CN101923641B - 一种改进的人脸识别方法 - Google Patents
一种改进的人脸识别方法 Download PDFInfo
- Publication number
- CN101923641B CN101923641B CN2010102766799A CN201010276679A CN101923641B CN 101923641 B CN101923641 B CN 101923641B CN 2010102766799 A CN2010102766799 A CN 2010102766799A CN 201010276679 A CN201010276679 A CN 201010276679A CN 101923641 B CN101923641 B CN 101923641B
- Authority
- CN
- China
- Prior art keywords
- human face
- plane
- image
- unique point
- error amount
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
一种改进的人脸识别方法,属于人脸识别技术领域,首先对获取的两幅或以上的人脸图像进行处理,提取得到图像上人脸区域的多个2D特征点,并建立不同图像上人脸2D特征点的对应关系;然后根据3D空间内,同一个空间平面上的点在不同图像上投影应当满足的约束条件,来判别所提取的人脸2D特征点是否属于同一空间平面;据此判别获取的图像是否是平面场景,从而甄别人脸图像是否来自其它二维图片,防止利用其它图片等方式欺骗人脸识别***的发生。本发明提供了一种甄别输入的图像是来自实际的人脸还是图片,从而预防现有人脸识别***中容易受照片欺骗的问题,提高了人脸识别***的可靠性。
Description
技术领域
本发明涉及生物特征识别技术中的2D图像分析和处理技术,具体地说是从两幅或多幅2D图像中提取特征点,并判断其是否属于同一空间平面点的方法。
背景技术
人脸识别技术是生物特征识别技术中的一种。目前各个国家对人脸识别技术都很重视,许多大公司也推出了基于人脸识别的身份认证技术,在视频监控、多媒体、过程控制、身份识别等领域有广泛的应用前景。随着该项技术的应用逐渐增多,随着而来的一些识别技术上的缺点也被利用。传统的基于特征的人脸识别技术,通过提取人脸区域的特征点,并根据特殊的特征点之间的某种固有关系,进行识别。其基础是图像上的特征点之间的关系,而忽略了特征点的空间属性。这种***在应用中,很容易被照片所欺骗,其可靠性和安全性收到严重影响。本发明的突出特点是,根据空间中同一平面的点在不同视点下获取的图像中,应当满足同平面约束,采用稳定性算子,如LMEDS,根据对应特征点可靠的计算出平面单应矩阵,并以此为基础,进行特征点的同平面特性判别。
发明内容
本发明的目的在于提供,利用对多幅二维图像特征点的同平面属性进行估计,以判别特征点对应的空间区域是否为同一平面,来可靠的判断图像是否来自照片,而非实际的活体人脸,进而提高人脸检测可靠性的技术。
为了达到上述目的,本发明的技术解决方案提供一种改进的人脸识别方法,其特征在于,根据空间同平面点在两幅图像平面上的对应点应当满足平面单应矩阵约束,对提取的人脸区域的特征点进行同平面约束判别,以确定人脸图像是否从平面图像上获取。
所述的方法,其包括下列步骤:
步骤1,通过拍摄获取两幅或多幅同一人脸的图像;
步骤2,对获取的图像进行特征提取处理,得到多个2D特征点,利用视觉匹配技术建立特征点的对应关系;
步骤3,任意抽取两幅图像上的对应特征点,计算平面单应矩阵;利用计算得到的平面单应矩阵计算步骤2所获取的特征点的误差值;
步骤4,设定一个误差上限值,如果步骤3计算出的特征点的误差值小于等于误差上限值,则说明步骤2所述的特征点位于同一个平面内,如果特征点的误差值大于设定的误差上限值则转入步骤5;
步骤5,通过人脸检测方法确定出图像中的人脸区域,将人脸区域内的特征点用于重新计算平面单应矩阵,并计算人脸区域内特征点的误差值,如果误差值小于等于设定的误差值,则判断出特征点属于同一个平面,人脸区域对应的空间点是平面的,如果误差值大于设定的误差值,则判断出拍摄到的图像为真实的人脸图像。
步骤1所述图像是由单个摄像机在不同位置下对同一人脸成像获得,或者是由两个或者多个摄像机在同一时刻拍摄获得,或者是摄像机固定对移动的人脸分时采集的图像
上述平面单应矩阵的计算采用最小二乘法估计或LMEDS算法。
本发明较已有的人脸识别技术的优点在于:
在进行人脸识别时,对用于识别的特征点的空间平面属性进行判别,确定这些特征点是否属于同一平面,以此来甄别图片和实际的人脸图像,从而避免被照片图像欺骗,提高了这类***使用中的安全性和可靠性。本发明提出的方法直接对二维图像进行处理,没有对场景设定先验的约束条件,更具有普遍性。
附图说明
图1是本发明提出的人脸识别方法流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
如图1所示,一种改进的人脸识别方法包括以下步骤:
1).获取两幅或多幅人脸的图像;
2).对获取的图像进行特征点提取处理,得到多个2D特征点,利用视觉匹配技术建立特征点的对应关系;
3).任意抽取两幅图像上的对应特征点,计算平面单应矩阵H;
4).计算所有对应特征点的误差值;
5).设定一个误差上限值,如果步骤4中计算出误差值小于等于设定值,则说明参与计算的特征点属于同平面点,如果特征点的误差值大于设定值则转入步骤下一步;
6).用人脸检测方法确定出人脸检测区域的特征点,并利用特征点计算平面单应矩阵;
7).计算人脸特征区域特征点对应的误差;
8).设定一个误差上限值,判断步骤7得出的误差是否小于等于该设定值;
9).如果是则特征点属于同平面点,如果否则特征点不属于同平面点,是真实的人脸图像。
本发明的原理是:同一个摄像机在两个不同位置下对同一人脸进行成像,或者两个摄像机同时对一个人脸成像,或者摄像机固定对移动的人脸分时采集图像,原理是一样的,场景中属于同一个空间平面内的点,在两幅图像中的坐标位置,应当满足平面单应矩阵约束,即:
这里p′i,pi为两幅图像上,同一空间点对应的图像坐标,H为平面单应矩阵。
在空间中,不在同一直线上的三个点可唯一决定一个平面,空间平面可以用参数[nT,-d]T来描述,其中n是空间平面的法向矢量,d是空间平面到摄像机系圆点的距离。该空间平面参数可以用三个特征点,用线性方法计算得到。
在图像平面上,定义点到平面的距离为:
在平面检测时,首先对获取的图像提取2D特征点,并建立特征之间的对应关系。
对图像平面上感兴趣特征点及其在其它图像中的对应点,根据点到平面的距离公式,计算出各个点对的距离误差值。如果误差值均不大于一个设定的误差上限值,则说明这些特征点对应的空间点为同一平面上的点,由此断定所获取的图像来自图片等2D平面人脸图像。
如果此时计算得到特征点的误差值有大于设定的误差值,则用人脸检测方法确定出人脸区域对应的特征点,并利用人脸区域内的特征点重新计算平面单应矩阵;然后计算人脸区域内特征点对应的误差;设定一个误差上限值,判断步骤人脸区域内特征点的误差是否小于等于该设定值。如果是则说明人脸区域的特征点属于同平面点,所获取的图像是由图片等获取;如果否则特征点不属于同平面点,则可断定获取的图像来自真实的人脸。
对于匹配特征点计算平面单应矩阵,可以采用LMEDS稳定估计方法以提高计算结果的鲁棒性。
一般来说,在图像特征提取过程中特征点的定位是有噪声的,另外,特征点的对应性建立过程,可能会产生错误的匹配点等因素,本发明通过采用鲁棒参数估计方法减少了这些因素对平面检测结果的影响,使得结果更为可靠。
实施例1
一台摄像机固定在一个支架上。实验时,人位于摄像机前方合适的位置,由于人体有轻微运动,摄像机分别获取两个时刻下的两幅人脸图像。
对获取的两幅图像进行特征点提取处理,设第一幅图像中,提取的特征点为pi(i=1,2,3,…,n),在第二幅图像中,获取的特征点为p‘i(i=1,2,3,…,m)。利用立体视觉匹配技术,建立这些特征点的对应关系:
计算得到各个对应特征点的误差值:
如果
ei≤εt(i=1,2,3,...,k)
式中,εt为设定的误差值。则认为这些特征点对应于同一个空间平面。
如果不是所有特征点的误差均小于等于设定值,则利用人脸检测技术在两幅图像中检测出人脸区域,将已经得到的匹配特征点中属于人脸区域的特征点筛选出来。仅用人脸区域的对应特征点重新计算平面单应矩阵Hf,并计算得到人脸区域对应特征点的误差值,设定一个误差上限值εtf,如果:
ei≤εtf (i=1,2,3,...,m)
式中,m为对应的属于人脸区域的匹配特征点个数,则认为人脸区域这些特征点对应于同一个空间平面。否则认为所获取的图像来自于真实的人脸。
实施例2
人脸图像的获取是两个摄像机成一定的角度,同时拍摄同一个人脸。对拍摄的图像提取特征点并建立对应关系,利用可靠性好的LMEDS方法估计得到H矩阵。计算各特征点的误差值并与设定的误差上限值比较,若不大于设定值则特征点属于同平面点,若大于设定值,则利用人脸检测技术检测出人脸区域,提取人脸区域中的特征点重新计算平面单应矩阵,计算人脸区域特征点的误差值并与设定的误差值进行比较,若小于等于设定值则认为人脸区域这些点对应于同一平面,若大于设定值则可判定获取的图像来自真实的人脸。
本发明能够实现稳定、可靠的进行特征点的平面属性判别,可防止人脸识别中被照片等2D图像来源的输入图像所欺骗。
Claims (3)
1.一种改进的人脸识别方法,其特征在于,包括以下主要步骤:
步骤1,通过拍摄获取两幅或多幅同一人脸的图像;
步骤2,对获取的图像进行特征提取处理,得到多个2D特征点,利用视觉匹配技术建立特征点的对应关系;
步骤3,任意抽取两幅图像上的对应特征点,计算平面单应矩阵;利用计算得到的平面单应矩阵计算步骤2所获取的特征点的误差值;
步骤4,设定一个误差上限值,如果步骤3计算出的特征点的误差值小于等于误差上限值,则说明步骤2所获取的特征点位于同一个平面内,如果特征点的误差值大于设定的误差上限值则转入步骤5;
步骤5,通过人脸检测方法确定出图像中的人脸区域,将人脸区域内的特征点用于重新计算平面单应矩阵,并计算人脸区域内特征点的误差值,如果误差值小于等于设定的误差值,则判断出特征点属于同一个平面,人脸区域对应的空间点是平面的,如果误差值大于设定的误差值,则判断出拍摄到的图像为真实的人脸图像。
2.根据权利要求1所述的人脸识别方法,其特征在于:步骤1所述图像是由单个摄像机在不同位置下对同一人脸成像获得,或者是由两个或者多个摄像机在同一时刻拍摄获得,或者是摄像机固定对移动的人脸分时采集的图像。
3.根据权利要求1所述的人脸识别方法,其特征在于:所述平面单应矩阵的计算采用最小二乘法估计或LMEDS算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102766799A CN101923641B (zh) | 2010-09-09 | 2010-09-09 | 一种改进的人脸识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102766799A CN101923641B (zh) | 2010-09-09 | 2010-09-09 | 一种改进的人脸识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101923641A CN101923641A (zh) | 2010-12-22 |
CN101923641B true CN101923641B (zh) | 2012-08-08 |
Family
ID=43338565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102766799A Expired - Fee Related CN101923641B (zh) | 2010-09-09 | 2010-09-09 | 一种改进的人脸识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101923641B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194106B (zh) * | 2011-05-11 | 2013-01-16 | 西安理工大学 | 一种用于门禁***中的人脸识别方法 |
FR2997211B1 (fr) * | 2012-10-18 | 2021-01-01 | Morpho | Procede d'authentification d'une capture d'image d'une entite tridimensionnelle |
CN103106703A (zh) * | 2013-01-14 | 2013-05-15 | 张平 | 防作弊驾驶员培训记录仪 |
CN103051887A (zh) * | 2013-01-23 | 2013-04-17 | 河海大学常州校区 | 仿鹰眼智能视觉传感节点及其工作方法 |
CN103971132A (zh) * | 2014-05-27 | 2014-08-06 | 重庆大学 | 应用二维非负稀疏偏最小二乘进行人脸识别的方法 |
CN104217503A (zh) * | 2014-08-26 | 2014-12-17 | 杭州摩科商用设备有限公司 | 自助终端的身份识别方法及对应的房产证明打印方法 |
CN104217504A (zh) * | 2014-08-26 | 2014-12-17 | 杭州摩科商用设备有限公司 | 身份识别自助终端及对应的房产证明打印终端 |
US10198645B2 (en) * | 2014-11-13 | 2019-02-05 | Intel Corporation | Preventing face-based authentication spoofing |
CN106557726B (zh) * | 2015-09-25 | 2020-06-09 | 北京市商汤科技开发有限公司 | 一种带静默式活体检测的人脸身份认证***及其方法 |
CN106557723B (zh) * | 2015-09-25 | 2020-01-24 | 北京市商汤科技开发有限公司 | 一种带交互式活体检测的人脸身份认证***及其方法 |
CN105868733A (zh) * | 2016-04-21 | 2016-08-17 | 腾讯科技(深圳)有限公司 | 一种人脸活体验证方法及装置 |
CN106897675B (zh) * | 2017-01-24 | 2021-08-17 | 上海交通大学 | 双目视觉深度特征与表观特征相结合的人脸活体检测方法 |
CN107368817B (zh) * | 2017-07-26 | 2020-02-21 | 湖南云迪生物识别科技有限公司 | 人脸识别方法和装置 |
CN107437120A (zh) * | 2017-09-22 | 2017-12-05 | 南京多伦科技股份有限公司 | 驾驶培训的管理***及管理方法 |
US10776609B2 (en) | 2018-02-26 | 2020-09-15 | Samsung Electronics Co., Ltd. | Method and system for facial recognition |
CN110751757A (zh) * | 2019-09-11 | 2020-02-04 | 河海大学 | 基于人脸图像处理的开锁方法及智能锁 |
CN111339958B (zh) * | 2020-02-28 | 2023-08-29 | 南京鑫之派智能科技有限公司 | 一种基于单目视觉的人脸活体检测方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101196986A (zh) * | 2007-12-25 | 2008-06-11 | 哈尔滨工业大学 | 三维掌纹身份鉴别仪及其鉴别方法 |
US7403658B2 (en) * | 2005-04-15 | 2008-07-22 | Microsoft Corporation | Direct homography computation by local linearization |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006138525A2 (en) * | 2005-06-16 | 2006-12-28 | Strider Labs | System and method for recognition in 2d images using 3d class models |
-
2010
- 2010-09-09 CN CN2010102766799A patent/CN101923641B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7403658B2 (en) * | 2005-04-15 | 2008-07-22 | Microsoft Corporation | Direct homography computation by local linearization |
CN101196986A (zh) * | 2007-12-25 | 2008-06-11 | 哈尔滨工业大学 | 三维掌纹身份鉴别仪及其鉴别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101923641A (zh) | 2010-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101923641B (zh) | 一种改进的人脸识别方法 | |
EP2426642B1 (en) | Method, device and system for motion detection | |
CN109598242B (zh) | 一种活体检测方法 | |
CN109784130B (zh) | 行人重识别方法及其装置和设备 | |
CN110796079A (zh) | 基于人脸深度特征和人体局部深度特征的多相机访客识别的方法及*** | |
KR101436290B1 (ko) | 생체인식 유형의 접근제어시스템에 대한 부정 검출 | |
CN106407875A (zh) | 目标特征提取方法及装置 | |
CN106033614B (zh) | 一种强视差下的移动相机运动目标检测方法 | |
CN105631515A (zh) | 人流计数*** | |
US20160335523A1 (en) | Method and apparatus for detecting incorrect associations between keypoints of a first image and keypoints of a second image | |
CN112926464B (zh) | 一种人脸活体检测方法以及装置 | |
CN105993022B (zh) | 利用脸部表情识别和认证的方法和*** | |
KR100922429B1 (ko) | 스테레오 영상을 이용한 사람 검출 방법 | |
Argyros et al. | Binocular hand tracking and reconstruction based on 2D shape matching | |
Krinidis et al. | A robust and real-time multi-space occupancy extraction system exploiting privacy-preserving sensors | |
CN109767826A (zh) | 一种医疗摄影数据的获取方法及医疗摄影成像*** | |
Yu et al. | Accurate motion detection in dynamic scenes based on ego-motion estimation and optical flow segmentation combined method | |
Zhang et al. | Detecting photographic composites using two-view geometrical constraints | |
Yan et al. | Exposing photo manipulation with inconsistent perspective geometry | |
CN110119692B (zh) | 一种基于双摄像头的平面人像检测方法 | |
KR101711307B1 (ko) | 깊이정보 기반의 안면인식 휴대장치 또는 컴퓨터 기기 잠금해제시스템 | |
Pandey et al. | A detailed analysis on feature extraction techniques of panoramic image stitching algorithm | |
D’Apuzzo et al. | Three-dimensional human face feature extraction from multi images | |
CN110232353B (zh) | 一种获取场景人员深度位置的方法和装置 | |
CN111860343B (zh) | 确定人脸对比结果的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120808 Termination date: 20130909 |