活体检测设备和活体检测方法操作内容
图1是示意性图示了根据《活体检测设备和活体检测方法》实施例的活体检测的场景架构。如图1所示，待验证的目标对象面向活体检测设备10。活体检测设备10上设置有图像采集器。该图像采集器能够采集待验证的目标对象的图像。攻击者可能利用电子设备20展示目标对象的图像或视频。所述电子设备20例如是笔记本计算机、平板计算机、电子纸、或者具有目标对象的图像的相纸等。利用电子设备20，攻击者可以显示想要的任何显示内容，从而使得基于用户交互、规律生理信号的活体检测方案失效。
图1中的活体检测设备10可以是专用的进行活体检测的设备，也可以是具有活体检测功能的手持终端，还可以是任何其它的电子设备。所述手持终端例如为手机、平板计算机等。
当攻击者利用电子设备20展示视频或图像进行攻击时，活体检测设备10的展示内容通常在所面对的电子设备20中产生反光现象，从而在电子设备20中产生与活体检测设备10的展示内容对应的反光区域。当目标对象是通常的待验证人员时，活体检测设备10的展示内容不能借助于待验证人员的面部等身体部位被反光，从而不能产生反光区域；即使产生反光区域，该反光区域的区域特征也明显不同于活体检测设备10的展示内容在电子设备20产生的反光区域。
在《活体检测设备和活体检测方法》的实施例中，活体检测设备10通过对目标对象进行图像采集，并从所采集的目标对象的图像数据中检测与活体检测设备10的展示内容对应的反光区域，并确定该反光区域的区域特征，从而能够识别出攻击者借助于图像、视频显示等非活体工具进行的攻击，提高了人脸识别系统的安全性。
图2是示意性图示了根据《活体检测设备和活体检测方法》实施例的活体检测设备200的框图。该活体检测设备200对应于图1所示的活体检测设备10。如图2所示，该活体检测设备200包括：特定展示部210，用于展示特定的鉴别内容；图像采集器220，用于在展示所述鉴别内容期间采集待识别的目标对象的图像数据；处理器230，用于确定所采集的图像数据中是否存在与所述鉴别内容对应的反光区域、并在存在所述反光区域时确定该反光区域的区域特征，以得到一确定结果，并基于该确定结果识别所述目标对象是否是活体。
所述特征展示部210用于展示特定的鉴别内容。特定展示部210可以利用显示器、或图片展示栏等实现。该鉴别内容用于帮助鉴别所活体检测设备200是否通过待识别的目标对象产生反光。在目标对象是攻击者利用电子设备展示的视频时，与电子设备的屏幕面向的任何场景都可能在电子设备的屏幕产生反光，从而在电子设备的屏幕中出现该场景的画面。为了避免活体检测设备200所处的场景的影响，利用特征展示部210展示特定的鉴别内容。该鉴别内容与待识别的目标对象面对，最可能出现通过攻击者的电子设备反光，从而形成与鉴别内容对应的反光区域。
所述鉴别内容可以是任何图像内容，例如可以是单一颜色的画面内容、可以是一个大树、可以是一个桌子等。任何能够与活体检测设备周围的环境区分开的内容都可以作为所述鉴别内容。
特征展示部210所展示的鉴别内容是目标对象容易看到的内容。当攻击者利用电子设备执行攻击时，可能容易发现所述鉴别内容的存在，从而采取应对措施。因此，特征展示部210可以采取隐蔽的方式来展示所述鉴别内容。例如，特定展示部210可以展示活体检测设备200的标题栏、工具栏和背景区域中的至少一个作为所述鉴别内容。活体检测设备200在执行活体检测时，可以显示交互界面以与目标对象互动。该交互界面的标题栏、工具栏和背景区域等是该活体检测设备200的固有展示内容，而很难被认为是为活体检测专门设置的鉴别内容。
图3（a）是示意性图示了图2的活体检测设备中的特定展示部210所展示的鉴别内容的第一示例。如图3所示，特定展示部210显示了活体检测设备200中的固有应用“我的文档”，并且在“我的文档”之上还显示了正在运行的沙漏。在图3（a）的最上方是标题栏，与标题栏紧邻的是工具栏，在图3（a）的最下方是任务栏。图3（a）中的标题栏、工具栏、任务栏和沙漏中的任一个或多个都可以作为鉴别内容。
图3（b）是示意性图示了图2的活体检测设备中的特定展示部所展示的鉴别内容的第二示例。在图3（b）中展示了一黑白方格图案作为鉴别内容。当对目标对象执行验证时，可能会显示一些图案或风景画面来使得验证过程更为有趣。因此，特定展示部210可以展示这些图案，并将其作为鉴别内容。
图4是示意性图示了图2的活体检测设备中的特定展示部210的结构框图。如图4所示，所述特定展示部210可包括：序列发生器211，用于随机地产生一个参考序列；显示器212，用于将所述参考序列施加到所述鉴别内容，以调整所述鉴别内容的显示效果。图4中的特定展示部210可以动态地改变鉴别内容的显示效果，以更为便捷地从所采集的目标对象的图像数据中识别出所述鉴别内容。所述序列发生器211所产生的参考序列例如是亮度参考序列S[1…n]，其中n是大于1的自然数。该参考序列是由序列发生器211随机地生成的，不能事先模仿，从而能够防止攻击。显示器212可以在不同的n个时间点将S[1]至S[n]分别施加到鉴别内容，从而鉴别内容的亮度会随着时间而变化。所述序列发生器211所产生的参考序列还可以是色彩参数序列C[1…n]，并相应地使鉴别内容的色彩会随着时间而变化。为了避免引起攻击者的注意，可以利用具有动画效果的应用图案作为鉴别内容，并且显示器212将序列发生器211所产生的参考序列施加到该具有动画效果的应用图案，以调整该应用图案的显示效果。
图2中的图像采集器220在展示所述鉴别内容期间采集待识别的目标对象的图像数据。图像采集器220可以是普通的基于可见光的彩色或灰度摄像机，例如网络摄像头、手机的前置摄像头等。图像采集器220在展示所述鉴别内容期间执行采集操作，以保证能够采集到鉴别内容在攻击者的电子设备中的反光，从而确定其相应的反光区域。
图2中的处理器230确定图像采集器220所采集的图像数据中是否存在与所述鉴别内容对应的反光区域、并在存在所述反光区域时确定该反光区域的区域特征，以得到一确定结果。所述反光区域是所述鉴别内容在攻击者的显示屏中的投影。处理器230可通过从图像采集器220所采集的图像数据中检测所述鉴别内容来确定所述反光区域。
处理器230例如可以获取特定展示部210所展示的鉴别内容的鉴别数据，并将所述鉴别数据与图像采集器220所采集的图像数据进行相似性检测，以确定所采集的图像数据中是否存在与所述鉴别内容对应的反光区域。处理器230可以采取2015年之前的或将来出现的各种技术或手段来确定所述反光区域，具体的确定反光区域的方式不构成对该公开实施例的限制。
当在所采集的图像数据中不存在与所述鉴别内容对应的反光区域时，处理器230可以确定目标对象不是攻击者利用电子设备显示的视频或图像，从而可以确定待验证的目标对象是活体。
当在所采集的图像数据中存在与所述鉴别内容对应的反光区域时，处理器230进一步确定该反光区域的区域特征。例如，处理器230可以计算所述反光区域的尺寸和位置中的至少一个作为所述反光区域的区域特征，并且基于所述反光区域的尺寸和位置中的至少一个来识别所述目标对象是否是活体。
鉴别内容通过诸如人脸的活体在采集图像中产生的反光区域通常很小、也相对分散。在攻击者利用电子设备的显示器进行攻击时，鉴别内容在电子设备的显示器中产生反光区域的尺寸和位置通常取决于鉴别内容的尺寸、以及所述鉴别内容与目标对象之间的距离和夹角，并且该反光区域的尺寸和位置可通过实验来获得其典型尺寸范围和典型位置范围。因此，借助于所述反光区域的尺寸和位置之一，可以识别所述目标对象是否是活体。当然，也可以借助于所述反光区域的尺寸和位置二者来识别所述目标对象是否是活体，这可以增加识别的准确性。
在基于所述反光区域的尺寸来识别所述目标对象是否是活体的情况中，所述处理器230可以将所述反光区域的尺寸与第一阈值和第二阈值相比较，其中第二阈值大于第一阈值，当所述反光区域的尺寸大于等于第一阈值并且小于第二阈值时，将所述目标对象识别为不是活体，否则将所述目标对象识别为活体。所述第一阈值和第二阈值是基于上述的通过实验获得的典型尺寸范围来设置的。人体的反光特性远远差于电子设备的显示屏等的反光特性。当所述反光区域的尺寸小于第一阈值时，所述反光区域可能是人体的反光所造成的，可以判断所述目标对象是活体。取决于鉴别内容的尺寸以及其相对于目标对象的位置关系，与鉴别内容对应的反光区域的尺寸也不可能太大。相应地，当所述反光区域的尺寸大于等于第二阈值时，所述反光区域应该也不与鉴别内容对应，可以判断所述目标对象是活体。
目标对象可能佩戴眼镜等。此时，眼镜可能对鉴别内容形成较强的反光特性，从而在使得反光区域的尺寸大于等于第一阈值并且小于第二阈值，相应地，如果将所述目标对象识别为不是活体，则可能是误判。因此，在实践中，可以结合其它的方式来识别目标对象是否是活体。例如，还可以基于反光区域的位置来识别所述目标对象是否是活体。
在基于所述反光区域的位置来识别所述目标对象是否是活体的情况中，所述处理器判断所述反光区域在所采集的图像数据中的位置，当所述反光区域的位置接近所采集的图像数据的边缘时，将所述目标对象识别为不是活体。待识别的目标对象通常处于图像采集器220所采集的图像的中心位置。当反光区域是由于目标对象的面部等反光而形成时，该反光区域通常与目标对象有部分重叠，并相应地位于或接近所采集的图像数据的中心。因此，当反光区域的位置接近所采集的图像数据的边缘时，可以初步确定所述目标对象识别为不是活体。然而，当反光区域的位置接近或位于所采集的图像数据的中心时，不能确定所述目标对象是活体，因为攻击者利用电子设备的显示器也可能在所采集的图像数据的中心形成反光区域。
图5示意性图示了图2的活体检测设备所确定的反光区域。如图5所示，目标对象处于所采集的图像的中间位置，鉴别内容是黑白方格图案，与黑白方格图案对应的反光区域接近所采集的图像的边缘，从而可以判断目标对象不是活体。而且，所述反光区域在所采集的图像很明显，并且小于黑白方格图案所占据的位置，根据所述反光区域的尺寸也可以判断目标对象不是活体。
在根据《活体检测设备和活体检测方法》实施例的活体检测设备的技术方案中，通过从所采集的目标对象的图像数据中检测对应于鉴别内容的反光区域、并确定该反光区域的区域特征，其能够识别出特定的不具有活体人脸的目标对象，从而有效地防范攻击者借助于图像、视频显示等非活体工具进行的攻击。
活体检测设备和活体检测方法实施案例
下面进一步描述处理器230针对反光区域执行确定操作以获得确定结果的两个示例。
示例一：在特定展示部210所展示的鉴别内容具有预定的鉴别图案的情况下，处理器230例如可通过如下操作得到所述确定结果：确定所采集的图像数据中是否存在与所展示的鉴别图案对应的区域；在存在与所展示的鉴别图案对应的区域的情况下，将该与所展示的鉴别图案对应的区域作为所述反光区域。这里以所述鉴别图案是图3（b）所示的黑白方格图案为例。对于图像采集器220所采集的图像数据的每一帧，例如利用香农（Canny）边缘提取算子提取所以采集的图像数据中的边，并记录所有横向的边和纵向的边交叉的点的位置。如果发现有若干的交叉点被边连接成了一个足够大的方格形状，那么认为出现了图3（b）所示的黑白方格图案，并将最外侧交叉点所包含的区域作为反光区域。
示例二：图4中的序列发生器211产生的所述亮度参考序列S[1…n]，显示器212在不同的n个时间点将S[1]至S[n]分别施加到鉴别内容，从而鉴别内容的亮度会随着时间而变化，处理器230可通过如下操作确定所采集的图像数据中是否存在所述反光区域：计算所采集的图像数据中的各个像素V[t,x,y]与所述亮度参考序列S[1…n]之间的相关系数c[x,y]；基于所述相关系数c[x,y]确定各个像素所在的位置是否是反光位置；基于所计算的反光位置确定是否存在所述反光区域。所述V[t,x,y]表示图像采集器220所采集的图像的（x,y）位置处在与S[t]对应的时间t上的像素，其中1≤t≤n。
相关系数c[x,y]可通过如下方式来计算：获取所采集的图像数据中的每个像素在施加所述参考亮度序列的各个时间点上的像素V[t,x,y]；计算在各个时间点上的所述像素V[t,x,y]的均值Vm[x,y]和方差Std（V）；计算所述参考亮度序列的均值Sm和方差Std（S）；基于所述像素的均值Vm[x,y]和方差Std（V）以及所述参考亮度序列的均值Sm和方差Std（S）来计算所述像素与所述参考序列之间的相关系数c[x,y]。具体地，像素V[t,x,y]的均值Vm[x,y]可通过如下的公式（1）得到：Vm[x,y]＝＝（V[1,x,y] V[2,x,y] ... V[n,x,y]）/n公式（1），其中，所述V[n,x,y]表示在所采集的图像的（x,y）位置上在与亮度参考序列S[1…n]中的S[n]对应的时间上的像素。
像素V[t,x,y]的方差Std（V）可通过如下的公式（2）得到公式（2），其中，Vm[x,y]是利用公式（1）计算的（x,y）位置上的像素的均值，所述V[n,x,y]表示在所采集的图像的（x,y）位置上在与亮度参考序列S[1…n]中的S[n]对应的时间n上的像素。
参考亮度序列的均值Sm可通过如下的公式（1）得到：Sm＝（S[1] S[2] ... S[n]）/n公式（3）。
参考亮度序列的方差Std（S）可通过如下的公式（4）得到：公式（4）。
对每个位置（x,y），该位置上的像素与所述参考序列之间的相关系数c[x,y]可通过如下的公式（5）得到：c[x,y]＝（（V[1,x,y]-Vm[x,y]）*（S[1]-Sm） （V[2,x,y]-Vm[x,y]）*（S[2]-Sm） ... （V[n,x,y]-Vm[x,y]）*（S[n]-Sm））/Std（S）/Std（V）公式（5）。
相应地，基于所述相关系数c[x,y]可以确定各个像素所在的位置是否是反光位置。例如，当相关系数c[x,y]大于等于预设的相关阈值时，确定位置为（x,y）的像素具有反光；当相关系数c[x,y]小于预设的相关阈值时，确定位置为（x,y）的像素不具有反光。在针对图像中的每个位置的像素计算相关系数、并确定其是否是反光位置之后，可以得到图像中的反光区域的分布。此后，可以根据反光区域的分布确定其区域特征，以识别目标对象是否是活体。
图6是示意性图示了根据《活体检测设备和活体检测方法》实施例的活体检测方法600的流程图。活体检测方法600应用于如图1所示的活体检测设备10。如图6所示，活体检测方法600可包括：向待识别的目标对象展示特定的鉴别内容（S610）；在展示所述鉴别内容期间，采集所述目标对象的图像数据（S620）；确定所采集的图像数据中是否存在与所述鉴别内容对应的反光区域、并在存在所述反光区域时确定该反光区域的区域特征，以得到一确定结果（S630）；以及基于所述确定结果识别所述目标对象是否是活体（S640）。
在S610中，可以利用显示器、或图片展示栏等来展示特定的鉴别内容。该鉴别内容用于帮助鉴别是否通过待识别的目标对象产生反光。在目标对象是如图1所示攻击者利用电子设备展示的视频时，与电子设备的屏幕面向的任何场景都可能在电子设备的屏幕产生反光，从而在电子设备的屏幕中出现该场景的画面。该鉴别内容与待识别的目标对象面对，最可能出现通过攻击者的电子设备反光，从而形成与鉴别内容对应的反光区域。所述鉴别内容可以是任何图像内容，例如可以是单一颜色的画面内容、可以是一个大树、可以是一个桌子等。任何能够与活体检测设备周围的环境区分开的内容都可以作为所述鉴别内容。
所述鉴别内容是目标对象容易看到的内容。当攻击者利用电子设备执行攻击时，可能容易发现所述鉴别内容的存在，从而采取应对措施。因此，可以采取隐蔽的方式来展示所述鉴别内容。例如，可以展示活体检测方法所应用于的活体检测设备的标题栏、工具栏和背景区域中的至少一个作为所述鉴别内容。活体检测设备中的应用的标题栏、工具栏、或背景区域等是该活体检测设备的固有展示内容，而很难被认为是为活体检测专门设置的鉴别内容。该鉴别内容的示例可以参见图3（a）和图3（b）的图示和相关描述。
在鉴别内容的展示过程中，还可以调整其显示效果，以使得更为便捷地从所采集的目标对象的图像数据中识别出所述鉴别内容。例如，在S610中，可以随机地产生一个参考序列；将所述参考序列施加到所述鉴别内容以调整所述鉴别内容的显示效果。所产生的参考序列例如是亮度参考序列S[1…n]，其中n是大于1的自然数。该参考序列是随机地生成的，不能事先模仿，从而能够防止攻击。可以在不同的时间点将S[1]至S[n]分别施加到鉴别内容，从而鉴别内容的亮度会随着时间而变化。所述参考序列还可以是色彩参数序列，并相应地使鉴别内容的色彩会随着时间而变化。为了避免引起攻击者的注意，可以利用具有动画效果的应用图案作为鉴别内容，以调整该应用图案的显示效果。
在S620中，在展示所述鉴别内容期间采集待识别的目标对象的图像数据。在活体检测方法600被应用于手持终端的情况中，在S620中可以利用手持终端中的前置摄像头来采集所述目标对象的图像数据。所述前置摄像头可以是基于可见光的彩色或灰度摄像机。在展示所述鉴别内容期间执行采集操作，以保证鉴别内容能够在攻击者的电子设备中反光，并确定与鉴别内容对应的反光区域。
在S630中，确定在所采集的图像数据中是否存在与所述鉴别内容对应的反光区域、并在存在所述反光区域时确定该反光区域的区域特征，以得到一确定结果。所述反光区域是所述鉴别内容在攻击者的显示屏中的投影。可通过从所采集的图像数据中检测所述鉴别内容来确定所述反光区域。作为示例，可以获取与鉴别内容对应的鉴别数据，并将所述鉴别数据与所采集的图像数据进行相似性检测，以确定所采集的图像数据中是否存在与所述鉴别内容对应的反光区域。可以采取2015年之前的或将来出现的各种技术或手段来确定所述反光区域，具体的确定反光区域的方式不构成对该公开实施例的限制。
当在所采集的图像数据中不存在与所述鉴别内容对应的反光区域时，可以确定目标对象不是攻击者利用电子设备显示的视频或图像，从而可以确定待验证的目标对象是活体。当在所采集的图像数据中存在与所述鉴别内容对应的反光区域时，在S630中进一步确定该反光区域的区域特征。例如，可以计算所述反光区域的尺寸和位置中的至少一个作为所述反光区域的区域特征，从而基于所述反光区域的尺寸和位置中的至少一个来识别所述目标对象是否是活体。
图7是示意性图示了图6的活体检测方法中的针对反光区域的确定操作的流程图。如图7所示，针对反光区域的确定操作（S630）可包括：计算所采集的图像数据中的各个像素值与所述参考序列之间的相关系数（S631）；基于所述相关系数确定各个像素值所在的位置是否是反光位置（S632）；基于所计算的反光位置确定是否存在所述反光区域（S633）；计算所述反光区域的尺寸和位置中的至少一个作为所述区域特征（S634）。
在S610中随机地产生参考亮度序列、并且在不同的时间点依次将所述多个参考亮度序列施加到所述鉴别内容以调整显示效果的情况中，在S631中可如下地计算所述相关系数：获取所采集的图像数据中的每个像素在施加所述参考亮度序列的各个时间点上的像素值；计算在各个时间点上的所述像素值的均值和方差；计算所述参考亮度序列的均值和方差；基于所述像素值的均值和方差以及所述参考亮度序列的均值和方差来计算所述像素值与所述参考序列之间的相关系数。具体地的实现示例可以参见前面结合公式（1）至公式（5）进行的描述。
在S632中，基于所述相关系数可以确定各个像素所在的位置是否是反光位置。例如，当相关系数大于等于预设的相关阈值时，与该相关系数对应的位置上的像素具有反光；当相关系数小于预设的相关阈值时，与该相关系数对应的位置上的像素不具有反光。
在针对图像中的每个位置的像素计算相关系数、并确定其是否是反光位置之后，在S633中可以确定是否存在反光区域，并得到图像中的反光区域的分布。
在S634中，可以根据反光区域的分布确定其区域特征。该区域特征例如是所述反光区域的尺寸和位置中的至少一个。鉴别内容通过诸如人脸的活体在采集图像中产生的反光区域通常很小、也相对分散。在攻击者利用电子设备的显示器进行攻击时，鉴别内容在电子设备的显示器中产生反光区域的尺寸和位置通常取决于鉴别内容的尺寸、以及所述鉴别内容与目标对象之间的距离和夹角，并且该反光区域的尺寸和位置可通过实验来获得其典型尺寸范围和典型位置范围。因此，借助于所述反光区域的尺寸或位置等区域特征，可以识别所述目标对象是否是活体。如果借助于所述反光区域的尺寸和位置二者来识别所述目标对象是否是活体，则可以增加识别的准确性。
替换地，在鉴别内容具有预定的鉴别图案的情况下，在S630中可如下地确定所采集的图像数据中是否存在与所述鉴别内容对应的反光区域：确定所采集的图像数据中是否存在与所展示的鉴别图案对应的区域；在存在与所展示的鉴别图案对应的区域的情况下，将该与所展示的鉴别图案对应的区域作为所述反光区域。这里以所述鉴别图案是图3（b）所示的黑白方格图案为例。对于所采集的图像数据的每一帧，例如利用香农（Canny）边缘提取算子提取所以采集的图像数据中的边，并记录所有横向的边和纵向的边交叉的点的位置。如果发现有若干的交叉点被边连接成了一个足够大的方格形状，那么认为出现了图3（b）所示的黑白方格图案，并将最外侧交叉点所包含的区域作为反光区域。如果交叉点没有被边连接成一个足够大的方格形状，那么认为没有出现图3（b）所示的黑白方格图案，则在所采集的图像数据中不存在反光区域。在此情况下确定的反光区域可以参见图5的图示。
当在S630中确定不存在反光区域时，在S640中可以确定目标对象不是攻击者利用电子设备显示的视频或图像，从而可以确定待验证的目标对象是活体。
在反光区域的区域特征包括反光区域的尺寸的情况下，在S640中可以基于所述反光区域的尺寸来识别所述目标对象是否是活体。具体地，可以所述反光区域的尺寸与第一阈值和第二阈值相比较，其中第二阈值大于第一阈值，当所述反光区域的尺寸大于等于第一阈值并且小于第二阈值时，将所述目标对象识别为不是活体，否则将所述目标对象识别为活体。所述第一阈值和第二阈值是基于上述的通过实验获得的典型尺寸范围来设置的。人体的反光特性远远差于电子设备的显示屏等的反光特性。当所述反光区域的尺寸小于第一阈值时，所述反光区域可能是人体的反光所造成的，可以判断所述目标对象是活体。取决于鉴别内容的尺寸以及其相对于目标对象的位置关系，与鉴别内容对应的反光区域的尺寸也不可能太大。相应地，当所述反光区域的尺寸大于等于第二阈值时，所述反光区域应该也不与鉴别内容对应，可以判断所述目标对象是活体。
目标对象可能佩戴眼镜等。此时，眼镜可能对鉴别内容形成较强的反光特性，从而在使得反光区域的尺寸大于等于第一阈值并且小于第二阈值。相应地，如果将所述目标对象识别为不是活体，则可能是误判。因此，在S640中可以结合其它的方式来识别目标对象是否是活体。例如，还可以基于反光区域的位置来识别所述目标对象是否是活体。
在反光区域的区域特征包括反光区域的位置的情况下，在S640中还可以基于所述反光区域的位置来识别所述目标对象是否是活体。具体地，可以判断所述反光区域在所采集的图像数据中的位置，当所述反光区域的位置接近所采集的图像数据的边缘时，将所述目标对象识别为不是活体。待识别的目标对象通常处于所采集的图像的中心位置。当反光区域是由于目标对象的面部等反光而形成时，该反光区域通常与目标对象有部分重叠，并相应地位于或接近所采集的图像数据的中心。因此，当反光区域的位置接近所采集的图像数据的边缘时，可以初步确定所述目标对象识别为不是活体。然而，当反光区域的位置接近或位于所采集的图像数据的中心时，不能确定所述目标对象是活体，因为攻击者利用电子设备的显示器也可能在所采集的图像数据的中心形成反光区域。
在根据《活体检测设备和活体检测方法》实施例的活体检测方法的技术方案中，通过从所采集的目标对象的图像数据中检测对应于鉴别内容的反光区域、并确定该反光区域的区域特征，其能够识别出特定的不具有活体人脸的目标对象，从而有效地防范攻击者借助于图像、视频显示等非活体工具进行的攻击。
图8是示意性图示了根据该公开实施例的用于活体检测的电子设备800的框图。如图8所示，用于活体检测的电子设备800可包括存储器810、处理器820。存储器810上存储有计算机程序代码。处理器820执行所述程序代码以实现结合图6至图7描述的用于活体检测方法。
存储器810可以包括只读存储器和随机存取存储器中的至少一个，并向处理器820提供指令和数据。存储器810的数量可以为一个或多个，其例如可以为易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。该存储器810还可以存储所采集的图像信息、音频信息等。
处理器820可以是通用处理器、数字信号处理器（DSP）、专用集成电路（ASIC）、现成可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者任何常规的处理器等。
尽管未示出，用于验证活体人脸的设备800还可以包括输入装置、输出装置、通信装置和图像采集器，这些组件通过总线系统和/或其它形式的连接机构互连。输入装置可以是用户用来输入指令的装置，并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。所述指令例如是使用下述摄像头拍摄图像的指令。输出装置可以向外部（例如用户）输出各种信息，其例如向待验证对象呈现所生成的字符串，并且可以包括显示器、扬声器等中的一个或多个。通信装置可以通过网络或其它技术与其它装置（例如个人计算机、服务器、移动台、基站等）通信，所述网络可以是因特网、无线局域网、移动通信网络等，所述其它技术例如可以包括蓝牙通信、红外通信等。图像采集器可以拍摄用户期望的图像（例如照片、视频等），并且将所拍摄的图像存储在存储器810中以供其它组件使用。输入装置、输出装置、通信装置和图像采集器可以根据需要适当地进行选择和组合。
除了上述装置、方法和设备以外，《活体检测设备和活体检测方法》的实施例还可以是计算机程序产品，用于执行活体检测。该计算机程序产品包括计算机可读存储介质，在所述计算机可读存储介质上存储了计算机程序指令，所述计算机程序指令可由处理器执行以使得所述处理器执行如下操作：向待识别的目标对象展示特定的鉴别内容；在展示所述鉴别内容期间，采集所述目标对象的图像数据；确定所采集的图像数据中是否存在与所述鉴别内容对应的反光区域、并在存在所述反光区域时确定该反光区域的区域特征，以得到一确定结果；以及基于所述确定结果识别所述目标对象是否是活体。具体可以参见上面结合图6-7进行的描述。
结构实体检测及检测方法探讨
试验和检测设备表
活体标本简介