本申请实施例涉及身份认证技术领域，尤其涉及一种双目活体检测方法、装置、设备和存储介质。
背景技术：
活体检测是在一些身份验证场景确定对象真实生理特征的方法，在人脸识别应用中，活体检测能通过眨眼、张嘴、摇头、点头等组合动作，使用人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体本人操作。可有效抵御照片、换脸、面具、遮挡以及屏幕翻拍等常见的攻击手段。
现有技术中，常见的基于摄像头的活体检测技术包括rgb单目活体检测、可见光和近红外双目活体检测、可见光和结构光双目活体检测技术等。针对可见光和近红外双目活体检测，存在检测漏洞，需要改进。
技术实现要素：
本发明实施例提供了一种双目活体检测方法、装置、设备和存储介质，优化了双目活体检测的流程，提高了检测效率，解决了现有双目活体检测方式中存在检测漏洞的问题。
第一方面，本发明实施例提供了一种双目活体检测方法，该方法包括：
获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像，所述第一摄像头和所述第二摄像头的距离不小于预设距离；
确定所述可见光图像和所述近红外图像是否满足预设条件，如果是，则确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸；
当确定出所述人脸图像为同一人脸时，判断所述人脸图像对应的是否为活体人脸。
所述确定所述可见光图像和所述近红外图像是否满足预设条件，包括：
确定所述可见光图像和所述近红外图像中是否包含至少一个人脸图像。
可选的，确定所述可见光图像和所述近红外图像中包含的至少一个人脸图像是否为同一人脸，包括：
确定所述可见光图像和所述近红外图像中包含的至少一个人脸图像的面积信息、顺序信息和角度信息；
根据所述至少一个脸图像的面积信息、所述顺序信息和所述角度信息中的任意一种或多种确定所述至少一个人脸图像所对应的人脸图像是否为同一人脸；
相应的，当确定所述对应的人脸图像为同一人脸之后，还包括：
根据所述对应的同一人脸在所述可见光图像和所述近红外图像中的双目视差，获得每一个人脸距离摄像头的物距信息及人脸实际大小信息。
可选的，在确定所述可见光图像和所述近红外图像中包含的至少一个人脸图像的面积信息、顺序信息和角度信息之前，还包括：
判断所述可见光图像和所述近红外图像中包含的所述同一人脸图像是否满足预设识别条件。
可选的，所述判断所述人脸图像对应的是否为活体人脸，包括：
将所述对应人脸的所述可见光图像以及所述近红外图像中包含的人脸图像进行融合得到融合人脸图像；
对所述融合人脸图像进行深度特征提取得到3d特征模型；
根据所述3d特征模型确定是否符合人脸生理3d结构特征；
对所述融合人脸图像进行特征提取得到人脸材质特征；
根据所述人脸材质特征确定所述融合人脸图像对应的是否为活体人脸材质。
可选的，将所述对应人脸的所述可见光图像以及所述近红外图像中包含的人脸图像进行融合得到融合人脸图像，包括：
对所述对应人脸的所述可见光图像以及所述近红外图像中所述同一人脸的人脸图像进行通道融合得到融合人脸图像。
可选的，将所述对应人脸的所述可见光图像以及所述近红外图像中包含的人脸图像进行融合得到融合人脸图像，包括：
对所述对应人脸的所述可见光图像以及所述近红外图像中所述同一人脸的人脸图像进行特征融合得到融合人脸图像。
可选的，确定所述对应人脸的所述可见光图像和所述近红外图像是否满足预设条件，包括：
获取所述对应人脸的所述可见光图像包含的第一人脸图像，对所述第一人脸图像进行特征提取得到第一人脸特征；
如果所述第一人脸特征满足预设特征阈值条件，则获取所述对应人脸的所述近红外图像包含的第二人脸图像，对所述第二人脸图像进行特征提取得到第二人脸特征；
确定所述第二人脸特征是否满足预设特征阈值条件。
可选的，确定所述对应人脸的所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸，包括：
根据所述第一人脸特征以及所述第二人脸特征确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸。
可选的，所述第一人脸特征以及所述第二人脸特征包括深度学习提取的特征、人脸关键点特征、表情特征、纹理特征、颜色特征、频谱特征中的任意一种或多种。
可选的，所述判断所述人脸图像对应的是否为活体人脸，包括：
根据所述第一人脸特征以及所述第二人脸特征确定所述人脸图像对应的是否为活体人脸。
可选的，所述确定所述对应人脸的所述可见光图像和所述近红外图像是否满足预设条件，包括：
确定所述对应人脸距离摄像头的物距信息是否满足预设人脸物距距离；
确定所述对应人脸的所述人脸实际尺寸是否满足预设人脸尺寸。
可选的，所述第一摄像头和所述第二摄像头所拍摄的图像异步间隔时间差小于预设时间。
可选的，所述第一摄像头和所述第二摄像头集成安装，用于实现虚拟现实视频拍摄。
可选的，在获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像之前，还包括：
对第一摄像头以及第二摄像头进行摄像参数调节，所述摄像参数包括白平衡参数、曝光参数、锐度参数和对比度参数中的任意一种或多种。
可选的，在获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像之前，还包括：
对第一摄像头以及第二摄像头拍摄取景框进行调节，以用于双目活体检测识别。
第二方面，本发明实施例还提供了一种双目活体检测装置，包括：
图像获取单元，用于获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像，其中，所述第一摄像头和所述第二摄像头的距离不小于预设距离；
图像处理单元，用于确定所述可见光图像和所述近红外图像是否满足预设条件，如果是，则确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸；
活体判断单元，用于当确定出所述人脸图像为同一人脸时，判断所述人脸图像对应的是否为活体人脸。
第三方面，本发明实施例还提供了一种双目活体检测设备，所述设备包括：双目摄像头、一个或多个处理器；存储装置，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，使得所述一个或多个处理器实现：
获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像，所述第一摄像头和所述第二摄像头的距离不小于预设距离；
确定所述可见光图像和所述近红外图像是否满足预设条件，如果是，则确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸；
当确定出所述人脸图像为同一人脸时，判断所述人脸图像对应的是否为活体人脸。
第四方面，本发明实施例还提供了一种包含计算设备可执行指令的存储介质，所述计算设备可执行指令在由计算设备处理器执行时用于执行：
获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像，所述第一摄像头和所述第二摄像头的距离不小于预设距离；
确定所述可见光图像和所述近红外图像是否满足预设条件，如果是，则确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸；
当确定出所述人脸图像为同一人脸时，判断所述人脸图像对应的是否为活体人脸。
本发明实施例中，通过获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像；确定所述可见光图像和所述近红外图像是否满足预设条件，如果是，则确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸；当确定出所述人脸图像为同一人脸时，判断所述人脸图像对应的是否为活体人脸。本方案优化了双目活体检测的流程，提高了检测效率，解决了现有双目活体检测方式中存在检测漏洞的问题。
附图说明
图1为本发明实施例提供的一种双目活体检测方法的流程图；
图2为本发明实施例提供的另一种双目活体检测方法的流程图；
图3为本发明实施例提供的另一种双目活体检测方法的流程图；
图3a为本发明实施例提供的第一示意图；
图3b为本发明实施例提供的第二示意图；
图4为本发明实施例提供的另一种双目活体检测方法的流程图；
图5为本发明实施例提供的另一种双目活体检测方法的流程图；
图6为本发明实施例提供的另一种双目活体检测方法的流程图；
图7为本发明实施例提供的另一种双目活体检测方法的流程图；
图8为本发明实施例提供的另一种双目活体检测方法的流程图；
图9为本发明实施例提供的另一种双目活体检测方法的流程图；
图10为本发明实施例提供的另一种双目活体检测方法的流程图；
图11为本发明实施例提供的另一种双目活体检测方法的流程图；
图11a为本发明实施例提供的第三示意图；
图12为本发明实施例提供的一种双目活体检测装置的结构示意图；
图13为本发明实施例提供的一种双目活体检测的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明实施例，而非对本发明实施例的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明实施例相关的部分而非全部结构。
图1为本发明实施例提供的一种双目活体检测方法的流程图，本实施例可适用于活体检测，该方法可由双目活体检测设备执行，具体包括如下步骤：
步骤s101、获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像。
在一个实施例中，双目活体检测设备包括两个摄像头，示例性的分别记为第一摄像头和第二摄像头，其中一个摄像头用于采集可见光图像，另一个摄像头用于采集近红外图像。其中，可见光为人眼可见的光照波长范围，近红外光是介于可见光和中红外光之间的电磁波，如波长在780～2526nm范围内的电磁波。在双目活体检测技术中，根据近红外图像以及可见光图像的不同特点，通常使用可见光图像进行图像识别，使用近红外图像进行活体判断。
本步骤中，在第一摄像头采集到可见光图像，以及第二摄像头采集到近红外图像后，对可见光图像以及近红外图像进行获取。需要说明的是，上述可见光图像以及近红外图像的获取先后不做限定，可以是先获取可见光图像，后获取近红外图像，也可以采用相反的图像获取顺序，或者同时获取可见光图像和近红外图像。
现有的双目活体检测方式中，两个摄像头为临近设置，如常见的具备双摄像头的手机，在手机背面设置的相邻的双摄像头，该种方式的双摄像头由于采取临近设置，其适用性较差，并不适用于其他场景。
在一个实施例中，本申请的双目活体检测设备可同时用于虚拟现实视频拍摄，由于虚拟现实视频拍摄中，在进行3d视频拍摄时需要摄像头之间间隔一定距离设置，类似于人眼之间的间隔，传统的手机双摄(两个摄像头间距通常小于2cm)无法实现。具体的，该实施例中，第一摄像头和第二摄像头的距离不小于预设距离，以产生3d视觉效果，同时，第一摄像头和第二摄像头所拍摄的图像异步间隔时间差小于预设时间。示例性的，该预设距离可以是4cm、5cm、6cm或7cm等，预设时间可以是33ms、40ms、66ms、80ms、100ms或200ms。当使用该双目活体检测设备进行活体检测时，由于第一摄像头和第二摄像头存在一定距离，用户可以将人脸图片(如打印的纸质图片、照片等)放置于可见光摄像头进行可见光图像采集，而通过近红外摄像头拍摄真实活体人脸的近红外图像，以此通过活体检测验证，由此带来了活体检测的漏洞问题。
步骤s102、确定所述可见光图像和所述近红外图像是否满足预设条件，如果是，则执行步骤s103，否则结束或返回步骤s101。
在一个实施例中，判断可见光图像和近红外图像是否满足预设条件，示例性的，该预设条件可以是确定可见光图像和近红外图像中是否存在人脸，本方案中对判断是否存在人脸的数量不设限定，即判断是否存在至少一个人脸，如果存在人脸图像，则判定其满足预设条件。该预设条件还可以是对可见光图像和近红外图像进行特征提取以确定是否满足特征阈值，如果满足则判定其满足预设条件。该预设条件还可以是确定可见光图像和近红外图像中包含的人脸图像对应的人脸尺寸是否满足预设人脸尺寸，如果满足则判定其满足预设条件。
步骤s103、确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸，如果是，则执行步骤s104，否则结束或返回步骤s101。
在一个实施例中，当确定出可见光图像和近红外图像满足预设条件后，确定可见光图像和近红外图像中包含的人脸图像是否为同一人脸。具体的，在进行双目活体检测时，分别通过第一摄像头和第二摄像头进行图像采集，得到可见光图像以及近红外图像，以实现活体检测验证。本步骤中，为了避免用户在可见光摄像头处使用图片而在近红外摄像头使用活体人脸进行验证，同时考虑到每个摄像头采集的图像可能包含多个人脸的情况，实现了对可见光图像和近红外图像中包含的人脸图像是否为同一人脸的判断，进而避免了检测漏洞的出现，由此以确保可见光图像和近红外图像中包含的人脸为同一用户。
示例性的，确定可见光图像和近红外图像中包含的人脸图像是否为同一人脸的方式可以是：确定可见光图像和近红外图像中包含的人脸图像的面积信息、顺序信息和角度信息；根据面积信息、顺序信息和角度信息中的任意一种或多种来确定人脸图像是否为同一人脸，根据同一人脸在可见光图像和近红外图像中的双目视差，获得每一个人脸距离摄像头的物距信息及人脸实际大小信息，进而根据物距信息及人脸实际大小信息保证是同一个人。在另一个实施例中，确定可见光图像和近红外图像中包含的人脸图像是否为同一人脸的方式还可以是：分别对可见光图像以及近红外图像中的人脸进行特征提取，根据特征提取的结果确定可见光图像和近红外图像中包含的人脸图像是否为同一人脸。
步骤s104、判断所述人脸图像对应的是否为活体人脸。
在一个实施例中，在确定可见光图像和近红外图像中包含的人脸图像是同一人脸后，则进行相应的活体人脸检测。示例性的，将可见光图像以及近红外图像中包含的同一人脸的人脸图像进行融合得到融合人脸图像，对融合人脸图像进行深度特征提取得到3d特征模型，根据3d特征模型确定是否符合人脸生理3d结构特征，解决人脸图片(如打印的纸质图片、照片等)带来的活体检测漏洞，以及解决弯曲纸张等模拟3d人脸的活体检测漏洞；对融合人脸图像进行特征提取得到人脸材质特征，根据人脸材质特征确定融合人脸图像对应的是否为活体人脸材质，排除是否3d人头(如3d打印人头、石膏人头、人皮头套等)。还可以是对可见光人脸图像中的人脸图像以及近红外人脸图像中的人脸图像进行特征提取，根据特征提取结果确定人脸图像对应的是否为活体人脸。
由上述方案可知，本方案在确定可见光图像和近红外图像满足预设条件时，进一步判断二者包含的人脸图像是否为同一人脸，在确定为同一人脸的前提下，进行活体检测判断，优化了双目活体检测流程，提高了检测效率，同时解决了现有双目活体检测方式中存在检测漏洞的问题。
在上述技术方案的基础上，当判断确定出用户人脸图像为活体人脸后进行进一步的身份认证、匹配步骤，以执行后续认证通过后的相应功能。
图2为本发明实施例提供的另一种双目活体检测方法的流程图，给出了一种具体的确定可见光图像和近红外图像是否满足预设条件的方式。如图2所示，技术方案具体如下：
步骤s201、获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像。
步骤s202、确定所述可见光图像和所述近红外图像中是否包含人脸图像，如果是，则执行步骤s203，否则结束或返回步骤s201。
在一个实施例中，可通过预设的人脸检测模型以判断可见光图像和近红外图像中是否包含人脸图像，如果均包含人脸图像，则执行后续步骤。示例性的，具体的判断图像是否包含人脸的过程可以是先判断可见光图像是否包含人脸图像，如果存在，则确定近红外图像是否包含人脸图像，以提高检测效率。
步骤s203、确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸，如果是，则执行步骤s204，否则结束或返回步骤s201。
步骤s204、判断所述人脸图像对应的是否为活体人脸。
由上述方案可知，在确定可见光图像和近红外图像中包含的人脸图像是否为同一人脸之前，确定其各自是否均包含人脸，在可见光图像和近红外图像中均包含人脸的情况下进行后续验证，显著的提高了验证速度，降低了系统整体功耗。
图3为本发明实施例提供的另一种双目活体检测方法的流程图，给出了一种具体的确定可见光图像和近红外图像中包含的人脸图像是否为同一人脸的方法。如图3所示，技术方案具体如下：
步骤s301、获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像。
步骤s302、确定所述可见光图像和所述近红外图像中是否包含人脸图像，如果是，则执行步骤s303，否则结束或返回步骤s301。
步骤s303、确定所述可见光图像和所述近红外图像中包含的人脸图像的面积信息、顺序信息和角度信息。
在一个实施例中，在确定可见光图像和近红外图像中包含人脸图像后，对各自图像中的人脸图像进行识别计算，以得到每个人脸的面积信息、顺序信息和角度信息。其中，该面积信息包括每个人脸的具体面积大小或占有整幅图像的面积比例，如举例摄像头位置最近的人脸图像的面积越大；顺序信息包括每个人脸的顺序位置，如由右至左进行编号，每个人脸的顺序信息即相应的编号数值；角度信息反应人脸的相对偏移程度，如是否是正脸图像等。
步骤s304、根据所述面积信息、所述顺序信息和所述角度信息中的任意一种或多种确定所述人脸图像是否为同一人脸，如果是，则执行步骤s305，否则结束或返回步骤s301。
在一个实施例中，如图3a所示，图3a为本发明实施例提供的第一示意图，假定采集的图像中包含有三张人脸，如图所示，分别为人脸1、人脸2和人脸3。相应的，确定的面积信息示例性的可以是人脸1的面积为1a，人脸2的面积为2a，人脸3的面积为3a，示例性的，如果在可见光图像中识别出的人脸面积为2a，在近红外图像中识别到的人脸面积为3a则表征不是同一人脸，若二者识别出的人脸图像对应的人脸面积相同，如同为1a，则表征是同一人脸。
在另一个实施例中，以图3a为例，通过顺序信息来判断可见光图像和近红外图像中包含的人脸图像是否为同一人脸。示例性的，对采集的图像进行人脸识别，若识别出包含3个人脸，则由左至右进行编号，如人脸1对应编号1b，人脸2对应编号2b，人脸3对应编号3b，此时在判断可见光图像和近红外图像中包含的人脸图像是否为同一人脸时，如果确定出可见光图像和近红外图像中包含的人脸图像的编号相同，如同为3b，则表征为同一人脸，否则为不同人脸。
在另一个实施例中，以图3b为例，图3b为本发明实施例提供的第二示意图。当图像中包含多张人脸时，通过人脸图像的角度信息判断是否为同一人脸，该角度信息示例性的如图3b，由左至右三个人脸图像其对应的角度信息可记录为90度、45度和0度。当人脸图像的角度一致时可判断为同一人脸图像。
步骤s305、判断所述人脸图像对应的是否为活体人脸。
由上述方案可知，可通过面积信息、顺序信息以及角度信息中的任意一种或多种来确定不同摄像头采集的人脸图像是否为同一人脸，以此避免使用不同人脸进行活体检测而通过验证的情况，优化了双目活体检测的流程，解决了现有双目活体检测方式中存在检测漏洞的问题。
图4为本发明实施例提供的另一种双目活体检测方法的流程图，对上述提及的双目活体检测过程进行了进一步优化。如图4所示，技术方案具体如下：
步骤s401、获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像。
步骤s402、确定所述可见光图像和所述近红外图像中是否包含人脸图像，如果是，则执行步骤s403，否则结束或返回步骤s401。
步骤s403、判断所述可见光图像和所述近红外图像中包含的人脸图像是否满足预设识别条件，如果是，则执行步骤s404，否则执行步骤s401。
在一个实施例中，在进行人脸图像面积信息、顺序信息和角度信息的计算之前，判断可见光图像和近红外图像中包含的人脸图像是否满足预设识别条件，该预设识别条件包括是否满足预设的大小尺寸、清晰度，以及是否有遮挡等。如果发现其不满足预设识别条件，则终止后续流程。
在另一个实施例中，可以是确定对应人脸距离摄像头的物距信息是否满足预设人脸物距距离，其中，该预设人脸物距距离可以是80cm-200cm，即当确定出该人脸距离摄像头的物距信息介乎于80cm-200cm时，确定其满足预设条件。
步骤s404、确定所述可见光图像和所述近红外图像中包含的人脸图像的面积信息、顺序信息和角度信息。
步骤s405、根据所述面积信息、所述顺序信息和所述角度信息中的任意一种或多种确定所述人脸图像是否为同一人脸，如果是，则执行步骤s406，否则结束或返回步骤s401。
步骤s406、判断所述人脸图像对应的是否为活体人脸。
由上述方案可知，对双目活体检测的流程进行了进一步优化，提高了检测效率，避免了大量无效计算工作的产生。
图5为本发明实施例提供的另一种双目活体检测方法的流程图，给出了一种具体的判断人脸图像对应的是否为活体人脸的方法。如图5所示，技术方案具体如下：
步骤s501、获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像。
步骤s502、确定所述可见光图像和所述近红外图像中是否包含人脸图像，如果是，则执行步骤s503，否则结束或返回步骤s501。
步骤s503、判断所述可见光图像和所述近红外图像中包含的人脸图像是否满足预设识别条件，如果是，则执行步骤s504，否则执行步骤s501。
步骤s504、确定所述可见光图像和所述近红外图像中包含的人脸图像的面积信息、顺序信息和角度信息。
步骤s505、根据所述面积信息、所述顺序信息和所述角度信息中的任意一种或多种确定所述人脸图像是否为同一人脸，如果是，则执行步骤s506，否则结束或返回步骤s501。
步骤s506、将所述可见光图像以及所述近红外图像中包含的人脸图像进行融合得到融合人脸图像。
在一个实施例中，进行活体人脸判断时，将可见光图像以及近红外图像中包含的人脸图像进行融合，得到融合后的人脸图像用于后续检测判断。通过图像融合的方式，结合了可见光图像以及近红外图像的各自优点，如可见光图像更加清晰，近红外图像在光照较差的环境下图像特征更加明显。具体的，融合方式可以采用基于加权平均的融合方法、基于绝对值取大的融合方法、基于主成分析pca的融合方法、ihs融合方法、基于小波变换的图像融合方法等。
步骤s507、对所述融合人脸图像进行特征提取得到活体人脸特征，根据所述活体人脸特征确定所述融合人脸图像对应的是否为活体人脸。
在一个实施例中，特征提取的方法可以是如下一种或多种的结合：深度学习方法(如使用设计的卷积神经网络)、传统特征提取方法(如纹理特征、颜色特征、频谱特征等)。在完成特征提取后，依据提取的特征进行活体检测判断，示例性的，检测算法可以采用基于光流法的检测方法。需要说明的是，本方案并不限定具体的特征提取以及活体检测的方法，还可使用任意现有的计算方式进行计算。
由上述方案可知，通过图像融合的方式进行活体检测，进一步提高了检测精度和准确度。
图6为本发明实施例提供的另一种双目活体检测方法的流程图，给出了一种具体的将可见光图像以及近红外图像中包含的人脸图像进行融合得到融合人脸图像的方法。如图6所示，技术方案具体如下：
步骤s601、获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像。
步骤s602、确定所述可见光图像和所述近红外图像中是否包含人脸图像，如果是，则执行步骤s603，否则结束或返回步骤s601。
步骤s603、判断所述可见光图像和所述近红外图像中包含的人脸图像是否满足预设识别条件，如果是，则执行步骤s604，否则执行步骤s601。
步骤s604、确定所述可见光图像和所述近红外图像中包含的人脸图像的面积信息、顺序信息和角度信息。
步骤s605、根据所述面积信息、所述顺序信息和所述角度信息中的任意一种或多种确定所述人脸图像是否为同一人脸，如果是，则执行步骤s606，否则结束或返回步骤s601。
步骤s606、对所述可见光图像以及所述近红外图像中包含的同一人脸的人脸图像进行通道融合得到融合人脸图像。
在一个实施例中，限定了人脸图像融合方式为采用通道融合的方法，示例性的，如近红外人脸图像为单通道(灰度图像)，可见光人脸图像为三通道(rgb三通道)，进行通道融合后得到4通道人脸图像。若近红外人脸图像也为三通道图像，则融合后为6通道人脸图像。具体的，可采用预设的处理函数进行图像的通道融合。
步骤s607、对所述融合人脸图像进行特征提取得到活体人脸特征，根据所述活体人脸特征确定所述融合人脸图像对应的是否为活体人脸。
由上述方案可知，采用通道融合的方式得到融合人脸图像，算法复杂度低，计算效率更高，同时保留了各自图像的细节、优点，优化了双目活体检测的计算方法。
在另一个实施例中，还可以是：对所述可见光图像以及所述近红外图像中包含的同一人脸的人脸图像进行特征融合得到融合人脸图像。具体的，特征融合指对不同传感器(近红外、可见光)的多源信息进行特征提取(包括形状、边缘、轮廓、纹理等)，再对得到的多个特征进行综合处理，进而用于后续的活体检测判断。
图7为本发明实施例提供的另一种双目活体检测方法的流程图，给出了另一种具体的确定可见光图像和近红外图像是否满足预设条件的方式。如图7所示，技术方案具体如下：
步骤s701、获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像。
步骤s702、获取所述可见光图像包含的第一人脸图像，对所述第一人脸图像进行特征提取得到第一人脸特征。
在一个实施例中，特征提取的方法可以是如下一种或多种的结合：深度学习方法(如使用设计的卷积神经网络)、传统特征提取方法(如纹理特征、颜色特征、频谱特征等)。
步骤s703、判断所述第一人脸特征是否满足预设特征阈值条件，如果是，则执行步骤s704，否则执行步骤s701。
在一个实施例中，可设定以预设特征阈值，确定出第一人脸特征满足预设特征阈值条件后，进行后续步骤的执行，如果不满足，则结束流程或者重新获取人脸图像。
步骤s704、获取所述近红外图像包含的第二人脸图像，对所述第二人脸图像进行特征提取得到第二人脸特征。
步骤s705、判断所述第二人脸特征是否满足预设特征阈值条件，如果是，则执行步骤s706，否则结束或返回步骤s701。
需要说明的是，上述获取人脸图像、提取人脸特征的步骤可以并行或者采取其他任意顺序执行，如步骤s704、步骤s705设置于步骤s702之前。
步骤s706、确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸，如果是，则执行步骤s707，否则结束或返回步骤s701。
步骤s707、判断所述人脸图像对应的是否为活体人脸。
由上述方案可知，在进行双目活体检测时，确定是否为同一人脸图像之前，对各个人脸图像进行特征提取以判断是否满足预设特征阈值条件，仅对满足条件的人脸图像进行后续处理步骤，优化了双目活体检测流程，避免了无效计算工作的产生。
图8为本发明实施例提供的另一种双目活体检测方法的流程图，给出了另一种具体的确定可见光图像和近红外图像中包含的人脸图像是否为同一人脸的方法。如图8所示，技术方案具体如下：
步骤s801、获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像。
步骤s802、获取所述可见光图像包含的第一人脸图像，对所述第一人脸图像进行特征提取得到第一人脸特征。
步骤s803、判断所述第一人脸特征是否满足预设特征阈值条件，如果是，则执行步骤s804，否则执行步骤s801。
步骤s804、获取所述近红外图像包含的第二人脸图像，对所述第二人脸图像进行特征提取得到第二人脸特征。
步骤s805、判断所述第二人脸特征是否满足预设特征阈值条件，如果是，则执行步骤s806，否则结束或返回步骤s801。
步骤s806、根据所述第一人脸特征以及所述第二人脸特征确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸，如果是，则执行步骤s807，否则结束或返回步骤s801。
在一个实施例中，在判断可见光图像和近红外图像中包含的人脸图像是否为同一人脸时，根据提取的第一人脸特征和第二人脸特征进行判断。示例性的，如对二者的深度学习提取的特征、人脸关键点特征(landmark)、表情特征、头部角度特征、五官特征等进行比对以确定是否为同一人脸图像。
步骤s807、判断所述人脸图像对应的是否为活体人脸。
由上述方案可知，利用前序步骤中提取到的人脸特征，通过特征比对的方式确定可见光图像和近红外图像中包含的人脸图像是否为同一人脸，提高了双目检测的整体效率，缩短了检测响应时间，优化了整体检测流程。
图9为本发明实施例提供的另一种双目活体检测方法的流程图，给出了另一种判断人脸图像对应的是否为活体人脸的方法。如图9所示，技术方案具体如下：
步骤s901、获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像。
步骤s902、获取所述可见光图像包含的第一人脸图像，对所述第一人脸图像进行特征提取得到第一人脸特征。
步骤s903、判断所述第一人脸特征是否满足预设特征阈值条件，如果是，则执行步骤s904，否则执行步骤s901。
步骤s904、获取所述近红外图像包含的第二人脸图像，对所述第二人脸图像进行特征提取得到第二人脸特征。
步骤s905、判断所述第二人脸特征是否满足预设特征阈值条件，如果是，则执行步骤s906，否则结束或返回步骤s901。
步骤s906、根据所述第一人脸特征以及所述第二人脸特征确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸，如果是，则执行步骤s907，否则结束或返回步骤s901。
步骤s907、根据所述第一人脸特征以及所述第二人脸特征确定所述人脸图像对应的是否为活体人脸。
示例性的，可通过第一人脸特征和第二人脸特征中包含的纹理特征确定是否为活体人脸。具体的，可采用基于lbp纹理特征的检测方法；还可以是基于颜色空间结合纹理特征的检测方法等。
由上述方案可知，本方案优化了双目活体检测的流程，根据提取的人脸特征确定人脸图像对应的是否为活体人脸，提高了检测效率，同时解决了现有双目活体检测方式中存在检测漏洞的问题。
图10为本发明实施例提供的另一种双目活体检测方法的流程图，给出了另一种确定可见光图像和近红外图像是否满足预设条件的方式。如图10所示，技术方案具体如下：
步骤s1001、获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像。
步骤s1002、确定所述可见光图像和所述近红外图像中包含的人脸图像对应的人脸尺寸是否满足预设人脸尺寸，如果是，则执行步骤s1003，否则结束或返回步骤s1001。
在一个实施例中，可以是在确定出可见光图像和近红外图像中人脸图像为同一人脸之后，根据同一人脸在可见光图像和近红外图像中的双目视差，获得每一个人脸距离摄像头的物距信息及人脸实际大小信息，以确保是同一个人的人脸，如果识别实际人脸大小小于预设最小尺寸，或大于预设最大尺寸，则判定其不满足预设人脸尺寸的条件，由此以解决使用和人脸大小不一的模型进行攻击的问题，保证活体检测识别的对象是同一个人的人脸。
步骤s1003、确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸，如果是，则执行步骤s1004，否则结束或返回步骤s1001。
步骤s1004、判断所述人脸图像对应的是否为活体人脸。
由上述方案可知，在进行双目活体检测过程中，确定可见光图像和近红外图像中包含的人脸图像对应的人脸尺寸是否满足预设人脸尺寸，依次解决使用和人脸大小不一的模型进行攻击的问题。同时，在确定满足于预设人脸尺寸后，进行后续流程，避免了大量的无效运算，降低了双目检测设备的运行功耗。
图11为本发明实施例提供的另一种双目活体检测方法的流程图，其中，第一摄像头和第二摄像头的距离不小于预设距离，结合双目摄像头的虚拟现实功能进行设计。如图11所示，技术方案具体如下：
步骤s1101、对第一摄像头以及第二摄像头进行摄像参数调节。
在一个实施例中，该双目活体检测设备可同时实现虚拟现实功能，如进行3d视频拍摄，当需要用其进行活体检测时，执行相应的功能切换，对摄像参数调节，该摄像参数调节包括白平衡参数、曝光参数、锐度参数和对比度参数中的任意一种或多种。
步骤s1102、对第一摄像头以及第二摄像头拍摄取景框进行调节，以用于双目活体检测识别。
在一个实施例中，如图11a所示，图11a为本发明实施例提供的第三示意图，当双目活体检测设备处于虚拟现实功能时，其取景框如图11a上部所示，为横置，在双目活体检测设备用于活体检测时，对取景框进行调节，将其调节为竖置，由此更加便捷的实现人脸图像的采集。
步骤s1103、获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像。
步骤s1104、确定所述可见光图像和所述近红外图像是否满足预设条件，如果是，则执行步骤s1105，否则结束或返回步骤s1103。
步骤s1105、确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸，如果是，则执行步骤s1106，否则结束或返回步骤s1103。
步骤s1106、判断所述人脸图像对应的是否为活体人脸。
由上述方案可知，本方案提供的双目活体检测方法可使双目活体检测设备执行不同的功能，同时保证各个功能的执行效果，在一套设备中实现多种功能，节约了设备资源，提高了设备的适用性。
图12为本发明实施例提供的一种双目活体检测装置的结构示意图。如图12所示，该装置包括：
图像获取单元1201，用于获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像，其中，所述第一摄像头和所述第二摄像头的距离不小于预设距离；
图像处理单元1202，用于确定所述可见光图像和所述近红外图像是否满足预设条件，如果是，则确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸；
人脸比对单元1203，用于对所述可见光图像和所述近红外图像中包含的同一人脸进行人脸识别，判断是否是同一个人的人脸；
活体判断单元1204，用于当确定出所述人脸图像为同一人脸时，判断所述人脸图像对应的是否为活体人脸；
加密单元1205，用于对判断为活体人脸的人脸图像进行加密。
本方案中，在确定可见光图像和近红外图像满足预设条件时，进一步判断二者包含的人脸图像是否为同一人脸，在确定为同一人脸的前提下，进行活体检测判断，优化了双目活体检测流程，提高了检测效率，同时避免了现有双目活体检测方式中存在检测漏洞的问题。
可选的，所述图像处理单元1202具体用于：
确定所述可见光图像和所述近红外图像中是否包含至少一个人脸图像。
可选的，所述图像处理单元1202具体用于：
确定所述可见光图像和所述近红外图像中包含的至少一个人脸图像的面积信息、顺序信息和角度信息；
根据所述至少一个脸图像的面积信息、所述顺序信息和所述角度信息中的任意一种或多种确定所述至少一个人脸图像所对应的人脸图像是否为同一人脸。
可选的，所述图像处理单元1202还体用于：
在确定所述可见光图像和所述近红外图像中包含的人脸图像的面积信息、顺序信息和角度信息之前，判断所述可见光图像和所述近红外图像中包含的所述同一人脸图像是否满足预设识别条件。
可选的，所述活体判断单元1203具体用于：
将所述对应人脸的所述可见光图像以及所述近红外图像中包含的人脸图像进行融合得到融合人脸图像；
对所述融合人脸图像进行深度特征提取得到3d特征模型；
根据所述3d特征模型确定是否符合人脸生理3d结构特征；
对所述融合人脸图像进行特征提取得到人脸材质特征；
根据所述人脸材质特征确定所述融合人脸图像对应的是否为活体人脸材质。
可选的，所述活体判断单元1203具体用于：
对所述对应人脸的所述可见光图像以及所述近红外图像中所述同一人脸的人脸图像进行通道融合得到融合人脸图像。
可选的，所述活体判断单元1203具体用于：
对所述对应人脸的所述可见光图像以及所述近红外图像中所述同一人脸的人脸图像进行特征融合得到融合人脸图像。
可选的，所述图像处理单元1202具体用于：
获取所述对应人脸的所述可见光图像包含的第一人脸图像，对所述第一人脸图像进行特征提取得到第一人脸特征；
如果所述第一人脸特征满足预设特征阈值条件，则获取所述对应人脸的所述近红外图像包含的第二人脸图像，对所述第二人脸图像进行特征提取得到第二人脸特征；
确定所述第二人脸特征是否满足预设特征阈值条件。
可选的，所述图像处理单元1202具体用于：
根据所述第一人脸特征以及所述第二人脸特征确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸。
可选的，所述第一人脸特征以及所述第二人脸特征包括深度学习提取的特征、人脸关键点特征、表情特征、纹理特征、颜色特征、频谱特征中的任意一种或多种。
可选的，所述活体判断单元1203具体用于：
根据所述第一人脸特征以及所述第二人脸特征确定所述人脸图像对应的是否为活体人脸。
可选的，所述图像处理单元1202具体用于：
确定所述对应人脸距离摄像头的物距信息是否满足预设人脸物距距离；
确定所述对应人脸的所述人脸实际尺寸是否满足预设人脸尺寸。
可选的，所述第一摄像头和所述第二摄像头集成安装，用于实现虚拟现实视频拍摄，其中，所述第一摄像头和所述第二摄像头的距离不小于预设距离。
可选的，所述第一摄像头和所述第二摄像头所拍摄的图像异步间隔时间差小于预设时间。
可选的，所述图像处理单元1202还用于：
在获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像之前，对第一摄像头以及第二摄像头进行摄像参数调节，所述摄像参数包括白平衡参数、曝光参数、锐度参数和对比度参数中的任意一种或多种。
可选的，所述图像处理单元1202还用于：
在获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像之前，对第一摄像头以及第二摄像头拍摄取景框进行调节，以用于双目活体检测识别。
图13为本发明实施例提供的一种双目活体检测的结构示意图，如图13所示，该设备包括处理器201、存储器202、通信模块203、设备接口204以及双目摄像头205；其中，处理器201的数量可以是一个或多个，图13中以一个处理器201为例；设备中的处理器201、存储器202、通信模块203、设备接口204以及双目摄像头205可以通过总线或其他方式连接，图13中以通过总线连接为例。
存储器202作为一种计算设备可读存储介质，可用于存储软件程序、计算设备可执行程序以及模块，如本发明实施例中的双目活体检测方法对应的程序指令/模块。处理器201通过运行存储在存储器202中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的双目活体检测方法。
存储器202可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器202可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器202可进一步包括相对于处理器201远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块203可实现与身份认证服务器的通信连接。
设备接口204可实现与信息采集设备的数据通信。
双目摄像头205包括第一摄像头以及第二摄像头，分别用于采集可见光图像和近红外图像，第一摄像头和第二摄像头的设置方式为二者的间距距离大于预设距离。
本发明实施例还提供一种包含计算设备可执行指令的存储介质，所述计算设备可执行指令在由计算设备处理器执行时用于执行一种双目活体检测方法，该方法包括：
获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像，所述第一摄像头和所述第二摄像头的距离不小于预设距离；
确定所述可见光图像和所述近红外图像是否满足预设条件，如果是，则确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸；
当确定出所述人脸图像为同一人脸时，判断所述人脸图像对应的是否为活体人脸。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明实施例可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算设备软件产品可以存储在计算设备可读存储介质中，如计算设备的软盘、只读存储器(read-onlymemory,rom)、随机存取存储器(randomaccessmemory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算设备设备(可以是个人计算设备，服务器，或者网络设备等)执行本发明实施例各个实施例所述的方法。
值得注意的是，上述双目活体检测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。
注意，上述仅为本发明实施例的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明实施例不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明实施例的保护范围。因此，虽然通过以上实施例对本发明实施例进行了较为详细的说明，但是本发明实施例不仅仅限于以上实施例，在不脱离本发明实施例构思的情况下，还可以包括更多其他等效实施例，而本发明实施例的范围由所附的权利要求范围决定。
1.双目活体检测方法，其特征在于，包括：
获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像，所述第一摄像头和所述第二摄像头的距离不小于预设距离；
确定所述可见光图像和所述近红外图像是否满足预设条件，如果是，则确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸；
当确定出所述人脸图像为同一人脸时，判断所述人脸图像对应的是否为活体人脸。
2.根据权利要求1所述的方法，其特征在于，所述确定所述可见光图像和所述近红外图像是否满足预设条件，包括：
确定所述可见光图像和所述近红外图像中是否包含至少一个人脸图像。
3.根据权利要求2所述的方法，其特征在于，确定所述可见光图像和所述近红外图像中包含的至少一个人脸图像是否为同一人脸，包括：
确定所述可见光图像和所述近红外图像中包含的至少一个人脸图像的面积信息、顺序信息和角度信息；
根据所述至少一个脸图像的面积信息、所述顺序信息和所述角度信息中的任意一种或多种确定所述至少一个人脸图像所对应的人脸图像是否为同一人脸；
相应的，当确定所述对应的人脸图像为同一人脸之后，还包括：
根据所述对应的同一人脸在所述可见光图像和所述近红外图像中的双目视差，获得每一个人脸距离摄像头的物距信息及人脸实际大小信息。
4.根据权利要求3所述的方法，其特征在于，在确定所述可见光图像和所述近红外图像中包含的至少一个人脸图像的面积信息、顺序信息和角度信息之前，还包括：
判断所述可见光图像和所述近红外图像中包含的所述同一人脸图像是否满足预设识别条件。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述判断所述人脸图像对应的是否为活体人脸，包括：
将所述对应人脸的所述可见光图像以及所述近红外图像中包含的人脸图像进行融合得到融合人脸图像；
对所述融合人脸图像进行深度特征提取得到3d特征模型；
根据所述3d特征模型确定是否符合人脸生理3d结构特征；
对所述融合人脸图像进行特征提取得到人脸材质特征；
根据所述人脸材质特征确定所述融合人脸图像对应的是否为活体人脸材质。
6.根据权利要求5所述的方法，其特征在于，将所述对应人脸的所述可见光图像以及所述近红外图像中包含的人脸图像进行融合得到融合人脸图像，包括：
对所述对应人脸的所述可见光图像以及所述近红外图像中所述同一人脸的人脸图像进行通道融合得到融合人脸图像。
7.根据权利要求5所述的方法，其特征在于，将所述对应人脸的所述可见光图像以及所述近红外图像中包含的人脸图像进行融合得到融合人脸图像，包括：
对所述对应人脸的所述可见光图像以及所述近红外图像中所述同一人脸的人脸图像进行特征融合得到融合人脸图像。
8.根据权利要求1所述的方法，其特征在于，确定所述对应人脸的所述可见光图像和所述近红外图像是否满足预设条件，包括：
获取所述对应人脸的所述可见光图像包含的第一人脸图像，对所述第一人脸图像进行特征提取得到第一人脸特征；
如果所述第一人脸特征满足预设特征阈值条件，则获取所述对应人脸的所述近红外图像包含的第二人脸图像，对所述第二人脸图像进行特征提取得到第二人脸特征；
确定所述第二人脸特征是否满足预设特征阈值条件。
9.根据权利要求8所述的方法，其特征在于，确定所述对应人脸的所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸，包括：
根据所述第一人脸特征以及所述第二人脸特征确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸。
10.根据权利要求9所述的方法，其特征在于，所述第一人脸特征以及所述第二人脸特征包括深度学习提取的特征、人脸关键点特征、表情特征、纹理特征、颜色特征、频谱特征中的任意一种或多种。
11.根据权利要求8-10中任一项所述的方法，其特征在于，所述判断所述人脸图像对应的是否为活体人脸，包括：
根据所述第一人脸特征以及所述第二人脸特征确定所述人脸图像对应的是否为活体人脸。
12.根据权利要求1所述的方法，其特征在于，所述确定所述对应人脸的所述可见光图像和所述近红外图像是否满足预设条件，包括：
确定所述对应人脸距离摄像头的物距信息是否满足预设人脸物距距离；
确定所述对应人脸的所述人脸实际尺寸是否满足预设人脸尺寸。
13.根据权利要求1所述的方法，其特征在于，所述第一摄像头和所述第二摄像头所拍摄的图像异步间隔时间差小于预设时间。
14.根据权利要求1所述的方法，其特征在于，所述第一摄像头和所述第二摄像头集成安装，用于实现虚拟现实视频拍摄。
15.根据权利要求14所述的方法，其特征在于，在获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像之前，还包括：
对第一摄像头以及第二摄像头进行摄像参数调节，所述摄像参数包括白平衡参数、曝光参数、锐度参数和对比度参数中的任意一种或多种。
16.根据权利要求14所述的方法，其特征在于，在获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像之前，还包括：
对第一摄像头以及第二摄像头拍摄取景框进行调节，以用于双目活体检测识别。
17.一种双目活体检测装置，其特征在于，包括：
图像获取单元，用于获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像，其中，所述第一摄像头和所述第二摄像头的距离不小于预设距离；
图像处理单元，用于确定所述可见光图像和所述近红外图像是否满足预设条件，如果是，则确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸；
活体判断单元，用于当确定出所述人脸图像为同一人脸时，判断所述人脸图像对应的是否为活体人脸。
18.根据权利要求17所述的双目活体检测装置，其特征在于，还包括：
人脸比对单元，用于对所述可见光图像和所述近红外图像中包含的同一人脸进行人脸识别，判断是否是同一个人的人脸。
19.根据权利要求17和18所述的双目活体检测装置，其特征在于，还包括：
加密单元，用于对判断为活体人脸的人脸图像进行加密。
20.一种双目活体检测设备，所述设备包括：双目摄像头、一个或多个处理器；存储装置，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，使得所述一个或多个处理器实现：
获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像，所述第一摄像头和所述第二摄像头的距离不小于预设距离；
确定所述可见光图像和所述近红外图像是否满足预设条件，如果是，则确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸；
当确定出所述人脸图像为同一人脸时，判断所述人脸图像对应的是否为活体人脸。
21.一种包含计算设备可执行指令的存储介质，所述计算设备可执行指令在由计算设备处理器执行时用于执行：
获取第一摄像头采集的可见光图像，以及第二摄像头采集的近红外图像，所述第一摄像头和所述第二摄像头的距离不小于预设距离；
确定所述可见光图像和所述近红外图像是否满足预设条件，如果是，则确定所述可见光图像和所述近红外图像中包含的人脸图像是否为同一人脸；
当确定出所述人脸图像为同一人脸时，判断所述人脸图像对应的是否为活体人脸。
技术总结