(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211118678.0 (22)申请日 2022.09.13 (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801-1 1 (72)发明人 武文琦　 (74)专利代理 机构 北京市一法律师事务所 11654 专利代理师 李琳娜　刘荣娟 (51)Int.Cl. G06V 40/40(2022.01) G06V 40/16(2022.01) G06V 20/40(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01)G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种活体 检测方法和系统 (57)摘要 本公开提供了一种活体检测方法和系统， 涉 及生物识别技术领域。 本公开提供的活体检测方 法包括： 获取目标视频； 对所述目标视频进行视 频拆帧， 得到第一视频帧子集和第二视频帧子 集； 基于所述第一视频帧子集和所述第二视频帧 子集， 确定所述目标视频的特征信息； 以及基于 所述特征信息， 确定所述目标对象的活体概率。 本公开提供的上述方法通过模仿人视觉系统的 时序信息提取方式， 从目标视频中提取具有不同 特征(动态特征信息、 静态特征信息)的视频帧子 集， 并基于两个不同的视频帧子集确定目标视频 的特征信息， 从而提高活体攻击检测的特征鲁棒 性， 为人脸识别系统建立坚实的安全底盘 。 权利要求书3页 说明书12页 附图3页 CN 115482592 A 2022.12.16 CN 115482592 A 1.一种活体 检测方法， 包括： 获取目标视频， 所述目标视频包括至少一帧图像， 所述目标视频中包括至少一个目标 对象； 对所述目标视频进行视频拆帧， 得到第一视频帧子集和第二视频帧子集， 所述第一视 频帧子集对应第一帧率， 所述第二视频帧子集对应第二帧率， 所述第一帧率小于所述第二 帧率； 基于所述第一视频帧子集和所述第二视频帧子集， 确定所述目标视频的特征信息； 以 及 基于所述特 征信息， 确定所述目标对象的活体概 率。 2.如权利要求1所述的活体 检测方法， 其中， 所述确定所述目标视频的特 征信息， 包括： 采用第一检测模型对所述第一视频帧子集进行 特征提取， 得到静态特 征信息； 采用第二检测模型对所述第二视频帧子集进行 特征提取， 得到动态特 征信息； 以及 基于所述静态特 征信息和所述动态特 征信息， 确定所述特 征信息。 3.如权利要求2所述的活体检测方法， 其中， 所述第 一检测模型和所述第 二检测模型中 包含相同数量的特 征提取模块。 4.如权利要求3所述的活体检测方法， 其中， 所述第 一检测模型中包含第 一级静态特征 提取模块、 第二级静态特 征提取模块和第三级静态特 征提取模块； 以及 所述采用第一检测模型对所述第一视频帧子集进行特征提取， 得到静态特征信息， 包 括： 采用第一级静态特征提取模块对所述第 一视频帧子集进行特征提取， 得到第 一级静态 特征信息； 采用第二级静态特征提取模块对所述第 一级静态特征信 息进行特征提取， 得到第 二级 静态特征信息； 以及 采用第三级静态特征提取模块对所述第 二级静态特征信 息进行特征提取， 得到第 三级 静态特征信息。 5.如权利要求4所述的活体检测方法， 其中， 所述第 二检测模型中包含第 一级动态特征 提取模块、 第二级动态特 征提取模块和第三级动态特 征提取模块； 以及 所述采用第二检测模型对所述第二视频帧子集进行特征提取， 得到动态特征信息， 包 括： 采用第一级动态特征提取模块对所述第 二视频帧子集进行特征提取， 得到第 一级动态 特征信息； 采用第二级动态特征提取模块对所述第 一级动态特征信 息进行特征提取， 得到第 二级 动态特征信息； 以及 采用第三级动态特征提取模块对所述第 二级动态特征信 息进行特征提取， 得到第 三级 动态特征信息。 6.如权利要求3 ‑5任一项所述的活体检测方法， 其中， 所述第一检测模型中的静态特征 提取模块的卷积核数 大于所述第二检测模型中对应层级的动态特 征提取模块的卷积核数。 7.如权利要求6所述的活体 检测方法， 其中， 每个所述静态特征提取模块的卷积核数同与其对应的所述动态特征提取模块的卷积权　利　要　求　书 1/3 页 2 CN 115482592 A 2核数之比与所述第二帧率同所述第一帧率之比正相关。 8.如权利要求7 所述的活体 检测方法， 其中， 所述第二帧率 为所述第一帧率的n 倍； 以及 每个所述静态特征提取模块的卷积核数为与其对应层级的动态特征提取模块的卷积 核数的n倍， 其中， n 为大于1的自然数。 9.如权利要求5所述的活体检测方法， 其中， 所述基于所述静态特征信 息和所述动态特 征信息， 确定所述特 征信息， 包括： 将所述动态特 征信息融合到所述静态特 征信息中， 得到融合后的静态特 征信息； 以及 基于所述融合后的静态特 征信息和所述动态特 征信息， 确定所述特 征信息。 10.如权利要求9所述的活体检测方法， 其中， 所述将所述动态特征信息融合到所述静 态特征信息中， 得到融合后的静态特 征信息， 包括： 将所述第一级动态特征信 息与所述第 一级静态特征信 息进行特征融合， 得到融合后的 第一级特 征信息； 将所述融合后的第 一级特征信 息经过所述第 二级静态特征提取模块后， 得到第 二级特 征信息； 将所述第二级动态特征信 息与所述第 二级特征信 息进行特征融合， 得到 融合后的第 二 级特征信息； 将所述融合后的第 二级特征信 息经过所述第 三级静态特征提取模块后， 得到第 三级特 征信息； 以及 将所述第三级特 征信息作为所述融合后的静态特 征信息。 11.如权利要求10所述的活体检测方法， 其中， 所述基于所述融合后的静态特征信 息和 所述动态特 征信息， 确定所述特 征信息， 包括： 将所述第三级动态特 征信息作为所述动态特 征信息； 以及 将所述融合后的静态特 征信息和所述第三级动态特 征信息共同作为所述特 征信息。 12.如权利要求11所述的活体检测方法， 其中， 所述基于所述特征信息， 确定所述目标 对象的活体概 率， 包括： 基于所述融合后的静态特 征信息， 确定所述目标对象的第一活体概 率； 基于所述动态特 征信息， 确定所述目标对象的第二活体概 率； 以及 基于所述第一活体概率和所述第二活体概率， 确定所述目标对象的所述活体概率， 所 述活体概 率用于指示所述目标对象为活体对象的概 率。 13.如权利要求12所述的活体检测方法， 其中， 所述基于所述第 一活体概率和所述第 二 活体概率， 确定所述目标对象的所述活体概 率， 包括： 获取所述第一活体概 率和所述第二活体概 率的权重比； 以及 基于所述权重比、 所述第一活体概率和所述第二活体概率， 确定所述目标对象的活体 概率。 14.如权利要求1所述的活体检测方法， 其中， 在所述确定所述目标对象的活体概率之 后， 还包括： 将所述活体概 率与预设概 率阈值进行对比； 以及 确定所述活体概 率超过所述预设概 率阈值， 确定所述目标对象为活体对象。权　利　要　求　书 2/3 页 3 CN 115482592 A 3