人脸防伪检测方法、装置、计算机设备及存储介质与流程

1.本技术涉及活体检测技术领域，尤其涉及一种人脸防伪检测方法、人脸防伪检测装置、计算机设备及存储介质。


背景技术：

2.随着图像处理与模式识别技术的快速发展，人脸识别技术以其应用的便捷性被广泛应用于出入口控制、考勤、安全监控等方面。目前常用的人脸防伪检测方式是依靠用户进行配合式的操作完成的，如需用户完成左右摇头、张嘴、眨眼等动作，但是这种操作影响了识别的速度和用户体验度，为了提高人脸防伪检测效率，在不依靠配合式操作的条件下分辨真伪人脸信息，因此，如何在不依靠配合式操作的条件下分辨真伪人脸信息，对推动技术的发展以及提高产品的性能具有较为重要的意义。
3.现有的基于rgb图像的人脸防伪检测模型能增实现不依靠配合式操作的条件下分辨真伪人脸信息，但这种检测模型由于仅通过图像本身的信息进行检测，难以在不同的攻击媒介、不同的图像成像设备的应用场景下依然保持人脸防伪检测的准确性，也即现有的人脸检测模型场景鲁棒性较低。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种人脸防伪检测方法，以解决现有的人脸防伪检测方案中存在场景鲁棒性较低的问题。
5.本技术实施例的第一方面提供了一种人脸防伪检测方法，包括：
6.接收检测终端拍摄到的待验证图像，所述待验证图像包括待验证的目标人脸；
7.对所述待验证图像进行目标检测，得到目标检测框，所述目标检测框包括所述目标人脸对应的人脸检测框；
8.确定出所述人脸检测框的大小；
9.选择所述人脸检测框的大小对应的人脸防伪检测方式，对所述目标人脸进行防伪检测，得到目标检测结果。
10.本技术实施例的第二方面提供了一种人脸防伪检测装置，包括：
11.接收模块：用于接收检测终端拍摄到的待验证图像，所述待验证图像包括待验证的目标人脸；
12.人脸识别模块：用于对所述待验证图像进行目标检测，得到目标检测框，所述目标检测框包括所述目标人脸对应的人脸检测框；
13.确定模块：用于确定出所述人脸检测框的大小；
14.检测模块：用于选择所述人脸检测框的大小对应的人脸防伪检测方式，对所述目标人脸进行防伪检测，得到目标检测结果。
15.本技术实施例的第三方面提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机
可读指令时实现上述人脸防伪检测方法。
16.本技术实施例的第四方面提供了一个或多个存储有计算机可读指令的可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如上述人脸防伪检测方法。
17.实施本技术实施例提供的一种人脸防伪检测方法、人脸防伪检测装置，计算机设备及存储介质，具有以下有益效果：
18.本技术实施例提供一种人脸防伪检测方法，首先接收检测终端拍摄到的待验证图像，在待验证图像中包括有待验证的目标人脸，然后对待验证图像进行目标检测，识别到目标检测框，该目标检测框包括目标人脸对应的人脸检测框，通过确定人脸检测框的大小，并根据人脸检测框的大小匹配对应的人脸防伪检测方式，实现对目标人脸进行防伪检测，得到目标检测结果，本技术通过确定人脸检测框的大小来反映人脸攻击的距离远近，例如通过其他媒介发起的远距离视频攻击、图片攻击等等，然后对于不同距离的人脸攻击采用不同的人脸防伪检测方式，实现对目标人脸进行防伪检测，提高了现有的人脸防伪检测的场景鲁棒性。
附图说明
19.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例的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性的前提下，还可以根据这些附图获得其他的附图。
20.图1是本技术实施例中人脸防伪检测方法的应用环境示意图；
21.图2是本技术实施例中人脸防伪检测方法的实现流程示意图；
22.图3是本技术实施例中人脸防伪检测装置的结构示意图；
23.图4是本技术实施例中计算机设备的一示意图。
具体实施方式
24.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
25.作为一种实施方式，请参阅图1，图1示出了本技术实施例中人脸防伪检测方法的一应用环境示意图，如图1所示，本技术实施例提供的人脸防伪检测方法，可应用在如图1的应用环境中，由服务器执行接收检测终端拍摄到的待验证图像，然后对待验证图像进行目标检测，得到目标检测框，根据目标检测框中目标人脸对应的人脸检测框的大小，选择不同的人脸防伪检测方式对待验证图像中的目标人脸进行防伪检测，得到目标检测结果，最后服务器将目标检测结果返回至检测终端。在其他实施方式中，还可以有包括储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令的检测终端执行上述人脸防伪检测方法，具体的执行方法与上述方法步骤相同，这里不再赘述。
26.其中，客户端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和
便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。不同业务系统的用户终端可以同时与服务器，或者与服务器集群中的某个特定服务器之间进行交互。
27.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
28.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
29.请参阅图2，图2所示为本技术实施例中人脸防伪检测方法的实现流程图，该方法包括如下步骤：
30.s11：接收检测终端拍摄到的待验证图像，所述待验证图像包括待验证的目标人脸。
31.在步骤s11中，检测终端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备、人工智能终端。待验证图像包括待验证的目标人脸。
32.在本实施例中，检测终端或服务器执行过程中，需要先获取包含目标人脸的待验证图像，可通过检测终端上安装的摄像设备获到取待验证图像。在其他实施方式中，待验证图像还可以是接收到的其它终端通过通信网络发送的包含目标人脸的图像。
33.s12：对所述待验证图像进行目标检测，得到目标检测框，所述目标检测框包括所述目标人脸对应的人脸检测框。
34.在步骤s12中，对所述待验证图像进行目标检测，是指识别待验证图像中的目标人脸。人脸检测框是指围绕目标人脸形成的虚拟的外框。
35.在本实施例中，由于现有的人脸攻击多为远距离的人脸攻击，例如视频攻击、打印的彩色图片、灰度图片等图片攻击等等，在受到这些远距离的攻击时，检测终端获取到的待验证图像与拍摄到的真实的人脸的图像会存在差异，待验证图像中的目标人脸与拍摄到的真实的人脸的尺寸也会有差异，因此，本实施例预先识别目标人脸，并围绕人脸设置一个虚拟的外框，作为人脸检测框，以为后续通过识别待验证图像与拍摄到的真实的人脸的图像，以及待验证图像中的目标人脸与拍摄到的真实的人脸之间的差异来判断是否存在远距离攻击做准备。
36.s13：确定出所述人脸检测框的大小。
37.在步骤s13中，人脸检测框是指围绕目标人脸形成的虚拟外框。人脸检测框的大小包括但不限于人脸检测框围成的区域面积大小。
38.在本实施例中，通过比较人脸检测框的大小来判断是否存在远距离人脸攻击，具体地，可以按照统一的标准尺寸生成将待验证图像，然后识别各待验证图像中人脸检测框，并确定人脸检测框的尺寸大小，通过人脸检测框的大小来衡量待验证图像中目标人脸与识
别到的真实人脸的差异，初步判断是否可能存在远距离攻人脸攻击。
39.s14：选择所述人脸检测框的大小对应的人脸防伪检测方式，对所述目标人脸进行防伪检测，得到目标检测结果。
40.在步骤s14中，对目标人脸进行防伪检测，也即判断待验证图像中的目标人脸是真实的人脸，还是打印图片、视频等人脸攻击制造的非真实人脸。目标检测结果包括判定待验证图像中的目标人脸为真实人脸或判定目标人脸为伪造人脸。
41.在本实施例中，不同人脸检测框的大小对应的人脸防伪检测方式不同，其中不同人脸检测框的大小通过设置尺寸阈值来分类，将人脸检测框的尺寸大小大于该尺寸阈值的作为一类待验证图像，人脸检测框的尺寸大小小于该尺寸阈值的作为另一类待验证图像，对于不同类的待验证图像采用不同的人脸防伪检测方式对其中的目标人脸进行防伪检测。
42.作为本技术一实施例，所述选择所述人脸检测框的大小对应的人脸防伪检测方式，对所述目标人脸进行防伪检测，包括：若所述人脸检测框的尺寸小于或等于预设尺寸阈值，则用第一检测模型对所述目标人脸进行防伪检测，得到第一检测结果，其中，所述第一检测结果包括判定所述目标人脸为伪造人脸或判定所述目标人脸为待判定人脸；若所述人脸检测框的尺寸大于所述预设尺寸阈值，或者所述第一检测结果指示所述目标人脸为待判定人脸，则用第二检测模型对所述目标人脸进行防伪检测，得到第二检测结果，所述第二检测结果包括判定所述目标人脸为伪造人脸或判定所述目标人脸为待判定人脸；若所述第二检测结果指示所述目标人脸为待判定人脸，则用第三检测模型对所述目标人脸进行防伪检测，得到第三检测结果，所述第三检测结果包括判定所述目标人脸为伪造人脸或判定所述目标人脸为真实人脸；综合所述第一检测结果、所述第二检测结果及所述第三检测结果，得到目标检测结果。
43.在本实施例中，预设尺寸阈值根据预设的待验证图像的尺寸大小设定，且预设尺寸阈值与预设的待验证图像的尺寸大小接近，这里不作限定。考虑到若为打印的图片或视频等远距离攻击，那么待验证图像中目标人脸对应的人脸检测框的尺寸相对于拍摄的真实人脸对应的人脸检测框尺寸可能会较小，因此，本实施例基于人脸检测框的尺寸大小选择不同的人脸防伪检测模型。当人脸检测框的尺寸小于或等于预设尺寸阈值，则用第一检测模型对目标人脸进行防伪检测，得到第一检测结果，其中，第一检测结果包括判定目标人脸为伪造人脸或判定目标人脸为待判定人脸，其中待判定人脸是指不确定目标人脸是否为伪造人脸；当人脸检测框的尺寸大于所述预设尺寸阈值时，或者第一检测结果指示目标人脸为待判定人脸时，则用第二检测模型对目标人脸进行防伪检测，得到第二检测结果，其中，第二检测结果包括判定目标人脸为伪造人脸或判定目标人脸为待判定人脸；若第二检测结果指示目标人脸为待判定人脸，则用第三检测模型对目标人脸进行防伪检测，得到第三检测结果，第三检测结果包括判定目标人脸为伪造人脸或判定目标人脸为真实人脸。最后综合第一检测结果、第二检测结果及第三检测结果，得到目标检测结果。
44.作为本技术一实施例，所述用第一检测模型对所述目标人脸进行防伪检测，得到第一检测结果，包括：利用第一检测模型判断所述待验证人脸图像是否存在预设检测框；所述预设检测框包括终端边框或纸张边框；若所述待验证人脸图像不存在所述预设检测框，则判定所述目标人脸为待判定人脸；若所述待验证人脸图像存在所述预设检测框，则计算所述人脸检测框与所述预设检测框的重合度；基于所述重合度对所述目标人脸进行防伪检
测，得到第一检测结果。
45.在本实施例中，预设检测框包括但不限于手机检测框、纸张检测框及平板检测框。在识别到人脸检测框的尺寸小于或等于预设尺寸阈值时，则初步判断可能存在远距离的人脸攻击，也即检测终端识别的对象不是真实的人脸信息，例如识别的对象为打印的彩色图片、灰度图片或视频等。此时，本实施例利用第一检测模型，对待验证图像进行目标检测，判断待验证人脸图像是否存在手机检测框、纸张检测框、平板检测框等预测检测框，若检测出待验证人脸图像存在预测检测框，但由于不确定人脸检测框是否包含于预设检测框，而无法判断是否是真的远距离攻击，因此先计算人脸检测框与预设检测框的重合度，基于重合度对目标人脸进行防伪检测。作为一种实施方式，重合度包括但不限于人脸检测框与预设检测框的重合面积与预设检测框面积比值。若检测出待验证人脸图像不存在预测检测框，则将目标人脸判定为待判定人脸，在进行进一步地检测后确定检测结果，以保证人脸防伪检测的准确性。
46.需要说明的是，在利用第一检测模型对目标人脸进行防伪检测之前，还包括：预先训练第一检测模型识别手机检测框、纸张检测框、平板检测框、人脸检测框等，并计算人脸检测框与预设检测框的重合度，根据重合度生成目标人脸的置信度，其中，置信度能够用于表征第一检测结果，第一检测模型包括但不限于二分类模型，第一检测模型的输出包括但不限于置信度及标有人脸检测框和预设检测框的图像，可以综合置信度和标有人脸检测框和预设检测框的图像得到第一检测结果。
47.作为本技术一实施例，所述基于所述重合度对所述目标人脸进行防伪检测，得到第一检测结果，包括：若所述重合度处于预设阈值范围，则判定所述目标人脸为伪造人脸；若所述重合度不处于预设阈值范围，则判定所述目标人脸为待判定人脸。
48.在本实施例中，重合度包括但不限于人脸检测框与预设检测框的重合面积与预设检测框面积比值。作为一示例，预设阈值范围可以取[0，1]，若通过第一检测模型，检测到手机检测框、纸张检测框、平板检测框等预设检测框，且人脸检测框与预设检测框的重合度处于预设阈值范围，则判定人脸检测框包含于预设检测框，存在视频等远距离攻击，若重合度没有处于预设阈值范围，这时由于不能完全确定待验证图像中的目标人脸不是伪造人脸，还需要进一步判断，则判定目标人脸为待判定人脸。
[0049]
作为本技术一实施例，所述用第二检测模型对所述目标人脸进行防伪检测，得到第二检测结果，包括：利用第二检测模型对所述待验证人脸图像进行图像质量检测，得到质量检测结果；基于所述质量检测结果对所述目标人脸进行人脸真伪识别，得到第二检测结果。
[0050]
在本实施例中，当人脸检测框的尺寸大于所述预设尺寸阈值时，或者第一检测结果指示目标人脸为待判定人脸时，则用第二检测模型对目标人脸进行防伪检测，得到第二检测结果，其中，第二检测结果包括判定目标人脸为伪造人脸或判定目标人脸为待判定人脸。具体地，在人脸检测框的尺寸大于预设尺寸阈值时，可能存在近距离人脸攻击，考虑到在近距离人脸攻击时纸张人脸或者图像、视频人脸距离摄像头较近时，容易产生模糊或者反光图像，同时为了保证检测结果的准确性，利用第二检测模型对人脸检测框的尺寸大于所述预设尺寸阈值，或者第一检测结果指示目标人脸为待判定人脸对应的待验证图像进行图像质量检测，基于质量检测结果对目标人脸进行人脸真伪识别，得到第二检测结果。其
中，图像质量检测包括但不限于判定待验证图像存在模糊或反光。
[0051]
作为本技术一实施例，所述基于所述质量检测结果对所述目标人脸进行人脸真伪识别，得到第二检测结果，包括：若所述质量检测结果为判定所述待验证图像存在模糊或反光，则判定所述目标人脸为伪造人脸；若所述质量检测结果为判定所述待验证存在非模糊且非反光，则判定所述目标人脸为待判定人脸。
[0052]
在本实施例中，通过识别质量检测结果中显示的待验证图像是否存在模糊或反光，来确定第二检测结果。若质量检测结果为判定所述待验证图像存在模糊或反光，则判定目标人脸为伪造人脸；若质量检测结果为判定待验证存在非模糊且非反光，则判定目标人脸为待判定人脸，需要进行进一步地检测。作为一示例，采用两个轻量级二分类模型，一个模型对图像质量进行模糊与非模糊判断，另一个模型进行反光与非反光判断。预先通过大量模糊、非模糊、反光、非反光的图像数据对量给模型进行训练，使得两个模型分别输出图像模糊和非模糊的概率、图像反光与非反光的概率，根据概率值确定质量检测结果，从而确定第二检测结果。
[0053]
作为本技术一实施例，所述用第三检测模型对所述目标人脸进行防伪检测，得到第三检测结果，包括：利用第三检测模型获取至少一张包含所述目标人脸的帧图像，并提取每个所述帧图像的图像特征；将各个所述图像特征进行特征融合，得到融合特征；基于所述融合特征对所述目标人脸进行防伪检测，得到第三检测结果。
[0054]
在本实施例中，在第二检测结果指示目标人脸为待判定人脸的情况下，利用第三检测模型对目标人脸进行进一步地防伪检测，得到第三检测结果，其中，第三检测结果包括判定目标人脸为伪造人脸或判定目标人脸为真实人脸。具体地，利用第三模型触发检测终端拍摄或通过其他方式获取多张包含目标人脸的帧图像，并提取每个帧图像的图像特征，其中图像特征包括但不限于目标人脸的脸部特征、表情特征等等。然后通过特征融合将各个图片特征拼接在一起，深层学习图像特征，基于拼接后的融合特征对目标人脸进行防伪检测，得到第三检测结果。
[0055]
作为一示例，预先训练好多个二分类模型，使得帧图像与二分类模型一一对应，提取每个帧图像的图像特征，然后将这些帧图像的特征输出至全连接层进行特征拼接，拼接在一起形成一个大的tensor，再对tensor进行分类，判断目标人脸的真伪，若判定目标人脸为伪造人脸，则输出fake，若判定目标人脸为真实人脸，则输出real。
[0056]
本技术实施例提供一种人脸防伪检测方法，首先接收检测终端拍摄到的待验证图像，在待验证图像中包括有待验证的目标人脸，然后对待验证图像进行目标检测，识别到目标检测框，该目标检测框包括目标人脸对应的人脸检测框，通过确定人脸检测框的大小，并根据人脸检测框的大小匹配对应的人脸防伪检测方式，实现对目标人脸进行防伪检测，得到目标检测结果，本技术通过确定人脸检测框的大小来反映人脸攻击的距离远近，例如通过其他媒介发起的远距离视频攻击、图片攻击等等，然后对于不同距离的人脸攻击采用不同的人脸防伪检测方式，实现对目标人脸进行防伪检测，提高了现有的人脸防伪检测的场景鲁棒性。
[0057]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0058]
在一个实施例中，提供一种人脸防伪检测装置300，该人脸防伪检测装置与上述实施例中人脸防伪检测方法一一对应。如图3所示，该人脸防伪检测装置包括接收模块301、人脸识别模块302、确定模块303以及检测模块304。
[0059]
各功能模块详细说明如下：
[0060]
接收模块301：用于接收检测终端拍摄到的待验证图像，所述待验证图像包括待验证的目标人脸；
[0061]
人脸识别模块302：用于对所述待验证图像进行目标检测，得到目标检测框，所述目标检测框包括所述目标人脸对应的人脸检测框；
[0062]
确定模块303：用于确定出所述人脸检测框的大小；
[0063]
检测模块304：用于选择所述人脸检测框的大小对应的人脸防伪检测方式，对所述目标人脸进行防伪检测，得到目标检测结果。
[0064]
其中，所述检测模块用于若所述人脸检测框的尺寸小于或等于预设尺寸阈值，则用第一检测模型对所述目标人脸进行防伪检测，得到第一检测结果，其中，所述第一检测结果包括判定所述目标人脸为伪造人脸或判定所述目标人脸为待判定人脸；
[0065]
若所述人脸检测框的尺寸大于所述预设尺寸阈值，或者所述第一检测结果指示所述目标人脸为待判定人脸，则用第二检测模型对所述目标人脸进行防伪检测，得到第二检测结果，所述第二检测结果包括判定所述目标人脸为伪造人脸或判定所述目标人脸为待判定人脸；
[0066]
若所述第二检测结果指示所述目标人脸为待判定人脸，则用第三检测模型对所述目标人脸进行防伪检测，得到第三检测结果，所述第三检测结果包括判定所述目标人脸为伪造人脸或判定所述目标人脸为真实人脸；
[0067]
综合所述第一检测结果、所述第二检测结果及所述第三检测结果，得到目标检测结果。
[0068]
所述用第一检测模型对所述目标人脸进行防伪检测，得到第一检测结果，包括：
[0069]
利用第一检测模型判断所述待验证人脸图像是否存在预设检测框；所述预设检测框包括终端边框或纸张边框；
[0070]
若所述待验证人脸图像不存在所述预设检测框，则判定所述目标人脸为待判定人脸；
[0071]
若所述待验证人脸图像存在所述预设检测框，则计算所述人脸检测框与所述预设检测框的重合度；
[0072]
基于所述重合度对所述目标人脸进行防伪检测，得到第一检测结果。
[0073]
所述基于所述重合度对所述目标人脸进行防伪检测，得到第一检测结果，包括：
[0074]
若所述重合度处于预设阈值范围，则判定所述目标人脸为伪造人脸；
[0075]
若所述重合度不处于预设阈值范围，则判定所述目标人脸为待判定人脸。
[0076]
所述用第二检测模型对所述目标人脸进行防伪检测，得到第二检测结果，包括：
[0077]
利用第二检测模型对所述待验证人脸图像进行图像质量检测，得到质量检测结果；
[0078]
基于所述质量检测结果对所述目标人脸进行人脸真伪识别，得到第二检测结果。
[0079]
所述基于所述质量检测结果对所述目标人脸进行人脸真伪识别，得到第二检测结
果，包括：
[0080]
若所述质量检测结果为判定所述待验证图像存在模糊或反光，则判定所述目标人脸为伪造人脸；
[0081]
若所述质量检测结果为判定所述待验证存在非模糊且非反光，则判定所述目标人脸为待判定人脸。
[0082]
所述用第三检测模型对所述目标人脸进行防伪检测，得到第三检测结果，包括：
[0083]
利用第三检测模型获取至少一张包含所述目标人脸的帧图像，并提取每个所述帧图像的图像特征；
[0084]
将各个所述图像特征进行特征融合，得到融合特征；
[0085]
基于所述融合特征对所述目标人脸进行防伪检测，得到第三检测结果。
[0086]
关于人脸防伪检测装置的具体限定可以参见上文中对于人脸防伪检测方法的限定，在此不再赘述。上述人脸防伪检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0087]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括可读存储介质、内存储器。该可读存储介质存储有操作系统、计算机可读指令和数据库。该内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机设备的数据库用于存储人脸防伪检测方法所涉及的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机可读指令被处理器执行时以实现一种人脸防伪检测方法。本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。
[0088]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括可读存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机可读指令。该内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机设备的网络接口用于与外部服务器通过网络连接通信。该计算机可读指令被处理器执行时以实现一种人脸防伪检测方法。本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。
[0089]
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令，处理器执行计算机可读指令时实现以下步骤：
[0090]
接收检测终端拍摄到的待验证图像，所述待验证图像包括待验证的目标人脸；
[0091]
对所述待验证图像进行目标检测，得到目标检测框，所述目标检测框包括所述目标人脸对应的人脸检测框；
[0092]
确定出所述人脸检测框的大小；
[0093]
选择所述人脸检测框的大小对应的人脸防伪检测方式，对所述目标人脸进行防伪检测，得到目标检测结果。
[0094]
在一个实施例中，提供了一个或多个存储有计算机可读指令的计算机可读存储介质，本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。可读存储介质上存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时实现以下步骤：
[0095]
接收检测终端拍摄到的待验证图像，所述待验证图像包括待验证的目标人脸；
[0096]
对所述待验证图像进行目标检测，得到目标检测框，所述目标检测框包括所述目标人脸对应的人脸检测框；
[0097]
确定出所述人脸检测框的大小；
[0098]
选择所述人脸检测框的大小对应的人脸防伪检测方式，对所述目标人脸进行防伪检测，得到目标检测结果。
[0099]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一非易失性可读取存储介质或易失性可读存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0100]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、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单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
[0101]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。