据后，直接对PPG数据进行特征提取，并将提取到的特征输入由大量活体PPG数据预先训练得到的学习模型中进行判断，学习模型根据原始的PPG数据的特征得到活体判断结果，降低了数据失真的概率，判断结果更加准确。

技术研发人员：杨昆鹏,林昭国,章哲宇,孙青,李文全
受保护的技术使用者：深圳市研祥潜动科技有限公司
技术研发日：
技术公布日：2024/3/31