活体检测信息生成方法、装置、设备、介质和程序产品

技术领域

本公开的实施例涉及计算机技术领域，具体涉及活体检测信息生成方法、装置、设备、介质和程序产品。

背景技术

对检测对象进行活体检测，可以确定检测对象是否为活体。目前，在进行活体检测时，通常采用的方式为：使用动作活体检测方式，让检测对象按照随机动作序列做出动作；使用静默活体检测方式，直接对检测对象进行检测；使用炫彩活体检测方式，仅对检测对象的图像进行光照强度和颜色检测。

然而，发明人发现，当采用上述方式对检测对象进行活体检测时，经常会存在以下技术问题：仅对检测对象图像的颜色和光强进行分析，未考虑提升投射光线的随机性，导致活体检测方法的防御能力较差；仅通过检测对象的动作进行检测或直接对检测对象检测，造成抵御视频或图片序列的攻击难度较大且采集检测对象数据的步骤较为繁琐，导致活体检测方法的准确性较低且检测的耗时较长。

该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了活体检测信息生成方法、装置、电子设备、计算机可读介质和计算机程序产品，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种活体检测信息生成方法，该方法包括：响应于检测到活体检测请求，根据预设光线模式信息，确定对应目标检测对象的光线模式；根据上述光线模式，控制相关联的光源设备对上述目标检测对象投射光线；获取对应上述目标检测对象的图像采集数据；根据上述图像采集数据，生成上述目标检测对象的活体检测信息。

可选地，根据上述光线模式，控制相关联的光源设备对上述目标检测对象投射光线，包括：根据上述光线模式，确定光线展示信息；控制相关联的光源设备对上述目标检测对象投射对应上述光线展示信息的光线。

可选地，根据上述图像采集数据，生成上述目标检测对象的活体检测信息，包括：根据上述图像采集数据，确定对应上述图像采集数据的目标图像序列；根据上述目标图像序列，生成上述目标检测对象的活体检测信息。

可选地，根据上述目标图像序列，生成上述目标检测对象的活体检测信息，包括：响应于上述图像采集数据为单张图像，将上述单张图像添加至目标图像序列；响应于确定上述图像采集数据为图像序列，将上述图像序列确定为目标图像序列；响应于确定上述图像采集数据为视频，将上述视频中满足预设图像选择条件的各个图像确定为目标图像序列。

可选地，根据上述目标图像序列，生成上述目标检测对象的活体检测信息，包括：对于上述目标图像序列中的每个目标图像，执行以下检测步骤：确定上述目标图像中是否存在反射光；响应于确定上述目标图像中存在反射光，确定上述目标图像中的各个图像区域是否均存在反射光；响应于确定上述目标图像序列中每个目标图像的各个图像区域均存在反射光，根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息。

可选地，根据上述目标图像序列，生成上述目标检测对象的活体检测信息，包括：响应于确定对应上述目标图像序列中包括不存在反射光的目标图像，或包括至少一个图像区域不存在反射光的目标图像，将预设假体信息确定为上述目标检测对象的活体检测信息。

可选地，光线展示信息包括各个光线区域和与上述各个光线区域对应的各个光线颜色和各个光线区域形状，上述目标图像序列包括的每个目标图像的各个图像区域中的图像区域对应上述各个光线区域中的光线区域。

可选地，根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息，包括：响应于确定上述图像采集数据为单张图像，执行以下测验步骤：根据对应上述单张图像的各个图像区域的区域颜色和上述各个光线区域对应的各个光线颜色，确定上述单张图像是否满足第一预设假体条件；根据对应上述单张图像的各个图像区域的图像区域形状和上述各个光线区域对应的各个光线区域形状，确定上述单张图像是否满足第二预设假体条件；响应于确定上述单张图像满足第一预设假体条件或上述第二预设假体条件，将预设假体信息确定为上述目标检测对象的活体检测信息。

可选地，根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息，包括：响应于确定上述单张图像不满足上述第一预设假体条件和上述第二预设假体条件，确定对应上述单张图像的图像特征信息。

可选地，根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息，包括：响应于确定上述图像采集数据为图像序列或视频，对于上述目标图像序列中的每个目标图像，执行以下检验步骤：对于上述目标图像中的每个图像区域，执行以下步骤：确定上述目标图像对应的采集时间；根据上述采集时间，从上述光线展示信息中确定对应上述采集时间和上述图像区域的光线区域的光线颜色；确定上述图像区域的区域颜色与对应的光线颜色是否满足上述预设颜色相异条件；响应于确定上述目标图像的各个图像区域的区域颜色与对应的光线颜色不满足上述预设颜色相异条件，确定上述单张图像的图像特征信息；响应于确定上述目标图像序列满足第三预设假体条件，将上述预设假体信息确定为对应上述目标检测对象的活体检测信息。

可选地，根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息，包括：响应于确定上述图像采集数据为单张图像，且上述单张图像的图像特征信息不满足攻击痕迹特征条件，将预设活体信息确定为上述目标检测对象的活体检测信息；响应于确定上述图像采集数据为单张图像，且上述单张图像的图像特征信息满足攻击痕迹特征条件，将预设假体信息确定为上述目标检测对象的活体检测信息。

可选地，根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息，包括：响应于确定上述图像采集数据为图像序列或视频，且对应上述图像序列或上述视频的每个图像的图像特征信息均不满足攻击痕迹特征条件，将预设活体信息确定为上述目标检测对象的活体检测信息；响应于确定上述图像采集数据为图像序列或视频，且对应上述图像序列或上述视频的目标图像序列中存在图像特征信息满足上述攻击痕迹特征条件的目标图像，将预设假体信息确定为上述目标检测对象的活体检测信息。

可选地，根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息，包括：响应于确定上述图像采集数据为单张图像，且上述单张图像的图像特征信息不满足攻击痕迹特征条件，确定上述目标检测对象的环境数据是否满足环境数据条件；响应于确定上述图像采集数据为图像序列或视频，且对应上述图像序列或上述视频的每个图像的图像特征信息均不满足攻击上述痕迹特征条件，确定上述目标检测对象的上述环境数据是否满足上述环境数据条件。

可选地，根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息，包括：响应于确定上述目标检测对象的上述环境数据满足上述环境数据条件，将上述预设活体信息确定为上述目标检测对象的活体检测信息；响应于确定上述目标检测对象的上述环境数据不满足上述环境数据条件，将上述预设假体信息确定为上述目标检测对象的活体检测信息。

第二方面，本公开的一些实施例提供了一种活体检测信息生成装置，装置包括：确定单元，被配置成响应于检测到活体检测请求，根据预设光线模式信息，确定对应目标检测对象的光线模式；控制单元，被配置成根据上述光线模式，控制相关联的光源设备对上述目标检测对象投射光线；获取单元，被配置成获取对应上述目标检测对象的图像采集数据；生成单元，被配置成根据上述图像采集数据，生成上述目标检测对象的活体检测信息。

可选地，控制单元进一步被配置成：根据上述光线模式，确定光线展示信息；控制相关联的光源设备对上述目标检测对象投射对应上述光线展示信息的光线。

可选地，生成单元进一步被配置成：根据上述图像采集数据，确定对应上述图像采集数据的目标图像序列；根据上述目标图像序列，生成上述目标检测对象的活体检测信息。

可选地，生成单元进一步被配置成：响应于上述图像采集数据为单张图像，将上述单张图像添加至目标图像序列；响应于确定上述图像采集数据为图像序列，将上述图像序列确定为目标图像序列；响应于确定上述图像采集数据为视频，将上述视频中满足预设图像选择条件的各个图像确定为目标图像序列。

可选地，生成单元进一步被配置成：对于上述目标图像序列中的每个目标图像，执行以下检测步骤：确定上述目标图像中是否存在反射光；响应于确定上述目标图像中存在反射光，确定上述目标图像中的各个图像区域是否均存在反射光；响应于确定上述目标图像序列中每个目标图像的各个图像区域均存在反射光，根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息。

可选地，生成单元进一步被配置成：响应于确定对应上述目标图像序列中包括不存在反射光的目标图像，或包括至少一个图像区域不存在反射光的目标图像，将预设假体信息确定为上述目标检测对象的活体检测信息。

可选地，生成单元进一步被配置成：上述光线展示信息包括各个光线区域和与上述各个光线区域对应的各个光线颜色和各个光线区域形状，上述目标图像序列包括的每个目标图像的各个图像区域中的图像区域对应上述各个光线区域中的光线区域。

可选地，生成单元进一步被配置成：根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息，包括：响应于确定上述图像采集数据为单张图像，执行以下测验步骤：根据对应上述单张图像的各个图像区域的区域颜色和上述各个光线区域对应的各个光线颜色，确定上述单张图像是否满足第一预设假体条件；根据对应上述单张图像的各个图像区域的图像区域形状和上述各个光线区域对应的各个光线区域形状，确定上述单张图像是否满足第二预设假体条件；响应于确定上述单张图像满足第一预设假体条件或上述第二预设假体条件，将预设假体信息确定为上述目标检测对象的活体检测信息。

可选地，生成单元进一步被配置成：响应于确定上述单张图像不满足上述第一预设假体条件和上述第二预设假体条件，确定对应上述单张图像的图像特征信息。

可选地，生成单元进一步被配置成：响应于确定上述图像采集数据为图像序列或视频，对于上述目标图像序列中的每个目标图像，执行以下检验步骤：对于上述目标图像中的每个图像区域，执行以下步骤：确定上述目标图像对应的采集时间；根据上述采集时间，从上述光线展示信息中确定对应上述采集时间和上述图像区域的光线区域的光线颜色；确定上述图像区域的区域颜色与对应的光线颜色是否满足上述预设颜色相异条件；响应于确定上述目标图像的各个图像区域的区域颜色与对应的光线颜色不满足上述预设颜色相异条件，确定上述单张图像的图像特征信息；响应于确定上述目标图像序列满足第三预设假体条件，将上述预设假体信息确定为对应上述目标检测对象的活体检测信息。

可选地，生成单元进一步被配置成：响应于确定上述图像采集数据为单张图像，且上述单张图像的图像特征信息不满足攻击痕迹特征条件，将预设活体信息确定为上述目标检测对象的活体检测信息；响应于确定上述图像采集数据为单张图像，且上述单张图像的图像特征信息满足攻击痕迹特征条件，将预设假体信息确定为上述目标检测对象的活体检测信息。

可选地，生成单元进一步被配置成：响应于确定上述图像采集数据为图像序列或视频，且对应上述图像序列或上述视频的每个图像的图像特征信息均不满足攻击痕迹特征条件，将预设活体信息确定为上述目标检测对象的活体检测信息；响应于确定上述图像采集数据为图像序列或视频，且对应上述图像序列或上述视频的目标图像序列中存在图像特征信息满足上述攻击痕迹特征条件的目标图像，将预设假体信息确定为上述目标检测对象的活体检测信息。

可选地，生成单元进一步被配置成：响应于确定上述图像采集数据为单张图像，且上述单张图像的图像特征信息不满足攻击痕迹特征条件，确定上述目标检测对象的环境数据是否满足环境数据条件；响应于确定上述图像采集数据为图像序列或视频，且对应上述图像序列或上述视频的每个图像的图像特征信息均不满足攻击上述痕迹特征条件，确定上述目标检测对象的上述环境数据是否满足上述环境数据条件。

可选地，生成单元进一步被配置成：响应于确定上述目标检测对象的上述环境数据满足上述环境数据条件，将上述预设活体信息确定为上述目标检测对象的活体检测信息；响应于确定上述目标检测对象的上述环境数据不满足上述环境数据条件，将上述预设假体信息确定为上述目标检测对象的活体检测信息。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，上述计算机程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

第五方面，本公开的一些实施例提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的活体检测信息生成方法，提升了活体检测的防御能力，提高了活体检测的准确性，缩短了活体检测的耗时。具体来说，造成活体检测方法的防御能力较差，活体检测方法的准确性较低，活体检测方法的耗时较长的原因在于：对检测对象进行活体检测时，仅对检测对象图像的颜色和光强进行分析，未考虑提升投射光线的随机性，导致活体检测方法的防御能力较差；仅通过检测对象的动作进行检测或直接对检测对象检测，造成抵御视频或图片序列的攻击难度较大且采集检测对象数据的步骤较为繁琐，导致活体检测方法的准确性较低且检测的耗时较长。基于此，本公开的一些实施例的活体检测信息生成方法，首先，响应于检测到活体检测请求，根据预设光线模式信息，确定对应目标检测对象的光线模式。由此，可以得到对应预设光线模式信息的光线模式。然后，根据上述光线模式，控制相关联的光源设备对上述目标检测对象投射光线。由此，可以对目标检测对象投射对应光线模式的光线。之后，获取对应上述目标检测对象的图像采集数据。由此，可以得到表征目标检测对象图像的数据信息。最后，根据上述图像采集数据，生成上述目标检测对象的活体检测信息。由此，可以得到表征目标检测对象的检测结果的信息。也因为光线模式是根据预设光线模式信息随机生成的，从而光线模式具有随机性，提升了活体检测方法的防御能力。又因为活体检测信息是根据图像采集数据和光线模式生成的，而不是仅根据检测对象的动作生成的，从而提升了活体检测的准确性。而且不需要采集目标检测对象的动作信息，从而简化了采集检测对象数据的步骤，缩短了活体检测的耗时。由此，可以提升活体检测方法的准确性，提升活体检测方法的防御能力，缩短活体检测的耗时。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是本公开的活体检测信息生成方法的一个应用场景的示意图；

图2是根据本公开的活体检测信息生成方法的一些实施例的流程图；

图3是根据本公开的活体检测信息生成方法的另一些实施例的流程图；

图4是根据本公开的活体检测信息生成装置的一些实施例的结构示意图；

图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是根据本公开一些实施例的活体检测信息生成方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以检测到活体检测请求102。然后，响应于检测到活体检测请求，根据预设光线模式信息103，确定光线模式104。之后，计算设备101可以根据光线模式104，控制相关联的光源设备105投射光线。接着，计算设备101可以获取对应目标检测对象的图像采集数据106。最后，计算设备101可以根据图像采集数据106，生成活体检测信息107。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。

继续参考图2，示出了根据本公开的活体检测信息生成方法的一些实施例的流程200。该活体检测信息生成方法，包括以下步骤：

步骤201，响应于检测到活体检测请求，根据预设光线模式信息，确定对应目标检测对象的光线模式。

在一些实施例中，活体检测信息生成方法的执行主体(例如图1所示的计算设备)可以响应于检测到活体检测请求，根据预设光线模式信息，确定对应目标检测对象的光线模式。其中，上述活体检测请求可以表征用户发起的检测目标检测对象是否为活体的请求。上述预设光线模式信息可以表征预先设定的光线模式特征。例如，预设光线模式信息可以表征“光线的颜色变化特征、光线区域的形状变化特征”。上述目标检测对象可以表征待检测的任意对象。例如，目标检测对象可以为人脸。上述光线模式可以表征光线的特征。上述光线模式可以为根据上述预设光线模式信息，随机确定的对应上述预设光线模式信息的光线模式。实践中，首先，上述执行主体可以获取预设光线模式信息。然后，可以随机确定对应上述光线模式信息的光线模式。需要说明的是，根据预设光线模式信息，随机确定对应光线模式信息的光线模式，体现了光线模式的随机性。从而提高了对假体攻击的防御能力。由此，可以得到随机确定的光线模式。

步骤202，根据光线模式，控制相关联的光源设备对目标检测对象投射光线。

在一些实施例中，上述执行主体可以根据光线模式，控制相关联的光源设备对目标检测对象投射光线。其中，上述光源设备可以为相机设备。其中，上述光线模式可以包括以下至少一项：光线投射区域信息、光线投射时间信息、光线投射强度信息、光线实时变更信息。上述光线投射区域信息可以表征但不限于以下中的一项：光线投射区域的数量、光线投射区域的颜色、光线投射区域的形状、光线投射的识别区域、光线投射的非识别区域。上述光线投射的识别区域可以表征识别检测对象区域。上述光线投射的非识别区域可以表征非识别检测对象区域。上述光线投射时间信息可以表征投射光线的持续时间。上述光线投射强度信息可以表征所投射的光线的强度。上述光线实时变更信息可以表征光线跟随时间变化的特征。例如，光线投射区域的形状可以为圆环形、方形。例如，光线实时变更信息可以为第一时刻投射的光线区域的形状为圆环形，第二时刻投射的光线区域的形状为方形。实践中，上述执行主体可以控制光源设备投射对应光线模式的光线。例如，光源设备可以为手机相机。

作为示例，上述光源设备可以为对光线模式进行解码和校验的设备。需要说明的是，根据随机生成的光线模式投射光线，提升了对假体攻击的防御能力。

步骤203，获取对应目标检测对象的图像采集数据。

在一些实施例中，上述执行主体可以获取对应目标检测对象的图像采集数据。其中，上述图像采集数据可以为上述目标检测对象的视频或至少一个图像。上述图像采集数据可以为上述执行主体从数据库所获取的图像数据。实践中，上述执行主体可以在向目标检测对象投射光线后，从相机拍摄的各个图像或各个视频中获取对应上述目标检测对象的各个图像或视频作为对应上述目标检测对象图像采集数据。

步骤204，根据图像采集数据，生成目标检测对象的活体检测信息。

在一些实施例中，上述执行主体可以根据图像采集数据，生成目标检测对象的活体检测信息。其中，上述活体检测信息可以表征上述目标检测对象是否为活体的检测结果。实践中，首先，上述执行主体可以响应于确定上述图像采集数据为单张图像，确定上述单张图像的各个图像区域是否均存在反射光。上述执行主体可以将上述单张图像输入至反射光检测模型，以得到上述单张图像中的每个图像区域是否均存在反射光。上述反射光检测模型可以为检测图像中的各个图像区域是否均存在反射光的模型。上述反射光检测模型可以为卷积神经网络模型。

然后，可以响应于确定上述单张图像的各个图像区域均存在反射光，确定上述单张图像的每个图像区域对应的区域颜色与光线展示信息包括的对应上述图像区域的光线区域的光线颜色是否一致。其中，各个图像区域中的图像区域对应各个光线区域中的光线区域。上述光线展示信息可以包括各个光线区域和与上述各个光线区域对应的各个光线颜色。

其次，可以响应于确定上述单张图像的每个图像区域对应的区域颜色与上述光线展示信息包括的对应上述图像区域的光线区域的光线颜色一致，确定对应上述目标检测对象的活体检测信息为活体信息。

之后，可以响应于确定上述单张图像的每个图像区域对应的区域颜色与上述光线展示信息包括的对应上述图像区域的光线区域的光线颜色不一致，确定对应上述目标检测对象的活体检测信息为假体信息。

接着，上述执行主体可以响应于确定上述图像采集数据为视频或图像序列，确定对应上述视频的各个目标图像。实践中，首先，上述执行主体可以获取对应上述视频的视频图像序列。上述视频图像序列可以表征上述视频中的各个图像。然后，可以从上述视频图像序列中选择满足预设选择条件的各个图像作为各个目标图像。上述预设选择条件可以为图像的序号小于预设序号。对于上述预设序号的具体数值不做具体限定。例如，预设序号可以为第五帧。

其次，可以对上述图像序列中的每个图像或各个目标图像中的每个目标图像，执行以下步骤：

第一子步骤，确定上述图像或上述目标图像对应的时间信息。其中，时间信息可以表征获取上述图像或上述目标图像的时间。

第二子步骤，根据上述时间信息，确定上述图像或目标图像的各个图像区域中的每个图像区域的区域颜色。实践中，首先，上述执行主体可以确定目标图像的拍摄时间。然后，可以确定上述目标图像对应上述拍摄时间的各个图像区域中每个图像区域对应的区域颜色。需要说明的是，确定上述图像或目标图像的各个图像区域中的每个图像区域的区域颜色，每个拍摄时间对应的投射的光线颜色可以不同，所以图像在每个拍摄时间的区域颜色可以不同。

第三子步骤，确定上述各个图像区域中的每个图像区域的区域颜色和对应图像区域的光线颜色是否一致。

第四子步骤，响应于确定上述各个图像区域中的每个图像区域的区域颜色和对应图像区域的光线颜色一致，将活体信息确定为目标检测信息。

第五子步骤，响应于确定上述各个图像区域中的每个图像区域的区域颜色和对应图像区域的光线颜色不一致，将假体信息确定为目标检测信息。

然后，响应于确定对应上述视频或图像序列的各个目标检测信息是否均为活体信息，确定对应上述目标检测对象的活体检测信息为活体信息。

最后，响应于确定对应上述视频或图像序列的各个目标检测信息中存在为假体信息的目标检测信息，确定对应上述目标检测对象的活体检测信为假体信息。

作为示例，上述假体信息可以表征目标检测对象为假体。上述活体信息可以表征目标检测对象为活体。上述时间信息可以表征上述目标图像或图像的采集时间。上述目标检测信息可以表征图像或目标图像的检测结果。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的活体检测信息生成方法，提升了活体检测的防御能力，提高了活体检测的准确性，缩短了活体检测的耗时。具体来说，造成活体检测方法的防御能力较差，活体检测方法的准确性较低，活体检测方法的耗时较长的原因在于：对检测对象进行活体检测时，仅对检测对象图像的颜色和光强进行分析，未考虑提升投射光线的随机性，导致活体检测方法的防御能力较差；仅通过检测对象的动作进行检测或直接对检测对象检测，造成抵御视频或图片序列的攻击难度较大且采集检测对象数据的步骤较为繁琐，导致活体检测方法的准确性较低且检测的耗时较长。基于此，本公开的一些实施例的活体检测信息生成方法，首先，响应于检测到活体检测请求，根据预设光线模式信息，确定对应目标检测对象的光线模式。由此，可以得到对应预设光线模式信息的光线模式。然后，根据上述光线模式，控制相关联的光源设备对上述目标检测对象投射光线。由此，可以对目标检测对象投射对应光线模式的光线。之后，获取对应上述目标检测对象的图像采集数据。由此，可以得到表征目标检测对象图像的数据信息。最后，根据上述图像采集数据，生成上述目标检测对象的活体检测信息。由此，可以得到表征目标检测对象的检测结果的信息。也因为光线模式是根据预设光线模式信息随机生成的，从而光线模式具有随机性，提升了活体检测方法的防御能力。又因为活体检测信息是根据图像采集数据和光线模式生成的，而不是仅根据检测对象的动作生成的，从而提升了活体检测的准确性。而且不需要采集目标检测对象的动作信息，从而简化了采集检测对象数据的步骤，缩短了活体检测的耗时。由此，可以提升活体检测方法的准确性，提升活体检测方法的防御能力，缩短活体检测的耗时。

进一步参考图3，其示出了活体检测信息生成方法的另一些实施例的流程300。该活体检测信息生成方法的流程300，包括以下步骤：

步骤301，响应于检测到活体检测请求，根据预设光线模式信息，确定对应目标检测对象的光线模式。

在一些实施例中，步骤301的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201，在此不再赘述。

步骤302，根据光线模式，确定光线展示信息。

在一些实施例中，上述执行主体可以根据上述光线模式，确定光线展示信息。其中，上述光线展示信息可以表征光线展示的具体形式。例如，上述光线展示信息可以表征但不限于以下中的一项：光线颜色、光线区域、光线区域形状。实践中，首先，上述执行主体可以对上述光线模式进行校验和解码。然后，将校验和解码后的光线模式确定为光线展示信息。实践中，上述执行主体可以通过解密算法对上述光线模式进行校验和解码。例如，解密算法可以为Advanced Encryption Standard算法。

步骤303，控制相关联的光源设备对目标检测对象投射对应光线展示信息的光线。

在一些实施例中，上述执行主体可以控制相关联的光源设备对上述目标检测对象投射对应上述光线展示信息的光线。其中，上述光源设备可以为任意相机设备。由此，可以投射对应光线展示信息的光线。

步骤304，获取对应目标检测对象的图像采集数据。

在一些实施例中，步骤304的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤203，在此不再赘述。

步骤305，根据图像采集数据，生成目标检测对象的活体检测信息。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤根据图像采集数据，生成目标检测对象的活体检测信息：

第一步，根据上述图像采集数据，确定对应上述图像采集数据的目标图像序列。上述目标图像序列可以表征具有时序关系的目标图像组成的序列。上述目标图像序列的初始值可以为空。上述目标图像序列中的各个目标图像可以表征对应图像采集数据的各个图像。

第二步，根据上述目标图像序列，生成上述目标检测对象的活体检测信息。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤根据上述图像采集数据，确定对应上述图像采集数据的目标图像序列：

第一步，响应于确定上述图像采集数据为单张图像，将上述单张图像添加至目标图像序列。其中，上述单张图像可以表征包含上述目标检测对象的图像。

第二步，响应于确定上述图像采集数据为图像序列，将上述图像序列确定为目标图像序列。上述图像序列可以表征上述目标检测对象的各个图像。

第三步，响应于确定上述图像采集数据为视频，将上述视频中满足预设图像选择条件的各个图像确定为目标图像序列。其中，上述各个图像可以为视频中包括的各个图像。上述预设图像选择条件可以为图像在视频中的帧序小于预设图像帧序。例如，预设图像帧序可以为第五帧。对于上述预设图像帧序的具体数值不做具体限定。实践中，首先，上述执行主体可以从上述视频中确定帧序小于预设图像帧序的各个图像。然后，将上述视频中帧序小于预设图像帧序的各个图像确定为目标图像序列。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤根据上述目标图像序列，生成上述目标检测对象的活体检测信息：

第一步，对于上述目标图像序列中的每个目标图像，执行以下检测步骤：

第一子步骤，确定上述目标图像中是否存在反射光。实践中，上述执行主体可以将上述目标图像输入至图像反射光检测模型，以得到上述目标图像中是否存在反射光，其中，上述图像反射光检测模型可以为预测图像中是否存在反射光的模型。例如，图像反射光检测模型可以为卷积神经网络模型。

第二子步骤，响应于确定上述目标图像中存在反射光，确定上述目标图像中的各个图像区域是否均存在反射光。实践中，上述执行主体可以将上述目标图像输入至区域反射光检测模型，以得到上述目标图像中的各个图像区域是否均存在反射光。其中，上述区域反射光检测模型可以为预测图像中的各个区域是否均存在反射光的模型。例如，区域反射光检测模型可以为卷积神经网络模型。

第二步，响应于确定上述目标图像序列中每个目标图像的各个图像区域均存在反射光，根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息。

在一些实施例的一些可选的实现方式中，上述执行主体可以响应于确定上述目标图像序列中包括不存在反射光的目标图像，或包括至少一个图像区域不存在反射光的目标图像，将预设假体信息确定为上述目标检测对象的活体检测信息。其中，上述预设假体信息可以表征上述目标检测对象为假体。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息：

第一步，响应于确定上述图像采集数据为单张图像，执行以下测验步骤：

第一子步骤，根据对应上述单张图像的各个图像区域的区域颜色和上述各个光线区域对应的各个光线颜色，确定上述单张图像是否满足第一预设假体条件。其中，上述光线展示信息可以包括各个光线区域和与上述各个光线区域对应的各个光线颜色和各个光线区域形状。上述目标图像序列包括的每个目标图像的各个图像区域中的图像区域对应上述各个光线区域中的光线区域。上述第一预设假体条件可以为对应上述单张图像的各个图像区域中存在满足预设颜色相异条件的图像区域。上述预设颜色相异条件可以为图像区域对应的区域颜色和对应的光线颜色不同。

第二子步骤，根据对应上述单张图像的各个图像区域的图像区域形状和上述各个光线区域对应的各个光线区域形状，确定上述单张图像是否满足第二预设假体条件。上述第二预设假体条件可以为对应上述单张图像的各个图像区域中存在满足预设形状相异条件的图像区域。上述预设形状相异条件可以为图像区域对应的区域形状和对应的光线区域形状不同。

第二步，响应于确定上述单张图像满足第一预设假体条件或上述第二预设假体条件，将预设假体信息确定为上述目标检测对象的活体检测信息。由此，可以确定目标检测对象为假体。

可选地，在上述测验步骤中，上述执行主体还可以响应于确定上述单张图像不满足上述第一预设假体条件和上述第二预设假体条件，确定对应上述单张图像的图像特征信息。其中，上述图像特征信息可以表征对应上述单张图像的图像区域特征。例如，上述图像特征信息可以表征但不限于以下中的一项：图像的纹理特征信息、图像的颗粒特征信息。上述图像纹理特征信息可以表征图像的纹理特征。上述图像的颗粒特征信息可以表征图像的颗粒度。实践中，响应于确定上述单张图像不满足上述第一预设假体条件和上述第二预设假体条件，上述执行主体可以将上述单张图像输入至图像提取模型，以得到对应上述单张图像的图像特征信息。上述图像提取模型可以为提取图像特征的模型。例如，图像提取模型可以为卷积神经网络模型。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息：

第一步，响应于确定上述图像采集数据为图像序列或视频，对于上述目标图像序列中的每个目标图像，执行以下检验步骤：

第一检验步骤，对于上述目标图像中的每个图像区域，执行以下步骤：

第一子步骤，确定上述目标图像对应的采集时间。其中，上述采集时间可以表征目标图像的获取时间。上述执行主体可以获取对应目标图像的采集时间。

第二子步骤，根据上述采集时间，从上述光线展示信息中确定对应上述采集时间和上述图像区域的光线区域的光线颜色。实践中，首先，上述执行主体可以确定上述图像区域的光线区域。然后，上述执行执行主体可以确定对应上述光线区域和上述采集时间时的光线颜色。需要说明的是，确定对应上述采集时间和上述图像区域的光线区域的光线颜色是指的物理空间投射的光线颜色。每个采集时间对应的投射的光线颜色可以不同。

第三子步骤，确定上述图像区域的区域颜色与对应的光线颜色是否满足上述预设颜色相异条件。由此，可以确定上述区域颜色与上述光线颜色是否一致。

第二检验步骤，响应于确定上述目标图像的各个图像区域的区域颜色与对应的光线颜色不满足上述预设颜色相异条件，确定上述单张图像的图像特征信息。实践中，上述执行主体可以将上述单张图像输入至图像提取模型，以得到对应上述单张图像的图像特征信息。上述图像提取模型可以为提取图像特征的模型。例如，图像提取模型可以为卷积神经网络模型。

第二步，响应于确定上述目标图像序列满足第三预设假体条件，将上述预设假体信息确定为对应上述目标检测对象的活体检测信息。其中，上述第三预设假体条件可以为上述目标图像序列中存在图像区域的区域颜色与对应的光线颜色满足上述预设颜色相异条件的目标图像。需要说明的是，每个光线区域的颜色根据时间进行变化，体现了时间维度上光线的随机性。从而提升了活体检测方法的防御能力。

在一些实施例的一些可选的实现方式中，响应于确定上述目标图像序列中的各个图像的各个图像区域均存在反射光，上述执行主体可以通过以下步骤根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息：

第一步，响应于确定上述图像采集数据为单张图像，且上述单张图像的图像特征信息不满足攻击痕迹特征条件，将预设活体信息确定为上述目标检测对象的活体检测信息。其中，上述预设活体信息可以表征上述目标检测对象为活体。上述攻击痕迹特征条件可以为图像特征信息为与假体图像的图像特征信息相同。上述图像特征信息可以表征目标检测对象图像的特征信息。实践中，上述执行主体可以提取预设的假体图像的图像特征信息，然后，确定所提取的预设的假体图像的图像特征信息与上述单张图像的图像特征信息是否相同。由此，可以得到目标检测对象的检测信息。需要说明的是，提取预设的假体图像的图像特征信息的方式与提取上述单张图像的图像特征信息的方式相同，因此，在此不再赘述。

第二步，响应于确定上述图像采集数据为单张图像，且上述单张图像的图像特征信息满足攻击痕迹特征条件，将预设假体信息确定为上述目标检测对象的活体检测信息。由此，可以得到目标检测对象的检测信息。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息：

第一步，响应于确定上述图像采集数据为图像序列或视频，且对应上述图像序列或上述视频的每个图像的图像特征信息均不满足攻击痕迹特征条件，将预设活体信息确定为上述目标检测对象的活体检测信息。

第二步，响应于确定上述图像采集数据为图像序列或视频，且对应上述图像序列或上述视频的目标图像序列中存在图像特征信息满足上述攻击痕迹特征条件的目标图像，将预设假体信息确定为上述目标检测对象的活体检测信息。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息：

第一步，响应于确定上述图像采集数据为单张图像，且上述单张图像的图像特征信息不满足攻击痕迹特征条件，确定上述目标检测对象的环境数据是否满足环境数据条件。其中，上述图像采集数据可以包括环境数据。上述环境数据可以表征采集的图像中的背景数据特征。例如，上述环境数据可以表征背景图像的纹理特征信息、颗粒特征信息。上述纹理特征信息可以表征图像的纹理特征。上述颗粒特征信息可以表征图像的颗粒度。上述环境数据条件可以表征上述背景数据特征与真实场景的背景数据特征相同。实践中，上述执行主体可以提取预设真实场景图像的背景数据特征，然后，可以确定上述目标检测对象的环境数据与预设真实场景图像的背景数据特征是否相同。对于预设真实场景图像进行特征提取的方式与对上述单张图像的图像特征信息进行特征提取的方式相同，因此，在此不再赘述。需要说明的是，当确定图像采集数据不满足攻击痕迹特征条件后，可以通过检测图像的背景数据是否满足环境数据条件进一步判断，然后，对背景数据进行判断仅是活体检测的辅助，仅通过确定图像采集数据不满足攻击痕迹特征条件也可以直接得到活体检测的结果。

第二步，响应于确定上述图像采集数据为图像序列或视频，且对应上述图像序列或上述视频的每个图像的图像特征信息均不满足攻击上述痕迹特征条件，确定上述目标检测对象的上述环境数据是否满足上述环境数据条件。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息：

第一步，响应于确定上述目标检测对象的上述环境数据满足上述环境数据条件，将上述预设活体信息确定为上述目标检测对象的活体检测信息。

第二步，响应于确定上述目标检测对象的上述环境数据不满足上述环境数据条件，将上述预设假体信息确定为上述目标检测对象的活体检测信息。

从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的活体检测信息生成方法的流程300体现了根据生成的光线模式确定的光线展示信息，且根据光线展示信息向检测对象投射光线，光线展示信息可以表征屏幕的每个区域的颜色、形状不同，每个区域同一时刻向检测对象投射的光线不同，体现了在空间维度上投射光线的随机性，因此，可以通过随机生成的光线模式对检测对象进行检测，而不是使用固定的光线模式，所以提升了识别视频或图片序列假体攻击的准确性，从而提升了抵御视频或图片序列攻击的能力。

进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种活体检测信息生成装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，一些实施例的活体检测信息生成装置400包括：确定单元401、控制单元402、获取单元403和生成单元404。其中，确定单元401被配置成响应于检测到活体检测请求，根据预设光线模式信息，确定对应目标检测对象的光线模式；控制单元402被配置成根据上述光线模式，控制相关联的光源设备对上述目标检测对象投射光线，其中，上述光线模式包括以下至少一项：光线投射区域信息、光线投射时间信息、光线投射强度信息、光线实时变更信息；获取单元403被配置成获取对应上述目标检测对象的图像采集数据；生成单元404被配置成根据上述图像采集数据，生成上述目标检测对象的活体检测信息。

可选地，控制单元402可以进一步被配置成：根据上述光线模式，确定光线展示信息；控制相关联的光源设备对上述目标检测对象投射对应上述光线展示信息的光线。

可选地，生成单元404可以进一步被配置成：根据上述图像采集数据，确定对应上述图像采集数据的目标图像序列；根据上述目标图像序列，生成上述目标检测对象的活体检测信息。

可选地，生成单元404可以进一步被配置成：响应于上述图像采集数据为单张图像，将上述单张图像添加至目标图像序列；响应于确定上述图像采集数据为图像序列，将上述图像序列确定为目标图像序列；响应于确定上述图像采集数据为视频，将上述视频中满足预设图像选择条件的各个图像确定为目标图像序列。

可选地，生成单元404可以进一步被配置成：对于上述目标图像序列中的每个目标图像，执行以下检测步骤：确定上述目标图像中是否存在反射光；响应于确定上述目标图像中存在反射光，确定上述目标图像中的各个图像区域是否均存在反射光；响应于确定上述目标图像序列中每个目标图像的各个图像区域均存在反射光，根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息。

可选地，生成单元404可以进一步被配置成：响应于确定对应上述目标图像序列中包括不存在反射光的目标图像，或包括至少一个图像区域不存在反射光的目标图像，将预设假体信息确定为上述目标检测对象的活体检测信息。

可选地，生成单元404可以进一步被配置成：上述光线展示信息包括各个光线区域和与上述各个光线区域对应的各个光线颜色和各个光线区域形状，上述目标图像序列包括的每个目标图像的各个图像区域中的图像区域对应上述各个光线区域中的光线区域。

可选地，生成单元404可以进一步被配置成：响应于确定上述目标图像序列中的各个图像的各个图像区域均存在反射光，根据上述目标图像序列及上述光线展示信息，生成上述目标检测对象的活体检测信息，包括：响应于确定上述图像采集数据为单张图像，执行以下测验步骤：根据对应上述单张图像的各个图像区域的区域颜色和上述各个光线区域对应的各个光线颜色，确定上述单张图像是否满足第一预设假体条件；根据对应上述单张图像的各个图像区域的图像区域形状和上述各个光线区域对应的各个光线区域形状，确定上述单张图像是否满足第二预设假体条件；响应于确定上述单张图像满足第一预设假体条件或上述第二预设假体条件，将预设假体信息确定为上述目标检测对象的活体检测信息。

可选地，生成单元404可以进一步被配置成：响应于确定上述单张图像不满足上述第一预设假体条件和上述第二预设假体条件，确定对应上述单张图像的图像特征信息。

可选地，生成单元404可以进一步被配置成：响应于确定上述图像采集数据为图像序列或视频，对于上述目标图像序列中的每个目标图像，执行以下检验步骤：对于上述目标图像中的每个图像区域，执行以下步骤：确定上述目标图像对应的采集时间；根据上述采集时间，从上述光线展示信息中确定对应上述采集时间和上述图像区域的光线区域的光线颜色；确定上述图像区域的区域颜色与对应的光线颜色是否满足上述预设颜色相异条件；响应于确定上述目标图像的各个图像区域的区域颜色与对应的光线颜色不满足上述预设颜色相异条件，确定上述单张图像的图像特征信息；响应于确定上述目标图像序列满足第三预设假体条件，将上述预设假体信息确定为对应上述目标检测对象的活体检测信息。

可选地，生成单元404可以进一步被配置成：响应于确定上述图像采集数据为单张图像，且上述单张图像的图像特征信息不满足攻击痕迹特征条件，将预设活体信息确定为上述目标检测对象的活体检测信息；响应于确定上述图像采集数据为单张图像，且上述单张图像的图像特征信息满足攻击痕迹特征条件，将预设假体信息确定为上述目标检测对象的活体检测信息。

可选地，生成单元404可以进一步被配置成：响应于确定上述图像采集数据为图像序列或视频，且对应上述图像序列或上述视频的每个图像的图像特征信息均不满足攻击痕迹特征条件，将预设活体信息确定为上述目标检测对象的活体检测信息；响应于确定上述图像采集数据为图像序列或视频，且对应上述图像序列或上述视频的目标图像序列中存在图像特征信息满足上述攻击痕迹特征条件的目标图像，将预设假体信息确定为上述目标检测对象的活体检测信息。

可选地，生成单元404可以进一步被配置成：响应于确定上述图像采集数据为单张图像，且上述单张图像的图像特征信息不满足攻击痕迹特征条件，确定上述目标检测对象的环境数据是否满足环境数据条件；响应于确定上述图像采集数据为图像序列或视频，且对应上述图像序列或上述视频的每个图像的图像特征信息均不满足攻击上述痕迹特征条件，确定上述目标检测对象的上述环境数据是否满足上述环境数据条件。

可选地，生成单元404可以进一步被配置成：响应于确定上述目标检测对象的上述环境数据满足上述环境数据条件，将上述预设活体信息确定为上述目标检测对象的活体检测信息；响应于确定上述目标检测对象的上述环境数据不满足上述环境数据条件，将上述预设假体信息确定为上述目标检测对象的活体检测信息。

可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。

下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备500(例如图1中的计算设备)的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置501(例如中央处理器、图形处理器等)，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于检测到活体检测请求，根据预设光线模式信息，确定对应目标检测对象的光线模式；根据上述光线模式，控制相关联的光源设备对上述目标检测对象投射光线，其中，上述光线模式包括以下至少一项：光线投射区域信息、光线投射时间信息、光线投射强度信息、光线实时变更信息；获取对应上述目标检测对象的图像采集数据；根据上述图像采集数据，生成上述目标检测对象的活体检测信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括输入单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，生成单元还可以被描述为“根据上述图像采集数据，生成上述目标检测对象的活体检测信息的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

本公开的一些实施例还提供一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述的任一种活体检测信息生成方法。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。