生物体防伪识别方法、装置、设备及存储介质与流程

1.本技术涉及计算机与互联网技术领域，特别涉及一种生物体防伪识别方法、装置、设备及存储介质。


背景技术：

2.目前，人脸识别在人脸核身技术中起到非常重要的作用。在相关技术中，通过对采集到的待处理视频文件中的各个图像帧逐帧进行人脸识别，确定该待处理视频文件中是否存在包含人脸的图像帧。若待处理视频文件中存在包含人脸的图像帧，则确定该待处理处理中包括人脸。
3.然而，上述相关技术中，需要对待处理视频文件中的所有图像帧进行人脸识别，处理开销大。


技术实现要素：

4.本技术实施例提供了一种生物体防伪识别方法、装置、设备及存储介质，能够减少计算机设备的处理开销，提高针对待检测生物体的检测效率。所述技术方案如下：
5.根据本技术实施例的一个方面，提供了一种生物体防伪识别方法，所述方法包括：
6.获取包含有待检测生物体的待处理视频文件，所述待处理视频文件中包括含有所述待检测生物体的至少一个图像帧；
7.对所述待处理视频文件进行分帧处理，得到初始图像帧序列，所述初始图像帧序列中包含多个图像帧；
8.对所述初始图像帧序列进行无效图像帧识别和去除处理，得到有效图像帧序列；
9.对所述有效图像帧序列中的图像帧进行定量采样处理，获取额定数量的图像帧，得到待处理图像帧序列；
10.采用预训练好的生物体防伪识别模型对所述待处理图像帧序列中的所述待检测生物体进行防伪识别处理，得到所述待检测生物体的防伪识别结果。
11.根据本技术实施例的一个方面，提供了一种生物体防伪识别装置，所述装置包括：
12.视频获取模块，用于获取包含有待检测生物体的待处理视频文件，所述待处理视频文件中包括含有所述待检测生物体的至少一个图像帧；
13.视频分帧模块，用于对所述待处理视频文件进行分帧处理，得到初始图像帧序列，所述初始图像帧序列中包含多个图像帧；
14.图像去除模块，用于对所述初始图像帧序列进行无效图像帧识别和去除处理，得到有效图像帧序列；
15.图像采样模块，用于从所述有效图像帧序列中采样获取额定数量的图像帧，得到待处理图像帧序列；
16.生成识别模块，用于采用预训练好的生物体防伪识别模型对所述待处理图像帧序列中的所述待检测生物体进行防伪识别处理，得到所述待检测生物体的防伪识别结果。
17.根据本技术实施例的一个方面，本技术实施例提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述生物体防伪识别方法。
18.根据本技术实施例的一个方面，本技术实施例提供了一种计算机可读存储介质，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述生物体防伪识别方法。
19.根据本技术实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述生物体防伪识别方法。
20.本技术实施例提供的技术方案可以带来如下有益效果：
21.通过从待处理视频文件中采样获取额定数量的图像帧来获取待处理图像帧序列，且该待处理图像帧序列用于确定待处理视频文件中是否包含待检测生物体，也就是说，计算机设备在确定待处理视频文件中是否包含待检测生物体时，不需要对整个待处理视频文件进行处理，只需要待处理视频文件中的部分图像帧即可确定待处理视频文件是否包含待检测生物体，减少计算机设备的处理开销，提高针对待检测生物体的检测效率；而且，额定数量的图像帧是从待处理视频文件的有效图像帧序列中采样获取的，有效图像帧序列是从待处理视频文件的图像帧中去除无效图像帧获取的，且无效图像帧包括位于初始图像帧序列的头部和尾部的图像帧，从待处理视频文件的中间部分获取额定数量的图像帧，去除头部和尾部不准确的图像帧，保证获取的待处理图像帧序列的准确性，进而有效地保证针对待检测生物体的检测结果的准确性。
附图说明
22.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
23.图1是本技术一个实施例提供的视频处理系统的示意图；
24.图2是本技术一个实施例提供的生物体防伪识别方法的流程图；
25.图3是本技术另一个实施例提供的生物体防伪识别方法的流程图；
26.图4示例性示出了一种生物体防伪识别方法的示意图；
27.图5示例性示出了一种生物体防伪识别方法的流程的示意图；
28.图6是本技术一个实施例提供的生物体防伪识别装置的框图；
29.图7是本技术另一个实施例提供的生物体防伪识别装置的框图；
30.图8是本技术一个实施例提供的计算机设备的结构框图。
具体实施方式
31.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
32.请参考图1，其示出了本技术一个实施例提供的一种视频处理系统的示意图。该视频处理系统可以包括图像采集设备10和图像处理设备20。
33.图像采集设备10用于获取环境中的图像，生成视频文件。其中，图像采集设备10可以是诸如摄像头、摄像机或人脸扫描仪等电子设备，本技术实施例对此不作限定。可选地，图像采集设备10可以设置在现实场景中，不同场景中图像采集设备10的数量可以相同，也可以不同。在本技术实施例中，图像采集设备10可以实时或按照一定的时间间隔，从环境中采集图像，生成待处理视频文件，并将该待处理视频文件发送至图像处理设备20。
34.图像处理设备20用于确定待处理视频文件中是否包含待检测生物体。其中，图像处理设备20是指具备对数据进行处理功能的电子设备，如手机、平板电脑、pc(personal computer，个人计算机)或服务器等，本技术实施例对此不作限定。在本技术实施例中，图像处理设备20在获取上述待处理视频文件之后，从该待处理视频文件中提取待处理图像帧序列，并基于该待处理图像帧序列确定待处理视频文件中是否包含待检测生物体。可选地，图像处理设备20可以获取多个图像采集设备10发送的待处理视频文件，本技术实施例对此不作限定。
35.可选地，上述图像采集设备10与上述图像处理设备20之间通过网络进行连接。当然，在示例性实施例中，图像采集设备10与图像处理设备20可以是同一台设备，如手机、刷脸支付终端等，本技术实施例对此不作限定。
36.下面，将结合几个实施例对本技术技术方案进行详细的介绍说明。
37.请参考图2，其示出了本技术一个实施例提供的生物体防伪识别方法的流程图。该方法可应用于计算机设备中，该计算机设备可以是图1所示视频处理系统的图像处理设备20中。该方法可以包括以下几个步骤(201～204)：
38.步骤201，获取包含有待检测生物体的待处理视频文件。
39.待处理视频文件包括由多个图像帧组成的视频。其中，该待处理视频文件中可以包括含有待检测生物体的至少一个图像帧。可选地，在待处理视频文件中，不同的图像帧可以包括相同待检测生物体，也可以包括不同待检测生物体，当然，同一图像帧也可以包括不同的待检测生物体，本技术实施例对此不作限定。在待处理视频文件中包括多个待检测生物体的情况下，计算机设备可以在待处理视频文件的各个图像帧中，对不同的待检测生物体采用不同的标记，如对第一待检测生物体采用绿色矩形框标记、对第二待检测生物体采用红色矩形框标记。
40.在本技术实施例中，计算机设备通过图像采集设备获取包含有待检测生物体的待处理视频文件。其中，该图像采集设备可以是独立于计算机设备的，与计算机设备通过网络连接的电子设备；或者，该图像采集设备也可以是直接镶嵌设置在该计算机设备中的图像采集组件，本技术实施例对此不作限定。
41.在一种可能的实施方式中，计算机设备实时获取上述待处理视频文件。可选地，图像采集设备从环境中收集图像帧并生成待处理视频文件之后，实时将该待处理视频文件发送至计算机设备，进一步地，由计算机设备对该待处理视频文件进行处理，确定待处理视频
文件中是否包含待检测生物体。
42.在另一种可能的实施方式中，计算机设备按照一定的时间周期获取上述待处理视频文件。可选地，图像采集设备从环境中收集图像帧并生成待处理视频文件之后，按照一定的时间周期向计算机设备发送当前时间周期内获取的多个待处理视频文件，进一步地，由计算机设备对该多个待处理视频文件进行处理，分别确定多个待处理视频文件中是否包含待检测生物体。其中，上述时间周期可以是任意数值，工作人员可以根据实际情况对该时间周期进行调整，本技术实施例对此不作限定。
43.需要说明的一点是，计算机设备针对上述待处理视频文件的处理，可以是实时的，也可以是非实时的，本技术实施例对此不作限定。
44.步骤202，对待处理视频文件进行图像帧序列的分帧处理，得到初始图像帧序列。
45.在本技术实施例中，计算机设备在获取上述待处理视频文件之后，对该待处理视频文件进行图像帧序列的分帧处理，得到初始图像帧序列。其中，该初始图像帧序列中包含多个图像帧。可选地，计算机设备在对待处理视频文件进行图像序列的分帧处理时，确定该待处理视频文件所包含的图像总帧数，并基于该图像总帧数对该待处理视频文件进行分帧处理，得到初始图像帧序列。可选地，该初始图像帧序列中包含的图像帧数量与上述图像总帧数相同。其中，对于不同的待处理视频文件，初始图像帧序列中包含的图像帧数量可以不同。
46.步骤203，对初始图像帧序列进行无效图像帧识别和去除处理，得到有效图像帧序列。
47.在本技术实施例中，计算机设备在获取上述初始图像帧序列之后，从该初始图像帧序列中识别并去除无效图像帧，将剩余的图像帧作为有效图像帧，进而得到有效图像帧序列。其中，无效图像帧包括位于初始图像帧序列的头部和/或尾部的图像帧。即，计算机设备在获取上述初始图像帧序列之后，对位于该初始图像帧序列的头部和/尾部的无效图像帧进行识别和去除处理，得到上述有效图像帧序列。
48.在一种可能的实施方式中，上述无效图像帧包括位于初始图像帧的头部的图像帧。可选地，计算机设备获取上述初始图像帧序列之后，获取无效图像帧数量和初始图像帧序列中包含的图像帧数量之间的设定占比，进而基于该设定占比，确定无效图像帧的数量，依据该无效图像帧的数量，从初始图像帧序列的头部的图像帧中选择并去除无效图像帧，得到有效图像帧序列。
49.在另一种可能的实施方式中，上述无效图像帧包括位于初始图像帧的尾部的图像帧。可选地，计算机设备获取上述初始图像帧序列之后，获取无效图像帧的数量和初始图像帧中包含的图像帧数量之间的设定占比，进而基于该设定占比，确定无效图像帧的数量，依据该无效图像帧的数量，从位于初始图像帧序列的尾部的图像帧中选择并去除无效图像帧，得到有效图像帧序列。
50.在再一种可能的实施方式中，上述无效图像帧包括位于初始图像帧的头部和尾部的图像帧。可选地，计算机设备获取上述初始图像帧序列之后，获取无效图像帧的数量和初始图像帧中包含的图像帧数量之间的第一设定占比和第二设定占比，进而基于该第一设定占比和该第二设定占比，确定无效图像帧的第一数量和第二数量，依据第一数量从初始图像帧的头部的图像帧中选择并去除无效图像帧，依据第二数量从初始图像帧的尾部的图像
帧中选择并去除无效图像帧，得到有效图像帧序列。其中，上述第一数量和上述第二数量可以相同，也可以不同。
51.步骤204，对有效图像帧序列中的图像帧进行定量采样处理，获取额定数量的图像帧，得到待处理图像帧序列。
52.在本技术实施例中，计算机设备获取上述有效图像帧序列之后，对该有效图像帧序列中的图像帧进行定量采样处理，获取额定数量的图像帧，并将该额定数量的图像帧作为待处理图像帧，得到待处理图像帧序列。
53.在一种可能的实施方式中，计算机设备对有效图像帧序列进行随机采样处理。可选地，计算机设备在获取待处理图像帧序列时，获取该待处理图像帧序列中图像帧的额定数量，并基于该额定数量，从有效图像帧序列中随机采样获取额定数量的图像帧，得到待处理图像帧序列。
54.在另一种可能的实施方式中，计算机设备依据预设规则对有效图像帧序列进行采样处理。可选地，计算机设备在获取待处理图像帧序列时，获取该待处理图像帧序列中图像帧的额定数量，基于有效图像帧序列所包含的图像帧数量和该额定数量，确定针对该有效图像帧序列的采样步长，进而按照采样步长，对有效图像帧序列中的各个图像帧进行采样处理，获取额定数量的图像帧，得到待处理图像帧序列。
55.当然，在实际运用中，计算机设备可以从位于有效图像帧序列的头部的图像帧中采样获取额定数量的图像帧，进而得到待处理图像帧序列；或者，计算机设备可以从位于有效图像帧序列的尾部的图像帧中采样获取额定数量的图像帧，进而得到待处理图像帧序列；或者，计算机设备可以从位于有效图像帧序列的中间部分的图像帧中采样获取额定数量的图像帧，进而得到待处理图像帧序列。
56.步骤205，采用预训练好的生物体防伪识别模型对待处理图像帧序列中的待检测生物体进行防伪识别处理，得到待检测生物体的防伪识别结果。
57.在本技术实施例中，计算机设备在获取上述待处理图像帧序列周，采用预训练好的生物体防伪识别模型对该待处理图像帧序列中的待检测生物体进行防伪识别，进而得到待检测生物体的防伪识别结果。可选地，在不同的场景中，计算机设备可以采用不同的机器学习模型对待处理图像帧序列中的待检测生物体进行防伪识别处理，本技术实施例对此不作限定。
58.当然，在实际运用中，计算机设备也可以通过其它方式，基于上述待处理图像帧序列确定待处理视频文件中是否包含上述待检测生物体，本技术实施例对此不作限定。
59.综上所述，本技术实施例提供的技术方案中，通过从待处理视频文件中采样获取额定数量的图像帧来获取待处理图像帧序列，且该待处理图像帧序列用于确定待处理视频文件中是否包含待检测生物体，也就是说，计算机设备在确定待处理视频文件中是否包含待检测生物体时，不需要对整个待处理视频文件进行处理，只需要待处理视频文件中的部分图像帧即可确定待处理视频文件中是否包含待检测生物体，减少计算机设备的处理开销，提高针对待检测生物体的检测效率；而且，额定数量的图像帧是从待处理视频文件的有效图像帧序列中采样获取的，有效图像帧序列是从待处理视频文件的图像帧中去除无效图像帧获取的，且无效图像帧包括位于初始图像帧序列的头部和尾部的图像帧，从待处理视频文件的中间部分获取额定数量的图像帧，去除头部和尾部不准确的图像帧，保证获取的
待处理图像帧序列的准确性，进而有效地保证针对待检测生物体的检测结果的准确性。
60.下面，对上述待处理图像帧序列的获取方式进行介绍。
61.在示例性实施例中，上述步骤204包括以下几个步骤：
62.1、基于有效图像帧序列中包含的图像帧数量和额定数量，确定针对有效图像帧序列中的图像帧的采样步长。
63.采样步长是指针对图像帧的采样间隔，需要说明的一点是，这里的采样间隔不是时间上的间隔，是图像帧之间的间隔，例如，对于13帧图像，若采样步长为3，则针对图像帧的采样间隔为3，在采样时，每三帧图像帧中采样获取一帧图像帧。在本技术实施例中，计算机设备在获取上述有效图像帧序列之后，确定该有效图像帧序列中包含的图像帧数量，并获取额定数量，进而基于该有效图像帧序列的帧数和该额定数量，确定针对有效图像帧序列中的图像帧的采样步长。其中，上述额定数量是指待处理图像帧序列中包含的图像帧的最大帧数，该额定数量可以是任意数值，工作人员可以根据实际情况对该额定数量进行调整，本技术实施例对此不作限定。
64.可选地，计算机设备在确定采样步长时，可以通过有效图像帧序列中包含的图像帧数量除以额定数量后取整来获取采样步长。
65.2、确定有效图像帧序列中的各个图像帧在待处理视频文件中出现的时间顺序。
66.在本技术实施例中，计算机设备在获取上述有效图像帧序列之后，基于该有效图像帧序列中包含的图像帧，以及待处理视频文件中包含的图像帧，确定有效图像帧序列中的各个图像帧在待处理视频文件中出现的时间顺序。
67.3、基于由前到后的所述时间顺序，对所述有效图像帧序列中的各个图像帧进行标号，确定有效图像帧序列中的各个图像帧对应的索引值。
68.在本技术实施例中，计算机设备在获取上述时间顺序之后，基于该时间顺序，对上述有效图像帧序列中的各个图像帧进行标号，确定有效图像帧序列中的各个图像帧对应的索引值。可选地，单个的索引值可以用于指示唯一的标号；或者，单个的索引值与某个标号在数值上相同示例性地，待处理视频文件中出现的第一帧有效图像帧的标号为0，其对应的索引值为0；第二帧有效图像帧的标号为0，其对应的索引值为1；第三帧有效图像帧的标号为2，其对应的索引值为2，以此类推。
69.4、在采样步长的基础上，结合当前采样次数，确定采样获取的目标图像帧的索引值。
70.在本技术实施例中，计算机设备在获取上述采样步长之后，在该采样步长的基础上，结合当前采样次数，确定采样获取的目标图像帧的索引值。其中，该目标图像帧即为待处理图像帧。
71.可选地，在本技术实施例中，计算机设备将上述采样步长和上述当前采样次数相乘，得到第一数值，进一步地，在第一数值小于或等于有效图像帧序列中的各个图像帧的标号的最大值的情况下，将第一数值确定为目标图像帧的索引值；在第一数值大于有效图像帧序列中的各个图像帧的标号的最大值的情况下，将最大索引值确定为目标图像帧的索引值。
72.5、基于目标图像帧的索引值，对有效图像帧序列中进行采样处理，获取目标图像帧，并将目标图像帧作为待处理图像帧添加至待处理图像帧序列中。
73.在本技术实施例中，计算机设备在获取上述目标图像帧的索引值之后，基于该目标图像帧的索引值，结合有效图像帧序列中的各个图像帧的标号，对有效图像帧序列进行采样处理，获取目标图像帧，并将目标图像帧作为待处理图像帧添加至待处理图像帧序列中。其中，在获取目标图像帧时，计算机设备基于目标图像帧的索引值，确定有效图像帧序列中索引值所对应的标号对应的图像帧即为目标图像帧。可选地，索引值所对应的标号与该索引值在数值上相同。
74.需要说明的一点是，在本技术实施例中，计算机设备通过当前采样次数与上述额定数量之间的关系，确定针对有效图像帧序列的采样处理是否结果。可选地，在当前采样次数小于额定数量的情况下，对当前采样次数进行更新(如当前采样次数加一)，并再次从上述基在所述采样步长的基础上，结合所述当前采样次数，确定采样获取的目标图像帧的索引值的步骤开始执行；在当前采样次数等于额定数量的情况下，结束针对上述有效图像帧的采样流程，得到待处理图像帧序列，进而计算机设备通过待处理图像帧序列确定待处理视频文件中是否包含待检测生物体。其中，该待处理图像帧序列中包括至少一帧图像帧。
75.下面，对有效图像帧序列的获取方式进行介绍。
76.在示例性实施例中，上述步骤203包括以下几个步骤：
77.1、获取无效图像帧的数量与初始图像帧序列中包含的图像帧数量之间的设定占比。
78.在本技术实施例中，计算机设备在获取上述初始图像帧序列之后，获取无效图像帧的数量与该初始图像帧序列中包含的图像帧数量之间的设定占比。其中，该设定占比可以为任意数值，工作人员可以根据实际情况对该设定占比进行调整，本技术实施例对此不作限定。
79.2、在设定占比的基础上，结合初始图像帧序列中包含的图像帧数量，确定无效图像帧的数量n。
80.在本技术实施例中，计算机设备在获取上述设定占比之后，基于该设定占比和上述初始图像帧序列中包含的图像帧数量，确定无效图像帧的数量n。其中，n为正整数，上述额定数量是指待处理图像帧序列的最大帧数。
81.可选地，计算机设备在确定无效图像帧的数量n时，可以将初始图像帧序列中包含的图像帧数量与上述设定占比相乘，以此来获取上述无效图像帧的数量n。
82.3、将位于初始图像帧序列的头部的前n个图像帧作为无效图像帧进行去除，得到第一剩余图像帧序列。
83.在本技术实施例中，计算机设备在确定上述无效图像帧的数量n之后，将位于初始图像帧序列的头部的前n个图像帧作为无效图像帧进行去除，得到第一剩余图像帧序列。
84.4、在第一剩余图像帧序列中包含的图像帧数量大于额定数量的情况下，将位于初始图像帧序列的尾部的后n个图像帧作为无效图像帧进行去除，得到第二剩余图像帧序列。
85.在本技术实施例中，计算机设备在获取上述第一剩余图像帧序列之后，确定该第一剩余图像帧序列中包含的图像帧数量，进而在该第一剩余图像帧序列中包含的图像帧数量大于上述额定数量的情况下，确定无效图像帧未去除完成，将位于初始图像帧序列的尾部的后n个图像帧作为无效图像帧进行去除，得到第二剩余图像帧序列。
86.可选地，在上述第一剩余图像帧序列中包含的图像帧数量小于或等于上述额定数
量的情况下，计算机设备确定无效图像帧去除完成，且由于第一剩余图像帧序列中包含的图像帧数量过小，将该第一剩余图像帧序列确定为上述待处理图像帧序列，进而计算机设备通过待处理图像帧序列确定待处理视频文件中是否包含待检测生物体。
87.5、在第二剩余图像帧序列中包含的图像帧数量大于额定数量的情况下，将第二剩余图像帧序列确定为有效图像帧序列。
88.在本技术实施例中，计算机设备在获取上述第二剩余图像帧序列之后，确定该第二剩余图像帧序列中包含的图像帧数量，进而在该第二剩余图像帧序列中包含的图像帧数量大于上述额定数量的情况下，将第二剩余图像帧序列确定为上述有效图像帧序列，进而计算机设备从该有效图像帧序列中采样获取上述待处理图像帧序列。
89.可选地，在上述第二剩余图像帧序列中包含的图像帧数量小于或等于上述额定数量的情况下，由于该第二剩余图像帧序列中包含的图像帧数量过小，跳过针对有效图像帧序列的采样步骤，将第二剩余图像帧序列直接确定为待处理图像帧序列，进而计算机设备通过待处理图像帧序列确定待处理视频文件中是否包含待检测生物体。
90.需要说明的一点是，在本技术实施例中，计算机设备在获取上述待处理图像帧序列之后，可以对该待处理图像帧进行处理，确定上述待处理视频文件中是否包含待检测生物体。
91.请参考图3，其示出了本技术一个实施例提供的生物体防伪识别方法的流程图。该方法可应用于计算机设备中，该计算机设备可以是图1所示视频处理系统的图像处理设备20中。该方法可以包括以下几个步骤(301～307)：
92.步骤301，获取包含有待检测生物体的待处理视频文件。
93.步骤302，对待处理视频文件进行图像帧序列的分帧处理，得到初始图像帧序列。
94.步骤303，对初始图像帧序列进行无效图像帧识别和去除处理，得到有效图像帧序列。
95.步骤304，对有效图像帧序列中的图像帧进行定量采样处理，获取额定数量的图像帧，得到待处理图像帧序列。
96.上述步骤301-304与图2实施例中的步骤201-204相同，具体参见图2实施例，在此不作赘述。
97.步骤305，采用预训练好的第一生物体防伪识别模型，对待处理图像帧序列中的各个待处理图像帧分别进行图像处理，输出各个待处理图像帧中包含待检测生物体的概率。
98.第一生物体防伪识别模型是指针对单帧图像帧的生物体检测模型。在本技术实施例中，计算机设备在获取上述待处理图像帧序列之后，采用预训练好的第一生物体防伪识别模型，对该待处理图像帧序列中的各个待处理图像帧分别进行图像处理，输出各个待处理图像帧中包含待检测生物体的概率。
99.在一种可能的实施方式中，计算机设备通过机器学习模型对各个待处理图像帧分别进行图像处理。可选地，计算机设备在获取上述待处理图像帧序列之后，分别将该待处理图像帧序列中的各个待处理图像帧输入至上述第一生物体防伪识别模型模型，进而获取该第一生物体防伪识别模型模型的输出结果，得到各个待处理图像帧中包含待检测生物体的概率。其中，上述第一生物体防伪识别模型模型可以设置在计算机设备中，也可以设置在与计算机设备相关联的其它电子设备中，本技术实施例对此不作限定。
100.当然，在另一种可能的实施方式中，计算机设备通过图像处理规则对各个待处理图像帧分别进行图像处理。可选地，计算机设备在获取上述待处理图像帧序列之后，分别对该待处理图像帧序列中的各个待处理图像帧进行特征点提取，进而基于各个待处理图像帧对应的特征信息，确定各个待处理图像帧中包含待检测生物体的概率。
101.步骤306，基于各个待处理图像帧中包含待检测生物体的概率，确定待处理视频文件中包含待检测生物体的判别概率。
102.在本技术实施例中，计算机设备在获取上述各个待处理图像帧中包含待检测生物体的概率之后，基于各个待处理图像帧中包含待检测生物体的概率，确定待处理视频文件中包含待检测生物体的判别概率。其中，判别概率是指待处理视频文件中包含待检测生物体的概率。
103.在一种可能的实施方式中，计算机设备在获取上述判别概率时，对上述各个待处理图像帧中包含待检测生物体的概率进行求平均处理，得到上述判别概率。
104.在另一种可能的实施方式中，计算机设备在获取上述判别概率时，从上述各个待处理图像帧中包含待检测生物体的概率中，确定数值最大的a个概率，并对该a个概率进行求平均处理，得到上述判别概率。其中，a为任意正整数，工作人员可以根据实际情况对a的数值进行调整，本技术实施例对此不作限定。
105.在再一种可能的实施方式中，计算机设备在获取上述判别概率时，从上述各个待处理图像帧中包含待检测生物体的概率中，确定数值最小的b个概率，并对该b个概率进行求平均处理，得到上述判别概率。其中，b为任意正整数，工作人员可以根据实际情况对b的数值进行调整，本技术实施例对此不作限定。
106.在又一种可能的实施方式中，计算机设备在获取上述判别概率时，确定该待处理图像帧在上述待处理视频文件中出现的时间顺序，进而基于该时间顺序，确定上述各个待处理图像帧中包含所述待检测生物体的概率对应的权重值，并基于各个概率对应的权重值，对各个概率进行加权求和处理，得到上述判别概率。可选地，若待处理图像帧在上述待处理视频文件中出现的时间顺序为时间上的中心位置，则该待处理图像帧所对应的概率对应的权重值大。
107.步骤307，若判别概率大于阈值，则确定待处理视频文件中包含待检测生物体。
108.在本技术实施例中，计算机设备在获取上述判别概率之后，基于该判别概率确定待处理视频文件中是否包含上述待检测生物体。可选地，若判别概率大于阈值，则确定上述待处理视频文件中包含待检测生物体，即待处理视频文件通过上述防伪识别处理；若判别概率小于或等于阈值，则确定上述待处理视频文件中不包含待检测生物体，即待处理视频文件未通过防伪识别处理。其中，上述阈值可以是任意数值，工作人员可以根据实际情况对该阈值进行调整，本技术实施例对此不作限定。
109.示例性地，结合参考图4，对本技术中生物体防伪识别方法进行简单介绍。计算机设备在获取待处理视频文件41，并对待处理视频文件41进行图像帧序列的分帧处理，得到初始图像帧序列42。其中，初始图像帧序列42中包括多个图像帧。进一步地，从初始图像帧序列42中去除头部的n个无效图像帧和尾部的n个无效图像帧，得到有效图像帧序列43。之后，基于有效图像帧序列43的帧数和额定数量，对有效图像帧序列43进行采样处理，得到待处理图像帧序列44。其中，额定数量是指待处理图像帧序列44中包含的图像帧的最大帧数。
接着，将待处理图像帧序列44中的待处理图像帧分别输入至生物体防伪识别模型模型45，获取生物体防伪识别模型模型45输出的各个待处理图像帧中包含目标图像的概率46，进而基于该各个待处理图像帧中包含目标图像的概率46确定待处理视频文件41中包含待检测生物体的判别概率47。若该判别概率47大于阈值，则确定待处理视频文件41中包括待检测生物体；若该判别概率47小于或等于阈值，则确定待处理视频文件41中未包括待检测生物体。
110.综上所述，本技术实施例提供的技术方案中，通过各个待处理图像帧中包含待检测生物体的概率，确定待处理视频文件中包含待检测生物体的判别概率，由待处理视频文件中的多帧图像确定最终结果，提高针对待检测生物体的检测结果的准确度；而且，从待处理视频文件中采样获取额定数量的图像帧来获取待处理图像帧序列，计算机设备在确定待处理视频文件中是否包含待检测生物体时，不需要对整个待处理视频文件进行处理，只需要待处理视频文件中的部分图像帧即可确定待处理视频文件中是否包含待检测生物体，减少计算机设备的处理开销，提高针对待检测生物体的检测效率。
111.当然，上述针对待处理图像帧序列的处理只是示例性和解释性的，在实际运用中，计算机设备还可以采用其它方式获取上述待处理视频文件中包含待检测生物体的判别概率。
112.可选地，计算机设备在获取上述待处理图像帧序列之后，采用预训练好的第二生物体防伪识别模型，对待处理图像帧序列进行图像帧处理，得到待处理视频文件中包含待检测生物体的判别概率。若待处理视频文件中包含所述待检测生物体的判别概率大于上述阈值，则确定待处理视频文件中包含所述待检测生物体。
113.在一种可能的实施方式中，计算机设备将待处理图像帧序列输入至预训练好的第二生物体防伪识别模型，进而获取该第二生物体防伪识别模型输出的判别概率。需要说明的一点是，本技术中提到的各种机器学习模型可以是不同的机器学习模型，如针对单帧图像帧的机器学习模型与针对多帧图像帧的机器学习模型可以是不同的。可选地，工作人员可以根据实际情况对后续待检测生物体的检测过程中的机器学习模型进行灵活调整，本技术实施例对此不作限定。
114.在另种可能的实施方式中，计算机设备从待处理图像帧序列中确定目标待处理图像帧，进而采用预训练好的第二生物体防伪识别模型，对该目标待处理图像帧进行图像处理，得到上述判别概率。可选地，目标待处理图像帧可以是从待处理图像帧序列中随机抽取的任意图像帧，也可以是从待处理图像帧序列中依据特定规则(如选择出现时间最中心的图像帧)抽取的图像帧。
115.在再一种可能的实施方式中，计算机设备对待处理图像帧序列中的各个待处理图像帧进行图像融合处理，得到融合后的图像帧，并采用预训练好的第二生物体防伪识别模型对该融合后的图像帧进行图像处理，以此来获取上述判别概率。在一种可能的实施方式中，计算机设备在获取融合后的图像帧时，可以分别对待处理图像帧序列中的各个待处理图像帧进行像素值提取处理，得到各个待处理图像帧中各个像素点的像素信息。进一步地，采用相同的位置标记方式，对各个待处理图像帧中各个像素点的位置进行标记，并对位置标记相同的像素点进行像素值融合，得到融合后的像素值，进而基于各个位置标记对应的像素点所对应的融合后的像素值，得到上述融合后的待处理图像帧。可选地，计算机设备在
获取上述融合后的像素值时，可以针对不同待处理图像帧中位于同一位置的像素点的像素值进行求平均处理，以此来得到融合后的像素值。在另一种可能的实施方式中，计算机设备在获取融合后的图像帧时，可以分别对待处理图像帧序列中的各个待处理图像帧进行特征提取处理，得到各个待处理图像帧的特征信息，并对各个待处理图像帧的特征信息进行特征融合，得到融合后的特征信息，进而将融合后的特征信息作为融合后的图像帧的特征信息，得到融合后的图像帧。
116.另外，结合参考图5，对本技术中的生物体防伪识别方法进行完整介绍。具体步骤如下：
117.步骤501，计算机设备获取待处理视频文件。
118.步骤502，计算机设备对待处理视频文件进行图像帧序列的分帧处理，得到初始图像帧序列。
119.步骤503，计算机设备判断初始图像帧序列中包含的图像帧数量是否大于额定数量。若初始图像帧序列中包含的图像帧数量大于额定数量，则执行步骤404；若初始图像帧序列中包含的图像帧数量小于或等于额定数量，则执行步骤515。
120.步骤504，计算机设备基于初始图像帧序列中包含的图像帧数量和无效图像帧对应的设定占比，确定无效图像帧的数量n。
121.步骤505，计算机设备将位于初始图像帧序列的头部的前n个图像帧作为无效图像帧进行去除，得到第一剩余图像帧序列。
122.步骤506，计算机设备判断第一剩余图像帧序列的帧数是否大于额定数量。若第一剩余图像帧序列的帧数大于额定数量，则执行步骤507；若第一剩余图像帧序列的帧数小于或等于额定数量，则将第一剩余图像帧序列作为待处理图像帧序列，并执行步骤515。
123.步骤507，计算机设备将位于初始图像帧序列的尾部的后n个图像帧作为无效图像帧进行去除，得到第二剩余图像帧序列。
124.步骤508，计算机设备判断第二剩余图像帧序列的帧数是否大于额定数量。若第二剩余图像帧序列的帧数大于额定数量，则执行步骤509；若第二剩余图像帧序列的帧数小于或等于额定数量，则将第二剩余图像帧序列作为待处理图像帧序列，并执行步骤515。
125.步骤509，计算机设备将第二剩余图像帧序列作为有效图像帧序列，基于有效图像帧序列的帧数和额定数量，确定针对有效图像帧序列的采样步长。
126.步骤510，计算机设备基于有效图像帧序列中的各个图像帧在待处理视频文件中的出现时间由前到后的顺序，确定有效图像帧序列中的各个图像帧对应的索引值。
127.步骤511，计算机设备基于采样步长和当前采样次数，确定采样获取的目标图像帧的索引值。
128.步骤512，计算机设备基于目标图像帧的索引值，从有效图像帧序列中采样获取目标图像帧，并将目标图像帧作为待处理图像帧添加至待处理图像帧序列中。
129.步骤513，计算机设备判断当前采样次数是否小于额定数量。若当前采样次数小于额定数量，则执行步骤514；若当前采样次数大于或等于额定数量，则确定待处理图像帧序列获取完成，并执行步骤515。
130.步骤514，计算机设备对当前采样次数进行更新，并重新从步骤511开始执行。
131.步骤515，计算机设备对待处理图像帧序列中的各个待处理图像帧分别进行图像
处理，确定各个待处理图像帧中包含待检测生物体的概率。
132.步骤516，计算机设备基于各个待处理图像帧中包含待检测生物体的概率，确定待处理视频文件中是否包括待检测生物体。
133.下述为本技术装置实施例，可以用于执行本技术方法实施例。对于本技术装置实施例中未披露的细节，请参照本技术方法实施例。
134.请参考图6，其示出了本技术一个实施例提供的生物体防伪识别装置的框图。该装置具有实现上述生物体防伪识别方法的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。该装置可以是计算机设备，也可以设置计算机设备中。该装置600可以包括：视频获取模块610、视频分帧模块620、图像去除模块630和图像采样模块640。
135.视频获取模块610，用于获取包含有待检测生物体的待处理视频文件。
136.视频分帧模块620，用于对所述待处理视频文件进行图像帧序列的分帧处理，得到初始图像帧序列，所述初始图像帧序列中包含多个图像帧。
137.图像去除模块630，用于对所述初始图像帧序列进行无效图像帧识别和去除处理，得到有效图像帧序列。
138.图像采样模块640，用于对所述有效图像帧序列中的图像帧进行定量采样处理，获取额定数量的图像帧，得到待处理图像帧序列。
139.生成识别模块650，用于采用预训练好的生物体防伪识别模型对所述待处理图像帧序列中的所述待检测生物体进行防伪识别处理，得到所述待检测生物体的防伪识别结果。
140.在示例性实施例中，如图7所示，所述图像采样模块640，包括：步长获取单元641和图像采样单元642。
141.步长获取单元641，用于基于所述有效图像帧序列中包含的图像帧数量和所述额定数量，确定针对所述有效图像帧序列中的图像帧的采样步长。
142.图像采样单元642，用于按照所述采样步长，对所述有效图像帧序列中的图像帧进行定量采样处理，获取所述额定数量的图像帧，得到所述待处理图像帧序列。
143.在示例性实施例中，所述图像采样单元642，用于确定所述有效图像帧序列中的各个图像帧在所述待处理视频文件中出现的时间顺序；基于由前到后的所述时间顺序，对所述有效图像帧序列中的各个图像帧进行标号，确定所述有效图像帧序列中的各个图像帧对应的索引值；在所述采样步长的基础上，结合所述当前采样次数，确定采样获取的目标图像帧的索引值；基于所述目标图像帧的索引值，对所述有效图像帧序列进行采样处理，获取所述目标图像帧，并将所述目标图像帧作为待处理图像帧添加至所述待处理图像帧序列中；在所述当前采样次数小于所述额定数量的情况下，对所述当前采样次数进行更新处理，并再次从所述在所述采样步长的基础上，结合所述当前采样次数，确定采样获取的目标图像帧的索引值的步骤开始执行；在所述当前采样次数等于所述额定数量的情况下，结束针对所述有效图像帧序列中的图像帧的采样流程，得到包含至少一个所述待处理图像帧的所述待处理图像帧序列。
144.在示例性实施例中，所述图像采样单元642，还用于将所述采样步长和所述当前采样次数相乘，得到第一数值；在所述第一数值小于或等于所述有效图像帧序列中的各个图像帧的标号的最大值的情况下，将所述第一数值确定为所述目标图像帧的索引值；在所述
第一数值大于所述有效图像帧序列中的各个图像帧的标号的最大值的情况下，将所述最大索引值确定为所述目标图像帧的索引值。
145.在示例性实施例中，如图7所示，所述图像去除模块630，包括：占比获取单元631、数量确定单元632和图像去除单元633。
146.占比获取单元631，用于获取所述无效图像帧的数量与所述初始图像帧序列中包含的图像帧数量之间的设定占比。
147.数量确定单元632，用于在所述设定占比的基础上，结合所述初始图像帧序列中包含的图像帧数量，确定所述无效图像帧的数量n，所述n为正整数；
148.图像去除单元633，用于在所述第一剩余图像帧序列中包含的图像帧数量大于所述额定数量的情况下，将位于所述初始图像帧序列的尾部的后n个图像帧作为所述无效图像帧进行去除，得到第二剩余图像帧序列；在所述第二剩余图像帧序列中包含的图像帧数量大于所述额定数量的情况下，将所述第二剩余图像帧序列确定为所述有效图像帧序列。
149.在示例性实施例中，所述图像去除单元633，还用于在所述第一剩余图像帧序列中包含的图像帧数量小于或等于所述额定数量的情况下，将所述第一剩余图像帧序列确定为所述待处理图像帧序列；或者，在所述第二剩余图像帧序列中包含的图像帧数量小于或等于所述额定数量的情况下，将所述第二剩余图像帧序列确定为所述待处理图像帧序列。
150.在示例性实施例中，如图7所示，所述生成识别模块650，包括：图像识别单元651、概率确定单元652和结果确定单元653。
151.图像识别单元651，用于采用预训练好的第一生物体防伪识别模型，对所述待处理图像帧序列中的各个待处理图像帧分别进行图像处理，输出各个所述待处理图像帧中包含所述待检测生物体的概率。
152.概率确定单元652，用于基于各个所述待处理图像帧中包含所述待检测生物体的概率，确定所述待处理视频文件中包含所述待检测生物体的判别概率。
153.结果确定单元653，用于若所述判别概率大于阈值，则确定所述待处理视频文件中包含所述待检测生物体。
154.在示例性实施例中，所述概率确定单元652，用于对各个所述待处理图像帧中包含所述待检测生物体的概率进行求平均处理，得到所述判别概率；或者，从所述待处理图像帧中包含所述待检测生物体的概率中，确定数值最大的a个概率；对所述数值最大的a个概率进行求平均处理，得到所述判别概率，a为正整数；或者，从所述待处理图像帧中包含所述待检测生物体的概率中，确定数值最小的b个概率；对所述数值最小的b个概率进行求平均处理，得到所述判别概率，b为正整数；或者，确定所述待处理图像帧在所述待处理视频文件中出现的时间顺序；基于所述时间顺序，确定各个所述待处理图像帧中包含所述待检测生物体的概率对应的权重值；基于各个所述待处理图像帧中包含所述待检测生物体的概率对应的权重值，对各个所述待处理图像帧中包含所述待检测生物体的概率进行加权求和处理，得到所述判别概率。
155.在示例性实施例中，如图7所示，所述生成识别模块650，还包括：概率获取单元654。
156.概率获取单元654，用于采用预训练好的第二生物体防伪识别模型，对所述待处理图像帧序列进行图像帧处理，得到所述待处理视频文件中包含所述待检测生物体的判别概
率。
157.所述结果确定单元653，用于若所述判别概率大于阈值，则确定所述待处理视频文件中包含所述待检测生物体。
158.在示例性性实施例中，所述概率获取单元654，用于将所述待处理图像帧序列输入至预训练好的第二生物体防伪识别模型；获取所述预训练好的第二生物体防伪识别模型输出的所述判别概率；或者，从所述待处理图像帧序列中确定目标待处理图像帧；采用预训练好的第二生物体防伪识别模型，对所述目标待处理图像帧进行图像处理，输出所述判别概率；或者，对所述待处理图像帧序列中的各个图像帧进行图像融合处理，得到融合后的待处理图像帧；采用预训练好的第二生物体防伪识别模型，对所述融合后的待处理图像帧进行图像处理，输出所述判别概率。
159.在示例性实施例中，所述概率获取单元654，还用于分别对所述待处理图像帧序列中的各个待处理图像帧进行像素值提取处理，得到所述各个待处理图像帧中各个像素点的像素值；采用相同的位置标记方式，对所述各个待处理图像帧中各个像素点的位置进行标记；对位置标记相同的像素点进行像素值融合，得到融合后的像素值；基于各个位置标记对应的像素点所对应的融合后的像素值，得到所述融合后的待处理图像帧。
160.在示例性实施例中，所述概率获取模块680，还用于分别对所述待处理图像帧序列中的各个待处理图像帧进行特征提取处理，得到所述各个待处理图像帧的特征信息；对所述各个待处理图像帧的特征信息进行特征融合，得到融合后的特征信息；基于所述融合后的特征信息，得到所述融合后的待处理图像帧。
161.综上所述，本技术实施例提供的技术方案中，通过从待处理视频文件中采样获取额定数量的图像帧来获取待处理图像帧序列，且该待处理图像帧序列用于确定待处理视频文件中是否包含待检测生物体，也就是说，计算机设备在确定待处理视频文件中是否包含待检测生物体时，不需要对整个待处理视频文件进行处理，只需要待处理视频文件中的部分图像帧即可确定待处理视频文件中是否包含待检测生物体，减少计算机设备的处理开销，提高针对待检测生物体的检测效率；而且，额定数量的图像帧是从待处理视频文件的有效图像帧序列中采样获取的，有效图像帧序列是从待处理视频文件的图像帧中去除无效图像帧获取的，且无效图像帧包括位于初始图像帧序列的头部和尾部的图像帧，从待处理视频文件的中间部分获取额定数量的图像帧，去除头部和尾部不准确的图像帧，保证获取的待处理图像帧序列的准确性，进而有效地保证针对待检测生物体的检测结果的准确性。
162.需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
163.请参考图8，其示出了本技术一个实施例提供的计算机设备的结构框图。该计算机设备可用于实现上述生物体防伪识别方法的功能。具体来讲：
164.计算机设备800包括中央处理单元(central processing unit，cpu)801、包括随机存取存储器(random access memory，ram)802和只读存储器(read only memory，rom)803的系统存储器804，以及连接系统存储器804和中央处理单元801的系统总线805。计算机
设备800还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(input/output，i/o系统)806，和用于存储操作系统813、应用程序814和其他程序模块815的大容量存储设备807。
165.基本输入/输出系统806包括有用于显示信息的显示器808和用于用户输入信息的诸如鼠标、键盘之类的输入设备809。其中显示器808和输入设备809都通过连接到系统总线805的输入输出控制器810连接到中央处理单元801。基本输入/输出系统806还可以包括输入输出控制器810以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器810还提供输出到显示屏、打印机或其他类型的输出设备。
166.大容量存储设备807通过连接到系统总线805的大容量存储控制器(未示出)连接到中央处理单元801。大容量存储设备807及其相关联的计算机可读介质为计算机设备800提供非易失性存储。也就是说，大容量存储设备807可以包括诸如硬盘或者cd-rom(compact disc read-only memory，只读光盘)驱动器之类的计算机可读介质(未示出)。
167.不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括ram、rom、eprom(erasable programmable read only memory，可擦除可编程只读存储器)、eeprom(electrically erasable programmable read only memory，电可擦可编程只读存储器)、闪存或其他固态存储其技术，cd-rom、dvd(digital video disc，高密度数字视频光盘)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器804和大容量存储设备807可以统称为存储器。
168.根据本技术的各种实施例，计算机设备800还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备800可以通过连接在系统总线805上的网络接口单元811连接到网络812，或者说，也可以使用网络接口单元811来连接到其他类型的网络或远程计算机系统(未示出)。
169.所述存储器还包括计算机程序，该计算机程序存储于存储器中，且经配置以由一个或者一个以上处理器执行，以实现上述生物体防伪识别方法。
170.在示例性实施例中，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集在被处理器执行时以实现上述生物体防伪识别方法。
171.可选地，该计算机可读存储介质可以包括：rom(read only memory，只读存储器)、ram(random access memory，随机存取记忆体)、ssd(solid state drives，固态硬盘)或光盘等。其中，随机存取记忆体可以包括reram(resistance random access memory,电阻式随机存取记忆体)和dram(dynamic random access memory，动态随机存取存储器)。
172.在示例性实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述生物体防伪识别方法。
173.应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联
对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。另外，本文中描述的步骤编号，仅示例性示出了步骤间的一种可能的执行先后顺序，在一些其它实施例中，上述步骤也可以不按照编号顺序来执行，如两个不同编号的步骤同时执行，或者两个不同编号的步骤按照与图示相反的顺序执行，本技术实施例对此不作限定。
174.以上所述仅为本技术的示例性实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。