一种人脸活体检测方法、装置、电子设备及存储介质与流程

本公开涉及人脸识别领域，具体而言，涉及一种人脸活体检测方法、装置、电子设备及存储介质。

背景技术：

1、在数字化时代，人脸识别技术已经成为身份验证和安全防护的重要手段。然而，随着技术的普及，出现了利用照片、视频、面具等手段进行欺诈攻击，为了应对这一挑战，活体检测技术应运而生。活体检测，是一种验证操作对象是否为真实活体的技术。在人脸识别中，它通过一系列生物特征和行为特征的检测，判断用户是否为真实活体本人操作。随着深度学习技术的发展，transformer网络结构在各种应用中取得了显著的成功，特别是在人脸活体检测任务中。

2、但是，目前大多数人脸活体检测方法，只是单纯的使用卷积神经网络，或者其他类型的分类器，对输入的图片直接进行活体和非活体分类，这种方法可能存在天然的劣势，分类任务和精确位置的预测本身属于两个方向的问题，传统方法将这两个问题杂糅到一起，导致最终输出的结果并没有符合预期，确性较低。

技术实现思路

1、本公开实施例至少提供一种人脸活体检测方法、装置、电子设备及存储介质，将伪造分类和伪造定位两种预测分支解耦，在实现分类的同时进行定位，提升活体检测的准确率。

2、本公开实施例提供了一种人脸活体检测方法，包括：

3、获取待检测人脸图像，提取所述待检测人脸图像中包含的伪造特征，确定伪造特征图；

4、在所述伪造特征图中生成多个预选框，提取每个所述预选框对应的区域级伪造特征；

5、根据所述区域级伪造特征，确定对应所述预选框内的伪造点坐标，根据所述伪造点坐标，分别确定伪造类别查询向量以及伪造位置查询向量；

6、根据所述伪造类别查询向量与所述伪造位置查询向量生成伪造预测头；

7、将所述伪造预测头输入至预设全连接神经网络，确定伪造类别预测结果以及伪造位置预测结果。

8、一种可选的实施方式中，所述待检测人脸图像的类别包括：真人人脸图像、照片人脸图像、屏幕人脸图像以及面具人脸图像。

9、一种可选的实施方式中，根据所述区域级伪造特征，确定对应所述预选框内的伪造点坐标，具体包括：

10、将所述伪造特征图中，全部所述区域级伪造特征进行拼接，确定拼接伪造特征；

11、将所述拼接伪造特征输入至预设convnet卷积神经网络，并经过预设多层感知机的处理后，确定所述伪造点坐标。

12、一种可选的实施方式中，基于以下公式确定所述伪造点坐标：

13、

14、其中，p代表所述伪造点坐标；mlp代表预设多层感知机；convnet代表预设convnet卷积神经网络；代表在所述伪造特征图f中，第i个所述预选框boxi对应的所述区域级伪造特征；代表所述拼接伪造特征。

15、一种可选的实施方式中，根据所述伪造类别查询向量与所述伪造位置查询向量生成伪造预测头，具体包括：

16、将所述伪造类别查询向量与所述伪造位置查询向量拼接为目标查询向量，并针对所述目标查询向量进行自注意力计算；

17、针对所述伪造类别查询向量与所述伪造特征图进行交叉注意力计算；

18、针对所述伪造位置查询向量与所述伪造特征图进行交叉注意力计算；

19、将自注意力、所述伪造类别查询向量对应交叉注意力以及所述伪造位置查询向量对应交叉注意力堆叠预设次数，确定所述伪造预测头。

20、一种可选的实施方式中，基于以下公式确定所述伪造预测头：

21、h＝{sa,cac,cal}t

22、其中，h代表所述伪造预测头；sa代表自注意力，cac代表所述伪造类别查询向量对应交叉注意力；cal代表所述伪造位置查询向量对应交叉注意力；t代表预设堆叠次数。

23、一种可选的实施方式中，将所述伪造预测头输入至预设全连接神经网络，确定伪造类别预测结果以及伪造位置预测结果，具体包括：

24、将所述伪造预测头输入至预设第一全连接神经网络，确定所述伪造类别预测结果；

25、将所述伪造预测头输入至预设第二全连接神经网络，确定所述伪造位置预测结果。

26、本公开实施例还提供一种人脸活体检测装置，包括：

27、伪造特征图生成模块，用于获取待检测人脸图像，提取所述待检测人脸图像中包含的伪造特征，确定伪造特征图；

28、伪造感知生成模块，用于在所述伪造特征图中生成多个预选框，提取每个所述预选框对应的区域级伪造特征；

29、查询向量构建模块，用于根据所述区域级伪造特征，确定对应所述预选框内的伪造点坐标，根据所述伪造点坐标，分别确定伪造类别查询向量以及伪造位置查询向量；

30、伪造预测头生成模块，用于根据所述伪造类别查询向量与所述伪造位置查询向量生成伪造预测头；

31、伪造预测模块，用于将所述伪造预测头输入至预设全连接神经网络，确定伪造类别预测结果以及伪造位置预测结果。

32、本公开实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述人脸活体检测方法，或上述人脸活体检测方法中任一种可能的实施方式中的步骤。

33、本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述人脸活体检测方法，或上述人脸活体检测方法中任一种可能的实施方式中的步骤。

34、本公开实施例还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序、指令被处理器执行时实现上述人脸活体检测方法，或上述人脸活体检测方法中任一种可能的实施方式中的步骤。

35、本公开实施例提供的一种人脸活体检测方法、装置、电子设备及存储介质，通过获取待检测人脸图像，提取所述待检测人脸图像中包含的伪造特征，确定伪造特征图；在所述伪造特征图中生成多个预选框，提取每个所述预选框对应的区域级伪造特征；根据所述区域级伪造特征，确定对应所述预选框内的伪造点坐标，根据所述伪造点坐标，分别确定伪造类别查询向量以及伪造位置查询向量；根据所述伪造类别查询向量与所述伪造位置查询向量生成伪造预测头；将所述伪造预测头输入至预设全连接神经网络，确定伪造类别预测结果以及伪造位置预测结果。可以将伪造分类和伪造定位两种预测分支解耦，在实现分类的同时进行定位，提升活体检测的准确率。

36、为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

技术特征：

1.一种人脸活体检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于：

3.根据权利要求1所述的方法，其特征在于，根据所述区域级伪造特征，确定对应所述预选框内的伪造点坐标，具体包括：

4.根据权利要求3所述的方法，其特征在于，基于以下公式确定所述伪造点坐标：

5.根据权利要求1所述的方法，其特征在于，根据所述伪造类别查询向量与所述伪造位置查询向量生成伪造预测头，具体包括：

6.根据权利要求5所述的方法，其特征在于，基于以下公式确定所述伪造预测头：

7.根据权利要求1所述的方法，其特征在于，将所述伪造预测头输入至预设全连接神经网络，确定伪造类别预测结果以及伪造位置预测结果，具体包括：

8.一种人脸活体检测装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7中任一项所述的人脸活体检测方法的步骤。

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7中任一项所述的人脸活体检测方法的步骤。

技术总结
本公开提供了一种人脸活体检测方法、装置、电子设备及存储介质，通过获取待检测人脸图像，提取所述待检测人脸图像中包含的伪造特征，确定伪造特征图；在所述伪造特征图中生成多个预选框，提取每个所述预选框对应的区域级伪造特征；根据所述区域级伪造特征，确定对应所述预选框内的伪造点坐标，根据所述伪造点坐标，分别确定伪造类别查询向量以及伪造位置查询向量；根据所述伪造类别查询向量与所述伪造位置查询向量生成伪造预测头；将所述伪造预测头输入至预设全连接神经网络，确定伪造类别预测结果以及伪造位置预测结果。可以将伪造分类和伪造定位两种预测分支解耦，在实现分类的同时进行定位，提升活体检测的准确率。

技术研发人员：高洲,白世杰
受保护的技术使用者：北京远鉴信息技术有限公司
技术研发日：
技术公布日：2024/8/20