CN107169405B - 基于双目摄像机活体识别的方法及装置 - Google Patents
基于双目摄像机活体识别的方法及装置 Download PDFInfo
- Publication number
- CN107169405B CN107169405B CN201710160685.XA CN201710160685A CN107169405B CN 107169405 B CN107169405 B CN 107169405B CN 201710160685 A CN201710160685 A CN 201710160685A CN 107169405 B CN107169405 B CN 107169405B
- Authority
- CN
- China
- Prior art keywords
- face
- binocular camera
- living body
- key point
- light
- 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.)
- Active
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
- G06V40/161—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
-
- 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)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement Of Optical Distance (AREA)
Abstract
本发明提供一种基于双目摄像机活体识别的方法,包括:利用双目摄像机采集对象在可见光与红外光下分别对应的人脸图像;提取两种光线下人脸图像中各自对应的人脸关键点;获取目标对象反射在所述双目摄像机中人脸关键点坐标向量;根据人脸关键点坐标向量进行测距,计算人脸图像到摄像机的距离;在同一频率且同一距离的光源下,计算人脸关键点坐标向量的光强度是否在预设范围内,根据计算结果判断提供人脸的对象是否为活体。本发明还提供一种基于双目摄像机活体识别的装置。在获取该光源频率的情况下,根据不同材质在同一距离下反射的光强度判别该对象是否为活体,从而不需要额外的购买其它设备,节省了制作成本。
Description
技术领域
本发明涉及人脸识别技术领域,特别是涉及一种基于双目摄像机活体识别的方法及装置。
背景技术
随着安防的技术不断更新,人脸识别技术应用在生活中也越来越广泛。尤其在政府部门、边关和金融行业,对安全防护有着不可替代的智能安全监控的作用。人脸识别技术日趋成熟,商业化应用愈加广泛、但是,人脸极易用照片、视频等方式进行复制,因此对合法用户人脸的假冒,是人脸识别,尤其是活体人脸识别认证***构成重要的威胁。这些年来,活体人脸检测技术取得了一些进展,但在实际应用现有的方法的安全可靠性、以及成本性不能得到很高的平衡。
然而,现有的活体人脸识别技术,主要通过一个普通的摄像头检测是否满足人脸特征,仍容易被假冒的塑胶等实体头像骗过。还有的是通过专业级的红外辐射热成像镜头,通过扫描活体人体脸部的细微生物特征,甚至细微到能看到活体脸部内部的血管分布。但这种设备非常昂贵,这就造成了只能适合某些特定的场合,而不能得到广泛的使用。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于双目摄像机活体识别的方法及装置,用于解决现有技术中鉴别人脸对象是否为活体的问题。
为实现上述目的及其他相关目的,本发明提供一种基于双目摄像机活体识别的方法,包括:
利用双目摄像机采集对象在可见光与红外光下分别对应的人脸图像;
提取两种光频率下人脸图像中各自对应的人脸关键点;
获取目标对象反射在所述双目摄像机中人脸关键点坐标向量;
根据人脸关键点坐标向量进行测距,计算人脸图像到摄像机的距离;
在同一频率且同一距离的光源下,计算人脸关键点坐标向量的光强度是否在预设范围内,根据计算结果判断提供人脸的对象是否为活体。
本发明的另一目的在于提供一种基于双目摄像机活体识别的装置,包括:
采集模块,利用双目摄像机采集对象在可见光与红外光下分别对应的人脸图像;
提取模块,用于提取两种光频率下人脸图像中各自对应的人脸关键点;
获取模块,用于获取目标对象反射在所述双目摄像机中人脸关键点坐标向量;
计算模块,用于根据人脸关键点坐标向量进行测距,计算人脸图像到摄像机的距离;
处理模块,在同一频率且同一距离的光源下,计算人脸关键点坐标向量的光强度是否在预设范围内,根据计算结果判断提供人脸的对象是否为活体。
如上所述,本发明的基于双目摄像机活体识别的方法及装置,具有以下有益效果:
本发明通过使用双目摄像机采集对象的人脸图像,获取对象反射在双目摄像机的人脸图像内的人脸关键点坐标向量,通过人脸关键点坐标向量计算目标对象到双目摄像机的距离,在获取该光源频率的情况下,根据不同材质在同一距离下反射的光强度判别该对象是否为活体,从而不需要额外的购买其它设备,如:多频率光源、多频率接收器,节省了制作成本。
附图说明
图1显示为本发明提供的一种基于双目摄像机活体识别的方法流程图;
图2显示为本发明提供的一种基于双目摄像机测距原理图;
图3显示为图1内的一种基于双目摄像机活体识别的方法中步骤S5流程图;
图4-a、4-b显示为皮肤与纸张材质的人脸对象分别在1450nm光源与850nm的光源各自在不同距离对应的反射光强关系图;
图5显示为本发明提供的一种1450nm光源与850nm的光源各自在不同距离对应的反射光强关系图;
图6显示为本发明提供的一种于双目摄像机活体识别的装置结构框图;
图7显示为本发明提供的一种基于双目摄像机测距的装置中处理模块的结构框图。
元件标号说明:
1 采集模块
2 提取模块
3 获取模块
4 计算模块
5 处理模块
51 处理单元
52 判断单元
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
请参阅图1,显示为本发明提供的一种基于双目摄像机活体识别的方法流程图,包括:
步骤S1,利用双目摄像机采集对象在可见光与红外光下分别对应的人脸图像;
其中,所述双目摄像机其中一个为可见光摄像机,另一个为红外摄像机,针对同一对象分别录制视频信息,检测所述视频信息的人脸区域生成对应的人脸图像。
步骤S2,提取两种光频率下人脸图像中各自对应的人脸关键点;
其中,基于几何特征的识别方法,根据人脸图象的灰度特性用投影图和特征描述相匹配的算法初步确定了人脸各部分的位置。然后,利用投影法和模板匹配法准确地确定了瞳孔的位置及其它面部特征,从而达到提取人脸关键点的目的。
步骤S3,获取目标对象反射在所述双目摄像机中人脸关键点坐标向量;
其中,根据选中对象分别对应双目摄像机在可见光与红外光下分别对应的人脸图像,确定其对应在各个人脸图像中的人脸关键点坐标向量。
步骤S4,根据人脸关键点坐标向量进行测距,计算人脸图像到摄像机的距离;
其中,将双目摄像头所对应的人脸图像的同一人脸关键特征点,基于双目立体视觉测距,计算人脸图像到摄像机的距离。
步骤S5,在同一频率且同一距离的光源下,计算人脸关键点坐标向量的光强度是否在预设范围内,根据计算结果判断提供人脸的对象是否为活体。
本发明通过使用双目摄像机采集对象的人脸图像,获取对象反射在双目摄像机的人脸图像内的人脸关键点坐标向量,通过人脸关键点坐标向量计算目标对象到双目摄像机的距离,在获取该光源频率的情况下,根据不同材质在同一距离下反射的光强度判别该对象是否为活体,从而不需要额外的购买其它设备,如:多频率光源、多频率接收器,节省了制作成本。
在本实施例中,在步骤S4之前还包括:采用帧平均的方式对同一人脸的关键点坐标向量进行平均,计算得到每个关键点的平均坐标值。相对于传统的双目摄像机的两个摄像机检测到的人脸直接提取人脸关键点得到其对应在图像上的坐标,避免了因为双目摄像机视角不同、光照影响与红外/可见光的差异会导致关键点检测不准,再或者,双目摄像机针对于同一关键点的检测结果会出现几个像素的偏差,在摄像机焦距与基线固定的转况下,极容易影响测距结果。而采用帧平均的方式,连续3或5帧等图像,针对同一人脸的关键点向量坐标进行平均,计算每个关键点的平均坐标值,从而较好的稳定关键点,有效的减小了关键点误差而引起的距离浮动。
在本实施例中,如图2所示,为本发明提供的一种基于双目摄像机测距原理图,包括一套完美标准双目摄像机的数学模型,x(Left)和x(Right)分别表示同一点在左右摄像机画面上的水平位置,为两个参数相同的平行放置的摄像机,其中,一个为红外线,另一个为可见光,P点为真实对象的坐标,基线距B两端对应左右图像中分别为焦点,它们与P点之间对应在左、右图的成像点,深度与视差成反比关系。f为双目摄像机的焦距,T为双目摄像机的基线距。视差定义为d=x(Right)-x(Left)。利用相似三角形可以推导出深度Z值
其中,双目摄像机的基线距对测距的影响较大,基线距越大,测距精度越高。
如图3所示,显示为图1内的一种基于双目摄像机活体识别的方法中步骤S5流程图,包括:
步骤S5.1,在同一频率同一距离下,根据不同材质所对应的人脸图像接收的光强度不同;采用Lambertian反射模型计算人脸关键点坐标向量的光强度;
其中,所述同一频率的光源可同时采用波段为1450nm和850nm的光源,获取对象点(x,y)处的反射光强度可表示:
I(x,y)=A0(x,y)*r(x,y)*cosθ(x,y) (1)
A0(x,y)表示在点(x,y)处接收到的光强度,r(x,y)表示点(x,y)处的材质反射率,θ(x,y)表示人脸点(x,y)处的法向量和接收器之间夹角,其中,光强度衰减可表示为A0=Ae-cd,其中,A是光源光强,c是空气中的衰减因子,d是光源和接收器之间的距离,我们可以把这个公式简化为D(d),它是一个关于光源和接收器之间距离的单调减函数,将其改写成公式(2):
I(x,y)=A(x,y)*r(x,y)*cosθ(x,y)*D(d) (2)
在一个指定范围内的接收到的光强度可以通过以下方式得到,其中,AVE为方差值:
ave=J(x,y)∈ΩI(x,y)dxdy=ArD(d)J(x,y)∈Ωcosθ(x,y)dxdy (3)
表示在在同一光源下,接收到的光强度和材质反射率和距离有关,在同一距离同一材质下,接收到的不同频率的光强度是不同的,而在同一频率同一距离下,接收到的不同材质的光强度是不同的,如图4-a、4-b分别显示为皮肤与纸张材质的人脸对象分别在1450nm光源与850nm的光源各自在不同距离对应的反射光强关系图,其中,图4-a为皮肤与纸张材质的人脸对象分别在1450nm光源下在不同距离接收的光强,图4-b为皮肤与纸张材质的人脸对象分别在850nm光源下在不同距离接收的光强,在同等距离非皮肤材质人脸(纸质照片)明显反射的光强高于皮肤材质的人脸。图5为本发明提供的一种1450nm光源与850nm的光源各自在不同距离对应的反射光强关系图,其中,有高质量的照片、质量一般的照片、以及皮肤下真实人脸分别在不同光源下的反射光强,通过在距离为20至40cm这个范围值内,可清晰的辨别皮肤材质与纸质材质的人脸面孔,即区分提供人脸的对象是否为活体。
上述方法不仅仅需要两种额外的非可见光光源,还需要对应的接收器,产品设计麻烦。而且无法在目前用户已有的设备上进行运作。本申请中优选Lambertian反射模型,针对于同一区域接收到的光强度不仅是和材质折射率有关,同时,也是关于距离的单调减函数,因此,一个可见光和一个红外摄像机组成的双目摄像机***,利用850nm下的红外摄像机采集此频率下的人脸或者纸片人脸反射光强度(灰度值),同时,利用双目摄像机估计人脸到摄像机的距离,利用了帧平均的策略尽可能的稳定关键点坐标,通过稳定关键点坐标就稳定了人脸到摄像机的距离。通过得到的光强度(灰度值)和此时的距离,将采集的数据做一个划分判断。
步骤S5.2,判断所述光强度是否在预设范围内,如果是,则提供所述人脸的对象为活体;如果不是,则提供人脸的对象不为活体。
在本实施例中,选择同一频率的光源,根据不同频率的光源在不同距离下反射的灰度值,可明显的区分像素点,达到鉴别对象是否为活体的目的。如果光强度(灰度值)在预设范围内,则判断该对象为活体,如果光强度(灰度值)不在预设范围内,则判断该对象不为活体。
具体地,在本实施例中,利用分类器,如SVM进行训练,即可区分是否为活体,一般的有效距离在34~90cm之间。在本申请中选择的反射光强图像是基于双目摄像机的基线距为17mm时所获取,而一般采用基线距100mm或者更大基线距双目摄像***,可进一步提高判别人脸是否为活体的精确度。
如图6所示,为本发明的另一目的在于提供一种基于双目摄像机活体识别的装置,包括:
采集模块1,利用双目摄像机采集对象在可见光与红外光下分别对应的人脸图像;
提取模块2,用于提取两种光线下人脸图像中各自对应的人脸关键点;
获取模块3,用于获取目标对象反射在所述双目摄像机中人脸关键点坐标向量;
计算模块4,用于根据人脸关键点坐标向量进行测距,计算人脸图像到摄像机的距离;
处理模块5,在同一频率且同一距离的光源下,计算人脸关键点坐标向量的光强度是否在预设范围内,根据计算结果判断提供人脸的对象是否为活体。
如图7所示,为本发明提供的一种基于双目摄像机测距的装置中处理模块的结构框图,包括:
处理单元51,用于在同一频率同一距离下,根据不同材质所对应的人脸图像接收的光强度不同;采用Lambertian反射模型计算人脸关键点坐标向量的光强度;
判断单元52,用于判断所述光强度是否在预设范围内,如果是,则提供所述人脸的对象为活体;如果不是,则提供人脸的对象不为活体。
综上所述,本发明通过使用双目摄像机采集对象的人脸图像,获取对象反射在双目摄像机的人脸图像内的人脸关键点坐标向量,通过人脸关键点坐标向量计算目标对象到双目摄像机的距离,在获取该光源频率的情况下,根据不同材质在同一距离下反射的光强度判别该对象是否为活体,从而不需要额外的购买其它设备,如:多频率光源、多频率接收器,节省了制作成本。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种基于双目摄像机活体识别的方法,其特征在于,包括:
利用双目摄像机采集对象在可见光与红外光下分别对应的人脸图像;
提取两种光频率下人脸图像中各自对应的人脸关键点;
根据目标对象反射在所述双目摄像机中人脸关键点确定该对象在人脸图像中的人脸关键点坐标向量;
根据人脸关键点坐标向量进行测距,计算人脸图像到摄像机的距离;
在同一频率且同一距离的光源下,利用Lambertian反射模型计算人脸关键点坐标向量的光强度是否在预设范围内,根据计算结果判断提供人脸的对象是否为活体。
2.根据权利要求1所述的基于双目摄像机活体识别的方法,其特征在于,所述根据人脸关键点坐标向量进行测距的步骤之前,还包括:
采用帧平均的方式对同一人脸的关键点坐标向量进行平均,计算得到每个关键点的平均坐标值。
3.根据权利要求1所述的基于双目摄像机活体识别的方法,其特征在于,所述利用双目摄像机采集对象在可见光与红外光下分别对应的人脸图像的步骤,包括:
所述双目摄像机其中一个为可见光摄像机,另一个为红外摄像机,针对同一对象分别录制视频信息,检测所述视频信息的人脸区域生成对应的人脸图像。
4.根据权利要求1所述的基于双目摄像机活体识别的方法,其特征在于,所述计算人脸图像到摄像机的距离的步骤,包括:
将双目摄像头所对应的人脸图像的同一人脸关键特征点,基于双目立体视觉测距,计算人脸图像到摄像机的距离。
5.根据权利要求1所述的基于双目摄像机活体识别的方法,其特征在于,所述计算人脸关键点坐标向量的光强度是否在预设范围内,根据计算结果判断提供人脸的对象是否为活体的步骤,包括:
在同一频率同一距离下,根据不同材质所对应的人脸图像接收的光强度不同;采用Lambertian反射模型计算人脸关键点坐标向量的光强度;
判断所述光强度是否在预设范围内,如果是,则提供所述人脸的对象为活体;如果不是,则提供人脸的对象不为活体。
6.一种基于双目摄像机活体识别的装置,其特征在于,包括:
采集模块,利用双目摄像机采集对象在可见光与红外光下分别对应的人脸图像;
提取模块,用于提取两种光频率下人脸图像中各自对应的人脸关键点;
获取模块,用于根据目标对象反射在所述双目摄像机中人脸关键点确定该对象在人脸图像中的人脸关键点坐标向量;
计算模块,用于根据人脸关键点坐标向量进行测距,计算人脸图像到摄像机的距离;
处理模块,在同一频率且同一距离的光源下,利用Lambertian反射模型计算人脸关键点坐标向量的光强度是否在预设范围内,根根据计算结果判断提供人脸的对象是否为活体。
7.根据权利要求6所述的基于双目摄像机活体识别的装置,其特征在于,所述计算模块之前包括:
优化模块,采用帧平均的方式对同一人脸的关键点坐标向量进行平均,计算得到每个关键点的平均坐标值。
8.根据权利要求6所述的基于双目摄像机活体识别的装置,其特征在于,所述采集模块具体包括:
所述双目摄像机其中一个为可见光摄像机,另一个为红外摄像机,针对同一对象分别录制视频信息,检测所述视频信息的人脸区域生成对应的人脸图像。
9.根据权利要求6所述的基于双目摄像机活体识别的装置,其特征在于,所述计算模块具体包括:
将双目摄像头所对应的人脸图像的同一人脸关键特征点,基于双目立体视觉测距,计算人脸图像到摄像机的距离。
10.根据权利要求6所述的基于双目摄像机活体识别的装置,其特征在于,所述处理模块包括:
处理单元,用于在同一频率同一距离下,根据不同材质所对应的人脸图像接收的光强度不同;采用Lambertian反射模型计算人脸关键点坐标向量的光强度;
判断单元,用于判断所述光强度是否在预设范围内,如果是,则提供所述人脸的对象为活体;如果不是,则提供人脸的对象不为活体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710160685.XA CN107169405B (zh) | 2017-03-17 | 2017-03-17 | 基于双目摄像机活体识别的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710160685.XA CN107169405B (zh) | 2017-03-17 | 2017-03-17 | 基于双目摄像机活体识别的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107169405A CN107169405A (zh) | 2017-09-15 |
CN107169405B true CN107169405B (zh) | 2020-07-03 |
Family
ID=59848776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710160685.XA Active CN107169405B (zh) | 2017-03-17 | 2017-03-17 | 基于双目摄像机活体识别的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107169405B (zh) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832712A (zh) * | 2017-11-13 | 2018-03-23 | 深圳前海微众银行股份有限公司 | 活体检测方法、装置和计算机可读存储介质 |
CN107992811A (zh) * | 2017-11-27 | 2018-05-04 | 北京小米移动软件有限公司 | 人脸识别方法及装置 |
CN108535252A (zh) * | 2018-02-23 | 2018-09-14 | 广州市派客朴食信息科技有限责任公司 | 一种双目立体视觉食物识别方法 |
CN108629298A (zh) * | 2018-04-23 | 2018-10-09 | Oppo广东移动通信有限公司 | 人脸识别方法、电子装置和非易失性计算机可读存储介质 |
CN108629305B (zh) * | 2018-04-27 | 2021-10-22 | 广州市中启正浩信息科技有限公司 | 一种面部识别方法 |
CN110826366A (zh) * | 2018-08-10 | 2020-02-21 | 北京魔门塔科技有限公司 | 一种夜晚用于数据分析的人脸图像采集*** |
CN109376595B (zh) * | 2018-09-14 | 2023-06-23 | 杭州宇泛智能科技有限公司 | 基于人眼注意力的单目rgb摄像头活体检测方法及*** |
CN109376643A (zh) * | 2018-10-16 | 2019-02-22 | 杭州悉住信息科技有限公司 | 人脸识别方法及*** |
CN111079473A (zh) * | 2018-10-19 | 2020-04-28 | 北京奇虎科技有限公司 | 性别识别方法、装置、电子设备及计算机可读存储介质 |
CN109685014A (zh) * | 2018-12-25 | 2019-04-26 | 努比亚技术有限公司 | 面部识别方法、装置、移动终端及存储介质 |
CN111382654B (zh) * | 2018-12-29 | 2024-04-12 | 北京市商汤科技开发有限公司 | 图像处理方法和装置以及存储介质 |
CN110163097A (zh) * | 2019-04-16 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 三维头像真伪性的鉴别方法、装置、电子设备及存储介质 |
CN110337656A (zh) * | 2019-05-27 | 2019-10-15 | 深圳市汇顶科技股份有限公司 | 用于人脸识别的光学传感器、装置、方法和电子设备 |
CN112036222B (zh) * | 2019-06-04 | 2023-12-29 | 星宸科技股份有限公司 | 脸部辨识***及方法 |
CN112419399A (zh) * | 2019-08-23 | 2021-02-26 | 北京七鑫易维信息技术有限公司 | 一种图像测距方法、装置、设备和存储介质 |
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 |
CN110796067A (zh) * | 2019-10-27 | 2020-02-14 | 恒大智慧科技有限公司 | 智慧社区内车辆起步的自动预警方法、设备及存储介质 |
CN110909693B (zh) * | 2019-11-27 | 2023-06-20 | 深圳华付技术股份有限公司 | 3d人脸活体检测方法、装置、计算机设备及存储介质 |
CN111209870A (zh) * | 2020-01-09 | 2020-05-29 | 杭州涂鸦信息技术有限公司 | 一种双目活体摄像头快速配准方法及其***和装置 |
CN111444763B (zh) * | 2020-02-24 | 2023-07-18 | 珠海格力电器股份有限公司 | 一种安防控制方法、装置、存储介质及空调 |
CN111881727B (zh) * | 2020-06-16 | 2024-02-06 | 深圳数联天下智能科技有限公司 | 一种基于热成像的活体甄别方法、装置、设备及存储介质 |
CN111780673B (zh) * | 2020-06-17 | 2022-05-31 | 杭州海康威视数字技术股份有限公司 | 一种测距方法、装置及设备 |
CN113834571A (zh) * | 2020-06-24 | 2021-12-24 | 杭州海康威视数字技术股份有限公司 | 一种目标测温方法、装置及测温*** |
CN112070021A (zh) * | 2020-09-09 | 2020-12-11 | 深圳数联天下智能科技有限公司 | 基于人脸检测的测距方法、测距***、设备和存储介质 |
CN112254821B (zh) * | 2020-10-16 | 2021-12-14 | 盈合(深圳)机器人与自动化科技有限公司 | 通过视觉测距补偿体温检测精度的方法及装置 |
CN112504472A (zh) * | 2020-11-26 | 2021-03-16 | 浙江大华技术股份有限公司 | 一种热成像仪及热成像方法、存储介质 |
CN112488018A (zh) * | 2020-12-09 | 2021-03-12 | 巽腾(广东)科技有限公司 | 双目活体检测方法、装置、设备和存储介质 |
CN112580578A (zh) * | 2020-12-28 | 2021-03-30 | 珠海亿智电子科技有限公司 | 双目活体摄像头人脸测距方法及*** |
CN113158877A (zh) * | 2021-04-16 | 2021-07-23 | 上海云从企业发展有限公司 | 成像偏差分析及活体检测方法、装置及计算机存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834901A (zh) * | 2015-04-17 | 2015-08-12 | 北京海鑫科金高科技股份有限公司 | 一种基于双目立体视觉的人脸检测方法、装置及*** |
CN105023010A (zh) * | 2015-08-17 | 2015-11-04 | 中国科学院半导体研究所 | 一种人脸活体检测方法及*** |
CN105260731A (zh) * | 2015-11-25 | 2016-01-20 | 商汤集团有限公司 | 一种基于光脉冲的人脸活体检测***及方法 |
CN106372629A (zh) * | 2016-11-08 | 2017-02-01 | 汉王科技股份有限公司 | 一种活体检测方法和装置 |
CN106372601A (zh) * | 2016-08-31 | 2017-02-01 | 上海依图网络科技有限公司 | 一种基于红外可见双目图像的活体检测方法及装置 |
-
2017
- 2017-03-17 CN CN201710160685.XA patent/CN107169405B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834901A (zh) * | 2015-04-17 | 2015-08-12 | 北京海鑫科金高科技股份有限公司 | 一种基于双目立体视觉的人脸检测方法、装置及*** |
CN105023010A (zh) * | 2015-08-17 | 2015-11-04 | 中国科学院半导体研究所 | 一种人脸活体检测方法及*** |
CN105260731A (zh) * | 2015-11-25 | 2016-01-20 | 商汤集团有限公司 | 一种基于光脉冲的人脸活体检测***及方法 |
CN106372601A (zh) * | 2016-08-31 | 2017-02-01 | 上海依图网络科技有限公司 | 一种基于红外可见双目图像的活体检测方法及装置 |
CN106372629A (zh) * | 2016-11-08 | 2017-02-01 | 汉王科技股份有限公司 | 一种活体检测方法和装置 |
Non-Patent Citations (8)
Title |
---|
Face Liveness Detection Based on Texture and Frequency Analyses;Gahyun Kim等;《2015 5th IAPR International Conference on Biometrics》;20120806;第67-72页 * |
Face Liveness Detection by Learning Multispectral Reflectance Distributions;Zhiwei Zhang等;《Face and Gesture 2011》;20110519;第436-441页 * |
Face Spoofing Detection From Single Images Using Micro-Texture Analysis;Jukka Maatta等;《ResearchGate》;20111031;第1-7页 * |
Masked fake face detection using radiance measurements;Youngshin Kim等;《Optical Society of America》;20090430;第26卷(第4期);第760-766页 * |
The Imaging Issue in an Automatic Face/Disguise Detection System;Ioannis Pavlidis等;《Proceedings IEEE Workshop on Computer Vision Beyond the Visible Spectrum:Methods and Applications》;20020806;第1-10页 * |
基于多光谱成像的人脸活体检测;王悦扬;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140615(第6期);I138-1039 * |
多光谱人脸活体检测特征的研究;胡妙春;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150915(第9期);I138-1428 * |
应用于人脸识别中的反照片欺骗检测方法研究;李翼;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120415(第4期);I138-2277 * |
Also Published As
Publication number | Publication date |
---|---|
CN107169405A (zh) | 2017-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107169405B (zh) | 基于双目摄像机活体识别的方法及装置 | |
CN108764091B (zh) | 活体检测方法及装置、电子设备和存储介质 | |
CN109583285B (zh) | 对象识别方法 | |
CN107025635B (zh) | 基于景深的图像饱和度的处理方法、处理装置和电子装置 | |
US10083522B2 (en) | Image based measurement system | |
CN108985210A (zh) | 一种基于人眼几何特征的视线追踪方法及*** | |
US8059870B2 (en) | Time-of-flight sensor-assisted iris capture system and method | |
US20170091550A1 (en) | Multispectral eye analysis for identity authentication | |
US20160019421A1 (en) | Multispectral eye analysis for identity authentication | |
WO2017036160A1 (zh) | 人脸识别的眼镜消除方法 | |
US20160019420A1 (en) | Multispectral eye analysis for identity authentication | |
KR20170099838A (ko) | 지문 인식의 실시간 검증을 위한 도구인 모빌리티가 부여된 생체인증 장치 | |
JP2017016192A (ja) | 立体物検知装置及び立体物認証装置 | |
CN108764071A (zh) | 一种基于红外和可见光图像的真实人脸检测方法及装置 | |
CN111160136B (zh) | 一种标准化3d信息采集测量方法及*** | |
CN104834901A (zh) | 一种基于双目立体视觉的人脸检测方法、装置及*** | |
KR101172898B1 (ko) | 얼굴 인식 시스템에서의 위조 검출 방법 | |
CN105740778A (zh) | 一种改进的三维人脸活体检测方法及其装置 | |
EP3213504B1 (en) | Image data segmentation | |
US20170186170A1 (en) | Facial contour recognition for identification | |
JP2021531601A (ja) | ニューラルネットワーク訓練、視線検出方法及び装置並びに電子機器 | |
CN114930142A (zh) | 用于取得眼科镜片的光学参数的方法和*** | |
CN107592491B (zh) | 视频通信背景显示方法和装置 | |
CN107613239B (zh) | 视频通信背景显示方法和装置 | |
CN107368817B (zh) | 人脸识别方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200817 Address after: No.99, Jingrong South 3rd Street, Jiancha street, Tianfu New District, Chengdu 610000 China (Sichuan) pilot Free Trade Zone, Chengdu Patentee after: Sichuan Yuncong Tianfu Artificial Intelligence Technology Co., Ltd Address before: 201203 Shanghai City, Pudong New Area China Zuchongzhi Road (Shanghai) Free Trade Zone No. 1077 Building 2 room 1135-A Patentee before: SHANGHAI YUNCONG ENTERPRISE DEVELOPMENT Co.,Ltd. |