脸打卡器。所述活体检测系统20中包括光源模块21、图像捕获模块22和活体检测模块23。具体地，在图3所示的活体检测系统20中，所述光源模块21包括第一光源301和第二光源302。可以控制第一光源301和第二光源302分别开启以照射待检测对象30的脸部。如图3所示，第一光源301和第二光源302可以设置于所述图像捕获模块22的外围且与所述图像捕获模块22为一体结构。进一步地，在本发明的一个优选实施例中，所述第一光源301和第二光源302相对于所述图像捕获模块22对称设置。所述第一光源301和第二光源302发射照射光线以照射待检测对象的脸部，例如照射嘴唇、面颊、鼻子等。所示图像捕获模块22捕获经由所述第一光源301和第二光源302照射时的待检测对象的脸部的图像。所示活体检测模块23确定所述待检测对象是否为活体。
[0050]图4是进一步图示根据本发明实施例的第一示例的待检测差图像获取的流程图。根据本发明实施例的第一示例的待检测差图像获取包括以下步骤。
[0051]在步骤S401中，开启第一光源301。此后，处理进到步骤S402。
[0052]在步骤S402中，捕获经由第一光源301照射时的待检测对象的第一图像。在本发明的一个实施例中，所述第一图像在像素点(x，y)的第一像素值为Il (x，y)。此后，处理进到步骤S403。
[0053]在步骤S403中，关闭第一光源301，开启第二光源302。此后，处理进到步骤S404。
[0054]在步骤S404中，捕获经由第二光源302照射时的待检测对象的第二图像。在本发明的一个实施例中，所述第二图像在像素点(x，y)的第二像素值为12(x，y)。此后，处理进到步骤S405。
[0055]在步骤S405中，基于第一图像和第二图像，计算差图像。在本发明的一个实施例中，利用表达式(I)计算所述第一图像和所述第二图像在像素点(x，y)的差图像J(x，y)，
[0056]J(x, y) = [II (x, y)-12(x, y)]/[Il (x, y)+I2(x, y)+eps] (I)
[0057]其中，eps为非零常数以避免表达式(I)中出现分母为O的情况。
[0058]在本发明的另一实施例中，利用表达式(2)计算所述第一图像和所述第二图像在像素点(X，y)的差图像J(X，y)，
[0059]J (x, y) = [II (x, y) /A(x, y)-12 (x, y) /B(x, y) ]/[Il (x, y)/A(x, y)+I2 (x, y) /B(x, y) +eps] (2)
[0060]其中，eps为非零常数，A(x，y)和B(x，y)为预先设置的补偿图像。所述补偿图像用于补偿由于光源的亮度、待检测对象的距离不同所引起的偏差。
[0061]经由上述步骤S401到S405获取的差图像J(x，y)将提供给活体检测模块23执行活体检测。
[0062]图5是进一步图示根据本发明实施例的第二示例的待检测差图像获取的流程图。根据本发明实施例的第二示例的待检测差图像获取包括以下步骤。
[0063]在步骤S501中，开启第一光源301。此后，处理进到步骤S502。
[0064]在步骤S502中，捕获经由第一光源301照射时的待检测对象的第一图像。在本发明的一个实施例中，所述第一图像在像素点(x，y)的第一像素值为Il (x，y)。此后，处理进到步骤S503。
[0065]在步骤S503中，关闭第一光源301，开启第二光源302。此后，处理进到步骤S504。
[0066]在步骤S504中，捕获经由第二光源302照射时的待检测对象的第二图像。在本发明的一个实施例中，所述第二图像在像素点(x，y)的第二像素值为12(x，y)。此后，处理进到步骤S505。
[0067]在步骤S505中，关闭第一光源301和第二光源302。此后，处理进到步骤S506。
[0068]在步骤S506中，捕获无光源照射时的待检测对象的第三图像。在本发明的一个实施例中，所述第三图像在像素点(X，y)的第三像素值为I3(x，y)。此后，处理进到步骤S507。
[0069]在步骤S507中，基于第一图像、第二图像和第三图像，计算差图像。
[0070]在本发明的一个实施例中，利用表达式(3)计算所述第一图像、第二图像和第三图像在像素点(x，y)的差图像J(x，y)，
[0071]J (x, y) = [I I (x, y) -12 (x, y) ] / [I I (χ, y) +12 (χ, y) -13 (χ, y) X 2+eps] (3)
[0072]其中，eps为非零常数以避免表达式⑶中出现分母为O的情况。
[0073]在本发明的另一实施例中，利用表达式(4)计算所述第一图像、第二图像和第三图像在像素点(X，y)的差图像J(X，y)，
[0074]J (x, y) = [ (I I (x, y) -13 (x, y)) /A (x, y) -12 (x, y) -13 (x, y)) /B (x, y) ] /[(Il (χ, y)-13(x, y))/A (χ, y) + (I2(x, y)-13(x, y))/B (x, y) +eps](4)
[0075]其中，eps为非零常数，A(x，y)和B(x，y)为预先设置的补偿图像。所述补偿图像用于补偿由于光源的亮度、待检测对象的距离不同所引起的偏差。
[0076]经由上述步骤S501到S507获取的差图像J(x, y)将提供给活体检测模块23执行活体检测。
[0077]图6是进一步图示根据本发明实施例的基于待检测差图像的活体检测的流程图。在经由图4所示的第一示例或图5所示的第二示例获取待检测差图像之后，由活体检测模块23基于所述待检测差图像执行活体检测。基于待检测差图像的活体检测的流程包括以下步骤。
[0078]在步骤S601中，基于第一图像或第二图像，确定多个图像中的人脸区域。例如，使用预先训练好的人脸检测器(诸如Haar Cascade)来获取脸部。此后，处理进到步骤S602。
[0079]在步骤S602中，提取差图像对应于人脸区域的值，作为待检测图像。在本发明的一个实施例中，提取获取的差图像J(x，y)中对应于人脸区域的值，并且将其缩放到固定的大小，作为待检测图像。此后，处理进到步骤S603。
[0080]在步骤S603中，基于待检测图像获得检测值。在本发明的一个实施例中，将待检测图像输入预先训练的图像分类器，所述图像分类器生成并且输出对应于所述待检测图像的所述检测值。在本发明的一个实施例中，所述图像分类器可以是预先训练好的卷积神经网络(CNN)。此后，处理进到步骤S604。
[0081]在步骤S604中，判断在步骤S603中获得差图像的检测值是否大于预定阈值。所述预定阈值是预先以大量人脸图像作为正样本以及以照片、视频回放、纸片面具以及3D模型图像作为负样本，使用深度学习，支撑向量机等统计学习方法所确定设置的。例如，在本发明的一个实施例中，所述预定阈值可以设为0.5。
[0082]如果在步骤S604中获得肯定结果，即差图像的检测值大于预定阈值，则处理进到步骤S605。在步骤S605中，确定待检测对象为活体。
[0083]相反地，如果在步骤S604中获得否定结果，即差图像的检测值不大于预定阈值，则处理进到步骤S606。在步骤S606中，确定待检测对象为非活体。
[0084]图7是图示根据本发明实施例的活体检测系统的示意性框图。如图7所示，根据本发明实施例的活体检测系统7包括:处理器71、存储器72、以及在所述存储器72的中存储的计算机程序指令73。
[0085]所述计算机程序指令73在所述处理器71运行时可以实现根据本发明实施例的活体检测系统的各个功能模块的功能，并且/或者可以执行根据本发明实施例的活体检测方法的各个步骤。
[0086]具体地，在所述计算机程序指令73被所述处理器71运行时执行以下步骤:获取使用布置在不同的位置的至少两个光源中的每一个光源照射时待检测对象的脸部的多个图像，计算所述多个图像之间的差图像；获得所述差图像的检测值，如果所述检测值大于预定阈值，则确定所述待检测对象为活体。
[0087]根据本发明实施例的活体检测系统中的各模块可以通过根据本发明实施例的视频检测系统中的处理器运行在存储器中存储的计算机程序指令来实现，或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。
[0088]所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合，例如一个计算机可读存储介质包含用于随机地生成动作指令序列的计算机可读的程序代码，另一个计算机可读存储介质包含用于进行人脸活动识别的计算机可读的程序代码。
[0089]所述计算机可读存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(⑶-ROM)、USB存储器、或者上述存储介质的任意组入口 ο
[0090]在上面详细描述的本发明的示例实施例仅仅是说明性的，而不是限制性的。本领域技术人员应该理解，在不脱离本发明的原理和精神的情况下，可对这些实施例进行各种修改，组合或子组合，并且这样的修改应落入本发明的范围内。
【主权项】
1.一种活体检测方法，包括: 分别使用布置在不同的位置的至少两个光源中的每一个光源照射待检测对象的脸部； 捕获经由所述每一个光源照射时的