CN112633181B - 数据处理方法、系统、装置、设备和介质 - Google Patents

Abstract

本公开的实施例涉及用于数据处理的方法、装置、设备和介质。该方法包括：获取与目标对象相关联的目标图像，目标图像呈现斑纹，斑纹由目标对象反射指定波长的激光而生成；从目标图像确定与目标对象的特定部位相关联的目标子图像；以及基于目标子图像对目标对象进行活体检测。以这种方式，可以准确且高效地确定目标对象是否是活体用户。

Description

数据处理方法、系统、装置、设备和介质

技术领域

本公开的实施例一般地涉及数据处理，并且更具体地涉及数据处理方法、系统、装置、电子设备以及计算机存储介质。

背景技术

当前，人脸识别技术广泛应用于各个领域，例如，金融、安防、消费和医疗等。然而，随着人脸识别技术的广泛应用，针对人脸识别系统的攻击手段也越来越多。例如，典型的攻击手段包括照片翻拍、视频翻录和视频编辑等。为了确保人脸识别系统的安全性和可靠性，活体检测技术被逐步应用在人脸识别系统中，以防止上述多样化的攻击手段。然而，传统的活体检测技术的性能较差。

发明内容

根据本公开的实施例，提供了一种数据处理方案。

在本公开的第一方面，提供了一种数据处理方法。该方法包括：获取与目标对象相关联的目标图像，目标图像呈现斑纹，斑纹由目标对象反射指定波长的激光而生成；从目标图像确定与目标对象的特定部位相关联的目标子图像；以及基于目标子图像对目标对象进行活体检测。

在本公开的第二方面，提供了一种数据处理系统。该系统包括：激光发射器，用于向目标对象发射指定波长的激光；激光接收器，用于生成与目标对象相关联的目标图像，目标图像呈现斑纹，斑纹由目标对象反射指定波长的激光而生成；和控制器，被配置为执行根据本公开的第一方面的方法。

在本公开的第三方面，提供了一种用于数据处理的装置。该装置包括：获取模块，被配置为获取与目标对象相关联的目标图像，目标图像呈现斑纹，斑纹由目标对象反射指定波长的激光而生成；确定模块，被配置为从目标图像确定与目标对象的特定部位相关联的目标子图像；以及检测模块，被配置为基于目标子图像对目标对象进行活体检测。

在本公开的第四方面，提供了一种电子设备。该电子设备包括：一个或多个处理器；以及存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得电子设备实现根据本公开的第一方面的方法。

在本公开的第五方面中，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。

在本公开的第六方面中，提供了一种检测方法。该方法包括：向目标对象发射指定波长的激光；接收与目标对象相关联的目标图像，目标图像呈现斑纹，斑纹由目标对象反射指定波长的激光而生成；以及基于目标图像来识别目标对象的反射部位是否为特定材质。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了能够在其中实现本公开的实施例的示例性环境的示意图；

图2示出了根据本公开的一些实施例的数据处理方法的流程图；

图3示出了根据本公开的一些实施例的获取目标图像的示例的示意图；

图4示出了根据本公开的一些实施例的确定目标子图像的示例的示意图；

图5示出了根据本公开的一些实施例的用于数据处理的装置的方框图；以及

图6示出了能够实施本公开的实施例的电子设备的方框图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的一些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

如上所述，在人脸识别系统中采用了活体检测技术，以防止恶意攻击。传统的活体检测技术可以被分类为动作活体检测和静默活体检测。在动作活体检测技术中，用户被要求做出某些交互动作，使得能够将用户识别为真实的活体用户。在静默活体检测技术中，无需用户做出任何交互动作，而是通过算法将用户识别为真实的活体用户或者虚假的攻击对象。

传统上，静默活体检测技术主要包括单目活体检测技术、双目活体检测技术、炫彩活体检测技术和深度活体检测技术。单目活体检测技术可以采用RGB(红绿蓝)成像技术。其利用自然光成像的RGB图像来识别活体用户。然而，单目活体检测技术对于纸质面具类和屏幕显示类的攻击对象的防御率较低，并且在自然光下的防御能力较差。

双目活体检测技术利用红外光成像的黑白灰度图。由于红外光成像是反射成像，对于屏幕显示类的攻击对象无法成像，因此对屏幕显示类的攻击对象的防御能力较好。然而，双目活体检测技术对纸质面具类的防御能力没有显著提升。另外，由于双目活体检测技术还需要附加的红外摄像头，因此提高了硬件成本。

炫彩活体检测技术通过将不同颜色的自然光照射到目标对象上来进行活体检测。由于光照会影响炫彩活体检测技术的准确度，因此炫彩活体检测技术本身存在缺陷。通常，在强光或昏暗条件下，炫彩活体检测技术难以准确地进行活体检测。在炫彩活体检测的过程中，还会显示每次照射的光线颜色，使得恶意攻击者可能根据光线颜色来进行攻击，导致安全性和隐秘性较低。

此外，深度活体检测技术可以利用深度成像技术，例如3D(三维)结构光成像。由于真实的活体用户是立体的，而纸质面具类或者屏幕显示类的攻击对象是平面的，因此可以通过获得目标对象的整体深度信息来识别真实的活体用户和虚假的攻击对象。

这些传统活体检测技术除了其各自的缺陷以外，由于例如抽帧等操作需要针对目标对象的高质量图像，导致这些传统活体检测技术的识别速度较慢。综上所述，传统方式均无法以简单、快速和准确的方式来进行活体检测。

为此，本公开的实施例提供了一种用于数据处理的方案。在该方案中，可以获取与目标对象相关联的目标图像。目标图像呈现斑纹。斑纹由目标对象反射指定波长的激光而生成。进一步地，可以从目标图像确定与目标对象的特定部位相关联的目标子图像，并且基于目标子图像对目标对象进行活体检测。

以此方式，可以利用由目标对象反射指定波长的激光而生成的斑纹，来简单、快速和准确地进行活体检测。以下将参照附图来具体描述本公开的实施例。

图1示出了本公开的实施例能够在其中实现的示例性环境100的示意图。环境100中包括控制器110。控制器110可以至少包含处理器、存储器以及其他通常存在于通用计算机中的组件，以便实现计算、存储、通信、控制等功能。例如，控制器110可以是智能电话、平板计算机、个人计算机、台式计算机、笔记本计算机、服务器、大型机、分布式计算系统等。

在环境100中，控制器110被配置为获取与目标对象120相关联的目标图像130。目标图像130呈现斑纹。斑纹由目标对象120反射指定波长的激光而生成。传统上，激光斑纹技术主要应用于工业领域中的工业产品检测，例如用于检测手机外壳粗糙度以及机械零件表面粗糙度等。当诸如激光的单色高相关束照射物体时，激光经由物体反射会出现细晶状结构，并且与物体的微观性质无关的物体表面会成为次级子波的发生源。不同粗糙度和不同材质的物体表面会反射或散射出由不同子波组成的散射光。由于不同粗糙度和不同材质的物体的散射光的散射角度不同，从而产生的子波不同，因此会在大量具有随机相位差的子波之间产生光波干涉效应，从而产生斑纹图像。激光斑纹技术能够通过斑纹图像快速获取物体表面的特征数据。

鉴于此，由于活体用户的肌肤表面粗糙度和其他材质具有显著区别，因此活体用户的斑纹图像将不同于攻击对象(例如，打印的照片、翻拍的照片、翻录的视频、编辑的视频中的对象等)的斑纹图像。在这种情况下，可以通过利用指定波长的激光来照射目标对象120，并且利用激光从不同材质的表面上散射的光波产生的不同斑纹，来区分肌肤表面和普通纸张、屏幕等不同材质，从而区分真实的活体用户和虚假的攻击对象。具体地，可以向目标对象120发射指定波长的激光，并且接收与目标对象120相关联的目标图像，目标图像呈现斑纹，该斑纹由目标对象反射指定波长的激光而生成。由此，可以基于目标图像来识别目标对象120的反射部位是否为特定材质(例如，肌肤)，从而对目标对象120进行活体检测。

进一步地，在某些实施例中，可以从目标图像130中确定与目标对象120的特定部位(例如，脸部、手掌等)相关联的目标子图像140，以提高活体检测的效率。具体地，控制器110可以从目标图像130确定与目标对象120的特定部位相关联的目标子图像140。目标子图像140是目标对象120的特定部位的斑纹图像。如上所述，不同粗糙度和不同材质的物体产生的斑纹图像不同。因此，真实的活体用户的特定部位的斑纹图像将不同于虚假的攻击对象(例如，打印的照片、翻拍的照片、翻录的视频、编辑的视频中的对象等)的特定部位的斑纹图像。鉴于此，控制器110可以基于目标子图像140对目标对象120进行活体检测，以生成目标对象120是否为活体用户的活体检测结果150。

在下文中，将结合图2-图4描述控制器110的操作。图2示出了根据本公开的一些实施例的数据处理方法200的流程图。方法200可以由如图1所示的控制器110来实现。备选地，方法200也可以由除了控制器110之外的其他主体实现。应当理解的是，方法200还可以包括未示出的附加步骤和/或可以省略所示出的步骤，本公开的范围在此方面不受限制。

在210，控制器110获取与目标对象120相关联的目标图像130。目标图像130呈现斑纹。斑纹由目标对象120反射指定波长的激光而生成。图3示出了根据本公开的一些实施例的获取目标图像的示例300的示意图。

如图3所示，激光发射器310可以用于向目标对象120发射指定波长的激光。具体地，在某些实施例中，激光发射器310可以包括供电装置、激光生成装置、滤光装置和透镜等。供电装置可以向激光发射器310供电。在这种情况下，激光生成装置可以生成初始激光。初始激光包括处于指定波长的部分和不处于指定波长的部分。滤光装置可以滤除初始激光中不处于指定波长的部分，以生成指定波长的激光。诸如直透镜的透镜可以调整指定波长的激光的发射方向，以向目标对象120发射指定波长的激光。

如上所述，当指定波长的激光照射到目标对象120的表面上时，表面会反射或散射出由不同子波组成的散射光。在大量具有随机相位差的子波之间会产生光波干涉效应，因此生成干涉波纹。由于活体用户的肌肤表面粗糙度和其他材质具有显著区别，因此可以通过利用指定波长的激光来照射目标对象的特定部位(例如，脸部)，并且利用激光从不同材质的表面上散射的光波产生的不同干涉波纹来区分肌肤表面和普通纸张、屏幕等不同材质，从而区分真实的活体用户和虚假的攻击对象。由此，激光接收器320可以接收这些干涉波纹，并且生成与目标对象120相关联的目标图像130。

在某些实施例中，激光接收器320可以包括光电增益器、数据收集器和图像生成器。光电增益器可以接收由目标对象120反射指定波长的激光而生成的干涉波纹，并且放大干涉波纹。例如，光电增益器可以在接收到干涉波纹之后，按照指定比例将干涉波纹放大到数据接收装置可识别的程度。数据接收装置可以接收放大后的干涉波纹，并且将放大后的干涉波纹转换为数字信号。图像生成器可以接收数字信号，并且基于该数字信号生成目标图像130。由此，控制器110可以获取目标图像130。

返回参考图2，在220，控制器110从目标图像130确定与目标对象120的特定部位相关联的目标子图像140。在某些实施例中，由于存在针对RGB图像的各种检测算法，因此可以利用与目标对象120相关联的RGB图像来帮助确定目标子图像140。图4示出了根据本公开的一些实施例的确定目标子图像的示例400的示意图。

如图4所示，在某些实施例中，控制器110可以获取由相机410捕获的与目标对象120相关联的参考图像420。例如，相机410可以是RGB相机，并且参考图像420可以是RGB图像。参考图像420可以是与目标图像130同时或接近同时捕获的。备选地，参考图像420可以与目标图像130在不同时间捕获，本发明在此不受限制。

控制器110可以检测参考图像420中包含特定部位的参考子图像430。例如，控制器110可以利用任何适当的人脸检测算法来确定参考图像420中包含目标对象120的脸部的区域或部分，并且将该部分作为参考子图像430。例如，人脸检测算法可以是MTCNN(Multi-Task Convolutional Neural Network，多任务卷积神经网络)模型、Facebox模型等。

进一步地，控制器110可以从目标图像130中确定与参考子图像430对应的部分作为目标子图像140。也就是说，控制器110可以将参考子图像430映射到目标图像130，来定位目标图像130中与特定部位相关联的部分。

在某些实施例中，控制器110可以确定参考子图像430的参考像素点在参考图像420中的坐标。例如，控制器110可以确定参考子图像430的左上角坐标和右下角坐标。控制器110可以将该坐标映射到目标图像130中的对应坐标。例如，控制器110可以对该坐标进行转换、平移、缩放等操作以映射到目标图像130中的对应坐标。由此，控制器110可以从目标图像130中确定由对应坐标指示的部分作为目标子图像140。

返回参考图2，在230，控制器110基于目标子图像104对目标对象120进行活体检测。由此，控制器110可以判定目标对象120是活体用户还是非活体的攻击对象(例如，打印的照片、翻拍的照片、翻录的视频、编辑的视频中的对象等)。

在某些实施例中，控制器110可以将目标子图像140应用于经训练的检测模型，以对目标对象120进行活体检测。例如，检测模型可以是任何适当的卷积神经网络模型，诸如ResNet(Residual Network，残差网络)模型、Inception模型等。

经训练的检测模型是基于一组训练图像而被训练的。这些训练图像包括真实训练图像和虚假训练图像。真实训练图像呈现由活体用户反射指定波长的激光而生成的斑纹。虚假训练图像呈现由非活体用户反射指定波长的激光而生成的斑纹。每个训练图像还可以被标注有其与活体用户相关联还是与非活体用户相关联。由此，经训练的检测模型可以准确地将目标对象120分类为活体用户或非活体用户。

以此方式，可以利用由目标对象反射指定波长的激光而生成的斑纹，来简单、快速和准确地进行活体检测。

图5示出了根据本公开的一些实施例的用于数据处理的装置500的方框图。例如，装置500可以设置在控制器110中。如图5所示，装置500包括描述信息获取模块510，被配置为获取与目标对象相关联的目标图像，目标图像呈现斑纹，斑纹由目标对象反射指定波长的激光而生成；确定模块520，被配置为从目标图像确定与目标对象的特定部位相关联的目标子图像；以及检测模块530，被配置为基于目标子图像对目标对象进行活体检测。

在一些实施例中，确定模块520包括：参考图像获取模块，被配置为获取由相机捕获的与目标对象相关联的参考图像；参考子图像检测模块，被配置为检测参考图像中包含特定部位的参考子图像；以及目标子图像确定模块，被配置为从目标图像中确定与参考子图像对应的部分作为目标子图像。

在一些实施例中，目标子图像确定模块包括：坐标确定模块，被配置为确定参考子图像的参考像素点在参考图像中的坐标；映射模块，被配置为将坐标映射到目标图像中的对应坐标；以及子图像确定模块，被配置为从目标图像中确定由对应坐标指示的部分作为目标子图像。

在一些实施例中，检测模块530包括：活体检测模块，被配置为将目标子图像应用于经训练的检测模型，以对目标对象进行活体检测。

在一些实施例中，经训练的检测模型基于一组训练图像而被训练，一组训练图像包括真实训练图像和虚假训练图像，真实训练图像呈现由活体用户反射指定波长的激光而生成的斑纹，虚假训练图像呈现由非活体用户反射指定波长的激光而生成的斑纹。

图6示出了一个可以用来实施本公开的实施例的电子设备600的示意性框图。设备600可以用于实现图5的装置500。如图所示，设备600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的计算机程序指令或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序指令，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

上文所描述的各个过程和处理，例如方法200，可由处理单元601执行。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序被加载到RAM 603并由CPU 601执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，CPU 601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。

本公开可以是方法、设备、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的数字信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所公开的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术者来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术者能理解本文公开的各实施例。

Claims (11)

1.一种活体人脸检测方法，包括：

获取与目标对象相关联的目标图像，所述目标图像呈现斑纹，所述斑纹由所述目标对象反射指定波长的激光的不同散射角度所产生的不同子波之间光波干涉效应而生成；

从所述目标图像确定与所述目标对象的人脸相关联的目标子图像，其中确定所述目标子图像包括：获取由相机捕获的与所述目标对象相关联的参考图像；检测所述参考图像中包含所述人脸的参考子图像；以及从所述目标图像中确定与所述参考子图像对应的部分作为所述目标子图像；以及

基于所述目标子图像对所述目标对象进行活体检测，其中对所述目标对象进行活体检测包括将所述目标子图像应用于经训练的检测模型以进行活体检测，所述检测模型基于活体人脸与非活体的表面粗糙度所产生的斑纹而被训练。

2.根据权利要求1所述的方法，其中从所述目标图像中确定与所述参考子图像对应的部分作为所述目标子图像包括：

确定所述参考子图像的参考像素点在所述参考图像中的坐标；

将所述坐标映射到所述目标图像中的对应坐标；以及

从所述目标图像中确定由所述对应坐标指示的所述部分作为所述目标子图像。

3.根据权利要求1所述的方法，其中所述经训练的检测模型基于一组训练图像而被训练，所述一组训练图像包括真实训练图像和虚假训练图像，所述真实训练图像呈现由活体用户反射所述指定波长的激光而生成的斑纹，所述虚假训练图像呈现由非活体用户反射所述指定波长的激光而生成的斑纹。

4.一种数据处理系统，包括：

激光发射器，用于向目标对象发射指定波长的激光；

激光接收器，用于生成与所述目标对象相关联的目标图像，所述目标图像呈现斑纹，所述斑纹由所述目标对象反射所述指定波长的激光的不同散射角度所产生的不同子波之间光波干涉效应而生成；和

控制器，被配置为执行根据权利要求1-3中任一项所述的方法。

5.根据权利要求4所述的系统，其中所述激光发射器被配置为：

生成初始激光，所述初始激光包括处于指定波长的部分和不处于所述指定波长的部分；

滤除所述初始激光中不处于所述指定波长的部分，以生成所述指定波长的激光；以及

调整所述指定波长的激光的发射方向，以向所述目标对象发射所述指定波长的激光。

6.根据权利要求4所述的系统，其中所述激光接收器被配置为：

接收由所述目标对象反射所述指定波长的激光而生成的干涉波纹；

放大所述干涉波纹；

将放大后的干涉波纹转换为数字信号；以及

基于所述数字信号，生成所述目标图像。

7.一种活体人脸检测装置，包括：

获取模块，被配置为获取与目标对象相关联的目标图像，所述目标图像呈现斑纹，所述斑纹由所述目标对象反射指定波长的激光的不同散射角度所产生的不同子波之间光波干涉效应而生成；

确定模块，被配置为从所述目标图像确定与所述目标对象的人脸相关联的目标子图像；以及

检测模块，被配置为基于所述目标子图像对所述目标对象进行活体检测，其中所述检测模块包括活体检测模块，所述活体检测模块被配置为将所述目标子图像应用于经训练的检测模型以进行活体检测，所述检测模型基于活体人脸与非活体的表面粗糙度所产生的斑纹而被训练；其中所述确定模块包括：

参考图像获取模块，被配置为获取由相机捕获的与所述目标对象相关联的参考图像；

参考子图像检测模块，被配置为检测所述参考图像中包含所述人脸的参考子图像；以及

目标子图像确定模块，被配置为从所述目标图像中确定与所述参考子图像对应的部分作为所述目标子图像。

8.根据权利要求7所述的装置，其中所述目标子图像确定模块包括：

坐标确定模块，被配置为确定所述参考子图像的参考像素点在所述参考图像中的坐标；

映射模块，被配置为将所述坐标映射到所述目标图像中的对应坐标；以及

子图像确定模块，被配置为从所述目标图像中确定由所述对应坐标指示的所述部分作为所述目标子图像。

9.根据权利要求7所述的装置，其中所述经训练的检测模型基于一组训练图像而被训练，所述一组训练图像包括真实训练图像和虚假训练图像，所述真实训练图像呈现由活体用户反射所述指定波长的激光而生成的斑纹，所述虚假训练图像呈现由非活体用户反射所述指定波长的激光而生成的斑纹。

10.一种电子设备，所述电子设备包括：

一个或多个处理器；以及

存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现根据权利要求1-3中任一项所述的方法。

11.一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现根据权利要求1-3中任一项所述的方法。

Images