(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 202210391091.0 (22)申请日 2022.04.14 (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 曹佳炯　丁菁汀　 (74)专利代理 机构 北京君慧知识产权代理事务 所(普通合伙) 11716 专利代理师 肖鹏 (51)Int.Cl. G06V 40/16(2022.01) G06V 40/40(2022.01) G06K 9/62(2022.01) G06V 10/74(2022.01) G06V 10/80(2022.01) (54)发明名称 一种基于机具维度的人脸识别处理方法、 装 置以及设备 (57)摘要 本说明书实施例公开了一种基于机具维度 的人脸识别处理方法、 装置以及设备。 方案包括： 获取机具预先采集并保留的所述机具所处场景 的场景图像， 并提取所述场景图像的全局特征； 获取所述机具在用户进行人脸识别时采集的人 脸图像， 并提取所述人脸图像的全局特征和局部 特征， 所述局部特征包括人脸区域的特征； 根据 所述场景图像的全局特征、 所述人脸图像的全局 特征和局部特征进行特征比对， 得到比对结果； 根据所述人脸图像的全局特征和局部特征， 以及 所述比对结果， 利用预先训练的活体防攻击模型 进行融合处理； 根据所述融合处理的结果， 判断 所述人脸图像中的人脸是否为活体 。 权利要求书3页 说明书12页 附图2页 CN 114882551 A 2022.08.09 CN 114882551 A 1.一种基于 机具维度的人脸识别处 理方法， 包括： 获取机具预先采集并保留的所述机具所处场景的场景图像， 并提取所述场景图像的全 局特征； 获取所述机具在用户进行人脸识别时采集的人脸图像， 并提取所述人脸图像的全局特 征和局部特征， 所述局部特 征包括人脸区域的特 征； 根据所述场景图像的全局特征、 所述人脸图像的全局特征和局部特征进行特征比对， 得到比对结果； 根据所述人脸图像的全局特征和局部特征， 以及所述比对结果， 利用预先训练的活体 防攻击模型进行融合处 理； 根据所述融合处 理的结果， 判断所述人脸图像中的人脸是否为活体。 2.如权利要求1所述的方法， 所述机具预先采集所述机具所处场景的场景图像， 具体包 括： 所述机具在未进行 人脸识别时， 多次采集所述机具 所处场景的场景图像； 对各所述场景图像进行 人脸检测， 保留未检测到人脸的所述场景图像。 3.如权利要求1所述的方法， 所述根据 所述场景图像的全局特征、 所述人脸图像的全局 特征和局部特征进行特征比对， 得到比对结果， 具体包括： 根据所述场景图像的全局特 征与所述人脸图像的全局特 征， 进行相似度计算； 根据所述相似度计算的结果， 确定比对结果。 4.如权利要求3所述的方法， 所述根据所述场景图像的全局特征与所述人脸图像的全 局特征， 进行相似度计算， 具体包括： 根据所述人脸图像的局部特征， 对所述场景图像的全局特征和所述人脸图像的全局特 征中的对应特 征进行泛化处 理； 根据所述泛化处理后的所述场景图像的全局特征和所述人脸图像的全局特征， 进行相 似度计算。 5.如权利要求1所述的方法， 所述根据 所述场景图像的全局特征、 所述人脸图像的全局 特征和局部特征进行特征比对， 得到比对结果， 具体包括： 将所述人脸图像的全局特 征与局部特 征进行特征比对， 得到比对中间结果； 若所述比对中间结果反映的相似度 大于第一设定阈值， 则根据 所述人脸图像的局部特 征， 在所述人脸图像的全局特征中提取实际人脸边缘场景特征， 在所述场景图像的全局特 征中提取假想人脸 边缘场景特征； 将所述实际人脸边缘场景特征与 所述假想人脸边缘场景特征进行特征比对， 得到比对 结果。 6.如权利要求5所述的方法， 所述将所述人脸图像的全局特征与局部特征进行特征比 对， 得到比对中间结果之后， 所述方法还 包括： 若所述比对中间结果反映的相似度小于第 二设定阈值， 则将所述场景图像的全局特征 与所述人脸图像的全局特征进行特征比对， 得到比对结果， 所述第二设定阈值小于所述第 一设定阈值。 7.如权利要求5所述的方法， 所述比对结果包含所述实际人脸边缘场景特征与所述假 想人脸边缘场景特征之间的特 征差集；权　利　要　求　书 1/3 页 2 CN 114882551 A 2所述根据所述人脸图像的全局特征和局部特征， 以及所述比对结果， 利用预先训练的 活体防攻击模型进行融合处 理， 具体包括： 将所述人脸图像的全局特征和局部特征， 以及所述特征差集进行组合后， 输入预先训 练的活体防攻击模型进行融合处 理， 以便进行分类预测。 8.如权利要求1所述的方法， 所述根据 所述人脸图像的全局特征和局部特征， 以及所述 比对结果， 利用预 先训练的活体防攻击模型进行融合处 理， 具体包括： 获取预先训练的活体分类模型对所述人脸图像的输出 特征； 将所述人脸图像的全局特征和局部特征， 以及所述输出特征进行融合处理， 并输入预 先训练的活体防攻击模型， 进行分类预测， 得到参 考分类数据； 通过所述活体防攻击模型， 对所述比对结果和所述 参考分类数据进行融合处 理。 9.如权利要求8所述的方法， 所述比对结果包括反映所述场景图像与所述人脸图像中 人脸区域以外部分之间相似度的归一化风险分数； 所述参考分类数据包括将所述人脸图像 中的人脸分类为活体或者非活体的分类概 率； 所述对所述比对结果和所述 参考分类数据进行融合处 理， 具体包括： 叠加所述归一化风险分数和所述分类概率， 得到判决分数， 以便根据所述判决分数和 对应的设定阈值， 判定所述人脸图像中的人脸是否为活体。 10.一种基于 机具维度的人脸识别处 理装置， 包括： 场景留底模块， 获取机具预先采集并保留的所述机具所处场景的场景图像， 并提取所 述场景图像的全局特 征； 人脸处理模块， 获取所述机具在用户进行人脸识别时采集的人脸图像， 并提取所述人 脸图像的全局特 征和局部特征， 所述局部特 征包括人脸区域的特 征； 特征比对模块， 根据所述场景图像的全局特征、 所述人脸图像的全局特征和局部特征 进行特征比对， 得到比对结果； 融合处理模块， 根据 所述人脸图像的全局特征和局部特征， 以及所述比对结果， 利用预 先训练的活体防攻击模型进行融合处 理； 活体判断模块， 根据所述融合处 理的结果， 判断所述人脸图像中的人脸是否为活体。 11.如权利要求10所述的装置， 所述场景留底模块， 通过所述机具， 在其未进行人脸识 别时， 多次采集所述机具 所处场景的场景图像； 对各所述场景图像进行 人脸检测， 保留未检测到人脸的所述场景图像。 12.如权利要求10所述的装置， 所述特征比对模块， 根据 所述场景图像的全局特征与 所 述人脸图像的全局特 征， 进行相似度计算； 根据所述相似度计算的结果， 确定比对结果。 13.如权利要求12所述的装置， 所述特征比对模块， 根据所述人脸图像的局部特征， 对 所述场景图像的全局特 征和所述人脸图像的全局特 征中的对应特 征进行泛化处 理； 根据所述泛化处理后的所述场景图像的全局特征和所述人脸图像的全局特征， 进行相 似度计算。 14.如权利要求10所述的装置， 所述特征比对模块， 将所述人脸图像的全局特征与局部 特征进行特征比对， 得到比对中间结果； 若所述比对中间结果反映的相似度 大于第一设定阈值， 则根据 所述人脸图像的局部特权　利　要　求　书 2/3 页 3 CN 114882551 A 3