CN108616688A - 图像处理方法、装置及移动终端、存储介质 - Google Patents

图像处理方法、装置及移动终端、存储介质 Download PDF

Info

Publication number
CN108616688A
CN108616688A CN201810326645.2A CN201810326645A CN108616688A CN 108616688 A CN108616688 A CN 108616688A CN 201810326645 A CN201810326645 A CN 201810326645A CN 108616688 A CN108616688 A CN 108616688A
Authority
CN
China
Prior art keywords
imaging
sensor
imaging object
image
imaged
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.)
Pending
Application number
CN201810326645.2A
Other languages
English (en)
Inventor
周海涛
惠方方
郭子青
谭筱
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 CN201810326645.2A priority Critical patent/CN108616688A/zh
Publication of CN108616688A publication Critical patent/CN108616688A/zh
Priority to PCT/CN2019/075384 priority patent/WO2019196559A1/zh
Priority to EP19749165.7A priority patent/EP3576016A4/en
Priority to US16/483,805 priority patent/US11410458B2/en
Priority to TW108112844A priority patent/TW201944290A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • H04N23/65—Control of camera operation in relation to power supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4014—Identity check for transactions
    • G06Q20/40145—Biometric identity checks
    • 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
    • G06V40/164—Detection; Localisation; Normalisation using holistic features
    • 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
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric 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
    • H04N23/80—Camera processing pipelines; Components thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Security & Cryptography (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Studio Devices (AREA)

Abstract

本申请提出一种图像处理方法、装置及移动终端、存储介质，其中，该方法通过控制开启红外传感器进行成像，在根据红外传感器成像得到的成像数据确定成像对象为预存的成像对象后，再控制开启图像传感器进行成像，根据图像传感器成像得到的成像数据进行活体检测，由于在确定成像对象为预存的成像对象后再进行活体检测，从而可以避免利用仿照物如照片验证通过的情况，提高了身份验证的安全性和可靠性。由于在确定成像对象为预存的成像对象匹配后，再开启图像传感器，从而使图像传感器不用一直处于开启状态，可以节省电子设备的电量，提高电子设备的续航能力。

Description

图像处理方法、装置及移动终端、存储介质
技术领域
本申请涉及移动终端技术领域，尤其涉及一种图像处理方法、装置及移动终端、存储介质。
背景技术
随着科技的发展，基于生物特征的身份识别技术日益成熟并在实际应用中展现出极大的优越性。
目前，可以通过电子设备上的图像传感器采集人脸的成像数据，然后基于成像数据进行身份验证。但是，目前直接调用图像传感器采集图像进行身份验证，验证方式单一，安全性较低。而且图像传感器采集图像时能耗较大，直接调用往往会影响到电子设备的续航能力。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请提出一种图像处理方法，该方法在确定成像对象为预存的成像对象后再进行活体检测，从而可以避免利用仿照物如照片验证通过的情况出现，提高了身份验证的安全性和可靠性。由于在确定成像对象为预存的成像对象匹配后，再开启图像传感器，从而使得图像传感器不需要一直处于开启状态，可以很好地节省电子设备的电量，提高电子设备的续航能力。
本申请提出一种图像处理装置。
本申请提出一种移动终端。
本申请提出一种计算机可读存储介质。
本申请实施例提出了一种图像处理方法，包括：
控制开启红外传感器进行成像；
获取所述红外传感器成像得到的第一成像数据；
根据所述第一成像数据，对成像对象与预存的成像对象进行比对；
如果所述成像对象为所述预存的成像对象，则控制开启图像传感器进行成像；
获取所述图像传感器成像得到的第二成像数据；
根据所述第二成像数据，对所述成像对象进行活体检测。
本申请实施例的图像处理方法，通过控制开启红外传感器进行成像，获取红外传感器成像得到的第一成像数据，根据第一成像数据，对成像对象与预存的成像对象进行比对，如果成像对象为预存的成像对象，则控制开启图像传感器进行成像，获取图像传感器成像得到的第二成像数据，根据第二成像数据，对成像对象进行活体检测。本实施例中，控制开启红外传感器进行成像，在根据红外传感器成像得到的成像数据确定成像对象为预存的成像对象后，再控制开启图像传感器进行成像，以根据图像传感器成像得到的成像数据进行活体检测，由于在确定成像对象为预存的成像对象后再进行活体检测，从而可以避免利用仿照物如照片验证通过的情况出现，提高了身份验证的安全性和可靠性。由于在确定成像对象为预存的成像对象匹配后，再开启图像传感器，从而使得图像传感器不需要一直处于开启状态，可以很好地节省电子设备的电量，提高电子设备的续航能力。
本申请实施例提出了一种图像处理装置，所述装置包括：
控制模块，用于控制红外传感器进行成像；以及在比对出成像对象为预存的成像对象时，控制开启图像传感器进行成像；
获取模块，用于获取红外传感器成像得到的第一成像数据，以及获取所述图像传感器成像得到的第二成像数据；
匹配模考，用于根据所述第一成像数据，对成像对象与预存的成像对象进行比对；
检测模块，用于根据所述第二成像数据，进行活体检测。
本申请实施例的图像处理装置，通过控制开启红外传感器进行成像，获取红外传感器成像得到的第一成像数据，根据第一成像数据，对成像对象与预存的成像对象进行比对，如果成像对象为预存的成像对象，则控制开启图像传感器进行成像，获取图像传感器成像得到的第二成像数据，根据第二成像数据，对成像对象进行活体检测。本实施例中，控制开启红外传感器进行成像，在根据红外传感器成像得到的成像数据确定成像对象为预存的成像对象后，再控制开启图像传感器进行成像，以根据图像传感器成像得到的成像数据进行活体检测，由于在确定成像对象为预存的成像对象后再进行活体检测，从而可以避免利用仿照物如照片验证通过的情况出现，提高了身份验证的安全性和可靠性。由于在确定成像对象为预存的成像对象匹配后，再开启图像传感器，从而使得图像传感器不需要一直处于开启状态，可以很好地节省电子设备的电量，提高电子设备的续航能力。
本申请实施例提出了一种移动终端，包括：成像传感器、存储器、微处理芯片MCU、处理器及存储在所述存储器上并可在所述处理器的可信执行环境下运行的可信应用程序；
所述MCU，为所述可信执行环境的专用硬件，与所述成像传感器和所述处理器连接，用于控制所述成像传感器进行成像，并将成像数据发送至所述处理器；
所述处理器执行所述可信应用程序时，实现如上述实施例所述的图像处理方法。
本申请实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例所述的图像处理方法。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例提供的一种图像处理方法的流程示意图；
图2为本申请实施例提供的一种电子设备的结构示意图；
图3为本申请实施例提供的另一种图像处理方法的流程示意图；
图4为本申请实施例提供的一种根据结构光图像进行活体检测的方法的流程示意图；
图5为本申请实施例提供的又一种图像处理方法的流程示意图；
图6为本申请实施例提供的一种根据可见光图像进行活体检测的方法的流程示意图。
图7为本申请实施例提供的一种根据可见光图像和红外图像进行活体检测的方法的流程示意图；
图8为本申请实施例提供的一种图像处理装置的结构示意图；
图9为本申请实施例提供的一种移动终端的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的图像处理方法、装置及移动终端、存储介质。
目前，以通过电子设备上的图像传感器采集人脸的成像数据，然后基于成像数据进行身份验证。但是，目前直接调用图像传感器采集图像进行身份验证，验证方式单一，安全性较低。而且图像传感器采集图像时能耗较大，直接调用往往会影响到电子设备的续航能力。
针对这一问题，本申请实施例提出一种图像处理方法，通过在确定成像对象为预存的成像对象后再进行活体检测，从而可以避免利用仿照物如照片验证通过的情况出现，提高了身份验证的安全性和可靠性。由于在确定成像对象为预存的成像对象匹配后，再开启图像传感器，从而使得图像传感器不需要一直处于开启状态，可以很好地节省电子设备的电量，提高电子设备的续航能力。
图1为本申请实施例提供的一种图像处理方法的流程示意图。
该图像处理方法应用电子设备，作为一种可能的实现方式，电子设备的结构可参见图2，图2为本申请实施例提供的一种电子设备的结构示意图。
如图2所示，该电子设备包括：激光摄像头、泛光灯、可见光摄像头、镭射灯以及微处理器(Microcontroller Unit，简称MCU)。其中，MCU包括脉冲宽度调制(Pulse WidthModulation，简称PWM)、深度引擎、总线接口以及随机存取存储器RAM。另外，电子设备还包括处理器，该处理器具有可信执行环境，MCU为可信执行环境专用硬件，执行图1所示方法的可信应用程序运行于该可信执行环境下；处理器还可以具有普通执行环境，该普通执行环境与可信执行环境相互隔离。需要说明的是，图1所示方法的应用程序也可在普通执行环境中运行。
需要说明的是，本领域技术人员可以知晓，图1对应方法不仅适用于图2所示的电子设备，图2所示电子设备仅作为一种示意性描述，图1对应方法还可以用于其他具有可信执行环境，以及可信执行环境专用硬件的电子设备，本实施例中对此不作限定。
其中，PWM用于调制泛光灯以使发出红外光，以及调制镭射灯以发出结构光；激光摄像头，用于采集成像对象的结构光图像或可见光图像；深度引擎，用于根据结构光图像，计算获得成像对象对应的深度数据；总线接口，用于将深度数据发送至处理器，并由处理器上运行的可信应用程序利用深度数据执行相应的操作。其中，总线接口包括：移动产业处理器接口(Mobile Industry Processor Interface简称MIPI)、I2C同步串行总线接口、串行外设接口(Serial Peripheral Interface，简称SPI)。
如图1所示，该图像处理方法包括：
步骤101，控制开启红外传感器进行成像。
本实施例中，该图像处理方法可由可信应用程序执行，其中，可信应用程序运行于可信执行环境中，可信应用程序可以理解为涉及用户资源、用户隐私等信息安全性的应用程序，该类应用程序性需要的安全级别较高，例如电子支付程序、解锁程序等等。
可信执行环境是电子设备(包含智能手机、平板电脑等)主处理器上的一个安全区域，相对普通执行环境，其可以保证加载到该环境内部的代码和数据的安全性、机密性以及完整性。可信执行环境提供一个隔离的执行环境，提供的安全特征包含：隔离执行、可信应用程序的完整性、可信数据的机密性、安全存储等。总之，可信执行环境提供的执行空间比常见的移动操作***，如ISO、Android等，提供更高级别的安全性。
本实施例中，可信应用程序运行于可信执行环境中，从运行环境上提高了身份验证的安全性。
本实施例中，电子设备可包括红外传感器、可见光图像传感器、结构光图像传感器。其中，红外传感器可以根据成像对象反射的红外光进行红外成像；可见光图像传感器利用成像对象反射的可见光进行成像，得到可见光图像；结构光图像传感器可以根据成像对象反射的结构光成像，得到结构光图像。
其中，成像对象可以为人脸，也可以为其他具有特征的部分如手部、眼睛、嘴巴等等。
当可信应用程序执行时，如进行电子支付、电子设备解锁时，可通过可信执行环境的专用硬件，控制开启红外传感器进行成像。其中，专用硬件可以为MCU。
本实施例中，红外传感器可包括激光摄像头和泛光灯。MCU可以调制电子设备上的泛光灯发出红外光，投射到成像对象。红外光受到成像对象的阻碍，被成像对象反射，激光摄像头捕获成像对应反射的红外光进行成像。
步骤102，获取红外传感器成像得到的第一成像数据。
本实施例中，可通过专用硬件如MCU，获取红外传感器成像得到的第一成像数据。具体地，专用硬件根据红外传感器的成像结果，得到第一成像数据，这里为红外图像。
步骤103，根据第一成像数据，对成像对象与预存的成像对象进行比对。
本实施例中，由于每个人的身体部分的特征一般是不相同的，可以选取身体部位作为成像对象，例如，成像对象可以为人脸、面部器官(眼睛、鼻子、嘴巴)或者手部等身体部位。在获得成像对象的第一成像数据即红外图像后，可从红外图像中提取成像轮廓，具体而言，可以提取红外图像的边缘像素点，以及像素值相近的像素点，以得到成像轮廓。
然后，将成像轮廓与预存的成像对象的成像轮廓进行匹配。作为一个示例，在进行成像轮廓匹配时，可分段进行匹配，当每个分段相似程度均超过每个分段的预设阈值时，可以认为该成像轮廓与预设的成像轮廓匹配，即成像对象为预存的成像对象。
具体而言，从红外图像中可以提取图像边缘的像素点，以及像素值的差值小于预设阈值的像素点，即像素值相近的像素点，以得到成像轮廓。
在将成像轮廓与预设的人脸轮廓进行比对，可将人脸轮廓分以眉毛为分界分为上半部分和下半部分，分段进行比对。由于上半部分(包括眉毛)，受到眉形、发型的影响，相对变化比较大，可信度比较低，而下半部分，如眼睛、眉毛、鼻子、嘴巴等比较固定，因此上半部分对应的相似度的预设阈值，相对下半部分相对较小。
针对两个部分分别进行比对，当成像轮廓的上半部分与预存的人脸轮廓的上半部分的相似度超过对应的预设阈值，且成像轮廓的下半部分与预存的人脸轮廓的下半部分的相似度超过对应的预设阈值时，可以认为成像轮廓与预存的人脸轮廓匹配，即成像对象为预存的人脸。
步骤104，如果成像对象为预存的成像对象，则控制开启图像传感器进行成像。
当成像对象为预存的成像对象时，可以说明该成像对象属于电子设备的机主，这时可以控制开启图像传感器。这里开启的图像传感器可以为可见光图像传感器或者结构光图像传感器，也可以为可见光图像传感器和结构光图像传感器。
本实施例中，可见光图像传感器包括可见光摄像头，可见光摄像头可以捕获由成像对象反射的可见光进行成像，得到可见光图像。结构光图像传感器包括镭射灯，以及与红外传感器共用的激光摄像头。PWM可以调制镭射灯以发出结构光，结构光照射至成像对象，激光摄像头可以捕获由成像对象反射的结构光进行成像，得到结构光图像。
由于在确定成像对象与预存的成像对象匹配后，再开启图像传感器，从而使得图像传感器不需要一直处于开启状态，可以很好地节省电子设备的电量，提高电子设备的续航能力。
步骤105，获取图像传感器成像得到的第二成像数据。
本实施例中，当开启的传感器为可见光图像传感器时，可通过专用硬件获取可见光图像传感器成像得到的第二数据，即可见光图像。当开启的传感器为结构光图像传感器时，可通过专用硬件获取可见光图像传感器成像得到的结构光图像。深度引擎根据结构光图像，可计算获得成像对象对应的深度数据，具体而言，深度引擎解调结构光图像中变形位置像素对应的相位信息，将相位信息转化为高度信息，根据高度信息确定被摄物对应的深度数据，从而根据深度数据得到深度图。当开启的传感器为可见光图像传感器和结构光图像传感器时，可通过专用硬件获取可见光图像和深度图。
步骤106，根据第二成像数据，对成像对象进行活体检测。
本实施例中，可利用过深度图对成像对象进行活体检测，也可以通过可见光图像进行活体检测，也可以通过可见光图像和红外图像进行活体检测。具体过程可详见后续实施例。
本申请实施例的图像处理方法，通过先开启红外光传感器，在确定成像对象与预存的成像对象匹配后，再开启图像传感器，进行活体检测，不仅可以节省能量，而且可以提高身份验证的安全性和可靠性。由于在确定成像对象为预存的成像对象匹配后，再开启图像传感器，从而使得图像传感器不需要一直处于开启状态，可以很好地节省电子设备的电量，提高电子设备的续航能力。
本实施例的图像处理方法，可由可信应用程序执行，可信应用程序运行于可信执行环境中，在前述身份验证的过程中，在可信环境下通过专用硬件获取身份验证的成像数据，保证了身份验证数据来源的安全性，进一步提高了身份验证的安全性和可靠性。
进一步地，如图3所示，在图1所示的基础上，该图像处理方法在步骤106之后，还可包括：
步骤107，若活体检测通过，利用深度图形成结构光深度模型，与预设人脸深度模型进行匹配。
当成像对象通过活体检测时，通过结构光深度模型进行身份验证。具体而言，根据深度图中的深度数据构建结构光深度模型，并与预设的人脸深度模型进行匹配。具体地，可将构建的结构光深度模型中脸部各个器官的结构光深度模型，与预设的人脸深度模型中各个器官的深度模型进行比对，当相似度超过预设阈值时，可以认为结构光深度模型与预设的人脸深度模型匹配。
可以理解的是，这里预设的人脸深度模型，是预先存储的利用结构光图像传感器对电子设备的机主的人脸进行成像得到的结构光图像，利用结构光图像中深度数据构建得到的预设的人脸深度模型，以用于身份验证。
步骤108，当结构光深度模型与预设人脸深度模型匹配时，确定身份验证通过。
当结构光深度模型与预设人脸深度模型匹配时，确定通过了身份验证，可以进行后续的操作，如完成电子支付、电子设备解锁等等。
可以理解的是，当未通过活体检测时，可返回未通过活体检测的消息，或者当结构光深度模型与预设人脸深度模型不匹配时，返回未身份验证失败的信息。
本申请实施例的图像处理方法，在通过成像对象活体检测后，也就是在确认进行身份验证的对象不是仿照物(照片)时，再进行身份验证，从而提高了身份验证的安全性和可靠性。
由于当第二成像数据不同时，进行活体检测的方法不同，当第二成像数据为结构光图像时，本申请实施例提供了一种进行活体检测的方法。图4为本申请实施例提供的一种根据结构光图像进行活体检测的方法的流程示意图。如图4所示，包括：
步骤301，从结构光深度模型中识别目标器官。
本实施例中，可预先存储多个人体器官的结构光深度模型。在通过专用硬件获取成像对象的结构光图像后，从结构光图像中获取深度数据，深度数据构成深度图，并根据深度图构建结构光深度模型，将结构光深度模型与预存的器官的结构光深度模型进行比对，以从结构光深度模型中识别出目标器官。
举例而言，从人脸的结构光深度模型中识别出眉毛、眼睛、鼻子、嘴巴等器官。
步骤302，继续采集深度图，对目标器官进行跟踪，识别目标器官是否处于运动状态。
由于成像对象为活体时，成像对象不可能始终保持静止，当某器官处于运动状态时，其深度数据也会发生变化，因此本实施例中对目标器官进行跟踪，以确定目标器官是否处于运动状态。
具体地，在识别出目标器官后，继续采集成像对象的深度图，获取连续的多帧深度图。通过比较同一器官在连续的多帧深度图中的深度数据，以确定该器官是否处于运动状态。当同一器官在连续的多帧深度图中的深度数据发生了变化，可以确定该器官处于运动状态。
以目标器官为嘴巴为例，在当前采集的深度图像中处于闭合状态，经过几帧深度图像后，嘴巴处于张开状态，从而可以确定嘴巴处于运动状态。
步骤303，如果目标器官处于运动状态，则确定成像对象为活体。
当目标器官处于运动状态时，说明成像对象不是仿照物，如照片等，可以确定该成像对象为活体。当目标器官处于静止状态时，可以确定该成像对象不是活体，可能为照片等仿照物。
本实施例中，通过从结构光深度模型中识别出目标器官，对目标器官进行跟踪，以确定目标器官是否处于运动状态，进而确定成像对象是否为活体，活体检测的准确率高。
上述实施例中，当确定成像对象为预存的成像对象时，控制开启的图像传感器可以是可见光图像传感器，以根据可见光图像检测成像对象是否为活体。图5为本申请实施例提供的又一种图像处理方法的流程示意图。
如图5所示，该方法包括：
步骤401，控制开启红外传感器进行成像。
步骤402，获取红外传感器成像得到的第一成像数据。
步骤403，根据第一成像数据，对成像对象与预存的成像对象进行比对。
本实施例中，根据第一成像数据，判断成像对象是否与预存的成像对象匹配的方法，与上述实施例中步骤101-步骤103中记载的方法类似，故在此不再赘述。
步骤404，如果成像对象为预存的成像对象，则控制开启可见光图像传感器进行成像。
当成像对象为预存的成像对象时，可控制开启可见光图像传感器，以使成像对象反射的可见光，在可见光图像传感器上成像。
步骤405，获取可见光图像传感器成像得到的可见光图像。
本实施例中，可通过专用硬件如MCU，获取可见光图像传感器成像得到的各个像素点的值，进而得到可见光图像。
步骤406，根据可见光图像，对成像对象进行活体检测。
作为一种可能的实现方式，可仅根据可见光图像对成像对象进行活体检测。图6为本申请实施例提供的一种根据可见光图像进行活体检测的方法的流程示意图。如图6所示，该活体检测方法包括：
步骤501，从可见光图像中识别人脸区域中的目标器官。
本实施例中，可预先存储脸部多个器官的可见光图像，将成像对象的可见光图像与预存的脸部器官的可见光图像进行比对，将成像对象的可见光图像中与预存的某器官的像素值相近的区域，确定为该器官。
举例而言，将成像对象的可见光图像中与预存的鼻子的可见光图像的像素值相近的区域识别为鼻子。
步骤502，继续采集可见光图像，对目标器官进行跟踪，识别目标器官是否处于运动状态。
由于成像对象为活体时，成像对象不可能始终保持静止，当某器官处于运动状态时，其位置也会发生变化，因此本实施例中对目标器官进行跟踪，以确定目标器官是否处于运动状态。
具体地，在识别出人脸区域中的目标器官后，继续采集人脸的可见光图像，得到连续多帧的人脸的可见光图像。通过比较两个器官在连续两帧或多帧可见光图像中的相对位置，以确定该目标器官是否处于运动状态。
当两个目标器官的相对位置发生了变化，可以认为这两个器官处于运动状态。
步骤503，如果目标器官处于运动状态，则确定成像对象为活体。
当目标器官处于运动状态时，可以确定人脸为活体，而不是仿照物如照片中的人脸，说明人脸通过了活体检测。当目标器官处于静止状态时，可以认为人脸不是活体而是仿照物，说明人脸没有通过活体检测。
作为另一种可能的实现方式，还可根据可见光图像和红外图像，对人脸进行活体检测。图7为本申请实施例提供的一种根据可见光图像和红外图像进行活体检测的方法的流程示意图。如图7所示，该方法包括：
步骤601，在可见光图像中识别人脸区域，并在红外图像中，确定与人脸区域相对应的第一目标区域。
本实施例中，在可见光图像上，检测人脸区域，如果没有检测到人脸区域，重新采集可见光图像和红外图像。如果检测到人脸，则在红外图像中识别出人脸轮廓，确定与可见光图像中人脸区域对应的第一目标区域。可以理解的是，这里第一目标区域为红外图像中的人脸区域。
步骤602，根据第一目标区域，确定包含第一目标区域且大于第一目标区域的第二目标区域。
在红外图像上在第一目标区域的基础上扩大范围，得到第二目标区域。可以理解的是，第二目标区域包含第一目标区域且大于第一目标区域。
步骤603，在第二目标区域内统计直方图，并根据直方图计算对比度。
在红外图像上的第二目标区域内统计直方图，如公式(1)所示。
C＝∑δδ(i,j)2pδ(i,j) (1)
其中，δ(i,j)＝|i-j|，即相邻像素间灰度差，pδ(i,j)为相邻像素间的灰度差的像素分布概率。
步骤604，若对比度大于阈值，确定红外图像和可见光图像的成像对象为活体。
当对比度大于一定的阈值时，可以确定红外图像和可见光图像的成像对象为活体，否则为仿照物。
步骤407，若活体检测通过后，控制开启结构光图像传感器进行成像。
本实施例中，当检测成像对象为活体时，可通过专用硬件，控制开启结构光图像传感器。具体而言，可通过专用硬件调制镭射灯以发出结构光，结构光投射到成像对象。成像对象反射结构光，结构光图像传感器根据成像对象反射的结构光对成像对象进行成像。
步骤408，获取结构光图像传感器成像得到的第三成像数据。
本实施例中，结构光图像传感器根据成像对象反射的结构光，可成像得到结构光图像。可通过专用硬件，根据结构光图像获取深度数据，进而根据深度数据构建得到成像对象的结构光深度模型。从而，第三成像数据中包括结构光深度模型。
步骤409，将第三成像数据中的结构光深度模型，与预设人脸深度模型进行匹配，确定是否通过身份验证。
本实施例中，当成像对象通过活体检测后，通过结构光深度模型进行身份验证。具体而言，将结构光深度模型与预设的人脸深度模型进行匹配。具体地，可将构建的结构光深度模型中脸部各个器官的结构光深度模型，与预设的人脸深度模型中各个器官的深度模型进行比对，当相似度超过预设阈值时，可以认为结构光深度模型与预设的人脸深度模型匹配，可以确定通过了身份验证。
在确定身份验证后，电子设备进行只有在身份验证通过后才可进行的操作，如完成电子支付、解锁等。
本申请实施例的图像处理方法，通过第一成像数据确定成像对象是否属于机主，确定属于机主后，再开启可见光图像传感器，根据可见光图像进行活体检测。在根据可见光图像确定成像对象为活体后，再开启结构光图像传感器，根据结构光深度模型进行身份验证。由于可见光图像传感器和结构光图像传感器，可以不用一直处于开启状态，从而可以节省电子设备的能量，提高电子设备的续航能力。并且，本实施例中，先确定成像对象是否属于机主，在属于机主的情况下，再进行活体验证，可以提高身份验证对安全性和可靠性。
本申请实施例的图像处理方法，通过控制开启红外传感器进行成像，在根据红外传感器成像得到的成像数据确定成像对象为预存的成像对象后，再控制开启图像传感器进行成像，以根据图像传感器成像得到的成像数据进行活体检测，由于在确定成像对象为预存的成像对象后再进行活体检测，从而可以避免利用仿照物如照片验证通过的情况出现，提高了身份验证的安全性和可靠性。由于在确定成像对象为预存的成像对象匹配后，再开启图像传感器，从而使得图像传感器不需要一直处于开启状态，可以很好地节省电子设备的电量，提高电子设备的续航能力。
为了实现上述实施例，本申请还提出一种图像处理装置。如图8所示，该装置包括：控制模块710、获取模块720、匹配模块730、检测模块740。
控制模块710用于控制红外传感器进行成像；以及在比对出成像对象为预存的成像对象时，控制开启图像传感器进行成像。
获取模块720用于获取红外传感器成像得到的第一成像数据，以及获取图像传感器成像得到的第二成像数据；
匹配模块730用于根据第一成像数据，对成像对象与预存的成像对象进行比对；
检测模块740用于根据第二成像数据，进行活体检测。
在本实施例一种可能的实现方式中，该装置还包括：
匹配模块730，还用于若活体检测通过，利用深度图形成结构光深度模型，与预设人脸深度模型进行匹配；
确定模块，用于当结构光深度模型与预设人脸深度模型匹配时，确定身份验证通过。
在本实施例一种可能的实现方式中，检测模块740还用于：
从结构光深度模型中识别目标器官；
继续采集深度图，对目标器官进行跟踪，识别目标器官是否处于运动状态；
如果目标器官处于运动状态，则确定成像对象为活体。
在本实施例一种可能的实现方式中，所述图像传感器为可见光图像传感器，所述第二成像数据包括可见光图像，该装置还可包括：
控制模块710，还用于若活体检测通过后，控制开启结构光图像传感器进行成像；
获取模块720，还用于获取结构光图像传感器成像得到的第三成像数据；
匹配模块730，还用于将第三成像数据中的结构光深度模型，与预设人脸深度模型进行匹配；
确定模块，用于当结构光深度模型与预设人脸深度模型匹配时，确定身份验证通过。
在本实施例一种可能的实现方式中，检测模块740还用于：
从可见光图像中识别人脸区域中的目标器官；
继续采集可见光图像，对目标器官进行跟踪，识别目标器官是否处于运动状态；
如果目标器官处于运动状态，则确定成像对象为活体。
在本实施例一种可能的实现方式中，第一成像数据为红外图像，检测模块740还用于：
在可见光图像中识别人脸区域，并在所述红外图像中，确定与人脸区域相对应的第一目标区域；
根据第一目标区域，确定包含第一目标区域且大于第一目标区域的第二目标区域；
在第二目标区域内统计直方图，并根据直方图计算对比度；
若对比度大于阈值，确定红外图像和可见光图像的成像对象为活体。
在本实施例一种可能的实现方式中，第一成像数据为红外图像，匹配模块730还用于：
从红外图像中提取成像轮廓；
将成像轮廓与预存的成像对象的成像轮廓匹配；
如果成像轮廓预存的成像对象的成像轮廓匹配，则确定成像对象属于机主。
在本实施例一种可能的实现方式中，该图像处理装置可具有可信执行环境。在身份验证过程中，通过专用硬件获取身份验证所需的成像数据，保证了身份验证数据来源的安全性，进一步提高了安全性和可靠性。
上述图像处理装置中各个模块的划分仅用于举例说明，在其他实施例中，可将图像处理装置按照需要划分为不同的模块，以完成上述图像处理装置的全部或部分功能。
需要说明的是，前述对图像处理方法实施例的解释说明，也适用于该实施例的图像处理装置，故在此不再赘述。
本申请实施例的图像处理装置，通过控制开启红外传感器进行成像，获取红外传感器成像得到的第一成像数据，根据第一成像数据，对成像对象与预存的成像对象进行比对，如果成像对象为预存的成像对象，则控制开启图像传感器进行成像，获取图像传感器成像得到的第二成像数据，根据第二成像数据，对成像对象进行活体检测。本实施例中，控制开启红外传感器进行成像，在根据红外传感器成像得到的成像数据确定成像对象为预存的成像对象后，再控制开启图像传感器进行成像，以根据图像传感器成像得到的成像数据进行活体检测，由于在确定成像对象为预存的成像对象后再进行活体检测，从而可以避免利用仿照物如照片验证通过的情况出现，提高了身份验证的安全性和可靠性。由于在确定成像对象为预存的成像对象匹配后，再开启图像传感器，从而使得图像传感器不需要一直处于开启状态，可以很好地节省电子设备的电量，提高电子设备的续航能力。
本申请实施例还提出一种移动终端。图9为本申请实施例提供的一种移动终端的结构示意图。
本实施例中，移动终端包括但不限于手机、平板电脑等设备。
如图9所示，该移动终端包括：成像传感器810、存储器820、MCU 830、处理器840以及存储在存储器820上并可在处理器840的可信执行环境下运行的可信应用程序(图8中未示出)。
其中，MCU 830为可信执行环境的专用硬件，与成像传感器810和处理器840连接，用于控制成像传感器810进行成像，并将成像数据发送至处理器840。
处理器840执行可信应用程序时，实现前述实施例所述的图像处理方法。
在本实施例一种可能的实现方式中，MCU 830与处理器840之间通过加密方式进行通信。
本实施例中，MCU 830可采取行列像素点置乱方法对图像进行加密。具体而言，MCU830可将原图中的像素信息进行了重新排布，处理器可通过一一对应的关系可以恢复原来的图像。
MCU 830也可采用基于混沌的图像加密方法，具体地，产生2个Logistic混沌序列，改造2个Logistic，得到两个y序列，由yl和y2序列对原图像进行值替代加密。其中，秘钥为混沌***的初始状态值。
在本实施例一种可能的实现方式中，成像传感器810可包括：红外传感器、结构光图像传感器和可见光图像传感器。
其中，红外传感器包括激光摄像头和泛光灯；结构光图像传感器包括：镭射灯，以及与红外传感器共用的激光摄像头，可见光图像传感器包括：可见光摄像头。
在本实施例一种可能的实现方式中，MCU 830包括PWM、深度引擎、总线接口以及随机存取存储器RAM。
其中，PWM用于调制泛光灯以使发出红外光，以及调制镭射灯以发出结构光；
激光摄像头，用于采集成像对象的结构光图像；
深度引擎，用于根据结构光图像，计算获得成像对象对应的深度数据；以及
总线接口，用于将深度数据发送至处理器840，并由处理器840上运行的可信应用程序利用深度数据执行相应的操作。
例如，可根据深度数据进行身份验证，具体过程可参见上述实施例，在此不再赘述。
本申请实施例还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如前述实施例所述的图像处理方法。
在本说明书的描述中术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (14)

1.一种图像处理方法，其特征在于，包括以下步骤：
控制开启红外传感器进行成像；
获取所述红外传感器成像得到的第一成像数据；
根据所述第一成像数据，对成像对象与预存的成像对象进行比对；
如果所述成像对象为所述预存的成像对象，则控制开启图像传感器进行成像；
获取所述图像传感器成像得到的第二成像数据；
根据所述第二成像数据，对所述成像对象进行活体检测。
2.根据权利要求1所述的方法，其特征在于，所述图像传感器为结构光图像传感器，所述第二成像数据为深度图，则所述对所述成像对象进行活体检测之后，还包括：
若活体检测通过，利用所述深度图形成结构光深度模型，与预设人脸深度模型进行匹配；
当所述结构光深度模型与预设人脸深度模型匹配时，确定身份验证通过。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第二成像数据，对所述成像对象进行活体检测，包括：
从所述结构光深度模型中识别目标器官；
继续采集所述深度图，对所述目标器官进行跟踪，识别所述目标器官是否处于运动状态；
如果所述目标器官处于运动状态，则确定所述成像对象为活体。
4.根据权利要求1所述的方法，其特征在于，所述图像传感器为可见光图像传感器，所述第二成像数据包括可见光图像，则所述对所述成像对象进行活体检测之后，还包括：
若活体检测通过后，控制开启所述结构光图像传感器进行成像；
获取所述结构光图像传感器成像得到的第三成像数据；
将所述第三成像数据中的结构光深度模型，与预设人脸深度模型进行匹配；
当所述结构光深度模型与预设人脸深度模型匹配时，确定身份验证通过。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第二成像数据，对所述成像对象进行活体检测，包括：
从所述可见光图像中识别人脸区域中的目标器官；
继续采集所述可见光图像，对所述目标器官进行跟踪，识别所述目标器官是否处于运动状态；
如果所述目标器官处于运动状态，则确定所述成像对象为活体。
6.根据权利要求4所述的方法，其特征在于，所述第一成像数据为红外图像，所述根据所述第二成像数据，对所述成像对象进行活体检测，包括：
在所述可见光图像中识别人脸区域，并在所述红外图像中，确定与所述人脸区域相对应的第一目标区域；
根据所述第一目标区域，确定包含所述第一目标区域且大于所述第一目标区域的第二目标区域；
在所述第二目标区域内统计直方图，并根据所述直方图计算对比度；
若所述对比度大于阈值，确定所述红外图像和所述可见光图像的成像对象为活体。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述第一成像数据为红外图像，则所述根据所述第一成像数据，对成像对象与预存的成像对象进行比对，包括：从所述红外图像中提取成像轮廓；
将所述成像轮廓与预存的成像对象的成像轮廓匹配；
如果所述成像轮廓预存的成像对象的成像轮廓匹配，则确定所述成像对象属于机主。
8.根据权利要求1-6任一项所述的方法，其特征在于，所述方法由可信应用程序执行，所述可信应用程序运行于可信执行环境中。
9.一种图像处理装置，其特征在于，所述装置包括：
控制模块，用于控制红外传感器进行成像；以及在比对出成像对象为预存的成像对象时，控制开启图像传感器进行成像；
获取模块，用于获取红外传感器成像得到的第一成像数据，以及获取所述图像传感器成像得到的第二成像数据；
匹配模块，用于根据所述第一成像数据，对成像对象与预存的成像对象进行比对；
检测模块，用于根据所述第二成像数据，进行活体检测。
10.一种移动终端，其特征在于，包括：成像传感器、存储器、微处理芯片MCU、处理器及存储在所述存储器上并可在所述处理器的可信执行环境下运行的可信应用程序；
所述MCU，为所述可信执行环境的专用硬件，与所述成像传感器和所述处理器连接，用于控制所述成像传感器进行成像，并将成像数据发送至所述处理器；
所述处理器执行所述可信应用程序时，实现如权利要求1-8中任一项所述的图像处理方法。
11.根据权利要求10所述的移动终端，其特征在于，所述MCU与所述处理器之间通过加密方式进行通信。
12.根据权利要求10所述的移动终端，其特征在于，所述成像传感器包括：红外传感器、结构光图像传感器和可见光图像传感器；
其中，所述红外传感器包括激光摄像头和泛光灯；
所述结构光图像传感器包括：镭射灯，以及与所述红外传感器共用的激光摄像头；
所述可见光图像传感器包括：可见光摄像头。
13.根据权利要求12所述的移动终端，其特征在于，所述MCU包括：脉冲宽度调制PWM、深度引擎、总线接口以及随机存取存储器RAM；
所述PWM，用于调制泛光灯以使发出红外光，以及调制镭射灯以发出结构光；
所述激光摄像头，用于采集所述成像对象的结构光图像；
所述深度引擎，用于根据所述结构光图像，计算获得所述成像对象对应的深度数据；以及
所述总线接口，用于将所述深度数据发送至所述处理器，并由所述处理器上运行的可信应用程序利用所述深度数据执行相应的操作。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一项所述的图像处理方法。
CN201810326645.2A 2018-04-12 2018-04-12 图像处理方法、装置及移动终端、存储介质 Pending CN108616688A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201810326645.2A CN108616688A (zh) 2018-04-12 2018-04-12 图像处理方法、装置及移动终端、存储介质
PCT/CN2019/075384 WO2019196559A1 (zh) 2018-04-12 2019-02-18 人脸识别方法、装置及移动终端、存储介质
EP19749165.7A EP3576016A4 (en) 2018-04-12 2019-02-18 FACIAL RECOGNITION METHOD AND APPARATUS, MOBILE TERMINAL AND STORAGE MEDIUM
US16/483,805 US11410458B2 (en) 2018-04-12 2019-02-18 Face identification method and apparatus, mobile terminal and storage medium
TW108112844A TW201944290A (zh) 2018-04-12 2019-04-12 人臉識別方法以及移動終端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810326645.2A CN108616688A (zh) 2018-04-12 2018-04-12 图像处理方法、装置及移动终端、存储介质

Publications (1)

Publication Number Publication Date
CN108616688A true CN108616688A (zh) 2018-10-02

Family

ID=63659883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810326645.2A Pending CN108616688A (zh) 2018-04-12 2018-04-12 图像处理方法、装置及移动终端、存储介质

Country Status (1)

Country Link
CN (1) CN108616688A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109618100A (zh) * 2019-01-15 2019-04-12 北京旷视科技有限公司 现场拍摄图像的判断方法、装置及***
WO2019196559A1 (zh) * 2018-04-12 2019-10-17 Oppo广东移动通信有限公司 人脸识别方法、装置及移动终端、存储介质
CN110889102A (zh) * 2019-11-27 2020-03-17 Tcl移动通信科技（宁波）有限公司 图像解锁方法、装置、计算机可读存储介质及终端
WO2020135125A1 (zh) * 2018-12-27 2020-07-02 杭州海康威视数字技术股份有限公司 活体检测方法和设备
CN111699678A (zh) * 2019-01-16 2020-09-22 深圳市汇顶科技股份有限公司 使用两个摄像头的反欺骗面部id感测
CN112926367A (zh) * 2019-12-06 2021-06-08 杭州海康威视数字技术股份有限公司 一种活体检测的设备及方法
CN112997185A (zh) * 2019-09-06 2021-06-18 深圳市汇顶科技股份有限公司 人脸活体检测方法、芯片及电子设备
CN116339899A (zh) * 2023-05-29 2023-06-27 内江师范学院 一种基于人工智能的桌面图标的管理方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6907134B1 (en) * 1999-03-18 2005-06-14 Omron Corporation Personal identification device and method
JP2005327043A (ja) * 2004-05-13 2005-11-24 Seiko Epson Corp 画像レイアウト装置、画像レイアウト方法、画像レイアウトプログラムおよび記録媒体
CN105718925A (zh) * 2016-04-14 2016-06-29 苏州优化智能科技有限公司 基于近红外和面部微表情的真人活体身份验证终端设备
CN107133608A (zh) * 2017-05-31 2017-09-05 天津中科智能识别产业技术研究院有限公司 基于活体检测和人脸验证的身份认证***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6907134B1 (en) * 1999-03-18 2005-06-14 Omron Corporation Personal identification device and method
JP2005327043A (ja) * 2004-05-13 2005-11-24 Seiko Epson Corp 画像レイアウト装置、画像レイアウト方法、画像レイアウトプログラムおよび記録媒体
CN105718925A (zh) * 2016-04-14 2016-06-29 苏州优化智能科技有限公司 基于近红外和面部微表情的真人活体身份验证终端设备
CN107133608A (zh) * 2017-05-31 2017-09-05 天津中科智能识别产业技术研究院有限公司 基于活体检测和人脸验证的身份认证***

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11410458B2 (en) 2018-04-12 2022-08-09 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Face identification method and apparatus, mobile terminal and storage medium
WO2019196559A1 (zh) * 2018-04-12 2019-10-17 Oppo广东移动通信有限公司 人脸识别方法、装置及移动终端、存储介质
WO2020135125A1 (zh) * 2018-12-27 2020-07-02 杭州海康威视数字技术股份有限公司 活体检测方法和设备
US11682231B2 (en) 2018-12-27 2023-06-20 Hangzhou Hikvision Digital Technology Co., Ltd. Living body detection method and device
CN109618100A (zh) * 2019-01-15 2019-04-12 北京旷视科技有限公司 现场拍摄图像的判断方法、装置及***
CN111699678A (zh) * 2019-01-16 2020-09-22 深圳市汇顶科技股份有限公司 使用两个摄像头的反欺骗面部id感测
US11367314B2 (en) 2019-01-16 2022-06-21 Shenzhen GOODIX Technology Co., Ltd. Anti-spoofing face ID sensing based on retro-reflection
US11403884B2 (en) 2019-01-16 2022-08-02 Shenzhen GOODIX Technology Co., Ltd. Anti-spoofing face ID sensing
CN112997185A (zh) * 2019-09-06 2021-06-18 深圳市汇顶科技股份有限公司 人脸活体检测方法、芯片及电子设备
CN110889102A (zh) * 2019-11-27 2020-03-17 Tcl移动通信科技（宁波）有限公司 图像解锁方法、装置、计算机可读存储介质及终端
CN110889102B (zh) * 2019-11-27 2023-06-20 Tcl移动通信科技（宁波）有限公司 图像解锁方法、装置、计算机可读存储介质及终端
CN112926367A (zh) * 2019-12-06 2021-06-08 杭州海康威视数字技术股份有限公司 一种活体检测的设备及方法
CN116339899A (zh) * 2023-05-29 2023-06-27 内江师范学院 一种基于人工智能的桌面图标的管理方法及装置
CN116339899B (zh) * 2023-05-29 2023-08-01 内江师范学院 一种基于人工智能的桌面图标的管理方法及装置

Similar Documents

Publication Publication Date Title
CN108596061A (zh) 人脸识别方法、装置及移动终端、存储介质
CN108616688A (zh) 图像处理方法、装置及移动终端、存储介质
Steiner et al. Reliable face anti-spoofing using multispectral SWIR imaging
Jain et al. Biometric identification
Burge et al. Ear biometrics
CN110008813B (zh) 基于活体检测技术的人脸识别方法和***
CN108595942A (zh) 应用程序的安全控制方法、装置及移动终端、存储介质
Genovese et al. Touchless palmprint recognition systems
US20240087358A1 (en) Liveness test method and apparatus and biometric authentication method and apparatus
US11410458B2 (en) Face identification method and apparatus, mobile terminal and storage medium
Naït-Ali et al. Signal and image processing for biometrics
US11682236B2 (en) Iris authentication device, iris authentication method and recording medium
Rathgeb et al. Makeup presentation attacks: Review and detection performance benchmark
Kant et al. Fake face recognition using fusion of thermal imaging and skin elasticity
CN108959884A (zh) 人证核验装置和方法
CN112600886B (zh) 端云结合的隐私保护方法、装置以及设备
CN108614958A (zh) 应用程序的安全控制方法、装置及移动终端、存储介质
Pilania et al. Exploring face detection and recognition in steganography
Shen et al. Iritrack: Face presentation attack detection using iris tracking
CN107633231A (zh) 人脸检测方法及相关产品
CN108629745A (zh) 基于结构光的图像处理方法、装置和移动终端
Lubna et al. Detecting Fake Image: A Review for Stopping Image Manipulation
CN111291586B (zh) 活体检测方法、装置、电子设备及计算机可读存储介质
KR100554171B1 (ko) 생체 인증 방법 및 그 시스템
Singla et al. Face Detection and Recognition Using Digital Image Processing:" State of the Art"

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181002