脸部检测方法、装置、电子设备和计算机可读介质与流程

本公开的实施例涉及计算机技术领域，具体涉及脸部检测方法、装置、电子设备和计算机可读介质。

背景技术：

为了提高人脸识别体验感、减少依靠使用者动作配合来检测活体，研究出一种活体检测技术—静默活体检测。静默活体检测无需目标对象进行繁琐的脸部动作，只需要上述目标对象实时拍摄一张图像，即可进行真人活体校验。对上述目标对象通过显示器播放的人脸视频能进行严格校验识别，防止视频回放攻击。

但是，仅仅对目标图像进行静默活体检测还存在精准度较低和安全性较差的问题。

技术实现要素：

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了脸部检测方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种脸部检测方法，该方法包括：基于预先获取的图像，确定目标图像中目标生物体的脸部姿态是否正常；响应于确定上述脸部姿态正常，确定是否需要对上述目标图像进行静默活体检测；响应于确定需要对上述目标图像进行静默活体检测，对上述目标图像进行静默活体检测，得到第一检测分数；基于上述第一检测分数，确定上述目标图像是否为拍摄设备拍摄上述目标生物体得到的。

第二方面，本公开的一些实施例提供了一种脸部检测方法，装置包括：第一确定单元，被配置成基于预先获取的图像，确定目标图像中目标生物体的脸部姿态是否正常；第二确定单元，被配置成响应于确定上述脸部姿态正常，确定是否需要对上述目标图像进行静默活体检测；检测单元，被配置成响应于确定需要对上述目标图像进行静默活体检测，对上述目标图像进行静默活体检测，得到检测分数；第三确定单元，被配置成基于上述检测分数，确定上述目标图像是否为拍摄设备拍摄上述目标生物体得到的图像。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。

本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，基于预先获取的图像，确定目标图像中目标生物体的脸部姿态是否正常。可以保证待进行静默活体检测的上述目标图像中的脸部姿态是正常的。然后，响应于确定上述脸部姿态正常，可以确定是否对上述目标图像进行静默活体检测。响应于上述目标图像需要进行静默活体检测。进而，对上述目标对象进行静默活体检测，得到的第一检测分数用于准确的确定出上述目标图像是否由拍摄设备拍摄上述目标生物体得到的。该脸部检测方法可以通过上述目标图像中目标生物体的脸部姿态和对该目标图像进行静默活体检测，来精准、快捷的确定出该目标图像是否为拍摄设备拍摄上述目标生物体得到的。进而，侧面提高了目标生物体的脸部检测的安全性。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是本公开的一些实施例的脸部检测方法的一个应用场景图的示意图；

图2是根据本公开的脸部检测方法一些实施例的流程图；

图3是根据本公开的脸部检测方法的另一些实施例的流程图；

图4是根据本公开的脸部检测方法的一些实施例的确定第二全局数值的示意图；

图5是根据本公开的脸部检测方法的一些实施例的脸部姿态不正常时的应用场景图；

图6是根据本公开的脸部检测方法的一些实施例的结构示意图；

图7是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是根据本公开的一些实施例的脸部检测方法的一个应用场景的示意图100。

如图1所示，电子设备101根据预先获取的图像102，确定目标图像103中目标生物体的脸部姿态是否正常。然后，响应于确定上述脸部姿态正常，上述电子设备101可以确定是否需要对上述目标图像103进行静默活体检测。作为示例，确定是否将上述目标图像103输入至静默活体检测网络104中。然后，响应于确定需要对上述目标图像103进行静默活体检测，对上述目标图像103进行静默活体检测，得到第一检测分数105。作为示例，上述第一检测分数105可以是0.3或0.9。最后，通过上述第一检测分数105，确定上述目标图像103是否为拍摄设备拍摄上述目标生物体得到的。作为示例，响应于设置的阈值为0.5，上述第一检测分数105可以是0.3，则确定上述目标图像103不是拍摄设备拍摄上述目标生物体得到的。作为另一个示例，响应于设置的阈值为0.5，上述第一检测分数105可以是0.9，则确定上述目标图像103为拍摄设备拍摄上述目标生物体得到的。

需要说明的是，脸部检测方法可以是由电子设备101来执行。上述电子设备101可以是硬件，也可以是软件。当电子设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当电子设备101体现为软件时，可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的电子设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的电子设备。

继续参考图2，示出了根据本公开的脸部检测方法的一些实施例的流程200。该脸部检测方法，包括以下步骤：

步骤201，基于预先获取的图像，确定目标图像中目标生物体的脸部姿态是否正常。

在一些实施例中，脸部检测方法的执行主体(例如图1所示的电子设备101)可以通过预先获取的图像，确定目标图像中目标生物体的脸部姿态是否正常。其中，上述目标图像可以是待确定目标生物体姿态的图像。上述目标生物体的脸部姿态可以是脸部各位置的倾斜角度。作为示例，基于预先获取的图像，可以通过接收人工输入的姿态对比结果信息来确定上述目标图像中目标生物体的脸部姿态是否正常。

在一些实施例的一些可选的实现方式中，上述预先获取的图像是上述图像中的生物体的脸部特征满足预先设定条件的生物体图像。其中，上述预先设定条件可以包括但不限于以下至少一项：脸部的倾斜度小于预定倾斜度数，脸部的嘴巴张合程度小于预定大小。

在这些实现方式中，基于预先获取的图像，确定目标图像中目标生物体的脸部姿态是否正常可以包括以下步骤：

第一步，确定上述获取的图像中目标生物体的脸部姿态。作为示例，首先，可以提取上述获取的图像的关键点。然后，可以通过表征脸部关键点与目标生物体的脸部姿态的对应关系的表与上述关键点相对比来确定上述获取的图像中生物体的脸部姿态。实践中，可以将上述预先获取的目标图像输入至预先训练的脸部关键点提取网络，得到上述脸部关键点。其中，上述脸部关键点提取网络可以是以下之一：vgg(visualgeometrygroup)网络，深度残差网络(deepresidualnetwork,resnet)。

第二步，确定上述图像中生物体的脸部姿态与上述目标图像中目标生物体的脸部姿态之间的相似度。作为示例，上述执行主体可以首先上述目标图像中目标生物体的第二脸部关键点。然后，可以通过查看对应特征图的方式来确定上述第一脸部关键点对应的第一坐标和上述第二脸部关键点对应的第二坐标。最后，求取上述第一坐标和上述第二坐标的余弦值作为上述相似度。

第三步，响应于上述相似度小于预先设定的第四阈值，确定目标图像中目标生物体的脸部姿态是正常的。

需要说明的是，与通过接收人工输入的姿态对比结果信息来确定上述目标图像中目标生物体的脸部姿态是否正常的方法相对比，求解相似度，进而确定上述目标图像中目标生物体的脸部姿态是否正常的方法更为精准、有效。

步骤202，响应于确定上述脸部姿态正常，确定是否需要对上述目标图像进行静默活体检测。

在一些实施例中，响应于确定上述脸部姿态正常，上述执行主体可以确定是否需要对上述目标图像进行静默活体检测。其中，上述静默活体检测可以无需用户进行繁琐的脸部动作，只需要要求用户实时拍摄一张图像，即可进行真人活体校验。对用户通过显示器播放的人脸视频能进行严格校验识别，防止视频回放攻击。作为示例，首先，可以依照预定数目帧数的间隔选取目标生物体图像集合中的图像。然后，对选取的图像进行标记，得到标记图像集合。响应于上述目标图像是别选取的图像之一以及确定上述脸部姿态正常，确定需要对上述目标图像进行静默活体检测。其中，标记图像可以是待检测的图像。

在一些实施例的一些可选的实现方式中，上述响应于确定上述脸部姿态正常，确定是否需要对上述目标图像进行静默活体检测可以包括以下步骤：

第一步，响应于确定上述脸部姿态正常，确定在上述目标图像之前获取的图像集合中是否存在已标定图像。其中，上述已标定图像是已通过静默活体检测的图像。

第二步，响应于确定上述图像集合中包括上述已标定图像，确定不需要对上述目标图像进行静默活体检测。

第三步，响应于确定上述图像集合中不包括上述已标定图像，确定需要对上述目标图像进行静默活体检测。

需要说明的是，响应于执行目标生物体脸部识别任务的图像进行了静默活体检测，无论是否通过了静默活体检测，都不再执行其他识别任务。

进而，响应于确定上述脸部姿态正常，通过确定上述图像集合包不包括上述已标定图像来确定需不需要对上述目标图像进行静默活体检测可以极大地减少运行计算量，缩短执行目标生物体识别任务的时长。

可选的，响应于确定不需要对上述目标图像进行静默活体检测，对上述目标图像进行其他识别操作。其中，上述识别操作可以包括但不限于以下至少一项：眨眼操作，摇头操作，点头操作。

步骤203，响应于确定需要对上述目标图像进行静默活体检测，对上述目标图像进行静默活体检测，得到第一检测分数。

在一些实施例中，响应于确定需要对上述目标图像进行静默活体检测，上述执行主体可以对上述目标图像进行静默活体检测，得到第一检测分数。

作为示例，首先，可以通过多任务级联卷积神经网络(mtcnn，multi-taskconvolutionalneuralnetwork)提取上述目标图像的目标生物体框。然后，根据将上述目标生物体框对应的图像输入至预先训练的多层循环神经网络中，得到上述第一检测分数。

步骤204，基于上述第一检测分数，确定上述目标图像是否为拍摄设备拍摄上述目标生物体得到的。

在一些实施例中，上述执行主体可以基于上述第一检测分数，确定上述目标图像是否为拍摄设备拍摄上述目标生物体得到的。其中，上述表格信息包括上述目标图像是否为拍摄设备拍摄上述目标生物体得到的分数标准。

在一些实施例的一些可选的实现方式中，基于上述第一检测分数，确定上述目标图像中目标生物体是否为上述目标对象可以是：响应于上述第一检测分数不小于上述第一阈值，确定上述目标图像是由拍摄设备拍摄上述目标生物体得到的。

由上述这些实施例可以得到，首先，基于预先获取的图像，确定目标图像中目标生物体的脸部姿态是否正常。可以保证待进行静默活体检测的上述目标图像中的脸部姿态是正常的。然后，响应于确定上述脸部姿态正常，可以确定是否对上述目标图像进行静默活体检测。响应于上述目标图像需要进行静默活体检测。进而，对上述目标对象进行静默活体检测，得到的第一检测分数用于准确的确定出上述目标图像是否由拍摄设备拍摄上述目标生物体得到的。该脸部检测方法可以通过上述目标图像中目标生物体的脸部姿态和对该目标图像进行静默活体检测，来精准、快捷的确定出该目标图像是否为拍摄设备拍摄上述目标生物体得到的。进而，侧面提高了目标生物体的脸部检测的安全性。

继续参考图3，示出了根据本公开的脸部检测方法的另一些实施例的流程300。该脸部检测方法，包括以下步骤：

步骤301，基于预先获取的图像，确定目标图像中目标生物体的脸部姿态是否正常。

步骤302，响应于确定上述脸部姿态正常，确定是否需要对上述目标图像进行静默活体检测。

步骤303，响应于确定需要对上述目标图像进行静默活体检测，对上述目标图像进行静默活体检测，得到第一检测分数。

步骤304，基于上述第一检测分数，确定上述目标图像是否为拍摄设备拍摄上述目标生物体得到的。

在一些实施例中，步骤301-304的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-204，在此不再赘述。

步骤305，响应于确定上述目标图像中目标生物体的脸部姿态异常，对上述目标图像进行静默活体检测，得到第二检测分数。

在一些实施例中，响应于确定上述目标图像中目标生物体的脸部姿态异常，上述执行主体可以对上述目标图像进行静默活体检测，得到第二检测分数。

作为示例，响应于确定上述目标图像中目标生物体的脸部姿态异常，上述执行主体可以对上述目标图像进行静默活体检测，得到第二检测分数可以包括以下步骤：

第一步，响应于确定上述目标图像中目标生物体的脸部姿态异常，上述执行主体可以将上述目标图像输入至预先训练的目标生物体脸部检测网络中，得到目标生物体脸部框。其中，上述目标生物体脸部检测网络可以是以下之一：ssd(singleshotmultiboxdetector)算法，r-cnn(region-convolutionalneuralnetworks)算法，fastr-cnn(fastregion-convolutionalneuralnetworks)算法，spp-net(spatialpyramidpoolingnetwork)算法，yolo(youonlylookonce)算法，fpn(featurepyramidnetworks)算法，dcn(deformableconvnets)算法，retinanet目标检测算法。

第二步，提取上述目标生物体脸部框对应的图像的特征。作为示例，可以利用surf(speededuprobustfeatures，加速稳健特征)算法网络提取上述目标生物体脸部框对应的图像的特征。

第三步，将上述提取的特征输入至预先训练的全连接网络，得到上述第二检测分数。

步骤306，响应于上述第二检测分数大于或等于预先设定的第一阈值，基于上述第二检测分数和第一全局数值，确定第二全局数值。

在一些实施例中，响应于上述第二检测分数大于或等于预先设定的第一阈值，上述执行主体可以根据上述检测分数和第一全局数值，确定第二全局数值。其中，图像集合中的图像是在上述目标图像之前获取的。上述第一全局数值是基于与上述图像集合对应的检测分数集合得到的。

作为示例，如图4所示，示出了一些实施例中确定第二全局数值的示意图。上述图像集合包括第一图像402和第二图像405。第一图像402经过静默活体检测后，得到第一图像对应的检测分数403。在这里，初始分数401是将上述预先获取的图像对应的检测分数，可以将上述初始分数401设置为1。进而，可以通过初始分数401乘以第一权重的结果加上上述第一图像对应的检测分数403乘以第二权重的结果来得到第一图像对应的全局数值404。其中，上述第一权重加上上述第二权重的结果可以是1。上述第一图像对应的检测分数的数值大于上述预先设定的第一阈值。第二图像405经过静默活体检测后，得到第二图像对应的检测分数406。进而，可以通过第一图像对应的全局数值404乘以上述第一权重的结果加上上述第二图像对应的检测分数406乘以上述第二权重的结果来得到第二图像对应的全局数值407作为上述第一全局数值。目标图像408经过静默活体检测后，得到目标图像对应的检测分数409。进而，可以通过第二图像对应的全局数值407乘以上述第一权重的结果加上上述目标图像对应的检测分数409乘以上述第二权重的结果来得到第三图像对应的全局数值410作为上述第二全局数值。

步骤307，响应于上述第二全局数值小于或等于预先设定的第二阈值，确定上述目标图像是由拍摄设备拍摄上述目标生物体得到的。

在一些实施例中，响应于上述第二全局数值小于或等于预先设定的第二阈值，上述执行主体则可以认为上述目标图像是由拍摄设备拍摄上述目标生物体得到的。

如图5所示，示出了目标图像中目标生物体的脸部姿态不正常时的应用场景图500。

作为示例，电子设备501可以通过预先获取的图像502，确定目标图像503中目标生物体的脸部姿态是否正常。然后，响应于确定上述目标图像503中目标生物体的脸部姿态异常，对上述目标图像503进行静默活体检测，得到第二检测分数505。作为示例，将上述目标图像103输入至静默活体检测网络504中，得到第二检测分数505。然后，响应于上述第二检测分数505大于或等于预先设定的第一阈值，基于上述第二检测分数505和第一全局数值506，确定第二全局数值507。作为示例，上述第二检测分数505可以是0.8，上述第一阈值可以是0.5，上述第一全局数值506可以是0.6。可选的，上述第二检测分数505大于上述第一阈值，则上述第二检测分数505乘以第一数值的结果加上上述第一全局数值506乘以第二数值的结果为0.72。其中，上述第一数值可以是0.6，上述第二数值可以是0.4。最后，响应于上述第二全局数值507小于或等于预先设定的第二阈值，确定上述目标图像是由拍摄设备拍摄上述目标生物体得到的。

从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的生物体脸部检测的流程300更加突出了上述目标图像中目标生物体的脸部姿态出现异常时，确定上述目标图像是否由拍摄设备拍摄上述目标生物体得到的具体步骤。由此，这些实施例描述的方案通过全局数值来更为有效、精准的对上述目标生物体的脸部姿态进行限制。

继续参考图6，作为对上述各图上述方法的实现，本公开提供了一种脸部检测方法的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，一些实施例的脸部检测方法600包括：第一确定单元601、第二确定单元602、检测单元603和第三确定单元604。其中，第一确定单元601，被配置成基于预先获取的图像，确定目标图像中目标生物体的脸部姿态是否正常。第二确定单元602，被配置成响应于确定上述脸部姿态正常，确定是否需要对上述目标图像进行静默活体检测。检测单元603，被配置成响应于确定需要对上述目标图像进行静默活体检测，对上述目标图像进行静默活体检测，得到检测分数。第三确定单元604，被配置成基于上述检测分数，确定上述目标图像是否为拍摄设备拍摄上述目标生物体得到的图像。

在一些实施例的一些可选实现方式中，装置600还可以包括：第四确定单元、第五确定单元和第六确定单元(图中未示出)。其中，第四确定单元可以被配置成响应于确定上述目标图像中目标生物体的脸部姿态异常，对上述目标图像进行静默活体检测，得到检测分数。第五确定单元可以被配置成响应于上述检测分数大于或等于预先设定的第一阈值，基于上述检测分数和第一全局数值，确定第二全局数值，其中，上述第一全局数值是基于与上述目标图像之前获取的图像集合对应的检测分数集合来确定的。第六确定单元可以被配置成响应于上述第二全局数值小于或等于预先设定的第二阈值，确定上述目标图像是由拍摄设备拍摄上述目标生物体得到的。

在一些实施例的一些可选的实现方式中，第二确定单元602可以进一步被配置成：响应于确定上述脸部姿态正常，确定在上述目标图像之前获取的检测图像集合中是否存在已标定图像，其中，上述已标定图像是已通过静默活体检测的图像；响应于确定上述检测图像集合中包括上述已标定图像，确定不需要对上述目标图像进行静默活体检测；响应于确定上述检测图像集合中包括上述已标定图像，确定需要对上述目标图像进行静默活体检测。

在一些实施例的一些可选的实现方式中，第二确定单元602可以进一步被配置成：响应于确定不需要对上述目标图像进行静默活体检测，对上述目标图像进行其他识别操作。

在一些实施例的一些可选的实现方式中，第三确定单元604可以进一步被配置成：响应于上述检测分数不小于上述第一阈值，确定上述目标图像是由拍摄设备拍摄上述目标生物体得到的。

在一些实施例的一些可选的实现方式中，预先获取的图像是上述图像中的生物体的脸部特征满足预先设定条件的生物体图像。第一确定单元603可以进一步被配置成：确定上述获取的图像中目标生物体的脸部姿态；确定上述图像中目标生物体的脸部姿态与上述目标图像中目标生物体的脸部姿态之间的相似度；响应于上述相似度小于预先设定的第三阈值，确定上述目标图像是由拍摄设备拍摄上述目标生物体得到的。

可以理解的是，该装置600中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置600及其中包含的单元，在此不再赘述。

下面参考图7，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的电子设备)700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储装置708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。

通常，以下装置可以连接至i/o接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从rom702被安装。在该计算机程序被处理装置701执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机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。而在本公开的一些实施例中，计算机可读信号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，其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、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。计算机可读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：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如http(hypertexttransferprotocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，adhoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：基于预先获取的图像，确定目标图像中目标生物体的脸部姿态是否正常；响应于确定上述脸部姿态正常，确定是否需要对上述目标图像进行静默活体检测；响应于确定需要对上述目标图像进行静默活体检测，对上述目标图像进行静默活体检测，得到检测分数；基于上述检测分数，确定上述目标图像是否为拍摄设备拍摄上述目标生物体得到的。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一确定单元、第二确定单元、检测单元和第三确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一确定单元还可以被描述为“基于预先获取的图像，确定目标图像中目标生物体的脸部姿态是否正常的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。

根据本公开的一个或多个实施例，提供了一种脸部检测方法，包括：基于预先获取的图像，确定目标图像中目标生物体的脸部姿态是否正常；响应于确定上述脸部姿态正常，确定是否需要对上述目标图像进行静默活体检测；响应于确定需要对上述目标图像进行静默活体检测，对上述目标图像进行静默活体检测，得到检测分数；基于上述检测分数，确定上述目标图像是否为拍摄设备拍摄上述目标生物体得到的。

根据本公开的一个或多个实施例，上述方法还包括：响应于确定上述目标图像中目标生物体的脸部姿态异常，对上述目标图像进行静默活体检测，得到检测分数；响应于上述检测分数大于或等于预先设定的第一阈值，基于上述检测分数和第一全局数值，确定第二全局数值，其中，上述第一全局数值是基于与上述目标图像之前获取的图像集合对应的检测分数集合来确定的；响应于上述第二全局数值小于或等于预先设定的第二阈值，确定上述目标图像是由拍摄设备拍摄上述目标生物体得到的。

根据本公开的一个或多个实施例，上述响应于确定上述脸部姿态正常，确定是否需要对上述目标图像进行静默活体检测，包括：响应于确定上述脸部姿态正常，确定在上述目标图像之前获取的检测图像集合中是否存在已标定图像，其中，上述已标定图像是已通过静默活体检测的图像；响应于确定上述检测图像集合中包括上述已标定图像，确定不需要对上述目标图像进行静默活体检测；响应于确定上述检测图像集合中包括上述已标定图像，确定需要对上述目标图像进行静默活体检测。

根据本公开的一个或多个实施例，上述响应于确定在上述目标图像之前的检测图像集合中存在上述已标定图像，确定不需要对上述目标图像进行静默活体检测之后，还包括：响应于确定不需要对上述目标图像进行静默活体检测，对上述目标图像进行其他识别操作。

根据本公开的一个或多个实施例，上述基于上述检测分数，确定上述目标图像中目标生物体是否为上述目标对象，包括：响应于上述检测分数不小于上述第一阈值，确定上述目标图像是由拍摄设备拍摄上述目标生物体得到的。

根据本公开的一个或多个实施例，上述预先获取的图像是上述图像中的生物体的脸部特征满足预先设定条件的生物体图像；以及上述基于预先获取的图像，确定目标图像中目标生物体的脸部姿态是否正常，包括：确定上述获取的图像中目标生物体的脸部姿态；确定上述图像中目标生物体的脸部姿态与上述目标图像中目标生物体的脸部姿态之间的相似度；响应于上述相似度小于预先设定的第三阈值，确定上述目标图像是由拍摄设备拍摄上述目标生物体得到的。

根据本公开的一个或多个实施例，提供了一种脸部检测方法，包括：第一确定单元，被配置成基于预先获取的图像，确定目标图像中目标生物体的脸部姿态是否正常；第二确定单元，被配置成响应于确定上述脸部姿态正常，确定是否需要对上述目标图像进行静默活体检测；检测单元，被配置成响应于确定需要对上述目标图像进行静默活体检测，对上述目标图像进行静默活体检测，得到检测分数；第三确定单元，被配置成基于上述检测分数，确定上述目标图像是否为拍摄设备拍摄上述目标生物体得到的图像。

根据本公开的一个或多个实施例，装置还可以包括：第四确定单元、第五确定单元和第六确定单元(图中未示出)。其中，第四确定单元可以被配置成响应于确定上述目标图像中目标生物体的脸部姿态异常，对上述目标图像进行静默活体检测，得到检测分数。第五确定单元可以被配置成响应于上述检测分数大于或等于预先设定的第一阈值，基于上述检测分数和第一全局数值，确定第二全局数值，其中，上述第一全局数值是基于与上述目标图像之前获取的图像集合对应的检测分数集合来确定的。第六确定单元可以被配置成响应于上述第二全局数值小于或等于预先设定的第二阈值，确定上述目标图像是由拍摄设备拍摄上述目标生物体得到的。

根据本公开的一个或多个实施例，第二确定单元可以进一步被配置成：响应于确定上述脸部姿态正常，确定在上述目标图像之前获取的检测图像集合中是否存在已标定图像，其中，上述已标定图像是已通过静默活体检测的图像；响应于确定上述检测图像集合中包括上述已标定图像，确定不需要对上述目标图像进行静默活体检测；响应于确定上述检测图像集合中包括上述已标定图像，确定需要对上述目标图像进行静默活体检测。

根据本公开的一个或多个实施例，第二确定单元可以进一步被配置成：响应于确定不需要对上述目标图像进行静默活体检测，对上述目标图像进行其他识别操作。

根据本公开的一个或多个实施例，第四确定单元可以进一步被配置成：响应于上述检测分数不小于上述第一阈值，确定上述目标图像是由拍摄设备拍摄上述目标生物体得到的。

根据本公开的一个或多个实施例，预先获取的图像是上述图像中的生物体的脸部特征满足预先设定条件的生物体图像。第一确定单元可以进一步被配置成：确定上述获取的图像中目标生物体的脸部姿态；确定上述图像中目标生物体的脸部姿态与上述目标图像中目标生物体的脸部姿态之间的相似度；响应于上述相似度小于预先设定的第三阈值，确定上述目标图像是由拍摄设备拍摄上述目标生物体得到的。

根据本公开的一个或多个实施例，提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述任一实施例描述的方法。

根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如上述任一实施例描述的方法。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。