本技術(shù)涉及人工智能，具體涉及一種視頻實名認(rèn)證方法、設(shè)備和系統(tǒng)。

背景技術(shù)：

1、人像、指紋、虹膜、靜脈等生物特征都可用于鑒別身份?，F(xiàn)有人工智能領(lǐng)域?qū)@些生物特征的鑒別技術(shù)都有研究，其中指紋識別易受水、汗液等異物影響，且易被指紋套膜造假，虹膜識別和靜脈識別對攝像設(shè)備要求較高，因此，人像識別是現(xiàn)如今最普遍實用性最高的一種生物識別手段。

2、目前，實名認(rèn)證通常使用視頻動作認(rèn)證的方法，讓用戶按照系統(tǒng)指令做對應(yīng)動作，以進(jìn)行實名認(rèn)證。該方法中涉及到的算法模塊有兩種部署方式：

3、方式一，將實名認(rèn)證的算法部署在前端，使用該方法進(jìn)行部署，人像識別的速度較快，但應(yīng)用程序容易被篡改，使得可以利用事先錄好的人像動作視頻造假，安全性低；

4、方式二，將實名認(rèn)證的算法部署在后端，使用該方法進(jìn)行部署，安全性高，但需要將采集到的整段用戶動作視頻傳輸至后端服務(wù)器做動作識別，產(chǎn)生網(wǎng)絡(luò)開銷大、處理速度慢的問題。

5、因此，如何在保證識別速度的同時，提升安全性成為亟待解決的問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種視頻實名認(rèn)證方法、設(shè)備和系統(tǒng)，用以解決現(xiàn)有技術(shù)中無法兼顧實名認(rèn)證識別速度與安全性的技術(shù)問題。

2、第一方面，本發(fā)明提供一種視頻實名認(rèn)證方法，應(yīng)用于終端，包括：

3、獲取用戶的動態(tài)人像分析結(jié)果，所述動態(tài)人像分析結(jié)果是對所述用戶的面部視頻進(jìn)行識別后生成的；

4、在基于所述動態(tài)人像分析結(jié)果確定所述面部視頻為實時拍攝的情況下，截取所述用戶的至少一面部視頻圖像幀發(fā)送至服務(wù)端；

5、獲取所述服務(wù)端反饋的實名認(rèn)證結(jié)果，所述實名認(rèn)證結(jié)果是所述服務(wù)端根據(jù)所述面部視頻圖像幀對所述用戶進(jìn)行身份認(rèn)證后的結(jié)果。

6、根據(jù)本發(fā)明第一方面提供的一種視頻實名認(rèn)證方法，基于如下步驟對所述用戶的面部視頻進(jìn)行識別：

7、在確定所述面部視頻的面部識別結(jié)果為面部識別成功的情況下，對所述面部視頻進(jìn)行動作識別。

8、根據(jù)本發(fā)明第一方面提供的一種視頻實名認(rèn)證方法，基于如下步驟進(jìn)行面部識別：

9、獲取當(dāng)前幀視頻圖像；

10、使用移動網(wǎng)絡(luò)mobilenet對所述當(dāng)前幀視頻圖像進(jìn)行特征提取，得到所述當(dāng)前幀視頻圖像的第一特征層、第二特征層和第三特征層；

11、使用特征金字塔網(wǎng)絡(luò)fpn分別對所述第一特征層中的特征序列、所述第二特征層中的特征序列和所述第三特征層進(jìn)行特征融合，得到第一融合特征層、第二融合特征層和第三融合特征層；

12、使用單階段無頭人臉識別器ssh分別對所述第一融合特征層、所述第二融合特征層和所述第三融合特征層進(jìn)行加強特征提取，得到第一加強特征層、第二加強特征層和第三加強特征層；

13、使用第一檢測頭對所述第一加強特征層進(jìn)行人臉分類預(yù)測，得到人臉分類預(yù)測結(jié)果，所述人臉分類預(yù)測結(jié)果表征所述當(dāng)前幀視頻圖像中是否包含人臉；

14、使用第二檢測頭對所述第二加強特征層進(jìn)行人臉框預(yù)測，得到人臉框預(yù)測結(jié)果，所述人臉框預(yù)測結(jié)果是所述當(dāng)前幀視頻圖像中人臉?biāo)趨^(qū)域的矩形框；

15、使用第三檢測頭對所述第三加強特征層進(jìn)行人臉關(guān)鍵點預(yù)測，得到人臉關(guān)鍵點預(yù)測結(jié)果，所述人臉關(guān)鍵點預(yù)測結(jié)果是所述當(dāng)前幀視頻圖像中人臉關(guān)鍵點的坐標(biāo)；

16、若所述人臉分類預(yù)測結(jié)果為所述當(dāng)前幀視頻圖像中不包含人臉，則獲取下一幀視頻圖像作為所述當(dāng)前幀視頻圖像；

17、若所述人臉分類預(yù)測結(jié)果為所述當(dāng)前幀視頻圖像中包含人臉，則確定面部識別成功，記錄所述人臉框預(yù)測結(jié)果和所述人臉關(guān)鍵點預(yù)測結(jié)果。

18、根據(jù)本發(fā)明第一方面提供的一種視頻實名認(rèn)證方法，基于如下步驟進(jìn)行動作識別：

19、基于記錄的人臉框預(yù)測結(jié)果，對所述面部視頻進(jìn)行人臉跟蹤；

20、基于人臉跟蹤結(jié)果和記錄的人臉框預(yù)測結(jié)果、人臉關(guān)鍵點預(yù)測結(jié)果，對所述面部視頻進(jìn)行遮擋檢測，得到遮擋檢測結(jié)果；

21、在確定所述遮擋檢測結(jié)果為無遮擋時，對所述面部視頻進(jìn)行姿態(tài)識別，得到姿態(tài)識別結(jié)果；

22、基于所述姿態(tài)識別結(jié)果，確定動作識別結(jié)果。

23、根據(jù)本發(fā)明第一方面提供的一種視頻實名認(rèn)證方法，所述對所述面部視頻進(jìn)行姿態(tài)識別，得到姿態(tài)識別結(jié)果，包括：

24、對待識別面部視頻圖像幀進(jìn)行階段劃分；

25、在各階段中，分別對所述待識別面部視頻圖像幀進(jìn)行并行特征提取與特征融合，得到各階段的融合特征圖；

26、分別對各所述融合特征圖進(jìn)行細(xì)粒度結(jié)構(gòu)特征聚合，得到對應(yīng)的多個聚合特征圖；

27、將各所述聚合特征圖轉(zhuǎn)化為軟階段回歸網(wǎng)絡(luò)ssrnet需要的輸入后，輸入至所述軟階段回歸網(wǎng)絡(luò)ssrnet，得到所述軟階段回歸網(wǎng)絡(luò)ssrnet輸出的姿態(tài)識別結(jié)果。

28、根據(jù)本發(fā)明第一方面提供的一種視頻實名認(rèn)證方法，基于如下步驟進(jìn)行動作識別：

29、對當(dāng)前幀視頻圖像進(jìn)行動作識別，得到所述當(dāng)前幀視頻圖像的圖像動作識別結(jié)果；

30、若動作識別時間未達(dá)到識別時間閾值，則從所述面部視頻中截取當(dāng)前時刻的視頻圖像作為所述當(dāng)前幀視頻圖像；

31、若動作識別時間達(dá)到識別時間閾值，則基于各所述圖像動作識別結(jié)果，生成所述動態(tài)人像分析結(jié)果。

32、根據(jù)本發(fā)明第一方面提供的一種視頻實名認(rèn)證方法，所述實名認(rèn)證結(jié)果是基于真?zhèn)螜z測結(jié)果和人證比對結(jié)果確定的；

33、所述真?zhèn)螜z測結(jié)果表征所述面部視頻圖像幀中的人臉是否為活體真人的人臉；

34、所述人證比對結(jié)果表征所述面部視頻圖像幀中的人臉與身份證件中的人臉是否為同一人的人臉。

35、第二方面，本發(fā)明還提供一種視頻實名認(rèn)證方法，應(yīng)用于服務(wù)端，包括：

36、獲取客戶端發(fā)送的面部視頻圖像幀，所述面部視頻圖像幀是實時拍攝的面部視頻中的一幀視頻圖像；

37、對所述面部視頻圖像幀進(jìn)行身份認(rèn)證，得到實名認(rèn)證結(jié)果；

38、將所述實名認(rèn)證結(jié)果返回至所述客戶端。

39、根據(jù)本發(fā)明第二方面提供的一種視頻實名認(rèn)證方法，所述對所述面部視頻圖像幀進(jìn)行身份認(rèn)證，得到實名認(rèn)證結(jié)果，包括：

40、對所述面部視頻圖像幀進(jìn)行真?zhèn)螜z測，得到真?zhèn)螜z測結(jié)果，所述真?zhèn)螜z測是檢測所述面部視頻圖像幀中的人臉是否為活體真人的人臉；

41、對所述面部視頻圖像幀進(jìn)行人證比對，得到人證比對結(jié)果，所述人證比對是檢測所述面部視頻圖像幀中的人臉與身份證件中的人臉是否為同一人的人臉；

42、基于所述真?zhèn)螜z測結(jié)果和人證比對結(jié)果，確定實名認(rèn)證結(jié)果。

43、根據(jù)本發(fā)明第二方面提供的一種視頻實名認(rèn)證方法，所述對所述面部視頻圖像幀進(jìn)行真?zhèn)螜z測，得到真?zhèn)螜z測結(jié)果，包括：

44、在確定所述面部視頻圖像幀的圖像質(zhì)量合格的情況下，執(zhí)行如下步驟：

45、獲取所述面部視頻圖像幀的二維真?zhèn)螜z測結(jié)果，所述二維真?zhèn)螜z測結(jié)果是對所述面部視頻圖像幀進(jìn)行二維偽造痕跡檢測后生成的；

46、獲取所述面部視頻圖像幀的三維真?zhèn)螜z測結(jié)果，所述三維真?zhèn)螜z測結(jié)果是使用活體檢測分類網(wǎng)絡(luò)對所述面部視頻圖像幀進(jìn)行活體分類預(yù)測后得到的，所述活體檢測分類網(wǎng)絡(luò)是基于圖像的深度信息進(jìn)行訓(xùn)練得到的；

47、基于所述二維真?zhèn)螜z測結(jié)果和所述三維真?zhèn)螜z測結(jié)果，確定真?zhèn)螜z測結(jié)果。

48、根據(jù)本發(fā)明第二方面提供的一種視頻實名認(rèn)證方法，基于如下步驟對所述面部視頻圖像幀進(jìn)行活體分類預(yù)測：

49、使用固定尺寸的窗口對所述面部視頻圖像幀中的人臉區(qū)域進(jìn)行切分，得到多個固定窗口切分圖像塊；

50、將所述窗口進(jìn)行移位后，對所述面部視頻圖像幀中的人臉區(qū)域進(jìn)行切分，得到多個移位窗口切分圖像塊；

51、使用所述活體檢測分類網(wǎng)絡(luò)對各所述固定窗口切分圖像塊進(jìn)行活體檢測，得到第一活體檢測結(jié)果；

52、使用所述活體檢測分類網(wǎng)絡(luò)對各所述移位窗口切分圖像塊進(jìn)行活體檢測，得到第二活體檢測結(jié)果；

53、基于所述第一活體檢測結(jié)果和所述第二活體檢測結(jié)果，確定三維真?zhèn)螜z測結(jié)果。

54、根據(jù)本發(fā)明第二方面提供的一種視頻實名認(rèn)證方法，所述使用所述活體檢測分類網(wǎng)絡(luò)對各所述固定窗口切分圖像塊進(jìn)行活體檢測，得到第一活體檢測結(jié)果，包括：

55、對各所述固定窗口切分圖像塊進(jìn)行線性變換后，基于自注意力機制進(jìn)行特征提取，得到各所述固定窗口切分圖像塊的特征序列；

56、分別對各所述特征序列進(jìn)行逆變換，得到各所述特征序列的逆變換特征序列；

57、將各所述逆變換特征序列輸入至所述活體檢測分類網(wǎng)絡(luò)，得到所述活體檢測分類網(wǎng)絡(luò)輸出的第一活體檢測結(jié)果。

58、根據(jù)本發(fā)明第二方面提供的一種視頻實名認(rèn)證方法，所述活體檢測分類網(wǎng)絡(luò)的損失函數(shù)包括第一損失函數(shù)、第二損失函數(shù)和第三損失函數(shù)：

59、所述第一損失函數(shù)是使用所述活體檢測分類網(wǎng)絡(luò)進(jìn)行活體檢測得到的預(yù)測值和真實值之間的殘差；

60、所述第二損失函數(shù)是第一估計深度圖和第三估計深度圖之間的殘差，所述第一估計深度圖是對各第一逆變換特征序列分別進(jìn)行深度估計后，拼接得到的深度圖，所述第三估計深度圖是對所述面部視頻圖像幀進(jìn)行深度估計后得到的深度圖，所述第一逆變換特征序列是固定窗口切分圖像塊對應(yīng)的逆變換特征序列；

61、所述第三損失函數(shù)是第二估計深度圖和所述第三估計深度圖之間的殘差，所述第二估計深度圖是對各第二逆變換特征序列分別進(jìn)行深度估計后，拼接得到的深度圖，所述第二逆變換特征序列是移位窗口切分圖像塊對應(yīng)的逆變換特征序列。

62、第三方面，本發(fā)明還提供一種終端，包括存儲器，收發(fā)機，處理器；

63、存儲器，用于存儲計算機程序；收發(fā)機，用于在所述處理器的控制下收發(fā)數(shù)據(jù)；處理器，用于讀取所述存儲器中的計算機程序并執(zhí)行以下操作：

64、獲取用戶的動態(tài)人像分析結(jié)果，所述動態(tài)人像分析結(jié)果是對所述用戶的面部視頻進(jìn)行識別后生成的；

65、在基于所述動態(tài)人像分析結(jié)果確定所述面部視頻為實時拍攝的情況下，截取所述用戶的至少一面部視頻圖像幀發(fā)送至服務(wù)端；

66、獲取所述服務(wù)端反饋的實名認(rèn)證結(jié)果，所述實名認(rèn)證結(jié)果是所述服務(wù)端根據(jù)所述面部視頻圖像幀對所述用戶進(jìn)行身份認(rèn)證后的結(jié)果。

67、第四方面，本發(fā)明還提供一種服務(wù)器，包括存儲器，收發(fā)機，處理器；

68、存儲器，用于存儲計算機程序；收發(fā)機，用于在所述處理器的控制下收發(fā)數(shù)據(jù)；處理器，用于讀取所述存儲器中的計算機程序并執(zhí)行以下操作：

69、獲取客戶端發(fā)送的面部視頻圖像幀，所述面部視頻圖像幀是實時拍攝的面部視頻中的一幀視頻圖像；

70、對所述面部視頻圖像幀進(jìn)行身份認(rèn)證，得到實名認(rèn)證結(jié)果；

71、將所述實名認(rèn)證結(jié)果返回至所述客戶端。

72、第五方面，本發(fā)明還提供一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)如上述第一方面或第二方面所述任一種視頻實名認(rèn)證方法。

73、第六方面，本發(fā)明還提供一種非暫態(tài)計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)如上述第一方面或第二方面所述任一種視頻實名認(rèn)證方法。

74、本技術(shù)實施例提供的實名認(rèn)證方法、設(shè)備和系統(tǒng)，獲取用戶的動態(tài)人像分析結(jié)果，所述動態(tài)人像分析結(jié)果是對所述用戶的面部視頻進(jìn)行識別后生成的；在基于所述動態(tài)人像分析結(jié)果確定所述面部視頻為實時拍攝的情況下，截取所述用戶的至少一面部視頻圖像幀發(fā)送至服務(wù)端；獲取所述服務(wù)端反饋的實名認(rèn)證結(jié)果，所述實名認(rèn)證結(jié)果是所述服務(wù)端根據(jù)所述面部視頻圖像幀對所述用戶進(jìn)行身份認(rèn)證后的結(jié)果。該方法將動態(tài)的動作識別部署在前端客戶端，來判斷用戶是否做了規(guī)范的動作，將靜態(tài)的真?zhèn)螜z測和認(rèn)證比對部署在后端服務(wù)端，來判斷是否存在屏幕人像、紙片人像等攻擊行為，以及現(xiàn)場采集到的人像是否和證件人像為同一人，一方面，在前端進(jìn)行動態(tài)的識別無需將視頻傳輸至后端，減小網(wǎng)絡(luò)開銷，提高識別處理速度，另一方，在后端進(jìn)行靜態(tài)的檢測，防止應(yīng)用程序被隨意篡改，提高實名認(rèn)證的安全性，從而可以兼顧實名認(rèn)證識別速度與安全性。