CN107292290A - 人脸活体识别方法及相关产品 - Google Patents

人脸活体识别方法及相关产品 Download PDF

Info

Publication number
CN107292290A
CN107292290A CN201710582651.XA CN201710582651A CN107292290A CN 107292290 A CN107292290 A CN 107292290A CN 201710582651 A CN201710582651 A CN 201710582651A CN 107292290 A CN107292290 A CN 107292290A
Authority
CN
China
Prior art keywords
facial image
accounting
eyeball
image
face
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
Application number
CN201710582651.XA
Other languages
English (en)
Other versions
CN107292290B (zh
Inventor
唐城
张学勇
周意保
周海涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201710582651.XA priority Critical patent/CN107292290B/zh
Publication of CN107292290A publication Critical patent/CN107292290A/zh
Priority to AU2018302049A priority patent/AU2018302049B2/en
Priority to PCT/CN2018/091875 priority patent/WO2019015434A1/en
Priority to EP18178453.9A priority patent/EP3432202B1/en
Priority to US16/027,708 priority patent/US10733425B2/en
Application granted granted Critical
Publication of CN107292290B publication Critical patent/CN107292290B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/161—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
    • G06V40/172—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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ophthalmology & Optometry (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Telephone Function (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种人脸活体识别方法及相关产品，该方法包括：当移动终端接收到人脸采集指令时，通过前置摄像头在前置发光光源关闭时采集第一人脸图像；通过前置摄像头在前置发光光源开启时采集第二人脸图像；判断第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值；若是，确定采集到的人脸图像为活体人脸图像。本发明实施例可以快速检测人脸是否为活体，提高人脸识别的安全性。

Description

人脸活体识别方法及相关产品
技术领域
本发明涉及移动终端技术领域，具体涉及一种人脸活体识别方法及相关产品。
背景技术
随着手机、平板电脑等移动终端的普及，现代生活人们基本上已是人手一台手机。为了保证手机的安全性，目前的手机一般都采用指纹识别、人脸识别等生物识别技术。其中，人脸识别以其识别速度快等优点，已经广泛应用于手机解锁、移动支付等各个方面。
然而，人脸容易被伪造，安全性较低。例如，不法分子获取到手机主人照片后，可以利用手机主人脸照片进行人脸识别。可见，目前的人脸识别的安全性较低。
发明内容
本发明实施例提供了一种人脸活体识别方法及相关产品，可以快速检测人脸是否为活体。
本发明实施例第一方面提供一种人脸活体识别方法，
所述方法包括：
当接收到人脸采集指令时，通过前置摄像头在前置发光光源关闭时采集第一人脸图像；
通过所述前置摄像头在所述前置发光光源开启时采集第二人脸图像；
判断所述第一人脸图像中的眼球区域占比与所述第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值；
若是，确定采集到的人脸图像为活体人脸图像。
本发明实施例第二方面提供一种移动终端，包括前置发光光源、前置摄像头以及应用处理器AP，其中：
所述前置摄像头，用于接收到人脸采集指令时，在所述前置发光光源关闭时采集第一人脸图像；
所述前置摄像头，还用于在所述前置发光光源开启时采集第二人脸图像；
所述AP，用于判断所述第一人脸图像中的眼球区域占比与所述第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值；
所述AP，还用于当所述第一人脸图像中的眼球区域占比与所述第二人脸图像中的眼球区域占比的差值的绝对值大于所述预设阈值时，确定采集到的人脸图像为活体人脸图像。
本发明实施例第三方面提供一种移动终端，包括前置发光光源、前置摄像头、应用处理器AP以及存储器，所述存储器用于存储一个或多个程序，所述一个或多个程序被配置成由所述AP执行，所述程序包括用于执行以下步骤的指令：
当接收到人脸采集指令时，通过所述前置摄像头在所述前置发光光源关闭时采集第一人脸图像；
通过所述前置摄像头在所述前置发光光源开启时采集第二人脸图像；
判断所述第一人脸图像中的眼球区域占比与所述第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值；
若是，确定采集到的人脸图像为活体人脸图像。
本发明实施例第四方面提供一种移动终端，所述移动终端包括采集单元、判断单元和确定单元，其中：
所述采集单元，用于接收到人脸采集指令时，通过前置摄像头在前置发光光源关闭时采集第一人脸图像；
所述采集单元，还用于通过所述前置摄像头在所述前置发光光源开启时采集第二人脸图像；
所述判断单元，用于判断所述第一人脸图像中的眼球区域占比与所述第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值；
所述确定单元，用于当所述判断单元判断结果为是时，确定采集到的人脸图像为活体人脸图像。
本发明实施例第五方面提供一种计算机可读存储介质，所述计算机可读存储介质用于存储电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如本发明实施例第一方面任一方法中所描述的部分或全部步骤。
本发明实施例第六方面提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如本发明实施例第一方面任一方法中所描述的部分或全部步骤。
本发明实施例中的人脸活体识别方法，移动终端在进行人脸活体识别时，可以利用前置发光光源在关闭和开启时分别采集第一人脸图像和第二人脸图像，利用人眼在强光下眯眼或者闭眼的特性来判断采集的人脸图像是否为活体人脸图像，识别算法简单，可以快速检测人脸是否为活体，提高人脸识别的安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1a是本发明实施例公开的人脸识别的工作原理示意图；
图1b是本发明实施例公开的一种移动终端的结构示意图；
图2是本发明实施例公开的一种人脸活体识别方法的流程示意图；
图3是本发明实施例公开的另一种人脸活体识别方法的流程示意图；
图4是本发明实施例公开的另一种人脸活体识别方法的流程示意图；
图5是本发明实施例公开的另一种移动终端的结构示意图；
图6是本发明实施例公开的另一种移动终端的结构示意图；
图7是本发明实施例公开的又一种移动终端的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明实施例所涉及到的移动终端可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(User Equipment，UE)，移动台(Mobile Station，MS)，终端设备(terminaldevice)等等。为方便描述，上面提到的设备统称为移动终端。
下面对本发明实施例进行详细介绍。
为了更好的理解本发明实施例，首先对本发明实施例中的人脸识别的工作原理进行介绍。请参阅图1a，图1a是本发明实施例公开的人脸识别的工作原理示意图。图1a中的人脸识别应用于移动终端，移动终端以手机为例。如图1a所示，前置发光光源110、前置摄像头120均设置在手机10的正面，其中，前置摄像头120用于采集人脸图像。应用处理器(Application Processor，AP)130对采集的人脸图像进行处理后与预先存储的人脸图像模板进行匹配，当匹配成功后，即认为通过人脸识别验证。其中，前置发光光源110可以是前置闪光灯，用于辅助判断采集到的人脸图像是否为活体人脸图像。其中，AP130无法直接从手机10外观上直接看到，故图1a中用虚线进行表示。
请参阅图1b，图1b是本发明实施例公开的一种移动终端的结构示意图，如图1b所示，该移动终端100包括应用处理器(Application Processor，AP)101、前置发光光源102以及前置摄像头103其中，AP101通过总线104连接前置发光光源102以及前置摄像头103。
前置摄像头103，用于当移动终端100接收到人脸采集指令时，在前置发光光源102关闭时采集第一人脸图像。
移动终端100可以接收基于用户在触控显示屏上的输入操作而触发产生的人脸采集指令。例如，当应用场景为屏幕解锁场景时，当触控显示屏被点亮之后，触控显示屏上可以弹出选择提示框，用于引导用户选择“虹膜识别”、“指纹识别”和“人脸识别”中的一种。当用户点击选择提示框中的“人脸识别”时，即可触发产生人脸采集指令。移动终端100也可以在检测到用户拿起移动终端100的时候触发产生人脸采集指令。例如，应用场景为屏幕解锁场景时，当移动终端100的姿态传感器(例如，重力传感器、三轴陀螺仪、三轴加速度传感器等)检测到用户有抬起移动终端100的动作，即可触发移动终端100产生人脸采集指令。
前置摄像头103，还用于在前置发光光源102开启时采集第二人脸图像。
其中，前置发光光源102可以是前置闪光灯，也可以是显示屏背光源，也可以是前置闪光灯与显示屏背光源的组合。前置闪光灯可以设置在靠近前置摄像头103附近，前置闪光灯可以在前置摄像头拍摄时进行补光。显示屏背光源可以是LED背光源，前置摄像头103可以在检测到用户有抬起移动终端100的动作时，在显示屏关闭时采集第一人脸图像，然后点亮移动终端的显示屏，并可以在移动终端的显示屏点亮时，采集第二人脸图像。
其中，前置摄像头103可以将采集到第一人脸图像和第二人脸图像发送到AP101进行处理。
AP101，用于判断第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值。
本发明实施例中，当前置发光光源102为前置闪光灯时，前置摄像头103可以在前置闪光灯关闭和开启两个状态分别拍摄第一人脸图像和第二人脸图像，当前置闪光灯关闭时，用户人脸不会受到强光刺激，第一人脸图像中的眼睛处于正常睁开状态；当前置闪光灯开启时，用户人脸受到强光刺激，第二人脸图像中的眼睛很可能会处于眯眼状态或闭眼状态。
眼球区域占比，即为人脸图像中的眼球区域的面积与整个人脸图像的面积之比。AP101判断第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值，目的是为了判断采集到的人脸图像是否为活体人脸图像，也即前置摄像头拍摄的对象是否为活体。如果拍摄的对象为活体，由于人眼瞳孔受强光照刺激会收缩，第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比会发生较大变化，第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值大于预设阈值。如果拍摄的对象不是活体(比如死人眼球或者照片等)，第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比一般不会发生较大变化，第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值小于预设阈值。实施本发明实施例，通过前置发光光源在关闭和开启两种状态下判断前置摄像头拍摄的人脸图像中的眼球区域占比是否大于预设阈值来判断采集到的人脸图像是否为活体人脸图像，活体识别算法简单。
AP101，还用于当第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值大于预设阈值时，确定采集到的人脸图像为活体人脸图像。
可选的，AP101，还用于当第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值小于或等于预设阈值时，确定采集到的人脸图像为非活体人脸图像。
本发明实施例中，当第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值小于或等于预设阈值时，表明前置摄像头在不同光照强度下拍摄到的人脸图像差别较小，可以认为采集到的人脸图像为非活体人脸图像。
可选的，AP101，还用于确定采集到的人脸图像为活体人脸图像之后，将第一人脸图像中与第二人脸图像中眼球区域占比较大的图像作为有效人脸图像；
AP101，还用于验证有效人脸图像与预先存储的人脸图像模板是否匹配；
AP101，还用于当有效人脸图像与预先存储的人脸图像模板匹配时，确定通过人脸识别。
本发明实施例中，人脸图像模板可以包括人脸特征，例如，人脸眼部特征(例如，眼球大小和形状、眼间距等)、人眼鼻子特征(鼻孔间距、鼻尖长度等)、人眼嘴部特征(嘴唇厚度、嘴唇长度等)、组合特征(鼻孔到左眼和右眼之间的距离、左眼到嘴唇的距离等)。
可选的，AP101验证有效人脸图像与预先存储的人脸图像模板是否匹配之前，可以将有效人脸图像转换为标准化图像，这里的标准化处理包括像素标准化，图像尺寸标准化等。
可选的，前置摄像头103在前置发光光源102开启时采集第二人脸图像的方式具体为：
前置摄像头103在前置发光光源102处于第一功率时采集第二人脸图像。
前置摄像头103，还用于当第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值小于或等于预设阈值且大于零时，在前置发光光源102处于第二功率时采集第三人脸图像，第二功率大于第一功率；
AP101，还用于判断第一人脸图像中的眼球区域占比与第三人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值；
AP101，还用于当第一人脸图像中的眼球区域占比与第三人脸图像中的眼球区域占比的差值的绝对值大于预设阈值时，确定采集到的人脸图像为活体人脸图像。
本发明实施例中，当第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值小于或等于预设阈值且大于零时，表明前置摄像头拍摄的第一人脸图像与第二人脸图像中的人眼发生了较小的变化，为了防止误判断为活体，前置摄像头继续在前置发光光源处于第二功率时采集第三人脸图像，将前置发光光源的功率提升，即增加前置摄像头拍摄人脸图像时的补光强度，采用增加补光强度的方法进一步判断采集的人脸图像是否为人脸图像，可以防止误判活体对象为非活体对象。
可选的，第二功率与第一功率之间的差值可以预先设定，以防止过高功率的前置发光光源对人眼造成较大的刺激。
可选的，AP101，还用于确定采集到的人脸图像为活体人脸图像之后，将后续人脸识别时前置摄像头开启的功率设置为第二功率。
本发明实施例，可以将活体人脸识别成功时前置发光光源的工作功率作为下次活体人脸识别时前置发光光源的工作功率，可以提高活体识别的准确性。
实施图1b所示的移动终端，移动终端在进行人脸活体识别时，可以利用前置发光光源在关闭和开启时分别采集第一人脸图像和第二人脸图像，利用人眼在强光下眯眼或者闭眼的特性来判断采集的人脸图像是否为活体人脸图像，识别算法简单，可以快速检测人脸是否为活体，提高人脸识别的安全性。
请参阅图2，图2是本发明实施例公开的一种人脸活体识别方法的流程示意图。该方法应用于包括前置发光光源、前置摄像头以及应用处理器AP的移动终端，如图2所示，该方法包括如下步骤。
201，当接收到人脸采集指令时，移动终端通过前置摄像头在前置发光光源关闭时采集第一人脸图像。
202，移动终端通过前置摄像头在前置发光光源开启时采集第二人脸图像。
203，移动终端判断第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值。若是，执行步骤204，若否，执行步骤205。
204，移动终端确定采集到的人脸图像为活体人脸图像。
205，移动终端确定采集到的人脸图像为非活体人脸图像。
图2所示方法的具体实施方式可以参见图1a-图1b所示的装置实施例，此处不再赘述。
实施图2所示的方法，移动终端在进行人脸活体识别时，可以利用前置发光光源在关闭和开启时分别采集第一人脸图像和第二人脸图像，利用人眼在强光下眯眼或者闭眼的特性来判断采集的人脸图像是否为活体人脸图像，识别算法简单，可以快速检测人脸是否为活体，提高人脸识别的安全性。
请参阅图3，图3是本发明实施例公开的另一种人脸活体识别方法的流程示意图。该方法应用于包括前置发光光源、前置摄像头以及应用处理器AP的移动终端，该方法包括如下步骤。
301，当接收到人脸采集指令时，移动终端通过前置摄像头在前置发光光源关闭时采集第一人脸图像。
302，移动终端通过前置摄像头在前置发光光源开启时采集第二人脸图像。
303，移动终端判断第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值。若是，执行步骤204，若否，执行步骤205。
304，移动终端确定采集到的人脸图像为活体人脸图像。
305，移动终端确定采集到的人脸图像为非活体人脸图像。
306，移动终端将第一人脸图像中与第二人脸图像中眼球区域占比较大的图像作为有效人脸图像。
307，移动终端验证有效人脸图像与预先存储的人脸图像模板是否匹配。若是，执行步骤308；若否，执行步骤309。
308，移动终端确定通过人脸识别。
309，移动终端确定未通过人脸识别。
图3所示方法的具体实施方式可以参见图1a-图1b所示的装置实施例，此处不再赘述。
实施图3所示的方法，移动终端在进行人脸活体识别时，可以利用前置发光光源在关闭和开启时分别采集第一人脸图像和第二人脸图像，利用人眼在强光下眯眼或者闭眼的特性来判断采集的人脸图像是否为活体人脸图像，识别算法简单，可以快速检测人脸是否为活体，提高人脸识别的安全性。
请参阅图4，图4是本发明实施例公开的另一种人脸活体识别方法的流程示意图。该方法应用于包括前置发光光源、前置摄像头以及应用处理器AP的移动终端，该方法包括如下步骤。
401，当接收到人脸采集指令时，移动终端通过前置摄像头在前置发光光源关闭时采集第一人脸图像。
402，移动终端通过前置摄像头在前置发光光源处于第一功率时采集第二人脸图像。
403，移动终端判断第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值。若是，执行步骤404，若否，执行步骤405。
404，移动终端确定采集到的人脸图像为活体人脸图像。
405，移动终端通过前置摄像头在前置发光光源处于第二功率时采集第三人脸图像，第二功率大于第一功率。
406，移动终端判断第一人脸图像中的眼球区域占比与第三人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值。若是，则执行步骤404，若否，则执行步骤407。
407，移动终端确定采集到的人脸图像为非活体人脸图像。
图4所示方法的具体实施方式可以参见图1a-图1b所示的装置实施例，此处不再赘述。
实施图4所示的方法，移动终端在进行人脸活体识别时，可以利用前置发光光源在关闭和开启时分别采集第一人脸图像和第二人脸图像，利用人眼在强光下眯眼或者闭眼的特性来判断采集的人脸图像是否为活体人脸图像，识别算法简单，可以快速检测人脸是否为活体，提高人脸识别的安全性。
请参阅图5，图5是本发明实施例公开的另一种移动终端的结构示意图。该移动终端500包括前置发光光源501、前置摄像头502、应用处理器AP503以及存储器504，前置发光光源501、前置摄像头502、应用处理器AP503以及存储器504可以通过通信总线505连接，存储器505用于存储一个或多个程序，一个或多个程序被配置成由AP504执行，程序包括用于执行以下步骤的指令：
当接收到人脸采集指令时，通过前置摄像头502在前置发光光源501关闭时采集第一人脸图像；
通过前置摄像头502在前置发光光源501开启时采集第二人脸图像；
判断第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值；
若是，确定采集到的人脸图像为活体人脸图像。
可选的，程序还包括用于执行以下步骤的指令：
将第一人脸图像中与第二人脸图像中眼球区域占比较大的图像作为有效人脸图像；
验证有效人脸图像与预先存储的人脸图像模板是否匹配；
若匹配，确定通过人脸识别。
可选的，程序还包括用于执行以下步骤的指令：
若第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值小于或等于预设阈值，确定采集到的人脸图像为非活体人脸图像。
可选的，在通过前置摄像头502在前置发光光源501开启时采集第二人脸图像方面，程序具体用于执行如下步骤：
通过前置摄像头502在前置发光光源501处于第一功率时采集第二人脸图像；
程序还包括用于执行以下步骤的指令：
在判断第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值之后，若第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值小于或等于预设阈值且大于零，通过前置摄像头502在前置发光光源501处于第二功率时采集第三人脸图像，第二功率大于第一功率；
判断第一人脸图像中的眼球区域占比与第三人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值；
若是，确定采集到的人脸图像为活体人脸图像。
可选的，前置发光光源501包括前置闪光灯和/或显示屏背光源。
实施图5所示的移动终端，可以利用前置发光光源在关闭和开启时分别采集第一人脸图像和第二人脸图像，利用人眼在强光下眯眼或者闭眼的特性来判断采集的人脸图像是否为活体人脸图像，识别算法简单，可以快速检测人脸是否为活体，提高人脸识别的安全性。
请参阅图6，图6是本发明实施例公开的另一种移动终端的结构示意图。该移动终端600包括采集单元601、判断单元602和确定单元603，其中：
采集单元601、，用于接收到人脸采集指令时，通过前置摄像头在前置发光光源关闭时采集第一人脸图像；
采集单元601、，还用于通过前置摄像头在前置发光光源开启时采集第二人脸图像；
判断单元602，用于判断第一人脸图像中的眼球区域占比与第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值；
确定单元603，用于当判断单元602判断结果为是时，确定采集到的人脸图像为活体人脸图像。
该移动终端的实施可以参见图2-4所示的方法实施例，重复之处不再赘述。
实施图6所示的移动终端，可以利用前置发光光源在关闭和开启时分别采集第一人脸图像和第二人脸图像，利用人眼在强光下眯眼或者闭眼的特性来判断采集的人脸图像是否为活体人脸图像，识别算法简单，可以快速检测人脸是否为活体，提高人脸识别的安全性。
本发明实施例还提供了另一种移动终端，如图7所示，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该移动终端可以为包括手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑等任意终端设备，以移动终端为手机为例：
图7示出的是与本发明实施例提供的移动终端相关的手机的部分结构的框图。参考图7，手机包括：射频(Radio Frequency，RF)电路910、存储器920、输入单元930、显示单元940、传感器950、音频电路960、无线保真(Wireless Fidelity，WiFi)模块970、处理器980、以及电源990等部件。本领域技术人员可以理解，图7中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图7对手机的各个构成部件进行具体的介绍：
RF电路910可用于信息的接收和发送。通常，RF电路910包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier，LNA)、双工器等。此外，RF电路910还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯***(Global System of Mobilecommunication，GSM)、通用分组无线服务(General Packet Radio Service，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband Code DivisionMultiple Access,WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。
存储器920可用于存储软件程序以及模块，处理器980通过运行存储在存储器920的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器920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***、至少一个功能所需的应用程序等；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器920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、或其他易失性固态存储器件。
输入单元930可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元930可包括指纹识别模组931、触控显示屏932以及其他输入设备933。指纹识别模组931，可采集用户在其上的指纹数据。除了指纹识别模组931，输入单元930还可以包括其他输入设备932。具体地，其他输入设备932可以包括但不限于触控屏、物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元940可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元940可包括显示屏941，可选的，可以采用液晶显示器(Liquid CrystalDisplay，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示屏941。虽然在图7中，指纹识别模组931与显示屏941是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将指纹识别模组931与显示屏941集成而实现手机的输入和播放功能。
手机还可包括至少一种传感器950，比如光学传感器951、运动传感器952以及其他传感器。具体地，光学传感器951可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏941的亮度，接近传感器可在手机移动到耳边时，关闭显示屏941和/或背光。作为运动传感器952的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路960、扬声器961，传声器962可提供用户与手机之间的音频接口。音频电路960可将接收到的音频数据转换后的电信号，传输到扬声器961，由扬声器961转换为声音信号播放；另一方面，传声器962将收集的声音信号转换为电信号，由音频电路960接收后转换为音频数据，再将音频数据播放处理器980处理后，经RF电路910以发送给比如另一手机，或者将音频数据播放至存储器920以便进一步处理。
WiFi属于短距离无线传输技术，手机通过WiFi模块970可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图7示出了WiFi模块970，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器980是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器920内的软件程序和/或模块，以及调用存储在存储器920内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器980可包括一个或多个处理单元；优选的，处理器980可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器980中。
手机还包括给各个部件供电的电源990(比如电池)，优选的，电源可以通过电源管理***与处理器980逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
手机还包括摄像头9100，摄像头9100可以包括前置摄像头、虹膜摄像头和后置摄像头，
尽管未示出，手机还可以包括蓝牙模块、闪光灯等，闪光灯可以包括前置闪光灯和后置闪光灯，前置闪光灯可以为前置摄像头进行补光，后置闪光灯可以为后置摄像头进行补光。前置闪光灯可以包括前置可见光闪光灯和前置红外闪光灯，前置可见光闪光灯用于为前置摄像头进行补光，前置红外闪光灯用于为虹膜摄像头进行补光。
本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种人脸活体识别方法的部分或全部步骤。
本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种人脸活体识别方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (13)

1.一种人脸活体识别方法，其特征在于，包括：
当接收到人脸采集指令时，通过前置摄像头在前置发光光源关闭时采集第一人脸图像；
通过所述前置摄像头在所述前置发光光源开启时采集第二人脸图像；
判断所述第一人脸图像中的眼球区域占比与所述第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值；
若是，确定采集到的人脸图像为活体人脸图像。
2.根据权利要求1所述的方法，其特征在于，所述确定采集到的人脸图像为活体人脸图像之后，所述方法还包括：
将所述第一人脸图像中与所述第二人脸图像中眼球区域占比较大的图像作为有效人脸图像；
验证所述有效人脸图像与预先存储的人脸图像模板是否匹配；
若匹配，确定通过人脸识别。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
若所述第一人脸图像中的眼球区域占比与所述第二人脸图像中的眼球区域占比的差值的绝对值小于或等于所述预设阈值，确定采集到的人脸图像为非活体人脸图像。
4.根据权利要求1所述的方法，其特征在于，所述通过所述前置摄像头在所述前置发光光源开启时采集第二人脸图像，包括：
通过所述前置摄像头在所述前置发光光源处于第一功率时采集第二人脸图像；
判断所述第一人脸图像中的眼球区域占比与所述第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值之后，所述方法还包括：
若所述第一人脸图像中的眼球区域占比与所述第二人脸图像中的眼球区域占比的差值的绝对值小于或等于所述预设阈值且大于零，通过所述前置摄像头在所述前置发光光源处于第二功率时采集第三人脸图像，所述第二功率大于所述第一功率；
判断所述第一人脸图像中的眼球区域占比与所述第三人脸图像中的眼球区域占比的差值的绝对值是否大于所述预设阈值；
若是，确定采集到的人脸图像为活体人脸图像。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述前置发光光源包括前置闪光灯和/或显示屏背光源。
6.一种移动终端，其特征在于，包括前置发光光源、前置摄像头以及应用处理器AP，其中：
所述前置摄像头，用于接收到人脸采集指令时，在所述前置发光光源关闭时采集第一人脸图像；
所述前置摄像头，还用于在所述前置发光光源开启时采集第二人脸图像；
所述AP，用于判断所述第一人脸图像中的眼球区域占比与所述第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值；
所述AP，还用于当所述第一人脸图像中的眼球区域占比与所述第二人脸图像中的眼球区域占比的差值的绝对值大于所述预设阈值时，确定采集到的人脸图像为活体人脸图像。
7.根据权利要求6所述的移动终端，其特征在于，
所述AP，还用于确定采集到的人脸图像为活体人脸图像之后，将所述第一人脸图像中与所述第二人脸图像中眼球区域占比较大的图像作为有效人脸图像；
所述AP，还用于验证所述有效人脸图像与预先存储的人脸图像模板是否匹配；
所述AP，还用于当所述有效人脸图像与预先存储的人脸图像模板匹配时，确定通过人脸识别。
8.根据权利要求6或7所述的移动终端，其特征在于，
所述AP，还用于当所述第一人脸图像中的眼球区域占比与所述第二人脸图像中的眼球区域占比的差值的绝对值小于或等于所述预设阈值时，确定采集到的人脸图像为非活体人脸图像。
9.根据权利要求6所述的移动终端，其特征在于，所述前置摄像头在所述前置发光光源开启时采集第二人脸图像的方式具体为：
所述前置摄像头在所述前置发光光源处于第一功率时采集第二人脸图像；
所述前置摄像头，还用于当所述第一人脸图像中的眼球区域占比与所述第二人脸图像中的眼球区域占比的差值的绝对值小于或等于所述预设阈值且大于零时，在所述前置发光光源处于第二功率时采集第三人脸图像，所述第二功率大于所述第一功率；
所述AP，还用于判断所述第一人脸图像中的眼球区域占比与所述第三人脸图像中的眼球区域占比的差值的绝对值是否大于所述预设阈值；
所述AP，还用于当所述第一人脸图像中的眼球区域占比与所述第三人脸图像中的眼球区域占比的差值的绝对值大于所述预设阈值时，确定采集到的人脸图像为活体人脸图像。
10.根据权利要求6-9任一项所述的移动终端，其特征在于，所述前置发光光源包括前置闪光灯和/或显示屏背光源。
11.一种移动终端，其特征在于，包括采集单元、判断单元和确定单元，其中：
所述采集单元，用于接收到人脸采集指令时，通过前置摄像头在前置发光光源关闭时采集第一人脸图像；
所述采集单元，还用于通过所述前置摄像头在所述前置发光光源开启时采集第二人脸图像；
所述判断单元，用于判断所述第一人脸图像中的眼球区域占比与所述第二人脸图像中的眼球区域占比的差值的绝对值是否大于预设阈值；
所述确定单元，用于当所述判断单元判断结果为是时，确定采集到的人脸图像为活体人脸图像。
12.一种移动终端，其特征在于，包括前置发光光源、前置摄像头、应用处理器AP以及存储器，所述存储器用于存储一个或多个程序，所述一个或多个程序被配置成由所述AP执行，所述程序包括用于执行如权利要求1-5任一项所述的方法。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-5任一项所述的方法。
CN201710582651.XA 2017-07-17 2017-07-17 人脸活体识别方法及相关产品 Expired - Fee Related CN107292290B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201710582651.XA CN107292290B (zh) 2017-07-17 2017-07-17 人脸活体识别方法及相关产品
AU2018302049A AU2018302049B2 (en) 2017-07-17 2018-06-19 Method and related product for recognizing live face
PCT/CN2018/091875 WO2019015434A1 (en) 2017-07-17 2018-06-19 METHOD AND ASSOCIATED PRODUCT FOR RECOGNIZING LIVING FACE
EP18178453.9A EP3432202B1 (en) 2017-07-17 2018-06-19 Method and related product for recognizing live face
US16/027,708 US10733425B2 (en) 2017-07-17 2018-07-05 Method and related product for recognizing live face

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710582651.XA CN107292290B (zh) 2017-07-17 2017-07-17 人脸活体识别方法及相关产品

Publications (2)

Publication Number Publication Date
CN107292290A true CN107292290A (zh) 2017-10-24
CN107292290B CN107292290B (zh) 2021-02-19

Family

ID=60101577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710582651.XA Expired - Fee Related CN107292290B (zh) 2017-07-17 2017-07-17 人脸活体识别方法及相关产品

Country Status (5)

Country Link
US (1) US10733425B2 (zh)
EP (1) EP3432202B1 (zh)
CN (1) CN107292290B (zh)
AU (1) AU2018302049B2 (zh)
WO (1) WO2019015434A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
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
WO2019015434A1 (en) * 2017-07-17 2019-01-24 Guangdong Oppo Mobile Telecommunications Corp., Ltd. METHOD AND ASSOCIATED PRODUCT FOR RECOGNIZING LIVING FACE
CN109684993A (zh) * 2018-12-21 2019-04-26 普联技术有限公司 一种基于鼻孔信息的人脸识别方法、***和设备
CN109858337A (zh) * 2018-12-21 2019-06-07 普联技术有限公司 一种基于瞳孔信息的人脸识别方法、***和设备
CN111160251A (zh) * 2019-12-30 2020-05-15 支付宝实验室(新加坡)有限公司 一种活体识别方法及装置
CN111353326A (zh) * 2018-12-20 2020-06-30 上海聚虹光电科技有限公司 基于多光谱人脸差值图的活体检测方法
CN112597466A (zh) * 2020-04-30 2021-04-02 支付宝实验室(新加坡)有限公司 用户认证方法和***

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10606993B2 (en) * 2017-08-09 2020-03-31 Jumio Corporation Authentication using facial image comparison
CN109190509B (zh) * 2018-08-13 2023-04-25 创新先进技术有限公司 一种身份识别方法、装置和计算机可读存储介质
CN111898569B (zh) * 2020-08-05 2023-05-09 福建工程学院 基于活体检测的人脸辨识方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100202667A1 (en) * 2009-02-06 2010-08-12 Robert Bosch Gmbh Iris deblurring method based on global and local iris image statistics
CN104781830A (zh) * 2012-11-19 2015-07-15 虹膜技术公司 活人眼睛的识别方法及识别装置
CN104992163A (zh) * 2015-07-22 2015-10-21 江苏天诚智能集团有限公司 一种人脸图像与虹膜图像同时采集光学装置及其身份认证方法
CN105354545A (zh) * 2015-10-28 2016-02-24 广东欧珀移动通信有限公司 虹膜信息的采集方法及采集***
CN106778607A (zh) * 2016-12-15 2017-05-31 国政通科技股份有限公司 一种基于人脸识别的人与身份证同一性认证装置及方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1299231C (zh) 2004-06-11 2007-02-07 清华大学 活体虹膜图像采集方法及采集装置
JP4696610B2 (ja) 2005-03-15 2011-06-08 オムロン株式会社 被写体認証装置、顔認証装置、携帯電話、及び被写体認証方法
RU2431190C2 (ru) * 2009-06-22 2011-10-10 Корпорация "САМСУНГ ЭЛЕКТРОНИКС Ко., Лтд." Способ и устройство распознавания рельефности лица
JP5962916B2 (ja) * 2012-11-14 2016-08-03 パナソニックＩｐマネジメント株式会社 映像監視システム
US8856541B1 (en) * 2013-01-10 2014-10-07 Google Inc. Liveness detection
US10372973B2 (en) * 2014-06-23 2019-08-06 British Telecommunications Public Limited Company Biometric identification
US9767358B2 (en) * 2014-10-22 2017-09-19 Veridium Ip Limited Systems and methods for performing iris identification and verification using mobile devices
US20160140390A1 (en) * 2014-11-13 2016-05-19 Intel Corporation Liveness detection using progressive eyelid tracking
WO2018072099A1 (zh) * 2016-10-18 2018-04-26 厦门中控智慧信息技术有限公司 一种手掌检测方法和设备
CN107292290B (zh) * 2017-07-17 2021-02-19 Oppo广东移动通信有限公司 人脸活体识别方法及相关产品

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100202667A1 (en) * 2009-02-06 2010-08-12 Robert Bosch Gmbh Iris deblurring method based on global and local iris image statistics
CN104781830A (zh) * 2012-11-19 2015-07-15 虹膜技术公司 活人眼睛的识别方法及识别装置
CN104992163A (zh) * 2015-07-22 2015-10-21 江苏天诚智能集团有限公司 一种人脸图像与虹膜图像同时采集光学装置及其身份认证方法
CN105354545A (zh) * 2015-10-28 2016-02-24 广东欧珀移动通信有限公司 虹膜信息的采集方法及采集***
CN106778607A (zh) * 2016-12-15 2017-05-31 国政通科技股份有限公司 一种基于人脸识别的人与身份证同一性认证装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨铁军: "《产业专利分析报告 第33册智能识别》", 30 June 2015 *
王斌 等: "《高校学生社团建设的理论与实践》", 30 June 2014 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019015434A1 (en) * 2017-07-17 2019-01-24 Guangdong Oppo Mobile Telecommunications Corp., Ltd. METHOD AND ASSOCIATED PRODUCT FOR RECOGNIZING LIVING FACE
US10733425B2 (en) 2017-07-17 2020-08-04 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method and related product for recognizing live face
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
CN111353326A (zh) * 2018-12-20 2020-06-30 上海聚虹光电科技有限公司 基于多光谱人脸差值图的活体检测方法
CN109684993A (zh) * 2018-12-21 2019-04-26 普联技术有限公司 一种基于鼻孔信息的人脸识别方法、***和设备
CN109858337A (zh) * 2018-12-21 2019-06-07 普联技术有限公司 一种基于瞳孔信息的人脸识别方法、***和设备
CN111160251A (zh) * 2019-12-30 2020-05-15 支付宝实验室(新加坡)有限公司 一种活体识别方法及装置
CN111160251B (zh) * 2019-12-30 2023-05-02 支付宝实验室(新加坡)有限公司 一种活体识别方法及装置
CN112597466A (zh) * 2020-04-30 2021-04-02 支付宝实验室(新加坡)有限公司 用户认证方法和***

Also Published As

Publication number Publication date
EP3432202B1 (en) 2020-02-26
CN107292290B (zh) 2021-02-19
EP3432202A1 (en) 2019-01-23
AU2018302049A1 (en) 2020-01-16
WO2019015434A1 (en) 2019-01-24
US20190019015A1 (en) 2019-01-17
AU2018302049B2 (en) 2020-10-01
US10733425B2 (en) 2020-08-04

Similar Documents

Publication Publication Date Title
CN107292290A (zh) 人脸活体识别方法及相关产品
CN107463883A (zh) 生物识别方法及相关产品
CN107451449A (zh) 生物识别解锁方法及相关产品
CN107580114A (zh) 生物识别方法、移动终端以及计算机可读存储介质
CN107480609A (zh) 指纹识别方法及相关产品
CN107766824A (zh) 人脸识别方法、移动终端以及计算机可读存储介质
CN107403149A (zh) 虹膜识别方法及相关产品
CN107545166A (zh) 生物识别方法及相关产品
CN107153818A (zh) 光学指纹验证方法及相关产品
CN107145886A (zh) 光学指纹采集方法及相关产品
CN107220592A (zh) 一种光学指纹采集方法及相关产品
CN107832675A (zh) 拍照处理方法及相关产品
CN107239737A (zh) 一种光学指纹识别方法及相关产品
CN107590375A (zh) 解锁方法及相关产品
CN107527020A (zh) 生物识别方法及相关产品
CN107633235A (zh) 解锁控制方法及相关产品
CN107451450A (zh) 生物识别方法及相关产品
CN110516488A (zh) 一种扫码方法及移动终端
CN107613550A (zh) 解锁控制方法及相关产品
CN110162954A (zh) 权限管理方法及相关产品
CN107317918A (zh) 参数设置方法及相关产品
CN107527013A (zh) 识别虹膜活体的方法及相关产品
CN107451547A (zh) 识别活体的方法及相关产品
CN107590464A (zh) 人脸识别方法及相关产品
CN107516070A (zh) 生物识别方法及相关产品

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1245951

Country of ref document: HK

CB02 Change of applicant information
CB02 Change of applicant information

Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18

Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd.

Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18

Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd.

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210219