活体检测方法、装置、设备及介质

技术领域

本发明涉及图像处理技术领域，特别是涉及一种活体检测方法、装置、设备及介质。

背景技术

在一些如金融、安防、门禁等需身份验证的场景下，为确定对象真实的生物特征，需使用活体检测技术对来访人员进行活体检测，以抵御照片、视频、面具、屏幕翻拍等攻击手段，从而保障安全性。

现有的活体检测技术大致分为单目活体检测、双目活体检测及深度估计活体检测。其中，单目活体检测拍摄用户的单帧可见光图像，通过分析该单帧可见光图像的纹理、形状信息，完成用户的活体认证。双目活体检测方法一般采用“可见光+近红外”相结合的方式拍摄目标对象的图像，其利用了电子屏在近红外光照下不成像的特性，对于电子屏类非活体攻击有非常好的防御性能。基于深度估计的活体检测方法能够获取被摄人脸五官上的立体信息，对于所有2D平面类非活体攻击都有较好的防御性能。

但是，双目活体检测方法以及基于深度估计的活体检测方法虽然在防御性能上有较大的优势，但这两种方法均需要成本较高的设备，降低了产品本身的竞争力。而单目活体检测模型虽然在成本上具备优势，但是活体防御性能却较差。因此，亟待一种成本低同时活体防御性能又较高的活体检测手段。

发明内容

鉴于上述问题，提出了本发明实施例的一种活体检测方法、装置、设备及介质，以便克服上述问题或者至少部分地解决上述问题。

为了解决上述问题，本发明的第一方面，公开了一种活体检测方法，所述方法包括：

在保持图像采集设备相对于待检测对象的相对水平距离不变的条件下，控制所述图像采集设备在相对于所述待检测对象的不同相对竖直距离下采集图像；

根据所述不同相对竖直距离对应的图像，确定所述待检测对象是否为活体。

可选地，在保持图像采集设备相对于待检测对象的相对水平距离不变的条件下，控制所述图像采集设备在相对于所述待检测对象的不同相对竖直距离下采集图像，包括：

控制所述图像采集设备针对所述待检测对象采集第一图像；

控制所述图像采集设备相对于所述待检测对象的相对水平距离保持不变，且调整所述图像采集设备相对于所述待检测对象的相对竖直距离；

控制所述图像采集设备在调整后的相对竖直距离下针对所述待检测对象采集第二图像。

可选地，调整所述图像采集设备相对于所述待检测对象的相对竖直距离，包括：

按照固定调整量，对所述相对竖直距离进行调整；或

根据所述图像采集设备相对于待检测对象的相对水平距离，确定相应的调整量，并按照相应的调整量对所述相对竖直距离进行调整，其中，相对水平距离越大，对应的调整量越大。

可选地，在根据所述图像采集设备相对于待检测对象的相对水平距离，确定相应的调整量之前，所述方法还包括：

提取所述第一图像中的多个关键特征点；

根据所述多个关键特征点，确定所述第一图像中关键特征点对应的预设区域的面积；

根据所述预设区域的面积，确定所述图像采集设备相对于待检测对象的相对水平距离。

可选地，根据所述不同相对竖直距离对应的图像，确定所述待检测对象是否为活体，包括：

对比所述不同相对竖直距离对应的图像，获得所述待检测对象的多个目标点的深度信息；

根据所述待检测对象的多个目标点的深度信息，确定所述待检测对象是否为活体。

可选地，根据所述不同相对竖直距离对应的图像，确定所述待检测对象是否为活体，包括：

将所述不同相对竖直距离对应的图像分别输入活体检测模型中，获得由所述活体检测模型输出的活体得分；

根据所述活体得分和预设活体阈值，确定所述待检测对象是否为活体；

其中，所述活体检测模型是以携带标签的多张样本图像为训练样本，对预设模型进行训练得到的，其中，所述携带标签的多张样本图像是在保持所述图像采集设备相对于样本对象的相对水平距离不变的条件下，在相对于所述样本对象的不同相对竖直距离下采集的样本图像。

可选地，根据所述不同相对竖直距离对应的图像，确定所述待检测对象是否为活体，包括：

提取所述不同相对竖直距离对应的图像中的多个关键特征点；

根据所述不同相对竖直距离对应的图像中的多个关键特征点，从所述不同相对竖直距离对应的图像中分别截取关键特征点对应的预设区域；

将从所述不同相对竖直距离对应的图像中截取的预设区域分别输入活体检测模型中，获得由所述活体检测模型输出的活体得分；

根据所述活体得分和预设活体阈值，确定所述待检测对象是否为活体；

其中，所述活体检测模型是以携带标签的多张样本图像的预设区域为训练样本，对预设模型进行训练得到的，其中，所述携带标签的多张样本图像是在保持所述图像采集设备相对于样本对象的相对水平距离不变的条件下，在相对于所述样本对象的不同相对竖直距离下采集的样本图像。

本发明实施例的第二方面，公开了一种活体检测装置，应用于活体检测设备，所述装置包括：

图像采集模块，用于在保持图像采集设备相对于待检测对象的相对水平距离不变的条件下，控制所述图像采集设备在相对于所述待检测对象的不同相对竖直距离下采集图像；

图像分析模块，用于根据所述不同相对竖直距离对应的图像，确定所述待检测对象是否为活体。

本发明实施例的第三方面，公开了一种终端设备，所述终端设备内集成有：活体检测设和图像采集设备；

其中，所述活体检测设备用于执行第一方面实施例所述的活体检测方法；

所述图像采集设备在默认状态下处于所述终端设备内部，且在受到所述活体检测设备发出的控制信号的驱动时，探出所述终端设备后上升或下降，以调整所述图像采集设备相对于待检测对象的相对竖直距离。

本发明实施例的第四方面，还公开了一种电子设备，包括：

一个或多个处理器；和

其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述设备执行如本发明第一方面实施例所述的活体检测方法。

本发明实施例的第五方面，还公开了一种计算机可读存储介质，其存储的计算机程序使得处理器执行如本发明第一方面实施例所述的活体检测方法。

本发明实施例包括以下优点：

在本发明实施例中，可以在保持图像采集设备相对于待检测对象的相对水平距离不变的条件下，控制图像采集设备在相对于待检测对象的不同相对竖直距离下，对待检测对象进行图像采集，从而得到不同相对竖直距离对应的图像，并根据不同相对竖直距离对应的图像，确定待检测对象是否为活体。

采用本发明实施的技术方案，一方面，由于针对待检测对象，是在与待检测对象之间水平距离不变的情况下，从不同相对竖直距离，即可以理解为是不同高度对待检测对象进行图像采集，这样从不同高度采集的图像相结合，可以形成视差，该视差可以反映待检测对象中各个目标点的深度差异，由于深度差异可以表征待检测对象的人脸的立体特点。因此，采用此种方式可以实现对待检测对象的活体检测，有效抵御拍屏、照片、屏幕翻拍等攻击。另一方面，由于图像采集设备可以从不同高度采集图像，且通过不同高度采集的图像可以得到人脸关键点之间的深度差异，这样，采用一般的摄像头即可完成上述图像采集，采集的图像也可以用于后续的活体检测，因此，降低了所需设备的成本。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明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发明的一些实施例，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。

图1是本发明实施例中一种终端设备的结构示意图；

图2是本发明实施例的活体检测方法的步骤流程图；

图3是本发明实施中从不同高度拍摄真实人脸图像时确定某一目标点的深度值的原理示意图；

图4是本发明实施中又一种活体检测方法的步骤流程图

图5是本发明实施中构建的活体检测模型的结构示意图；

图6是本发明实施中另一种活体检测方法的步骤流程图；

图7是本发明实施中再一种活体检测方法的步骤流程图；

图8是本发明实施例的一种活体检测装置的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

鉴于相关技术中，对于双目活体检测方法以及基于深度估计的活体检测方法所需的设备成本高昂、以及单目活体检测的活体防御性能又较差的实际情况，用户迫切需要成本低廉而活体检测准确度又较高的一种检测手段。

本申请人在构思如何解决上述技术问题以满足用户需求的过程中，也面临了一些实际困难。比如，要获得较好的活体检测准确度，就需要获得待检测对象的深度差异，即人脸的立体信息；而要降低设备成本，就需要摒弃成本高昂的一些活体图像采集设备，例如，近红外成像设备、专用于拍摄人脸五官之间的深度差异的成像设备，如结构光成像设备和TOF成像设备等。

鉴于上述所述，发明的要点就在于：必须利用一般的图像采集设备采集图像，例如，手机摄像头等采集图像，然后，这些采集到的图像又能运用于后续获得待检测对象的深度差异，以实现活体检测。因此，如何根据一般图像采集设备采集到的图像，获得人脸五官的深度差异，便成了解决上述技术问题的关键。

进一步，发明人在工作实践中发现，可以运用人双眼成像的原理，实现利用一般图像采集设备采集不同角度的图像，进而获得人脸五官的深度差异。其中，人双眼成像是指：人的两个眼睛在于目标物体高度一致的情况下，可从左侧及右侧分别获得图像，之后，大脑对两只眼睛所观察到的两张目标物体图像相互映射，继而便呈现出立体视觉感受，即可以获得目标物体各部位的深度差异。

基于该人眼成像的原理，便可以利用从不同角度对待检测对象采集的图像进行活体检测，例如，运用一般的一个图像采集设备同时充当人的右眼和左眼，以从不同角度采集图像。因此，发明人提出了以下技术构思：在保持与对待检测对象的水平距离不变的情况下，从相对于对待检测对象的不同相对竖直高度采集待检测对象的图像，从而根据不同相对竖直高度采集的图像，进行活体检测。由于不同相对竖直高度采集的图像相结合可以表征待检测对象的深度差异，因此，可以利用一般的图像采集设备采集不同角度的待检测对象的图像，在保持设备低成本的优势的同时，实现较高效率的活体检测。

参照图1所示，示出了本发明实施例还提供了一种终端设备101的结构框图，如图1所示，所述终端设备101内集成有活体检测设备102和图像采集设备103。

其中，所述活体检测设备102用于执行本发明的活体检测方法；所述图像采集设备103在默认状态下处于所述终端设备101内部，如图1中实线所示的图像采集设备103所处位置，且在受到所述活体检测设备102发出的控制信号的驱动时，探出所述终端设备101后上升或下降，以调整所述图像采集设备103相对于待检测对象(图1中的人所示)的相对竖直距离，如图1中虚线所示的图像采集设备103所在位置。

具体实施时，图像采集设备103可以安装在活体检测设备102内部，由活体检测设备102控制该图像采集设备103探出所述活体检测设备102进行上升或下降，从而调整图像采集设备103相对于地面的高度，以改变该图像采集设备103与待检测对象之间的相对竖直距离。如图1所示，例如控制图像采集设备103从高度A的位置垂直上升到高度B的位置，从而调整了与待检测对象之间的相对竖直距离由相对距离h1变更到相对距离h2。

其中，图像采集设备103可以是一般的摄像头，终端设备101可以是一体机，根据实际情况，该终端设备101可以放置于闸机口，并可以控制闸机的开启或关闭，以达到门禁的安保作用。

当然，根据实际需求，该终端设备101也可以置于其他的环境中，用于进行其他的安防。

结合图1所示的终端设备，对本发明的一种活体检测方法进行阐述，参照图图2所示，图2示出了本发明实施例中的一种活体检测方法的步骤流程图，具体而言，终端设备的活体检测设备可以执行以下步骤：

步骤S201：在保持图像采集设备相对于待检测对象的相对水平距离不变的条件下，控制所述图像采集设备在相对于所述待检测对象的不同相对竖直距离下采集图像。

本实施例中，相对水平距离是指图像采集设备与待检测对象在水平方向上的间隔距离，相对竖直距离是指图像采集设备与待检测对象在竖直方向上的间隔距离，也可以称为相对高度。

其中，保持图像采集设备相对于待检测对象的相对水平距离不变是为了：固定待检测对象与图像采集设备之间的水平距离不变，从而使得提取到的深度信息更加准确，在此种情况下，可以保证非常高的活体识别准确率。当然，在一些示例中，若对活体识别的精度要求不高，该相对水平距离也可以变化，这样，即图像采集设备可以在不同相对水平距离和不同相对竖直距离的条件下，采集同一目标的图像。例如，借鉴图1说明，控制图像采集设备103从高度A的位置垂直上升到高度B的位置，其中，在高度A的位置图像采集设备与目标之间的水平距离为L1，在高度B的位置图像采集设备与目标之间的水平距离为L2，L1和L2是不同的水平距离，由此，也可以实现在不同相对竖直距离下的图像采集。

具体实施时，活体检测设备可以控制图像采集设备调整自身与地面的竖直距离，从而从不同高度采集待检测对象的图像，该图像可以是包括待检测对象的具有立体生物特征的图像，例如，人脸的图像。

如图1所示，例如，控制图像采集设备103从高度A的位置垂直上升到高度B的位置，从而调整了与待检测对象之间的相对竖直距离由相对距离h1变更到相对距离h2，进而图像采集设备在高度A的位置和高度B的位置对待检测对象进行图像采集，从而得到图像A和图像B。

步骤S202：根据所述不同相对竖直距离对应的图像，确定所述待检测对象是否为活体。

由于对于一个立体对象而言，例如，对于人脸而言，在保持人脸与相机之间的水平距离不变的情况下，从不同高度对人脸进行图像采集，可以得到不同高度拍摄而成的图像，进而根据不同高度拍摄而成的图像，计算人脸关键点位置的深度值，得到人脸中的五官的深度信息。这样，可以通过对人脸五官各自的深度信息进行比较，确定出拍摄的人脸是否是真实的人脸。例如，得到的人脸五官各自的深度信息之间有差异，可以认为是真实的人脸，不具有差异，则可以认为不是真实的人脸。

因此，在本实施例中，可以依据在不同相对竖直距离下所拍摄的待检测对象的图像，确定待检测对象的各个部位的深度值，根据待检测对象的各个部位的深度值的差异，确定待检测对象是否为活体。其中，当深度值的差异较大时，例如，大于设定的可信阈值时，证明待检测对象是立体的，即实际中是真正的人脸，从而可以确定待检测对象是活体。反之，当在深度值的差异很小时，例如小于设定的最小阈值时，证明待检测对象不是立体的，即实际中不是真正的人脸，从而可以确定待检测对象不是活体。

本实施例中，由于保持图像采集设备相对于待检测对象的相对水平距离不变的情况下，图像采集设备从不同高度对待检测对象进行了图像采集。因此，可以利用不同高度采集的图像获得待检测对象中各个部位的深度差异，从而可以根据各个部位的深度差异，确定待检测对象是否为活体。这样，可以利用一般的图像采集设备在不同高度所采集的图像进行活体检测，在保证了低成本的同时也实现了较高准确度的活体检测。

在一种具体示例中，在根据所述不同相对竖直距离对应的图像，确定所述待检测对象是否为活体时，可以根据所述不同相对竖直距离所拍摄的图像，获得所述待检测对象的多个目标点的深度信息；并根据所述待检测对象的多个目标点的深度信息，确定所述待检测对象是否为活体。

本实施例中，目标点可以是指待检测对象的目标部位，一般而言，在待检测对象中可以包括多个目标点，例如，待检测对象是人脸时，可以是人脸的鼻尖部位、眼睛部位、嘴角部位、耳朵部位等。具体实施时，目标点的深度信息可以是指目标点的深度值，从而对比得到检测对象中各个目标点之间的深度值的差异，进而可以根据各个目标点的深度值的差异确定待检测对象是否是活体。

在该示例中，深度值可以表征目标点与图像采集设备之间的水平距离，其中，一个目标点的深度值可以是根据该目标点在不同相对竖直距离对应的图像中的像素坐标、图像采集设备在竖直方向上的移动距离确定。

为方便理解本发明，参照图3所示，示出了从不同高度拍摄真实人脸图像时求取某一目标点的深度值的原理示意图。图3中的黑色椭圆形点s1和s2表示摄像头，成像平面1表示摄像头在高度s1上所对应的竖直平面，成像平面2表示摄像头在高度s21上所对应的竖直平面；图3中的水平方向的虚线分别表示摄像头在s1和s2高度的光轴位置，其中，摄像头的光轴垂直于成像平面。焦距f表征摄像头拍摄人脸图像时所选择的焦距，该焦距f实际是指成像平面到摄像头的水平距离。

如图3所示，以人脸的鼻尖点B为例(图中示出的是人的侧脸)，图像采集设备从s2上升到s1高度，鼻尖点B至图像采集设备的水平距离为H，该距离H即为鼻尖点B到图像采集设备的深度距离。f为图像采集设备的焦距，鼻尖点B与s1之间的直线距离为线段B-s1，鼻尖点B与s2之间的直线距离为线段B-s2，其中，摄像头在位置s1的光轴面与成像平面1相交于点x1'，摄像头在位置s2的光轴面与成像平面2相交于点x2'，其中，x1'点和x2'可以理解为是获得的图像的中心位置。线段B-s1与成像平面1相交于x1、线段B-s2与成像平面2相交于x2。

由图3可见，B点与s1点和s2点组成三角形Bs1s2，B点又与x1点和x2点组成三角形Bx1x2，可见，三角形Bs1s2与三角形Bx1x2是相似三角形，则

其中，对于立体图像而言，鼻尖在s1点所拍摄得到的图像与在s2点所拍摄得到的图像中的像素坐标的绝对差值，与眼睛在s1点所拍摄得到的图像与在s2点所拍摄得到的图像中的像素坐标的绝对差值是不一样的，因此，得到的鼻尖的深度值和眼睛的深度值不同。而对于拍屏图像，鼻尖在s1点所拍摄得到的图像与在s2点所拍摄得到的图像中的像素坐标的绝对差值，与眼睛在s1点所拍摄得到的图像与在s2点所拍摄得到的图像中的像素坐标的绝对差值是近似相同的，因此，得到的鼻尖的深度值和眼睛的深度值相同。

按照上述原理，可以求得眼睛、嘴角等部位到图像采集设备的深度。当眼睛、嘴角、鼻尖等部位距离图像采集设备的深度各不相同时，便可以认为待检测对象是立体的人脸，进而可以确定是活体；在眼睛、嘴角、鼻尖等部位距离图像采集设备的深度均相同时，可以确定待检测对象是平面的，实际中可能是拍屏图像，进而得出待检测对象不是活体。

示例地，如图1所示，假设根据图像A和图像B，得到待检测对象中的鼻尖对应的深度值为0.3、嘴角对应的深度值为0.5，即一般而言，鼻尖点作为人脸上的突出部分，距离摄像头的距离应该更加近，因此鼻尖对应的深度值相对小；而眼睛、嘴角等关键点由于不是突出部位，距离涉摄像头的距离会更加远，因此嘴角对应的深度值较大，从而根据两个点对应的深度值的不同，则可以判定待检测对象是活体。

在一些实施例中，结合图1所示，图像采集设备可以在未探出终端设备(或活体检测设备)的情况下，对待检测对象进行图像采集之后，在活体检测设备的控制下，探出终端设备(或活体检测设备)终端设备(或活体检测设备)一定高度的情况下，再对待检测对象进行图像采集。进而，结合该两种情况下分别采集的图像进行活体检测。参照图4所示，示出了该实施例中一种活体检测方法的步骤流程图，具体可以包括以下步骤：

步骤S401：控制所述图像采集设备针对所述待检测对象采集第一图像。

本实施例中，图像采集设备可以在自身的原始位置对待检测对象进行图像采集，得到第一图像。该自身的原始位置可以是图像采集设备在终端设备中的初始位置，例如，未探出终端设备时的固定位置。

实际中，在一个具体示例中，也可以在采集得到第一图像时，检测第一图像是否包括待检测对象的人脸。在包括人脸时，便可以执行步骤S402，在不包括人脸时，可以重复步骤S401的过程，直到确定第一图像中包括人脸。

实际中，在第一图像不包括人脸时，可以在图像采集设备保持原始位置不变的情况下，调整待检测对象与图像采集设备之间的水平距离、相对竖直距离等，以重新对待检测对象进行图像采集，得到第一图像。

步骤S402：控制所述图像采集设备相对于所述待检测对象的相对水平距离保持不变，且调整所述图像采集设备相对于所述待检测对象的相对竖直距离。

本实施例中，活体检测设备可以在得到第一图像后，控制图像采集设备垂直上升或下降相应的高度，以在图像采集设备相对于待检测对象的相对水平距离保持不变的情况下，调整所述图像采集设备相对于待检测对象的相对竖直距离。

相应地，在调整所述图像采集设备相对于所述待检测对象的相对竖直距离时，一般可以按照固定调整量，对所述相对竖直距离进行调整；或根据所述图像采集设备相对于待检测对象的相对水平距离，确定相应的调整量，并按照相应的调整量对所述相对竖直距离进行调整，其中，相对水平距离越大，对应的调整量越大。

本实施例中，固定调整量可以是指固定的距离，在按照固定调整量，对所述相对竖直距离进行调整时，可以是指控制图像采集设备垂直上升或垂直下降固定的距离。如此，在一些不同待检测对象距离图像采集设备的水平距离均相同的应用场景中，按照固定调整量调整相对竖直距离，可以提高图像采集设备采集图像的效率。

实际中，在根据图像采集设备相对于待检测对象的相对水平距离，确定相应的调整量，并按照相应的调整量对相对竖直距离进行调整时，在一种可选措施中，相对水平距离可以通过红外测距仪测量。实际中，对应的调整量可以是预设调整权重与相对水平距离的乘积，例如，预设调整权重为0.1，则相应的调整量＝0.1×相对水平距离。这样，相对水平距离越大，对应的调整量便越大。

在按照相对水平距离，确定相应的调整量，并按照相应的调整量对相对竖直距离进行调整时，也可以动态调整图像采集设备垂直上升的距离，且相对水平距离越大，对应的调整量便越大。如此，使得在水平距离较大的情况下，可以从更高的竖直高度对待检测对象进行图像采集，以使后续对不同相对竖直距离的图像进行比对时，可以达到更高的图像差别，即更容易分辨待检测对象的深度差异，从而提高远距离情况下活体检测的准确率。

为便于理解，如图3所示，当图像采集设备与人脸的相对水平距离较远时，若x1'点和x2'点之间的距离较小，即s1s2的值较小，此时，x1x1'和x2x2'的值也非常小、这样，得到的

在一些示例中，图像采集设备相对于待检测对象的相对水平距离也可以根据采集到的第一图像进行确定，具体地，可以提取所述第一图像中的多个关键特征点；并根据所述多个关键特征点，确定所述第一图像中关键特征点对应的预设区域的面积；之后，根据所述预设区域的面积，确定所述图像采集设备相对于待检测对象的相对水平距离。

本实施例中，第一图像中的多个关键特征点可以是指人脸五官的关键点，具体而言，可以采用人脸关键点检测技术，获得第一图像中的多个关键点，进而根据多个多关键特征点在第一图像中的坐标，确定关键特征点对应的预设区域的面积。具体地，预设区域的面积可以是多个关键特征点中纵坐标最大值、纵坐标最小值之间的差值和横坐标最大值、横坐标最小值之间的差值的乘积。

示例地，关键特征点可以是左眼瞳孔、右眼瞳孔、鼻尖、左嘴角、右嘴角这五个关键点，则由左眼瞳孔、右眼瞳孔、鼻尖、左嘴角、右嘴角这五个关键点在图像中的二维坐标组成预设区域，即人脸区域，从而也可以根据这五个关键点在图像中的二维坐标计算人脸区域的大小，假设人脸区域的面积为S，则S＝(纵坐标最大值-纵坐标最小值)×(横坐标最大值-横坐标最小值)。

具体实施时，在得到预设区域的面积后，其相对水平距离便可以是预设区域的面积与预设权重的乘积，例如，预设权重为0.2，则相对水平距离＝0.2×预设区域的面积。在得到相对水平距离后，相应的调整量便可以是相对水平距离与预设调整权重的乘积，例如，预设调整权重为0.1，则响应的调整量＝0.1×相对水平距离。

采用此种测量方式，可以无需额外的距离检测设备，例如红外测距仪等单独对图像采集设备相对于待检测对象的相对水平距离进行检测，节约了设备成本。且依据了第一图像的大小动态确定相应的调整量，这样，图像采集设备所上升或下降的高度也可以适应待检测对象本身的大小，例如，有的用户脸较大则上升较小的高度、有的用户脸较小则上升较大的高度，从而使得后期进行活体检测时，更加准确地确定待检测对象在不同角度图像中的深度差异。

步骤S403：控制所述图像采集设备在调整后的相对竖直距离下针对所述待检测对象采集第二图像。

本实施例中，图像采集设备在调整后的相对竖直距离下，可以采集第二图像，实际中，也可以检测第二图像中是否包括待检测对象的人脸。在包括人脸时，便可以执行步骤S304，在不包括人脸时，可以重复步骤S302的过程，直到确定第二图像中包括人脸。

步骤S404：根据所述第二图像和所述第一图像，确定所述待检测对象是否为活体。

本实施例中，步骤S404的过程与步骤S202的过程类似，相关过程参照步骤S202的描述即可，在此不再赘述。

在一些示例中，为了提高活体检测的智能性和效率，可以预先训练出活体检测模型，利用该活体检测模型进行活体检测。其中，根据获取训练样本的不同，可以得到两种针对不同类型的输入图像的活体检测模型，具体为活体检测模型A和活体检测模型B，其中，无论是活体检测模型A还是活体检测模型B，其二者均具有相同的模型结构，参照图5所示，示出了活体检测模型的结构示意图，包括两个特征提取分支、融合模块、全连接层模块以及归一化指数Softmax函数模块。其中，融合模块的输入端与两个特征提取分支的输出端同时连接。

其中，对于活体检测模型A而言，其训练样本获取过如下：

在保持图像采集设备相对于样本对象的相对水平距离不变的条件下，在相对于该样本对象的不同相对竖直距离下采集样本对象的样本图像，将不同相对竖直距离下采集的样本图像作为一个训练样本。其中，每个样本图像可以是对准用户全身所拍摄的包括人脸面部和用户其他身体部位的图像，在每一个训练样本中标注所采集的对象是否是活体的标签。

其中，对于活体检测模型B而言，其样本获取过如下：

在保持图像采集设备相对于样本对象的相对水平距离不变的条件下，对相对于该样本对象的不同相对竖直距离下采集的样本图像，从每张样本图像中截取人脸面部图像，将不同相对竖直距离下截取出的人脸面部图像作为一个训练样本，即，每个样本图像仅包括脸部区域的图像。其中，在每个训练样本中都包括表征该训练样本针对的样本对象是否是活体的标签。

当然，在上述两种情况下获得样本图像的过程中，也可以不拘泥于必须保持图像采集设备相对于样本对象的相对水平距离不变，实际中，可以在图像采集设备相对于样本对象的相对水平距离差异不大的情况下，从不同高度拍摄样本图像，并为每个样本图像标注上所采集的对象是否是活体的标签即可。

可以看出，活体检测模型A与活体检测模型B相比，活体检测模型B的训练样本仅针对人脸面部的图像进行特征提取，并进行活体检测，而活体检测模型A针对的训练样本可以包括其他身体特征的图像。因此，活体检测模型B可以减少对无关图像信息的特征提取，避免于人脸五官无关的其他部位信息的干扰，从而提高活体检测的效率和准确度。

其中，对活体检测模型A与活体检测模型B而言，虽然其训练样本不同，但是其利用各自的训练样本对模型进行训练的过程是相同的，均可以是如下过程：

首先，以训练样本为输入，对预设模型进行训练，其中，预设模型的模型结构如图5所示的结果。具体而言，将每个训练样本中的不同相对竖直距离下采集的样本图像分别输入预设模型中的两个特征提取分支，进而，预设模型中的融合模块对两个特征提取分支输出的特征进行融合，其输出的融合特征依次经预设的全连接层、Softmax函数模块得到是否是活体的预测分数。

接着，根据训练输出的是否是活体的预测分数和标签，可以确定预设模型的损失值，进而根据预设模型的损失值，对预设模型的参数进行更新，从而得到活体检测模型。

在得到活体检测模型A与活体检测模型B后，便可以选中其中一个活体检测模型对图像采集设备采集的图像进行活体检测。具体地，参照图6所示，示出了利用活体检测模型A进行活体检测方法的步骤流程图，具体可以包括以下步骤：

步骤S601：在保持图像采集设备相对于待检测对象的相对水平距离不变的条件下，控制所述图像采集设备在相对于所述待检测对象的不同相对竖直距离下采集图像。

本步骤S601与上述实施例中步骤S201的过程类似，具体可以参考步骤S201的描述或者步骤S401和步骤S402的描述即可，在此不再赘述。

步骤S602：将所述不同相对竖直距离对应的图像分别输入活体检测模型中，获得由所述活体检测模型输出的活体得分。

本实施例中，可以将不同相对竖直距离对应的图像分别输入到活体检测模型的两个特征提取分支中，进而得到活体检测模型输出的活体得分，该活体得分用于表征该待检测对象是活体的可信程度，取值范围可以在0-1之间，越趋近于1，表示待检测对象是活体的可信度越高。

步骤S603：根据所述活体得分和预设活体阈值，确定所述待检测对象是否为活体。

其中，所述活体检测模型是以携带标签的多张样本图像为训练样本，对预设模型进行训练得到的，其中，所述携带标签的多张样本图像是在保持所述图像采集设备相对于样本对象的相对水平距离不变的条件下，在相对于所述样本对象的不同相对竖直距离下采集的样本图像。即，本活体检测模型的训练样本可以是包括其他身体特征图像的样本图像。

本实施例中，预设活体阈值可以预先设置，当活体得分超过预设活体阈值，则表示待检测对象是活体，若未超过或等于预设活体阈值，则表示待检测对象不是活体。

参照图7所示，示出了利用活体检测模型B进行活体检测方法的步骤流程图，具体可以包括以下步骤：

步骤S701：在保持图像采集设备相对于待检测对象的相对水平距离不变的条件下，控制所述图像采集设备在相对于所述待检测对象的不同相对竖直距离下采集图像。

本步骤S701与上述实施例中步骤S201的过程类似，具体可以参考步骤S201的描述或者步骤S401和步骤S402的描述即可，在此不再赘述。

步骤S702：提取所述不同相对竖直距离对应的图像中的多个关键特征点。

本实施例中，可以采用人脸关键点检测技术，对不同相对竖直距离对应的图像进行关键点检测，从而得到不同相对竖直距离对应的图像中的多个关键特征点，该多个关键点可以是人脸中的左眼瞳孔、右眼瞳孔、鼻尖、左嘴角、右嘴角这五个关键点。

步骤S703：根据所述不同相对竖直距离对应的图像中的多个关键特征点，从所述不同相对竖直距离对应的图像中分别截取关键特征点对应的预设区域。

本实施例中，可以根据得到的多个关键特征点，从不同相对竖直距离对应的图像中分别截取多个关键特征点彼此相连所得到的最大区域，该最大区域即为预设区域。例如，将左眼瞳孔、右眼瞳孔、鼻尖、左嘴角、右嘴角这五个关键点依次连接所得到的最大区域作为预设区域。

当然，实际中，也可以不限于多个关键特征点之间的连线的最大区域作为预设区域，也可以是将距离多个关键特征点的距离为预设距离的各点所围合而成的区域作为预设区域，本发明对此不做具体限制。

步骤S704：将从所述不同相对竖直距离对应的图像中截取的预设区域分别输入活体检测模型中，获得由所述活体检测模型输出的活体得分。

本实施例中，可以将截取的预设区域的图像分别输入到活体检测模型的两个特征提取分支中，进而得到活体检测模型输出的活体得分，该活体得分用于表征该待检测对象是活体的可信程度，取值范围可以在0-1之间，越趋近于1，表示待检测对象是活体的可信度越高。

步骤S705：根据所述活体得分和预设活体阈值，确定所述待检测对象是否为活体。

其中，所述活体检测模型是以携带标签的多张样本图像的预设区域为训练样本，对预设模型进行训练得到的，其中，所述携带标签的多张样本图像是在保持所述图像采集设备相对于样本对象的相对水平距离不变的条件下，在相对于所述样本对象的不同相对竖直距离下采集的样本图像。即本实施例活体检测模型的训练样本可以是仅包括人脸五官区域的样本图像。

本实施例中，预设活体阈值可以预先设置，当活体得分超过预设活体阈值，则表示待检测对象是活体，若未超过或等于预设活体阈值，则表示待检测对象不是活体。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图8所示，示出了本发明实施例的一种活体检测装置的结构框图，如图8所示，所述装置具体可以包括以下模块：

图像采集模块801，用于在保持图像采集设备相对于待检测对象的相对水平距离不变的条件下，控制所述图像采集设备在相对于所述待检测对象的不同相对竖直距离下采集图像；

图像分析模块802，用于根据所述不同相对竖直距离对应的图像，确定所述待检测对象是否为活体。

可选地，所述图像采集模块801，包括：

第一采集单元，用于控制所述图像采集设备针对所述待检测对象采集第一图像；

位置调整单元，用于控制所述图像采集设备相对于所述待检测对象的相对水平距离保持不变，且调整所述图像采集设备相对于所述待检测对象的相对竖直距离；

第二采集单元，用于控制所述图像采集设备在调整后的相对竖直距离下针对所述待检测对象采集第二图像。

可选地，所述位置调整单元，具体可以用于按照固定调整量，对所述相对竖直距离进行调整；或根据所述图像采集设备相对于待检测对象的相对水平距离，确定相应的调整量，并按照相应的调整量对所述相对竖直距离进行调整，其中，相对水平距离越大，对应的调整量越大。

可选地，所述装置还可以包括以下模块：

特征点提取模块，用于提取所述第一图像中的多个关键特征点；

面积确定模块，用于根据所述多个关键特征点，确定所述第一图像中关键特征点对应的预设区域的面积；

水平距离确定模块，用于根据所述预设区域的面积，确定所述图像采集设备相对于待检测对象的相对水平距离。

可选地，所述图像分析模块802，具体可以包括以下单元：

对比单元，用于对比所述不同相对竖直距离对应的图像，获得所述待检测对象的多个目标点的深度信息；

活体分析单元，用于根据所述待检测对象的多个目标点的深度信息，确定所述待检测对象是否为活体。

可选地，所述图像分析模块802，具体可以包括以下单元：

第一输入单元，用于将所述不同相对竖直距离对应的图像分别输入活体检测模型中，获得由所述活体检测模型输出的活体得分；

第一确定单元，用于根据所述活体得分和预设活体阈值，确定所述待检测对象是否为活体；

其中，所述活体检测模型是以携带标签的多张样本图像为训练样本，对预设模型进行训练得到的，其中，所述携带标签的多张样本图像是在保持所述图像采集设备相对于样本对象的相对水平距离不变的条件下，在相对于所述样本对象的不同相对竖直距离下采集的样本图像。

可选地，所述图像分析模块802，具体可以包括以下单元：

提取单元，用于提取所述不同相对竖直距离对应的图像中的多个关键特征点；

截取单元，用于根据所述不同相对竖直距离对应的图像中的多个关键特征点，从所述不同相对竖直距离对应的图像中分别截取关键特征点对应的预设区域；

第二输入单元，用于将从所述不同相对竖直距离对应的图像中截取的预设区域分别输入活体检测模型中，获得由所述活体检测模型输出的活体得分；

第二确定单元，用于根据所述活体得分和预设活体阈值，确定所述待检测对象是否为活体；

其中，所述活体检测模型是以携带标签的多张样本图像的预设区域为训练样本，对预设模型进行训练得到的，其中，所述携带标签的多张样本图像是在保持所述图像采集设备相对于样本对象的相对水平距离不变的条件下，在相对于所述样本对象的不同相对竖直距离下采集的样本图像。

需要说明的是，装置实施例与方法实施例相近，故描述的较为简单，相关之处参见方法实施例即可。

本发明实施例还提供了一种电子设备，该电子设备可以用于执行活体检测方法，可以包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器被配置为执行所述的活体检测方法。

本发明实施例还提供了一种计算机可读存储介质，其存储的计算机程序使得处理器执行如本发明实施例所述的活体检测方法。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种活体检测方法、装置、设备和存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。