(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 202210158036.7 (22)申请日 2022.02.21 (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 北京晋德允升知识产权代理 有限公司 1 1623 专利代理师 王戈 (51)Int.Cl. G06V 40/40(2022.01) G06V 40/16(2022.01) G06K 9/62(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) (54)发明名称 一种活体 检测方法、 装置及设备 (57)摘要 本说明书实施例中公开了一种活体检测方 法、 装置及设备。 该方案可以包括： 获取待检测视 频的压缩数据； 在对所述待检测视频的压缩数据 进行解码的过程中， 提取视频压缩域信息； 利用 第一活体检测模型对所述视频压缩域信息进行 活体检测， 得到第一非活体概率值； 所述第一活 体检测模型是利用从视频压缩数据样本中提取 出的视频压缩域信息样本， 对第一分类模型进行 训练而得到的； 若所述第一非活体概率值小于第 一阈值， 则生成表示所述待检测视频中包含活体 的检测结果。 权利要求书4页 说明书17页 附图4页 CN 114445918 A 2022.05.06 CN 114445918 A 1.一种活体 检测方法， 包括： 获取待检测视频的压缩数据； 在对所述待检测视频的压缩数据进行解码的过程中， 提取视频压缩域信息； 利用第一活体检测模型对所述视频压缩域信息进行活体检测， 得到第一非活体概率 值； 所述第一活体检测模型是利用从视频压缩数据样本中提取出 的视频压缩域信息样本， 对第一分类模型进行训练而得到的； 若所述第一非活体概率值小于第 一阈值， 则生成表示所述待检测视频中包含活体的检 测结果。 2.如权利要求1所述的方法， 所述在对所述待检测视频的压缩数据进行解码的过程中， 提取视频压缩域信息， 具体包括： 在利用第一视频解码器对所述待检测视频的压缩数据进行解码的过程中， 提取视频压 缩域信息； 所述视频压缩域信息包括： 关键帧图像、 所述关键帧图像对应的运动矢量数据、 所述关键帧图像对应的残差数据。 3.如权利要求2所述的方法， 所述第一分类模型包括第一分类子模型、 第二分类子模 型、 第三分类子模型； 所述第一分类子模型、 所述第二分类子模型及所述第三分类子模型共 用第一全连接层及第一输出层； 所述第一分类子模型、 所述第二分类子模型及所述第三分 类子模型均属于卷积神经网络模型； 所述利用第 一活体检测模型对所述视频压缩域信 息进行活体检测， 得到第 一非活体概 率值， 具体包括： 将所述关键帧图像、 所述运动矢量数据、 所述残差数据分别输入所述第 一分类子模型、 所述第二分类子模型及所述第三分类子模型， 得到所述第一输出层输出的第一非活体概率 值。 4.如权利要求3所述的方法， 所述第 一全连接层用于接收所述第 一分类子模型、 所述第 二分类子模型及所述第三分类子模型分别发送的第一特征向量、 第二特征向量及第三特征 向量， 以及， 针对所述第一特征向量、 所述第二特征向量及所述第三特征向量进行求和处 理， 得到第一融合特 征向量； 所述第一输出层用于根据所述第 一融合特征向量， 确定所述待检测视频中未包含活体 的概率， 得到所述第一非活体概 率值。 5.如权利要求2所述的方法， 所述利用第一活体检测模型对所述视频压缩域信息进行 活体检测， 得到第一非活体概 率值之后， 还 包括： 若所述第一非活体概率值大于等于第 一阈值， 则利用第 二视频解码器对所述待检测视 频的压缩数据进行解码， 得到解压缩后的待检测视频 数据； 利用第二活体检测模型对所述解压缩后的待检测视频数据进行活体检测， 得到第 二非 活体概率值； 所述第二活体检测模型是利用解压缩后的视频数据样本对第二分类模型进 行 训练而得到的； 若所述第二非活体概率值小于第 二阈值， 则生成表示所述待检测视频中包含活体的检 测结果。 6.如权利要求5所述的方法， 所述 解压缩后的视频 数据包括RGB格式的视频帧图像； 所述第二分类模型包括第四分类子模型、 第五分类子模型、 第六分类子模型； 所述第四权　利　要　求　书 1/4 页 2 CN 114445918 A 2分类子模型、 所述第五分类子模型及所述第六分类子模型共用第二全连接层及第二输出 层； 所述第四分类子模型、 所述第 五分类子模型及所述第六分类子模型均属于卷积神经网 络模型； 所述利用第 二活体检测模型对所述解压缩后的待检测视频数据进行活体检测， 得到第 二非活体概 率值， 具体包括： 将所述RGB格 式的视频帧图像的红色分量值、 绿色分量值及蓝色分量值， 分别输入所述 第四分类子模型、 所述第 五分类子模型及所述第六分类子模型， 得到所述第二输出层输出 的第二非活体概 率值。 7.如权利要求6所述的方法， 所述第 二全连接层用于接收所述第四分类子模型、 所述第 五分类子模型及所述第六分类子模型分别发送的第四特征向量、 第五特征向量及第六特征 向量， 以及， 针对所述第四特征向量、 所述第五特征向量及所述第六特征向量进行求和处 理， 得到第二融合特 征向量； 所述第二输出层用于根据所述第 二融合特征向量， 确定所述待检测视频中未包含活体 的概率， 得到所述第二非活体概 率值。 8.如权利要求5所述的方法， 所述利用第二活体检测模型对所述解压缩后的待检测视 频数据进行活体 检测， 得到第二非活体概 率值之后， 还 包括： 若所述第二非活体概率值大于等于第二阈值， 则利用逻辑回归模型， 根据所述第一非 活体概率值及所述第二非活体概率值， 生成第三非活体概率值； 所述逻辑回归模型是利用 第一非活体概率值样本及第二非活体概率值样本， 对初始逻辑回归模型进行训练而得到 的； 所述第一非活体概率值样本是利用所述第一活体检测模型对从视频压缩数据样本中提 取出的视频压缩域信息样本进 行活体检测而得到的， 所述第二非活体概率值样本是利用所 述第二活体检测模型针对所述视频压缩数据样本对应的解压缩后的视频数据样本进行活 体检测而得到的； 判断所述第三非活体概 率值是否小于第三阈值， 得到判断结果； 若所述判断结果表示所述第 三非活体概率值小于第 三阈值， 则生成表示所述待检测视 频中包含活体的检测结果； 若所述判断结果表示所述第 三非活体概率值大于等于第 三阈值， 则生成表示所述待检 测视频中未包 含活体的检测结果。 9.一种活体 检测模型的训练方法， 包括： 获取视频压缩数据样本集 合； 在针对所述视频压缩数据样本集合中的至少部分视频压缩数据样本解码的过程中， 提 取所述视频压缩数据样本的视频压缩域信息， 得到 视频压缩域信息样本； 根据所述视频压缩数据样本的预设活体分类结果， 确定所述视频压缩数据样本对应的 所述视频压缩域信息样本的活体分类标签； 利用携带有所述活体分类标签的所述视频压缩域信 息样本对分类模型进行训练， 得到 活体检测模型； 所述活体检测模型用于针对从待检测视频的压缩数据中提取出的视频压缩 域信息进行活体 检测。 10.如权利要求9所述的方法， 所述视频压缩域信 息样本包括： 关键帧图像、 所述关键帧 图像对应的运动矢量数据、 所述关键帧图像对应的残差数据；权　利　要　求　书 2/4 页 3 CN 114445918 A 3