活体攻击检测方法和活体攻击检测模型的训练方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115937992A(43)申请公布日2023.04.07(21)申请号202211531023.6G06V10/82(2022.01)(22)申请日2022.12.01(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人武文琦(74)专利代理机构北京恒博知识产权代理有限公司11528专利代理师范胜祥(51)Int.Cl.G06V40/40(2022.01)G06V40/16(2022.01)G06V10/764(2022.01)G06V10/774(2022.01)G06V10/80(2022.01)权利要求书4页说明书21页附图5页(54)发明名称活体攻击检测方法和活体攻击检测模型的训练方法(57)摘要本说明书实施例公开了一种活体攻击检测方法、活体攻击检测模型的训练方法、装置、存储介质及电子设备，从目标对象的人脸验证视频中获取多个打光帧和多个非打光帧，其中，多个打光帧是在对目标对象进行打光的情况下采集的，该多个非打光帧是在未对该目标对象进行打光的情况下采集的。基于多个打光帧与多个非打光帧之间的差异，确定多个差值图。将多个差值图输入活体攻击检测模型来进行特征提取，得到多个差值图的差值图特征，基于多个差值图的差值图特征能够确定该人脸验证视频的类型，从而实现活体攻击检测。CN115937992ACN115937992A权利要求书1/4页1.一种活体攻击检测方法，包括：从目标对象的人脸验证视频中获取多个打光帧和多个非打光帧，所述多个打光帧是在对所述目标对象进行打光的情况下采集的，所述多个非打光帧是在未对所述目标对象进行打光的情况下采集的；基于所述多个打光帧和所述多个非打光帧，确定多个差值图，所述差值图用于表示打光帧与对应非打光帧之间的差异；将所述多个差值图输入活体攻击检测模型，通过所述活体攻击检测模型对所述多个差值图进行特征提取，得到各个所述差值图的差值图特征；通过所述活体攻击检测模型，基于所述多个差值图的差值图特征进行预测，输出所述人脸验证视频的视频类型，所述视频类型用于表示所述人脸验证视频是否为活体攻击视频。2.根据权利要求1所述的方法，所述从目标对象的人脸验证视频中获取多个打光帧和多个非打光帧包括下述任一项：对所述人脸验证视频的多个视频帧进行颜色分布统计，得到各个所述视频帧的颜色分布统计结果；基于各个所述视频帧的颜色分布统计结果，从所述多个视频帧中确定所述多个打光帧和所述多个非打光帧，打光帧与非打光帧的颜色分布统计结果不同；基于所述人脸验证视频对应的打光周期，从所述人脸验证视频的多个视频帧中获取所述多个打光帧和所述多个非打光帧；将所述人脸验证视频的多个视频帧输入视频帧分类模型，通过所述视频帧分类模型对所述多个视频帧进行分类，输出各个所述视频帧的视频帧类型，视频帧类型用于表示视频帧为打光帧还是非打光帧；基于各个所述视频帧的视频帧类型，从所述多个视频帧中获取所述多个打光帧和所述多个非打光帧。3.根据权利要求2所述的方法，所述对所述人脸验证视频的多个视频帧进行颜色分布统计，得到各个所述视频帧的颜色分布统计结果包括：对各个所述视频帧中多个像素点进行颜色分布统计，得到各个所述视频帧的颜色直方图；所述基于各个所述视频帧的颜色分布统计结果，从所述多个视频帧中确定所述多个打光帧和所述多个非打光帧包括：基于各个所述视频帧的颜色直方图，从所述多个视频帧中确定所述多个打光帧和所述多个非打光帧。4.根据权利要求2所述的方法，所述基于所述人脸验证视频对应的打光周期，从所述人脸验证视频的多个视频帧中获取所述多个打光帧和所述多个非打光帧包括：基于所述人脸验证视频对应的打光周期，将所述人脸验证视频划分为多个第一类视频片段和多个第二类视频片段，所述第一类视频片段是在所述目标对象进行打光的情况下采集的，所述第二类视频片段是在未对所述目标对象进行打光的情况下采集的；从所述多个第一类视频片段中获取所述多个打光帧；从所述第二类视频片段中获取所述多个非打光帧。5.根据权利要求2所述的方法，所述通过所述视频帧分类模型对所述多个视频帧进行分类，输出各个所述视频帧的视频帧类型包括：2CN115937992A权利要求书2/4页通过所述视频帧分类模型对所述多个视频帧进行特征提取，得到各个所述视频帧的视频帧特征；通过所述视频帧分类模型对各个所述视频帧的视频帧特征进行全连接和归一化，输出各个所述视频帧的视频帧类型。6.根据权利要求1所述的方法，所述于所述多个打光帧和所述多个非打光帧，确定多个差值图包括：基于所述多个打光帧和所述多个非打光帧，确定多个初始差值图；对所述多个初始差值图进行图像增强，得到所述多个差值图。7.根据权利要求6所述的方法，所述