技术摘要：
本申请实施例公开了一种活体检测方法、装置、计算机设备及存储介质，属于计算机技术领域。该方法包括：调用活体检测模型中的第一编码层，对人脸图像进行编码处理，得到人脸图像的活体特征和内容特征，可以将人脸图像的活体特征和内容特征分离出来。将内容特征过滤后，  全部
背景技术：
随着计算机技术的飞速发展，人脸识别技术的应用越来越广泛。但是，人脸识别技 术的安全性也容易受到恶意攻击的威胁，例如，通过面具、包括人脸的纸片或者显示人脸的 屏幕来假装人脸进行识别。因此，为了提高人脸识别技术的安全性，在人脸识别过程中需要 进行活体检测，以保证识别的人脸为活体人脸。 相关技术中，调用活体检测模型，提取人脸图像的全部特征，对人脸图像的全部特 征进行处理，得到该人脸图像为活体人脸图像的概率，根据得到的概率确定该人脸图像是 否为活体人脸图像。 但是，由于活体检测模型处理的是人脸图像的全部特征，而人脸图像的全部特征 包括与人脸图像是否为活体人脸图像无关的特征，例如人脸图像中与背景或者光照等有关 的特征。这些特征会影响检测结果，导致活体检测的准确率低。
技术实现要素：
本申请实施例提供了一种活体检测方法、装置、计算机设备及存储介质，可以提高 活体检测的准确率。所述技术方案如下： 一方面，提供了一种活体检测方法，所述方法包括： 调用活体检测模型中的第一编码层，对人脸图像进行编码处理，得到所述人脸图 像的活体特征和内容特征，所述活体特征为描述所述人脸图像包括的人脸是否为活体人脸 的特征，所述内容特征为所述人脸图像的特征中，与所述人脸图像包括的人脸是否为活体 人脸无关的特征；将所述内容特征过滤后，调用所述活体检测模型中的第一解码层，对所述 活体特征进行解码处理，得到所述活体特征对应的特征图像；在所述特征图像满足第一预 设条件的情况下，将所述人脸图像确定为活体人脸图像。 可选地，所述特征图像生成网络包括第二解码层和第三解码层，所述调用所述活 体检测模型中的特征图像生成网络，对所述第二人脸特征进行处理，得到所述第二人脸特 征对应的第三样本特征图像，包括： 调用所述第二解码层，对所述第二人脸特征进行解码处理，得到第二参考人脸图 像；调用所述第三解码层，对所述第二参考人脸图像进行解码处理，得到所述第二参考人脸 图像对应的第三样本特征图像。 可选地，所述调用所述第二解码层，对所述第二人脸特征进行解码处理，得到第二 参考人脸图像之后，所述方法还包括：调用所述活体检测模型中的鉴别层，对所述第二参考 人脸图像进行处理，得到所述第二参考人脸图像的第二鉴别概率，所述第二鉴别概率表示 所述第二参考人脸图像为通过所述第二解码层生成的图像的概率；在所述第二鉴别概率大 5 CN 111597944 A 说　明　书 2/27 页 于预设概率的情况下，对所述活体检测模型的模型参数进行调整。 可选地，所述在所述第三样本特征图像满足第二预设条件的情况下，对所述活体 检测模型的模型参数进行调整，包括： 在所述第三样本特征图像的第三样本平均像素值属于第二预设像素值范围的情 况下，对所述活体检测模型的模型参数进行调整。 另一方面，提供了一种活体检测装置，所述装置包括： 编码处理模块，用于调用活体检测模型中的第一编码层，对人脸图像进行编码处 理，得到所述人脸图像的活体特征和内容特征，所述活体特征为描述所述人脸图像包括的 人脸是否为活体人脸的特征，所述内容特征为所述人脸图像的特征中，与所述人脸图像包 括的人脸是否为活体人脸无关的特征；解码处理模块，用于将所述内容特征过滤后，调用所 述活体检测模型中的第一解码层，对所述活体特征进行解码处理，得到所述活体特征对应 的特征图像；确定模块，用于在所述特征图像满足第一预设条件的情况下，将所述人脸图像 确定为活体人脸图像。 可选地，所述装置还包括： 图像采集模块，用于采集输入的目标图像；人脸检测模块，用于对所述目标图像进 行人脸检测，得到所述目标图像中的人脸区域；裁剪处理模块，用于将所述目标图像中的所 述人脸区域进行裁剪处理，作为所述人脸图像。 可选地，所述装置还包括： 图像采集模块，用于采集输入的目标图像；人脸检测模块，用于对所述目标图像进 行人脸检测，得到所述目标图像中的第一人脸区域；所述人脸检测模块，还用于根据所述第 一人脸区域，获取所述目标图像中包含所述第一人脸区域的第二人脸区域，所述第二人脸 区域与所述第一人脸区域的尺寸比例为预设比例；裁剪处理模块，用于将所述目标图像中 的所述第二人脸区域进行裁剪处理，作为所述人脸图像。 可选地，所述确定模块，包括： 确定单元，用于在所述特征图像的平均像素值属于第一预设像素值范围的情况 下，将所述人脸图像确定为活体人脸图像。 可选地，所述装置还包括： 所述编码处理模块，还用于调用所述活体检测模型中的第一编码层，对样本人脸 图像进行编码处理，得到所述样本人脸图像的第一样本活体特征和第一样本内容特征；所 述解码处理模块，用于将所述第一样本内容特征过滤后，调用所述活体检测模型中的第一 解码层，对所述第一样本活体特征进行解码处理，得到所述第一样本活体特征对应的第一 样本特征图像；第一参数调整模块，用于在所述样本人脸图像是活体人脸图像，而所述第一 样本特征图像不满足所述第一预设条件的情况下，对所述活体检测模型的模型参数进行调 整；所述第一参数调整模块，还用于在所述样本人脸图像不是活体人脸图像，而所述第一样 本特征图像满足所述第一预设条件的情况下，对所述活体检测模型的模型参数进行调整。 可选地，所述第一参数调整模块，包括： 第一参数调整单元，用于在所述样本人脸图像是活体人脸图像，而所述第一样本 特征图像的第一样本平均像素值不属于第一预设像素值范围的情况下，对所述活体检测模 型的模型参数进行调整。 6 CN 111597944 A 说　明　书 3/27 页 可选地，所述第一参数调整模块，包括： 第二参数调整单元，用于在所述样本人脸图像不是活体人脸图像，而所述第一样 本特征图像的第一样本平均像素值属于第一预设像素值范围的情况下，对所述活体检测模 型的模型参数进行调整。 可选地，所述装置还包括： 所述编码处理模块，还用于调用所述活体检测模型中的第一编码层，对样本活体 人脸图像和样本非活体人脸图像分别进行编码处理，得到所述样本活体人脸图像的第二样 本活体特征和第二样本内容特征，以及所述样本非活体人脸图像的第三样本活体特征和第 三样本内容特征；融合处理模块，用于将所述第二样本活体特征与所述第三样本内容特征 进行融合处理，得到第一人脸特征；特征图像生成模块，用于调用所述活体检测模型中的特 征图像生成网络，对所述第一人脸特征进行处理，得到所述第一人脸特征对应的第二样本 特征图像；第二参数调整模块，用于在所述第二样本特征图像不满足第二预设条件的情况 下，对所述活体检测模型的模型参数进行调整。 可选地，所述特征图像生成网络包括第二解码层和第三解码层，所述特征图像生 成模块，包括： 第一解码处理单元，用于调用所述第二解码层，对所述第一人脸特征进行解码处 理，得到第一参考人脸图像；第二解码处理单元，用于调用所述第三解码层，对所述第一参 考人脸图像进行解码处理，得到所述第一参考人脸图像对应的第二样本特征图像。 可选地，所述装置还包括： 鉴别模块，用于调用所述活体检测模型中的鉴别层，对所述第一参考人脸图像进 行处理，得到所述第一参考人脸图像的第一鉴别概率，所述第一鉴别概率表示所述第一参 考人脸图像为通过所述第二解码层生成的图像的概率；第三参数调整模块，用于在所述第 一鉴别概率大于预设概率的情况下，对所述活体检测模型的模型参数进行调整。 可选地，所述第二参数调整模块，包括： 第三参数调整单元，用于在所述第二样本特征图像的第二样本平均像素值不属于 第二预设像素值范围的情况下，对所述活体检测模型的模型参数进行调整。 可选地，所述装置还包括： 所述编码处理模块，还用于调用所述活体检测模型中的第一编码层，对样本活体 人脸图像和样本非活体人脸图像分别进行编码处理，得到所述样本活体人脸图像的第二样 本活体特征和第二样本内容特征，以及所述样本非活体人脸图像的第三样本活体特征和第 三样本内容特征；融合处理模块，用于将所述第三样本活体特征与所述第二样本内容特征 进行融合处理，得到第二人脸特征；特征图像生成模块，用于调用所述活体检测模型中的特 征图像生成网络，对所述第二人脸特征进行处理，得到所述第二人脸特征对应的第三样本 特征图像；第二参数调整模块，用于在所述第三样本特征图像满足第二预设条件的情况下， 对所述活体检测模型的模型参数进行调整。 可选地，所述特征图像生成网络包括第二解码层和第三解码层，所述特征图像生 成模块，包括： 第一解码处理单元，用于调用所述第二解码层，对所述第二人脸特征进行解码处 理，得到第二参考人脸图像；第二解码处理单元，用于调用所述第三解码层，对所述第二参 7 CN 111597944 A 说　明　书 4/27 页 考人脸图像进行解码处理，得到所述第二参考人脸图像对应的第三样本特征图像。 可选地，所述装置还包括： 鉴别模块，用于调用所述活体检测模型中的鉴别层，对所述第二参考人脸图像进 行处理，得到所述第二参考人脸图像的第二鉴别概率，所述第二鉴别概率表示所述第二参 考人脸图像为通过所述第二解码层生成的图像的概率；第三参数调整模块，用于在所述第 二鉴别概率大于预设概率的情况下，对所述活体检测模型的模型参数进行调整。 可选地，所述第二参数调整模块，包括： 第三参数调整单元，用于在所述第三样本特征图像的第三样本平均像素值属于第 二预设像素值范围的情况下，对所述活体检测模型的模型参数进行调整。 另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存 储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如所述活 体检测方法中所执行的操作。 再一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有 至少一条指令，所述至少一条指令由处理器加载并执行，以实现如所述活体检测方法中所 执行的操作。 本申请实施例提供的方法、装置、计算机设备及存储介质，调用活体检测模型中的 第一编码层，对人脸图像进行编码处理，得到人脸图像的活体特征和内容特征，因此本申请 实施例提供了一种处理人脸图像的方案，可以将人脸图像的活体特征和内容特征分离出 来，也即是实现了将人脸图像中描述该人脸图像包括的人脸是否为活体人脸的特征单独提 取出来，而不是与仅可以描述人脸图像内容的特征混合在一起，实现了对人脸图像的特征 解耦。获取到活体特征和内容特征，将内容特征过滤后，调用活体检测模型中的第一解码 层，对活体特征进行解码处理，得到活体特征对应的特征图像，在特征图像满足第一预设条 件的情况下，将人脸图像确定为活体人脸图像。因此本申请实施例提供了一种仅根据活体 特征来进行活体检测的方法，活体检测过程仅用到了人脸图像的活体特征，并不考虑人脸 图像的内容特征，避免了内容特征对活体检测过程的干扰，可以提高活体检测的准确率。 并且，由于该活体检测模型仅根据活体特征进行活体检测，因此在该活体检测模 型的训练过程中，也仅受到了活体特征对训练过程的影响，避免了内容特征对训练过程的 影响，因此避免在训练活体检测模型的过程中，将活体检测模型拟合到与活体特征无关的 内容特征上，进一步提高活体检测模型的准确性。 并且，由于避免了活体检测模型拟合到与活体特征无关的内容特征上，因此该活 体检测模型的检测结果仅受到描述人脸图像包括的人脸是否为活体人脸的活体特征的影 响，而不会受到描述人脸图像内容的内容特征的影响，因此，即使检测的人脸图像的内容发 生了变化，该活体检测模型仍可以检测出人脸图像是否为活体人脸图像，提高了活体检测 模型的泛化能力。 并且，采集输入的目标图像，对目标图像进行人脸检测，得到目标图像中的第一人 脸区域，根据第一人脸区域，获取目标图像中包含第一人脸区域的第二人脸区域，该第二人 脸区域与第一人脸区域的尺寸比例为预设比例，将目标图像中的第二人脸区域进行裁剪处 理，作为人脸图像。因此根据第一人脸区域获取第二人脸区域，可以避免人脸检测得到的第 一人脸区域的尺寸不合适的情况，从而避免得到的人脸图像包含的无关信息较多或者包含 8 CN 111597944 A 说　明　书 5/27 页 的信息量较少的问题，导致对检测结果产生不利影响，可以进一步提高活体检测的准确性。 并且，在特征图像满足第一预设条件的情况下，将人脸图像确定为活体人脸图像， 该第一预设条件可以根据训练活体检测模型的过程中的第一预设条件进行设置，而训练活 体检测模型的过程中的第一预设条件的第一预设像素值范围可以根据训练活体检测模型 中的第一解码层的方式进行设置，而该训练活体检测模型中的第一解码层的方式可以由计 算机设备默认设置，或者由开发人员根据实际情况自行设置。因此，提高了训练活体检测模 型的灵活性。 并且，本申请实施例提供的方法仅需根据人脸图像中的活体特征即可完成活体检 测，无需用户配合做出脸部动作，也无需特定的硬件设备，降低了活体检测的成本，并且可 以提高用户体验。 附图说明 为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使 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申请实施例的一些实施 例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获 得其他的附图。 图1是本申请实施例提供的一种活体检测模型的示意图。 图2是本申请实施例提供的另一种活体检测模型的示意图。 图3是本申请实施例提供的一种活体检测方法的流程图。 图4是本申请实施例提供的一种活体检测模型训练方法的流程图。 图5是本申请实施例提供的一种特征图像的示意图。 图6是本申请实施例提供的另一种活体检测模型训练方法的流程图。 图7是本申请实施例提供的另一种特征图像的示意图。 图8是本申请实施例提供的一种训练活体检测模型的示意图。 图9是本申请实施例提供的另一种训练活体检测模型的示意图。 图10是本申请实施例提供的另一种活体检测方法的流程图。 图11是本申请实施例提供的一种裁剪人脸图像的示意图。 图12是本申请实施例提供的一种活体检测装置的结构示意图。 图13是本申请实施例提供的另一种活体检测装置的结构示意图。 图14是本申请实施例提供的一种终端的结构示意图。 图15是本申请实施例提供的一种服务器的结构示意图。