CN105518711A - 活体检测方法、活体检测***以及计算机程序产品 - Google Patents
活体检测方法、活体检测***以及计算机程序产品 Download PDFInfo
- Publication number
- CN105518711A CN105518711A CN201580000332.2A CN201580000332A CN105518711A CN 105518711 A CN105518711 A CN 105518711A CN 201580000332 A CN201580000332 A CN 201580000332A CN 105518711 A CN105518711 A CN 105518711A
- Authority
- CN
- China
- Prior art keywords
- image
- light source
- pixel
- detected
- vivo detection
- 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.)
- Granted
Links
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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Endoscopes (AREA)
Abstract
本发明涉及能够实现人体活体检测的活体检测方法、活体检测***以及计算机程序产品。所述活体检测方法包括:分别使用布置在不同的位置的至少两个光源中的每一个光源照射待检测对象的脸部;捕获经由所述每一个光源照射时的待检测对象的脸部的多个图像;计算所述多个图像之间的差图像;获得所述差图像的检测值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体。
Description
技术领域
本公开涉及活体检测领域,更具体地,本公开涉及能够实现人体活体检测的活体检测方法、活体检测***以及计算机程序产品。
背景技术
目前,人脸识别***越来越多地应用于安防、金融等领域中需要身份验证的场景,诸如银行远程开户、门禁***、远程交易操作验证等。在这些高安全级别的应用领域中,除了确保被验证者的人脸相似度符合数据库中存储的底库数据外,首先需要被验证者是一个合法的生物活体。也就是说,人脸识别***需要能够防范攻击者使用照片、3D人脸模型或者面具等方式进行攻击。
解决上述问题的方法通常称为活体检测,其目的是判断获取到的生物特征是否来自一个有生命、在现场的、真实的人。目前市场上的技术产品中还没有公认成熟的活体验证方案,已有的活体检测技术要么依赖特殊的硬件设备(诸如红外相机、深度相机),要么只能防范简单的静态照片攻击。此外,现有的活体检测***大多是配合式的,即需要被测试人员根据***指示做出相应动作或者停留在原地不动一段时间,如此将影响用户体验和活体检测效率。此外,例如检测图像中是否有照片的边框的其他方法准确性和鲁棒性都难以满足实际需求。
发明内容
鉴于上述问题而提出了本公开。本公开提供了一种活体检测方法、活体检测***以及计算机程序产品,其通过两个或多个光源依次照射被测者的脸,比较得到的图像的差异,然后判断是否符合人脸的特征。由于人脸上有非常突出的面部特征(例如鼻子、嘴巴、下巴等),而照片、屏幕等是平的,所以可以有效地区分出人脸和照片、视频攻击者。因此,实现了一种非配合式活体检测,从而有效地区分出正常用户与照片、视频和面具攻击者,并且无需用户的特殊配合,增加了活体检测***的安全性和易用度。
根据本公开的一个实施例,提供了一种活体检测方法,包括:分别使用布置在不同的位置的至少两个光源中的每一个光源照射待检测对象的脸部;捕获经由所述每一个光源照射时的待检测对象的脸部的多个图像;计算所述多个图像之间的差图像;获得所述差图像的检测值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体。
此外,根据本公开的一个实施例的活体检测方法,其中所述获得所述差图像的检测值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体包括:基于所述第一图像或所述第二图像,确定所述多个图像中的人脸区域;提取所述差图像对应于所述人脸区域的值,作为待检测图像;基于所述待检测图像获得所述检测值;比较所述检测值与所述预定阈值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体。
此外,根据本公开的一个实施例的活体检测方法,其中基于所述待检测图像获得所述检测值包括:将所述待检测图像输入预先训练的图像分类器,所述图像分类器生成并且输出对应于所述待检测图像的所述检测值。
此外,根据本公开的一个实施例的活体检测方法,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像和所述第二光源照射时的第二图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),所述计算所述多个图像之间的差图像包括:计算所述第一图像和所述第二图像在像素点(x,y)的差图像J(x,y),J(x,y)=[I1(x,y)-I2(x,y)]/[I1(x,y)+I2(x,y)+eps],其中,eps为非零常数。
此外,根据本公开的一个实施例的活体检测方法,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像、所述第二光源照射时的第二图像,以及没有所述至少两个光源照射时的第三图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),所述第三图像在像素点(x,y)的第三像素值为I3(x,y),所述计算所述多个图像之间的差图像包括:计算所述第一图像、所述第二图像以及所述第三图像在像素点(x,y)的差图像J(x,y),J(x,y)=[I1(x,y)-I2(x,y)]/[I1(x,y)+I2(x,y)-I3(x,y)×2+eps],其中,eps为非零常数。
此外,根据本公开的一个实施例的活体检测方法,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像和所述第二光源照射时的第二图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),所述计算所述多个图像之间的差图像包括:计算所述第一图像和所述第二图像在像素点(x,y)的差图像J(x,y),J(x,y)=[I1(x,y)/A(x,y)-I2(x,y)/B(x,y)]/[I1(x,y)/A(x,y)+I2(x,y)/B(x,y)+eps],其中,eps为非零常数,A(x,y)和B(x,y)为预先设置的补偿图像。
此外,根据本公开的一个实施例的活体检测方法,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像、所述第二光源照射时的第二图像,以及没有所述至少两个光源照射时的第三图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),所述第三图像在像素点(x,y)的第三像素值为I3(x,y),所述计算所述多个图像之间的差图像包括:计算所述第一图像、所述第二图像以及所述第三图像在像素点(x,y)的差图像J(x,y),J(x,y)=[(I1(x,y)-I3(x,y))/A(x,y)-I2(x,y)-I3(x,y))/B(x,y)]/[(I1(x,y)-I3(x,y))/A(x,y)+(I2(x,y)-I3(x,y))/B(x,y)+eps],其中,eps为非零常数,A(x,y)和B(x,y)为预先设置的补偿图像。
根据本公开的另一个实施例,提供了一种活体检测***,包括:光源模块,包括布置在不同的位置的至少两个光源,所述至少两个光源中的每一个光源分别照射待检测对象的脸部;图像捕获模块,捕获经由所述每一个光源照射时的待检测对象的脸部的多个图像;活体检测模块,用于确定所述待检测对象是否为活体,其中,确定所述待检测对象是否为活体的方法包括:计算所述多个图像之间的差图像;获得所述差图像的检测值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体。
此外,根据本公开的另一个实施例的活体检测***,其中所述活体检测模块基于所述第一图像或所述第二图像,确定所述多个图像中的人脸区域;提取所述差图像对应于所述人脸区域的值,作为待检测图像;基于所述待检测图像获得所述检测值;比较所述检测值与所述预定阈值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体。
此外,根据本公开的另一个实施例的活体检测***,其中所述活体检测模块进一步包括预先训练的图像分类器,所述图像分类器生成并且输出对应于所述待检测图像的所述检测值。
此外,根据本公开的另一个实施例的活体检测***,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像和所述第二光源照射时的第二图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),所述活体检测模块计算所述第一图像和所述第二图像在像素点(x,y)的差图像J(x,y),J(x,y)=[I1(x,y)-I2(x,y)]/[I1(x,y)+I2(x,y)+eps],其中,eps为非零常数。
此外,根据本公开的另一个实施例的活体检测***,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像、所述第二光源照射时的第二图像,以及没有所述至少两个光源照射时的第三图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),所述第三图像在像素点(x,y)的第三像素值为I3(x,y),所述活体检测模块计算所述第一图像、所述第二图像以及所述第三图像在像素点(x,y)的差图像J(x,y),J(x,y)=[I1(x,y)-I2(x,y)]/[I1(x,y)+I2(x,y)-I3(x,y)×2+eps],其中,eps为非零常数。
此外,根据本公开的另一个实施例的活体检测***,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像和所述第二光源照射时的第二图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),所述活体检测模块计算所述第一图像和所述第二图像在像素点(x,y)的差图像J(x,y),J(x,y)=[I1(x,y)/A(x,y)-I2(x,y)/B(x,y)]/[I1(x,y)/A(x,y)+I2(x,y)/B(x,y)+eps],其中,eps为非零常数,A(x,y)和B(x,y)为预先设置的补偿图像。
此外,根据本公开的另一个实施例的活体检测***,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像、所述第二光源照射时的第二图像,以及没有所述至少两个光源照射时的第三图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),所述第三图像在像素点(x,y)的第三像素值为I3(x,y),所述活体检测模块计算所述第一图像、所述第二图像以及所述第三图像在像素点(x,y)的差图像J(x,y),J(x,y)=[(I1(x,y)-I3(x,y))/A(x,y)-I2(x,y)-I3(x,y))/B(x,y)]/[(I1(x,y)-I3(x,y))/A(x,y)+(I2(x,y)-I3(x,y))/B(x,y)+eps],其中,eps为非零常数,A(x,y)和B(x,y)为预先设置的补偿图像。
此外,根据本公开的另一个实施例的活体检测***,其中所述至少两个光源为可编程控制的光源,其设置于所述图像捕获模块的***且与所述图像捕获模块为一体结构。
此外,根据本公开的另一个实施例的活体检测***,其中所述至少两个光源相对于所述图像捕获模块对称设置。
根据本公开的又一个实施例,提供了一种计算机程序产品,包括计算机可读存储介质,在所述计算机可读存储介质上存储了计算机程序指令,所述计算机程序指令在被计算机运行时执行以下步骤:获取使用布置在不同的位置的至少两个光源中的每一个光源照射时待检测对象的脸部的多个图像,计算所述多个图像之间的差图像;获得所述差图像的检测值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体。
要理解的是,前面的一般描述和下面的详细描述两者都是示例性的,并且意图在于提供要求保护的技术的进一步说明。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是图示根据本发明实施例的一种活体检测方法的流程图。
图2是图示根据本发明实施例的一种活体检测***的功能性框图。
图3是进一步图示根据本发明实施例的一种活体检测***的示意图。
图4是进一步图示根据本发明实施例的第一示例的待检测差图像获取的流程图。
图5是进一步图示根据本发明实施例的第二示例的待检测差图像获取的流程图。
图6是进一步图示根据本发明实施例的一种基于待检测差图像的活体检测的流程图。
图7是图示根据本发明实施例的一种活体检测***的示意性框图
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本公开中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
以下,将参考附图详细描述本发明的优选实施例。
图1是图示根据本发明实施例的活体检测方法的流程图。如图1所示,根据本发明实施例的活体检测方法包括以下步骤。
在步骤S101中,分别使用布置在不同的位置的至少两个光源中的每一个光源照射待检测对象的脸部。如下将详细描述的,在本发明的一个实施例中,所述至少两个光源可以是可编程控制的LED光源,其发射红外或可见光。可以编程控制所述至少两个光源中的第一光源开启并且第二光源关闭,照射待检测对象的脸部;随后控制所述至少两个光源中的第二光源开启并且第一光源关闭,照射待检测对象的脸部。此后,处理进到步骤S102。
在步骤S102中,捕获经由每一个光源照射时的待检测对象的脸部的多个图像。需要理解的是,步骤S101和S102可以是同步执行的,即在所述至少两个光源中的第一光源开启并且第二光源关闭,照射待检测对象的脸部时,捕获第一图像;随后在所述至少两个光源中的第二光源开启并且第一光源关闭,照射待检测对象的脸部时,捕获第二图像。此后,处理进到步骤S103。
在步骤S103中,计算多个图像之间的差图像。在本发明的一个实施例中,可以直接计算在步骤S102中获得的第一图像和第二图像之间的差图像。在本发明的另一个实施例中,计算在步骤S102中获得的第一图像和第二图像以及在没有光源照射情况下捕获的第三图像之间的差图像。更进一步地,在本发明的又一实施例中,在计算第一图像和第二图像之间的差图像,或者计算第一图像、第二图像以及第三图像之间的差图像时,引入预先设置的补偿图像,补偿由于光源亮度、待检测对象的距离等引起的偏差。以下,将参照附图进一步详细描述。此后,处理进到步骤S104。
在步骤S104中,获得差图像的检测值。在本发明的一个实施例中,提取在上述步骤S103中计算的所述差图像中对应于人脸区域的值,经过缩放到固定大小之后作为待检测图像。此后,将待检测图像输入预先训练的图像分类器,所述图像分类器生成并且输出对应于所述待检测图像的所述检测值。在本发明的一个实施例中,所述图像分类器可以是预先训练好的卷积神经网络(CNN)。此后,处理进到步骤S105。
在步骤S105中,判断在步骤S104中获得差图像的检测值是否大于预定阈值。所述预定阈值是预先以大量人脸图像作为正样本以及以照片、视频回放、纸片面具以及3D模型图像作为负样本,使用深度学习,支撑向量机等统计学习方法所确定设置的。例如,在本发明的一个实施例中,所述预定阈值可以设为0.5。
如果在步骤S105中获得肯定结果,即差图像的检测值大于预定阈值,则处理进到步骤S106。在步骤S106中,确定待检测对象为活体。
相反地,如果在步骤S105中获得否定结果,即差图像的检测值不大于预定阈值,则处理进到步骤S107。在步骤S107中,确定待检测对象为非活体。
在上述根据本发明的实施例的活体检测方法中,基于人脸上有非常突出的面部特征(例如鼻子、嘴巴、下巴等),在不同光源照射下捕获由于人脸独特形状产生的图像差,而照片、屏幕上视频等平面攻击者无法产生相应的图相差,从而有效地区分出正常用户与照片、视频和面具攻击者,并且无需用户的特殊配合,增加了活体检测***的安全性和易用度。
以下,将参照图2进一步描述执行上述活体检测方法的一种活体检测***。
图2是图示根据本发明实施例的活体检测***的功能性框图。如图2所示,根据本发明实施例的活体检测***20包括光源模块21、图像捕获模块22和活体检测模块23。所述光源模块21、图像捕获模块22和活体检测模块23例如可以由诸如硬件、软件、固件以及它们的任意可行的组合配置。
具体地,所述光源模块21包括布置在不同的位置的至少两个光源,所述至少两个光源中的每一个光源分别照射待检测对象的脸部。所述至少两个光源为可编程控制的光源。其发射红外或可见光。可以编程控制所述至少两个光源中的第一光源开启并且第二光源关闭,照射待检测对象的脸部;随后控制所述至少两个光源中的第二光源开启并且第一光源关闭,照射待检测对象的脸部。
所述图像捕获模块22用于捕获经由所述每一个光源照射时的待检测对象的脸部的多个图像。在所述至少两个光源中的第一光源开启并且第二光源关闭,照射待检测对象的脸部时,所述图像捕获模块22捕获第一图像;随后在所述至少两个光源中的第二光源开启并且第一光源关闭,照射待检测对象的脸部时,所述图像捕获模块22捕获第二图像。此外,在所述至少两个光源都处于关闭时,所述图像捕获模块22可以捕获第三图像。
在本发明的一个实施例中,所述光源模块21设置于所述图像捕获模块22的***且与所述图像捕获模块22为一体结构。所述图像捕获单元22可以与其后的活体检测模块23物理上分离,或者物理上位于同一位置甚至位于同一机壳内部。在所述图像捕获单元22与其后的活体检测模块23物理上分离的情况下,所述图像捕获单元22进一步经由有线或者无线方式将获取的待检测对象的脸部的图像发送给其后的所述活体检测模块23。在所述图像捕获单元22与其后的所述活体检测模块23物理上位于同一位置甚至位于同一机壳内部的情况下,所述活体检测模块23经由内部总线将所述待检测对象的脸部的图像发送给所述活体检测模块23。在经由有线或者无线方式或者经由内部总线发送所述视频数据之前,可以将其预定格式进行编码和压缩为视频数据包,以减少发送需要占用的通信量和带宽。
所述活体检测模块23用于确定所述待检测对象是否为活体。具体地,所述活体检测模块23计算由所述图像捕获模块22捕获的所述多个图像之间的差图像;获得所述差图像的检测值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体。示例性地,活体检测模块23可以由处理器等硬件实现,也可以由计算机及运行于其中的软件实现。
以上,参照图1和图2概述了根据本发明实施例的活体检测方法和活体检测***。以下,将参照图3到图6进一步描述根据本发明实施例的第一和第二示例活体检测方法和活体检测***。
图3是进一步图示根据本发明实施例的活体检测***的示意图。如图3所示,活体检测***20与待检测对象30的位置相对固定。例如,图3所示的活体检测***20为工作距离较近的人脸打卡器。所述活体检测***20中包括光源模块21、图像捕获模块22和活体检测模块23。具体地,在图3所示的活体检测***20中,所述光源模块21包括第一光源301和第二光源302。可以控制第一光源301和第二光源302分别开启以照射待检测对象30的脸部。如图3所示,第一光源301和第二光源302可以设置于所述图像捕获模块22的***且与所述图像捕获模块22为一体结构。进一步地,在本发明的一个优选实施例中,所述第一光源301和第二光源302相对于所述图像捕获模块22对称设置。所述第一光源301和第二光源302发射照射光线以照射待检测对象的脸部,例如照射嘴唇、面颊、鼻子等。所示图像捕获模块22捕获经由所述第一光源301和第二光源302照射时的待检测对象的脸部的图像。所示活体检测模块23确定所述待检测对象是否为活体。
图4是进一步图示根据本发明实施例的第一示例的待检测差图像获取的流程图。根据本发明实施例的第一示例的待检测差图像获取包括以下步骤。
在步骤S401中,开启第一光源301。此后,处理进到步骤S402。
在步骤S402中,捕获经由第一光源301照射时的待检测对象的第一图像。在本发明的一个实施例中,所述第一图像在像素点(x,y)的第一像素值为I1(x,y)。此后,处理进到步骤S403。
在步骤S403中,关闭第一光源301,开启第二光源302。此后,处理进到步骤S404。
在步骤S404中,捕获经由第二光源302照射时的待检测对象的第二图像。在本发明的一个实施例中,所述第二图像在像素点(x,y)的第二像素值为I2(x,y)。此后,处理进到步骤S405。
在步骤S405中,基于第一图像和第二图像,计算差图像。在本发明的一个实施例中,利用表达式(1)计算所述第一图像和所述第二图像在像素点(x,y)的差图像J(x,y),
J(x,y)=[I1(x,y)-I2(x,y)]/[I1(x,y)+I2(x,y)+eps](1)
其中,eps为非零常数以避免表达式(1)中出现分母为0的情况。
在本发明的另一实施例中,利用表达式(2)计算所述第一图像和所述第二图像在像素点(x,y)的差图像J(x,y),
J(x,y)=[I1(x,y)/A(x,y)-I2(x,y)/B(x,y)]/[I1(x,y)/A(x,y)+I2(x,y)/B(x,y)+eps](2)
其中,eps为非零常数,A(x,y)和B(x,y)为预先设置的补偿图像。所述补偿图像用于补偿由于光源的亮度、待检测对象的距离不同所引起的偏差。
经由上述步骤S401到S405获取的差图像J(x,y)将提供给活体检测模块23执行活体检测。
图5是进一步图示根据本发明实施例的第二示例的待检测差图像获取的流程图。根据本发明实施例的第二示例的待检测差图像获取包括以下步骤。
在步骤S501中,开启第一光源301。此后,处理进到步骤S502。
在步骤S502中,捕获经由第一光源301照射时的待检测对象的第一图像。在本发明的一个实施例中,所述第一图像在像素点(x,y)的第一像素值为I1(x,y)。此后,处理进到步骤S503。
在步骤S503中,关闭第一光源301,开启第二光源302。此后,处理进到步骤S504。
在步骤S504中,捕获经由第二光源302照射时的待检测对象的第二图像。在本发明的一个实施例中,所述第二图像在像素点(x,y)的第二像素值为I2(x,y)。此后,处理进到步骤S505。
在步骤S505中,关闭第一光源301和第二光源302。此后,处理进到步骤S506。
在步骤S506中,捕获无光源照射时的待检测对象的第三图像。在本发明的一个实施例中,所述第三图像在像素点(x,y)的第三像素值为I3(x,y)。此后,处理进到步骤S507。
在步骤S507中,基于第一图像、第二图像和第三图像,计算差图像。
在本发明的一个实施例中,利用表达式(3)计算所述第一图像、第二图像和第三图像在像素点(x,y)的差图像J(x,y),
J(x,y)=[I1(x,y)-I2(x,y)]/[I1(x,y)+I2(x,y)-I3(x,y)×2+eps](3)
其中,eps为非零常数以避免表达式(3)中出现分母为0的情况。
在本发明的另一实施例中,利用表达式(4)计算所述第一图像、第二图像和第三图像在像素点(x,y)的差图像J(x,y),
J(x,y)=[(I1(x,y)-I3(x,y))/A(x,y)-I2(x,y)-I3(x,y))/B(x,y)]/[(I1(x,y)-I3(x,y))/A(x,y)+(I2(x,y)-I3(x,y))/B(x,y)+eps](4)
其中,eps为非零常数,A(x,y)和B(x,y)为预先设置的补偿图像。所述补偿图像用于补偿由于光源的亮度、待检测对象的距离不同所引起的偏差。
经由上述步骤S501到S507获取的差图像J(x,y)将提供给活体检测模块23执行活体检测。
图6是进一步图示根据本发明实施例的基于待检测差图像的活体检测的流程图。在经由图4所示的第一示例或图5所示的第二示例获取待检测差图像之后,由活体检测模块23基于所述待检测差图像执行活体检测。基于待检测差图像的活体检测的流程包括以下步骤。
在步骤S601中,基于第一图像或第二图像,确定多个图像中的人脸区域。例如,使用预先训练好的人脸检测器(诸如HaarCascade)来获取脸部。此后,处理进到步骤S602。
在步骤S602中,提取差图像对应于人脸区域的值,作为待检测图像。在本发明的一个实施例中,提取获取的差图像J(x,y)中对应于人脸区域的值,并且将其缩放到固定的大小,作为待检测图像。此后,处理进到步骤S603。
在步骤S603中,基于待检测图像获得检测值。在本发明的一个实施例中,将待检测图像输入预先训练的图像分类器,所述图像分类器生成并且输出对应于所述待检测图像的所述检测值。在本发明的一个实施例中,所述图像分类器可以是预先训练好的卷积神经网络(CNN)。此后,处理进到步骤S604。
在步骤S604中,判断在步骤S603中获得差图像的检测值是否大于预定阈值。所述预定阈值是预先以大量人脸图像作为正样本以及以照片、视频回放、纸片面具以及3D模型图像作为负样本,使用深度学习,支撑向量机等统计学习方法所确定设置的。例如,在本发明的一个实施例中,所述预定阈值可以设为0.5。
如果在步骤S604中获得肯定结果,即差图像的检测值大于预定阈值,则处理进到步骤S605。在步骤S605中,确定待检测对象为活体。
相反地,如果在步骤S604中获得否定结果,即差图像的检测值不大于预定阈值,则处理进到步骤S606。在步骤S606中,确定待检测对象为非活体。
图7是图示根据本发明实施例的活体检测***的示意性框图。如图7所示,根据本发明实施例的活体检测***7包括:处理器71、存储器72、以及在所述存储器72的中存储的计算机程序指令73。
所述计算机程序指令73在所述处理器71运行时可以实现根据本发明实施例的活体检测***的各个功能模块的功能,并且/或者可以执行根据本发明实施例的活体检测方法的各个步骤。
具体地,在所述计算机程序指令73被所述处理器71运行时执行以下步骤:获取使用布置在不同的位置的至少两个光源中的每一个光源照射时待检测对象的脸部的多个图像,计算所述多个图像之间的差图像;获得所述差图像的检测值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体。
根据本发明实施例的活体检测***中的各模块可以通过根据本发明实施例的视频检测***中的处理器运行在存储器中存储的计算机程序指令来实现,或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。
所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合,例如一个计算机可读存储介质包含用于随机地生成动作指令序列的计算机可读的程序代码,另一个计算机可读存储介质包含用于进行人脸活动识别的计算机可读的程序代码。
所述计算机可读存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。
在上面详细描述的本发明的示例实施例仅仅是说明性的,而不是限制性的。本领域技术人员应该理解,在不脱离本发明的原理和精神的情况下,可对这些实施例进行各种修改,组合或子组合,并且这样的修改应落入本发明的范围内。
Claims (17)
1.一种活体检测方法,包括:
分别使用布置在不同的位置的至少两个光源中的每一个光源照射待检测对象的脸部;
捕获经由所述每一个光源照射时的待检测对象的脸部的多个图像;
计算所述多个图像之间的差图像;
获得所述差图像的检测值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体。
2.如权利要求1所述的活体检测方法,其中所述获得所述差图像的检测值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体包括:
基于所述第一图像或所述第二图像,确定所述多个图像中的人脸区域;
提取所述差图像对应于所述人脸区域的值,作为待检测图像;
基于所述待检测图像获得所述检测值;
比较所述检测值与所述预定阈值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体。
3.如权利要求2所述的活体检测方法,其中基于所述待检测图像获得所述检测值包括:
将所述待检测图像输入预先训练的图像分类器,所述图像分类器生成并且输出对应于所述待检测图像的所述检测值。
4.如权利要求2所述的活体检测方法,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像和所述第二光源照射时的第二图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),所述计算所述多个图像之间的差图像包括:
计算所述第一图像和所述第二图像在像素点(x,y)的差图像J(x,y),
J(x,y)=[I1(x,y)-I2(x,y)]/[I1(x,y)+I2(x,y)+eps]
其中,eps为非零常数。
5.如权利要求2所述的活体检测方法,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像、所述第二光源照射时的第二图像,以及没有所述至少两个光源照射时的第三图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),所述第三图像在像素点(x,y)的第三像素值为I3(x,y),所述计算所述多个图像之间的差图像包括:
计算所述第一图像、所述第二图像以及所述第三图像在像素点(x,y)的差图像J(x,y),
J(x,y)=[I1(x,y)-I2(x,y)]/[I1(x,y)+I2(x,y)-I3(x,y)×2+eps]
其中,eps为非零常数。
6.如权利要求2所述的活体检测方法,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像和所述第二光源照射时的第二图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),所述计算所述多个图像之间的差图像包括:
计算所述第一图像和所述第二图像在像素点(x,y)的差图像J(x,y),
J(x,y)=[I1(x,y)/A(x,y)-I2(x,y)/B(x,y)]/[I1(x,y)/A(x,y)+I2(x,y)/B(x,y)+eps]
其中,eps为非零常数,A(x,y)和B(x,y)为预先设置的补偿图像。
7.如权利要求2所述的活体检测方法,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像、所述第二光源照射时的第二图像,以及没有所述至少两个光源照射时的第三图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),所述第三图像在像素点(x,y)的第三像素值为I3(x,y),所述计算所述多个图像之间的差图像包括:
计算所述第一图像、所述第二图像以及所述第三图像在像素点(x,y)的差图像J(x,y),
J(x,y)=[(I1(x,y)-I3(x,y))/A(x,y)-I2(x,y)-I3(x,y))/B(x,y)]/[(I1(x,y)-I3(x,y))/A(x,y)+(I2(x,y)-I3(x,y))/B(x,y)+eps]
其中,eps为非零常数,A(x,y)和B(x,y)为预先设置的补偿图像。
8.一种活体检测***,包括:
光源模块,包括布置在不同的位置的至少两个光源,所述至少两个光源中的每一个光源分别照射待检测对象的脸部;
图像捕获模块,捕获经由所述每一个光源照射时的待检测对象的脸部的多个图像;
活体检测模块,用于确定所述待检测对象是否为活体,其中,确定所述待检测对象是否为活体的方法包括:计算所述多个图像之间的差图像;获得所述差图像的检测值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体。
9.如权利要求8所述的活体检测***,其中所述活体检测模块基于所述第一图像或所述第二图像,确定所述多个图像中的人脸区域;提取所述差图像对应于所述人脸区域的值,作为待检测图像;基于所述待检测图像获得所述检测值;比较所述检测值与所述预定阈值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体。
10.如权利要求9所述的活体检测***,其中所述活体检测模块进一步包括预先训练的图像分类器,所述图像分类器生成并且输出对应于所述待检测图像的所述检测值。
11.如权利要求9所述的活体检测***,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像和所述第二光源照射时的第二图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),
所述活体检测模块计算所述第一图像和所述第二图像在像素点(x,y)的差图像J(x,y),
J(x,y)=[I1(x,y)-I2(x,y)]/[I1(x,y)+I2(x,y)+eps]
其中,eps为非零常数。
12.如权利要求9所述的活体检测***,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像、所述第二光源照射时的第二图像,以及没有所述至少两个光源照射时的第三图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),所述第三图像在像素点(x,y)的第三像素值为I3(x,y),
所述活体检测模块计算所述第一图像、所述第二图像以及所述第三图像在像素点(x,y)的差图像J(x,y),
J(x,y)=[I1(x,y)-I2(x,y)]/[I1(x,y)+I2(x,y)-I3(x,y)×2+eps]
其中,eps为非零常数。
13.如权利要求9所述的活体检测***,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像和所述第二光源照射时的第二图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),
所述活体检测模块计算所述第一图像和所述第二图像在像素点(x,y)的差图像J(x,y),
J(x,y)=[I1(x,y)/A(x,y)-I2(x,y)/B(x,y)]/[I1(x,y)/A(x,y)+I2(x,y)/B(x,y)+eps]
其中,eps为非零常数,A(x,y)和B(x,y)为预先设置的补偿图像。
14.如权利要求9所述的活体检测***,其中所述至少两个光源为第一光源和第二光源,所述多个图像为所述第一光源照射时的第一图像、所述第二光源照射时的第二图像,以及没有所述至少两个光源照射时的第三图像,所述第一图像在像素点(x,y)的第一像素值为I1(x,y),所述第二图像在像素点(x,y)的第二像素值为I2(x,y),所述第三图像在像素点(x,y)的第三像素值为I3(x,y),
所述活体检测模块计算所述第一图像、所述第二图像以及所述第三图像在像素点(x,y)的差图像J(x,y),
J(x,y)=[(I1(x,y)-I3(x,y))/A(x,y)-I2(x,y)-I3(x,y))/B(x,y)]/[(I1(x,y)-I3(x,y))/A(x,y)+(I2(x,y)-I3(x,y))/B(x,y)+eps]
其中,eps为非零常数,A(x,y)和B(x,y)为预先设置的补偿图像。
15.如权利要求8所述的活体检测***,其中所述至少两个光源为可编程控制的光源,其设置于所述图像捕获模块的***且与所述图像捕获模块为一体结构。
16.如权利要求15所述的活体检测***,其中所述至少两个光源相对于所述图像捕获模块对称设置。
17.一种计算机程序产品,包括计算机可读存储介质,在所述计算机可读存储介质上存储了计算机程序指令,所述计算机程序指令在被计算机运行时执行以下步骤:
获取使用布置在不同的位置的至少两个光源中的每一个光源照射时待检测对象的脸部的多个图像,
计算所述多个图像之间的差图像;
获得所述差图像的检测值,如果所述检测值大于预定阈值,则确定所述待检测对象为活体。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2015/082643 WO2017000116A1 (zh) | 2015-06-29 | 2015-06-29 | 活体检测方法、活体检测***以及计算机程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105518711A true CN105518711A (zh) | 2016-04-20 |
CN105518711B CN105518711B (zh) | 2019-11-29 |
Family
ID=55725025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580000332.2A Active CN105518711B (zh) | 2015-06-29 | 2015-06-29 | 活体检测方法、活体检测***以及计算机程序产品 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10621454B2 (zh) |
CN (1) | CN105518711B (zh) |
WO (1) | WO2017000116A1 (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203305A (zh) * | 2016-06-30 | 2016-12-07 | 北京旷视科技有限公司 | 人脸活体检测方法和装置 |
CN106529512A (zh) * | 2016-12-15 | 2017-03-22 | 北京旷视科技有限公司 | 活体人脸验证方法及装置 |
CN106599872A (zh) * | 2016-12-23 | 2017-04-26 | 北京旷视科技有限公司 | 用于验证活体人脸图像的方法和设备 |
CN106599772A (zh) * | 2016-10-31 | 2017-04-26 | 北京旷视科技有限公司 | 活体验证方法和装置及身份认证方法和装置 |
CN106663201A (zh) * | 2016-10-18 | 2017-05-10 | 厦门中控生物识别信息技术有限公司 | 一种手掌检测方法和设备 |
CN107633198A (zh) * | 2017-07-25 | 2018-01-26 | 百度在线网络技术(北京)有限公司 | 活体检测方法、装置、设备及存储介质 |
CN107832735A (zh) * | 2017-11-24 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 用于识别人脸的方法和装置 |
CN107886032A (zh) * | 2016-09-30 | 2018-04-06 | 阿里巴巴集团控股有限公司 | 终端设备、智能手机、基于脸部识别的认证方法和*** |
CN108292363A (zh) * | 2016-07-22 | 2018-07-17 | 日电实验室美国公司 | 用于防欺骗面部识别的活体检测 |
CN108363939A (zh) * | 2017-01-26 | 2018-08-03 | 阿里巴巴集团控股有限公司 | 特征图像的获取方法及获取装置、用户认证方法 |
CN108629260A (zh) * | 2017-03-17 | 2018-10-09 | 北京旷视科技有限公司 | 活体验证方法和装置及存储介质 |
CN108881674A (zh) * | 2017-06-05 | 2018-11-23 | 北京旷视科技有限公司 | 图像采集装置和图像处理方法 |
CN109086718A (zh) * | 2018-08-02 | 2018-12-25 | 深圳市华付信息技术有限公司 | 活体检测方法、装置、计算机设备及存储介质 |
WO2019134536A1 (zh) * | 2018-01-04 | 2019-07-11 | 杭州海康威视数字技术股份有限公司 | 基于神经网络模型的人脸活体检测 |
WO2019205015A1 (en) * | 2018-04-25 | 2019-10-31 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for shaking action recognition based on facial feature points |
CN110443192A (zh) * | 2019-08-01 | 2019-11-12 | 中国科学院重庆绿色智能技术研究院 | 一种基于双目图像的非交互式人脸活体检测方法及*** |
CN110826535A (zh) * | 2019-12-02 | 2020-02-21 | 北京三快在线科技有限公司 | 一种人脸识别方法、***及装置 |
CN111382607A (zh) * | 2018-12-28 | 2020-07-07 | 北京三星通信技术研究有限公司 | 活体检测方法、装置及人脸认证*** |
CN111460970A (zh) * | 2020-03-27 | 2020-07-28 | 深圳市商汤科技有限公司 | 活体检测方法和装置、人脸识别设备 |
CN111699495A (zh) * | 2019-01-16 | 2020-09-22 | 深圳市汇顶科技股份有限公司 | 反欺骗面部id感测 |
US10796178B2 (en) | 2016-12-15 | 2020-10-06 | Beijing Kuangshi Technology Co., Ltd. | Method and device for face liveness detection |
CN112597932A (zh) * | 2020-12-28 | 2021-04-02 | 上海汽车集团股份有限公司 | 一种活体检测方法、装置及计算机可读存储介质 |
WO2021143216A1 (zh) * | 2020-01-17 | 2021-07-22 | 腾讯科技(深圳)有限公司 | 一种人脸活体检测的方法和相关装置 |
US11093773B2 (en) | 2018-09-10 | 2021-08-17 | Advanced New Technologies Co., Ltd. | Liveness detection method, apparatus and computer-readable storage medium |
CN113591517A (zh) * | 2020-04-30 | 2021-11-02 | 华为技术有限公司 | 一种活体检测方法及相关设备 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180239979A1 (en) * | 2015-09-03 | 2018-08-23 | Nec Corporation | Living body recognition device, living body recognition method, and living body recognition program |
US9639560B1 (en) * | 2015-10-22 | 2017-05-02 | Gopro, Inc. | Systems and methods that effectuate transmission of workflow between computing platforms |
US10698998B1 (en) | 2016-03-04 | 2020-06-30 | Jpmorgan Chase Bank, N.A. | Systems and methods for biometric authentication with liveness detection |
US10217009B2 (en) | 2016-08-09 | 2019-02-26 | Daon Holdings Limited | Methods and systems for enhancing user liveness detection |
US10628661B2 (en) | 2016-08-09 | 2020-04-21 | Daon Holdings Limited | Methods and systems for determining user liveness and verifying user identities |
US11115408B2 (en) | 2016-08-09 | 2021-09-07 | Daon Holdings Limited | Methods and systems for determining user liveness and verifying user identities |
US10210380B2 (en) * | 2016-08-09 | 2019-02-19 | Daon Holdings Limited | Methods and systems for enhancing user liveness detection |
CN107506687B (zh) * | 2017-07-17 | 2020-01-21 | Oppo广东移动通信有限公司 | 活体检测方法及相关产品 |
US10510157B2 (en) * | 2017-10-28 | 2019-12-17 | Altumview Systems Inc. | Method and apparatus for real-time face-tracking and face-pose-selection on embedded vision systems |
US10825132B2 (en) * | 2018-02-20 | 2020-11-03 | Element Ai Inc. | Training method for convolutional neural networks for use in artistic style transfers for video |
US10930010B2 (en) * | 2018-05-10 | 2021-02-23 | Beijing Sensetime Technology Development Co., Ltd | Method and apparatus for detecting living body, system, electronic device, and storage medium |
JP7131118B2 (ja) * | 2018-06-22 | 2022-09-06 | 富士通株式会社 | 認証装置、認証プログラム、認証方法 |
CN109086728B (zh) * | 2018-08-14 | 2022-03-08 | 成都智汇脸卡科技有限公司 | 活体检测方法 |
CN110135370B (zh) * | 2019-05-20 | 2022-09-09 | 北京百度网讯科技有限公司 | 人脸活体检测的方法及装置、电子设备、计算机可读介质 |
CN110765923B (zh) * | 2019-10-18 | 2024-05-24 | 腾讯科技(深圳)有限公司 | 一种人脸活体检测方法、装置、设备及存储介质 |
CN110866509B (zh) * | 2019-11-20 | 2023-04-28 | 腾讯科技(深圳)有限公司 | 动作识别方法、装置、计算机存储介质和计算机设备 |
CN111291730A (zh) * | 2020-03-27 | 2020-06-16 | 深圳阜时科技有限公司 | 人脸防伪检测方法、服务器和存储介质 |
EP4246454A3 (en) * | 2020-04-09 | 2023-11-29 | Identy Inc. | Liveliness detection using a device comprising an illumination source |
CN111611934A (zh) * | 2020-05-22 | 2020-09-01 | 北京华捷艾米科技有限公司 | 一种人脸检测模型生成和人脸检测方法、装置及设备 |
CN111898500B (zh) * | 2020-07-17 | 2024-02-20 | 深圳阜时科技有限公司 | 屏下光学检测***及电子设备 |
DE102020214713A1 (de) | 2020-11-24 | 2022-05-25 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Unterscheiden einer realen Person von einem Surrogat |
CN112597885A (zh) * | 2020-12-22 | 2021-04-02 | 北京华捷艾米科技有限公司 | 人脸活体检测方法、装置、电子设备及计算机存储介质 |
US11080516B1 (en) * | 2020-12-30 | 2021-08-03 | EyeVerify, Inc. | Spoof detection based on red-eye effects |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101441710A (zh) * | 2007-11-20 | 2009-05-27 | 上海银晨智能识别科技有限公司 | 防欺骗性人脸识别门禁***及防欺骗性进入的方法 |
CN102789572A (zh) * | 2012-06-26 | 2012-11-21 | 五邑大学 | 一种活体人脸安全认证装置及方法 |
CN103077382A (zh) * | 2013-01-08 | 2013-05-01 | 紫光股份有限公司 | 一种用于人脸识别***的真人鉴别装置 |
CN103106397A (zh) * | 2013-01-19 | 2013-05-15 | 华南理工大学 | 基于亮瞳效应的人脸活体检测方法 |
US8718320B1 (en) * | 2007-02-05 | 2014-05-06 | Vy Corporation | Codification of a time series of images |
CN104143078A (zh) * | 2013-05-09 | 2014-11-12 | 腾讯科技(深圳)有限公司 | 活体人脸识别方法、装置和设备 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3253125B2 (ja) * | 1991-07-04 | 2002-02-04 | 株式会社東芝 | カラー画像読取り補正装置 |
US6107637A (en) * | 1997-08-11 | 2000-08-22 | Hitachi, Ltd. | Electron beam exposure or system inspection or measurement apparatus and its method and height detection apparatus |
HU226937B1 (en) * | 2000-11-17 | 2010-03-29 | Mta Szegedi Biolog Koezpont | Method and apparatus for determining polarization amount of material by a laser scanning microscope |
WO2003021231A2 (en) * | 2001-09-05 | 2003-03-13 | Genicon Sciences Corporation | Method and apparatus for normalization and deconvolution of assay data |
GB0316631D0 (en) * | 2003-07-16 | 2003-08-20 | Omniperception Ltd | Facial liveness assessment system |
WO2008133790A1 (en) * | 2007-04-27 | 2008-11-06 | Lpa Systems, Inc. | System and method for analysis and display of geo-referenced imagery |
JP2012002541A (ja) | 2010-06-14 | 2012-01-05 | Sony Corp | 画像処理装置、画像処理方法、プログラム、及び電子機器 |
CN101964056B (zh) | 2010-10-26 | 2012-06-27 | 徐勇 | 一种具有活体检测功能的双模态人脸认证方法和*** |
WO2012085876A2 (en) * | 2010-12-23 | 2012-06-28 | Ariel-University Research And Development Company, Ltd. | Methods, devices, and uses for calculating a position using a global navigation satellite system |
US9097585B2 (en) * | 2011-09-08 | 2015-08-04 | William B. Sparks | Spectrographic polarimeter and method of recording state of polarity |
CN102622588B (zh) * | 2012-03-08 | 2013-10-09 | 无锡中科奥森科技有限公司 | 双验证人脸防伪方法及装置 |
WO2013183469A1 (en) * | 2012-06-07 | 2013-12-12 | Canon Kabushiki Kaisha | X-ray device and x-ray measurement method |
JP2014153817A (ja) | 2013-02-06 | 2014-08-25 | Toshiba Corp | 通行制御装置、その方法、及び、そのプログラム |
JP6126437B2 (ja) * | 2013-03-29 | 2017-05-10 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
JP6082321B2 (ja) * | 2013-06-10 | 2017-02-15 | 住友電気工業株式会社 | 手術用顕微鏡システム |
US9824276B2 (en) * | 2014-04-15 | 2017-11-21 | Open Range Consulting | System and method for assessing rangeland |
JP6471934B2 (ja) * | 2014-06-12 | 2019-02-20 | パナソニックIpマネジメント株式会社 | 画像認識方法、カメラシステム |
-
2015
- 2015-06-29 US US15/736,228 patent/US10621454B2/en not_active Expired - Fee Related
- 2015-06-29 CN CN201580000332.2A patent/CN105518711B/zh active Active
- 2015-06-29 WO PCT/CN2015/082643 patent/WO2017000116A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8718320B1 (en) * | 2007-02-05 | 2014-05-06 | Vy Corporation | Codification of a time series of images |
CN101441710A (zh) * | 2007-11-20 | 2009-05-27 | 上海银晨智能识别科技有限公司 | 防欺骗性人脸识别门禁***及防欺骗性进入的方法 |
CN102789572A (zh) * | 2012-06-26 | 2012-11-21 | 五邑大学 | 一种活体人脸安全认证装置及方法 |
CN103077382A (zh) * | 2013-01-08 | 2013-05-01 | 紫光股份有限公司 | 一种用于人脸识别***的真人鉴别装置 |
CN103106397A (zh) * | 2013-01-19 | 2013-05-15 | 华南理工大学 | 基于亮瞳效应的人脸活体检测方法 |
CN104143078A (zh) * | 2013-05-09 | 2014-11-12 | 腾讯科技(深圳)有限公司 | 活体人脸识别方法、装置和设备 |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203305B (zh) * | 2016-06-30 | 2020-02-04 | 北京旷视科技有限公司 | 人脸活体检测方法和装置 |
CN106203305A (zh) * | 2016-06-30 | 2016-12-07 | 北京旷视科技有限公司 | 人脸活体检测方法和装置 |
CN108292363B (zh) * | 2016-07-22 | 2022-05-24 | 日电实验室美国公司 | 用于防欺骗面部识别的活体检测 |
CN108292363A (zh) * | 2016-07-22 | 2018-07-17 | 日电实验室美国公司 | 用于防欺骗面部识别的活体检测 |
CN107886032A (zh) * | 2016-09-30 | 2018-04-06 | 阿里巴巴集团控股有限公司 | 终端设备、智能手机、基于脸部识别的认证方法和*** |
CN106663201A (zh) * | 2016-10-18 | 2017-05-10 | 厦门中控生物识别信息技术有限公司 | 一种手掌检测方法和设备 |
CN106599772A (zh) * | 2016-10-31 | 2017-04-26 | 北京旷视科技有限公司 | 活体验证方法和装置及身份认证方法和装置 |
CN106599772B (zh) * | 2016-10-31 | 2020-04-28 | 北京旷视科技有限公司 | 活体验证方法和装置及身份认证方法和装置 |
US10796178B2 (en) | 2016-12-15 | 2020-10-06 | Beijing Kuangshi Technology Co., Ltd. | Method and device for face liveness detection |
CN106529512A (zh) * | 2016-12-15 | 2017-03-22 | 北京旷视科技有限公司 | 活体人脸验证方法及装置 |
CN106529512B (zh) * | 2016-12-15 | 2019-09-10 | 北京旷视科技有限公司 | 活体人脸验证方法及装置 |
CN106599872A (zh) * | 2016-12-23 | 2017-04-26 | 北京旷视科技有限公司 | 用于验证活体人脸图像的方法和设备 |
CN108363939B (zh) * | 2017-01-26 | 2022-03-04 | 阿里巴巴集团控股有限公司 | 特征图像的获取方法及获取装置、用户认证方法 |
TWI752105B (zh) * | 2017-01-26 | 2022-01-11 | 香港商阿里巴巴集團服務有限公司 | 特徵圖像的獲取方法及獲取裝置、使用者認證方法 |
CN108363939A (zh) * | 2017-01-26 | 2018-08-03 | 阿里巴巴集团控股有限公司 | 特征图像的获取方法及获取装置、用户认证方法 |
CN108629260A (zh) * | 2017-03-17 | 2018-10-09 | 北京旷视科技有限公司 | 活体验证方法和装置及存储介质 |
CN108881674A (zh) * | 2017-06-05 | 2018-11-23 | 北京旷视科技有限公司 | 图像采集装置和图像处理方法 |
CN107633198A (zh) * | 2017-07-25 | 2018-01-26 | 百度在线网络技术(北京)有限公司 | 活体检测方法、装置、设备及存储介质 |
CN107832735A (zh) * | 2017-11-24 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 用于识别人脸的方法和装置 |
EP3719694A4 (en) * | 2018-01-04 | 2021-01-27 | Hangzhou Hikvision Digital Technology Co., Ltd. | LIVE BODY DETECTION OF THE HUMAN FACE ON THE BASIS OF A NEURAL NETWORK |
CN110008783A (zh) * | 2018-01-04 | 2019-07-12 | 杭州海康威视数字技术股份有限公司 | 基于神经网络模型的人脸活体检测方法、装置及电子设备 |
US11321963B2 (en) | 2018-01-04 | 2022-05-03 | Hangzhou Hikvision Digital Technology Co., Ltd. | Face liveness detection based on neural network model |
WO2019134536A1 (zh) * | 2018-01-04 | 2019-07-11 | 杭州海康威视数字技术股份有限公司 | 基于神经网络模型的人脸活体检测 |
WO2019205015A1 (en) * | 2018-04-25 | 2019-10-31 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for shaking action recognition based on facial feature points |
US10929984B2 (en) | 2018-04-25 | 2021-02-23 | Beijing Didi Infinity Technology And Development Co.. Ltd. | Systems and methods for shaking action recognition based on facial feature points |
CN109086718A (zh) * | 2018-08-02 | 2018-12-25 | 深圳市华付信息技术有限公司 | 活体检测方法、装置、计算机设备及存储介质 |
US11093773B2 (en) | 2018-09-10 | 2021-08-17 | Advanced New Technologies Co., Ltd. | Liveness detection method, apparatus and computer-readable storage medium |
US11210541B2 (en) | 2018-09-10 | 2021-12-28 | Advanced New Technologies Co., Ltd. | Liveness detection method, apparatus and computer-readable storage medium |
CN111382607A (zh) * | 2018-12-28 | 2020-07-07 | 北京三星通信技术研究有限公司 | 活体检测方法、装置及人脸认证*** |
CN111699495A (zh) * | 2019-01-16 | 2020-09-22 | 深圳市汇顶科技股份有限公司 | 反欺骗面部id感测 |
CN111699495B (zh) * | 2019-01-16 | 2024-02-02 | 深圳市汇顶科技股份有限公司 | 反欺骗面部id感测 |
CN110443192B (zh) * | 2019-08-01 | 2023-04-28 | 中国科学院重庆绿色智能技术研究院 | 一种基于双目图像的非交互式人脸活体检测方法及*** |
CN110443192A (zh) * | 2019-08-01 | 2019-11-12 | 中国科学院重庆绿色智能技术研究院 | 一种基于双目图像的非交互式人脸活体检测方法及*** |
CN110826535A (zh) * | 2019-12-02 | 2020-02-21 | 北京三快在线科技有限公司 | 一种人脸识别方法、***及装置 |
WO2021143216A1 (zh) * | 2020-01-17 | 2021-07-22 | 腾讯科技(深圳)有限公司 | 一种人脸活体检测的方法和相关装置 |
US11854310B2 (en) | 2020-01-17 | 2023-12-26 | Tencent Technology (Shenzhen) Company Limited | Face liveness detection method and related apparatus |
CN111460970A (zh) * | 2020-03-27 | 2020-07-28 | 深圳市商汤科技有限公司 | 活体检测方法和装置、人脸识别设备 |
WO2021219095A1 (zh) * | 2020-04-30 | 2021-11-04 | 华为技术有限公司 | 一种活体检测方法及相关设备 |
CN113591517A (zh) * | 2020-04-30 | 2021-11-02 | 华为技术有限公司 | 一种活体检测方法及相关设备 |
CN112597932A (zh) * | 2020-12-28 | 2021-04-02 | 上海汽车集团股份有限公司 | 一种活体检测方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US10621454B2 (en) | 2020-04-14 |
WO2017000116A1 (zh) | 2017-01-05 |
CN105518711B (zh) | 2019-11-29 |
US20180173979A1 (en) | 2018-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105518711A (zh) | 活体检测方法、活体检测***以及计算机程序产品 | |
CN109359548B (zh) | 多人脸识别监控方法及装置、电子设备及存储介质 | |
US10699103B2 (en) | Living body detecting method and apparatus, device and storage medium | |
CN105612533B (zh) | 活体检测方法、活体检测***以及计算机程序产品 | |
CN108875833B (zh) | 神经网络的训练方法、人脸识别方法及装置 | |
US9202121B2 (en) | Liveness detection | |
WO2019085403A1 (zh) | 一种人脸识别智能比对方法、电子装置及计算机可读存储介质 | |
KR101870689B1 (ko) | 영상 기반의 두피 진단 정보 제공 방법 | |
CN105184246A (zh) | 活体检测方法和活体检测*** | |
JP5287333B2 (ja) | 年令推定装置 | |
CN105637532A (zh) | 活体检测方法、活体检测***以及计算机程序产品 | |
CN105518708A (zh) | 用于验证活体人脸的方法、设备和计算机程序产品 | |
CN107609463B (zh) | 活体检测方法、装置、设备及存储介质 | |
CN108229375B (zh) | 用于检测人脸图像的方法和装置 | |
CN104091173A (zh) | 一种基于网络摄像机的性别识别方法及装置 | |
Shrivastava et al. | Conceptual model for proficient automated attendance system based on face recognition and gender classification using Haar-Cascade, LBPH algorithm along with LDA model | |
CN108388858B (zh) | 虹膜防伪方法与装置 | |
CN111027400A (zh) | 一种活体检测方法及装置 | |
CN113642639A (zh) | 活体检测方法、装置、设备和存储介质 | |
CN110688878B (zh) | 活体识别检测方法、装置、介质及电子设备 | |
KR20230017454A (ko) | 비대면 평가에서의 부정행위 방지 방법, 장치 및 프로그램 | |
KR20220017329A (ko) | 녹음 녹화 프로그램이 구비된 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 | |
CN112115747A (zh) | 活体检测和数据处理方法、设备、***及存储介质 | |
CN109409325B (zh) | 一种识别方法和电子设备 | |
KR20220016529A (ko) | 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant after: MEGVII INC. Applicant after: Beijing maigewei Technology Co., Ltd. Address before: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant before: MEGVII INC. Applicant before: Beijing aperture Science and Technology Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |