CN108875461A - 一种人脸活体检测方法以及装置 - Google Patents

一种人脸活体检测方法以及装置 Download PDF

Info

Publication number
CN108875461A
CN108875461A CN201710341619.2A CN201710341619A CN108875461A CN 108875461 A CN108875461 A CN 108875461A CN 201710341619 A CN201710341619 A CN 201710341619A CN 108875461 A CN108875461 A CN 108875461A
Authority
CN
China
Prior art keywords
face
image
movement
picture
picture quality
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
CN201710341619.2A
Other languages
English (en)
Inventor
阮仕涛
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.)
Shenzhen Prafly Technology Co Ltd
Original Assignee
Shenzhen Prafly Technology Co 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 Shenzhen Prafly Technology Co Ltd filed Critical Shenzhen Prafly Technology Co Ltd
Priority to CN201710341619.2A priority Critical patent/CN108875461A/zh
Publication of CN108875461A publication Critical patent/CN108875461A/zh
Pending legal-status Critical Current

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
    • G06V40/168—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
    • G06V40/10—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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种人脸活体检测方法以及装置，方法包括：S100、获取图像的脸部特征点；S200、获取图像的图像质量，如果图像质量合格执行下一步骤，否则进行下一帧图像的处理，重新执行步骤S100；S300、随机选择预设动作集中的至少一种动作以及动作完成的次数提示给用户；S400、检测用户所做动作，若用户在指定的时间内完成步骤S300中随机选择的所述至少一种动作以及动作完成的次数，则判定为活体；否则，判定为非活体。本发明可以更好的防止活体检测中的照片和视频播放方式的欺诈行为，使得活体检测的可靠性和安全性更高。

Description

一种人脸活体检测方法以及装置
技术领域
本发明涉及生物识别领域，尤其涉及一种人脸活体检测方法以及装置。
背景技术
目前，生物识别技术广泛地应用于安全领域，是认证用户身份的主要手段之一。其中，人脸是生物识别技术中常用的一种生物特征。
活体检测的方法主要是通过识别活体上的生理信息来进行，它把生理信息作为生命特征来区别用照片、硅胶、塑泥等非生命物质伪造的生物特征。一般而言，人脸活体检测面临着三种欺诈手段：使用用户的照片、使用用户的视频、使用用户的三维模型。
其中，使用用户的照片欺诈是最常见的一种方式。原因在于一个人的脸部图像是非常容易获取的，比如，通过互联网下载，通过摄像头在用户不知情的情况下抓拍等。入侵者可以通过人脸图像在图像采集设备前旋转、翻转、弯曲、摇摆等手段造成一种类似于用户真人的效果去欺骗生物识别认证***。目前来看，检测一张输入的图像是来自真实人脸或者是照片人脸依旧是一件非常有挑战性的工作。
视频欺诈是另外一种对于人脸识别***具有很大威胁的手段，这种手段呈现出的效果和真实人脸的效果非常相似，而用户的脸部视频可以通过其面前的针孔摄像头获取。并且这种方法具有很多特征，如头部运动，脸部表情、眨眼运动等。这些特征是照片所不具备的，正因为如此，这种欺诈手段也是对活体检测***威胁最大的一种；
三维模型具备人脸的三维信息，然而这些信息是刚性的，并且是缺少生理信息，并且要仿造一个活人的三维模型是非常困难的。所以，照片欺骗和视频欺骗是攻击人脸活体检测***最常见，最普遍的手段和方法。
总体来讲，人类在区分真实人脸或者假冒人脸时，很容易识别出很多活体的物理特征，比如，人脸表情变化，嘴部变化、头部旋转、眼睛变化。然而，捕获这些细节特征对于计算机而言是非常困难的，而在不受控条件下，会更加的困难。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种人脸活体检测方法以及装置。
本发明解决其技术问题所采用的技术方案是：构造一种人脸活体检测方法，包括：
S100、获取图像的脸部特征点；
S200、获取图像的图像质量，如果图像质量合格执行下一步骤，否则进行下一帧图像的处理，重新执行步骤S100；
S300、随机选择预设动作集中的至少一种动作以及动作完成的次数提示给用户；
S400、检测用户所做动作，若用户在指定的时间内完成步骤S300中随机选择的所述至少一种动作以及动作完成的次数，则判定为活体；否则，判定为非活体。
其中，步骤S200中所述的获取图像的图像质量包括：基于以下公式获取图像的峰值信噪比PSNR作为图像质量的评判标准，如果峰值信噪比PSNR不超过阈值，则判断图像质量合格执，否则判断图像质量不合格；
公式中，L取255，M表示图像的像素阵列的行数，N表示图像的像素阵列的列数，fij表示第i行第j列的像素灰度值，f‘ij为图像的整个像素阵列的均值，MSE表示图像的整个像素阵列的灰度均方差。
其中，步骤S400中所述的检测用户所做动作具体为：检测脸部特征点的变化，如果变化符合步骤S300中随机选择的所述至少一种动作对应的特征点的变化则判断完成相应的一次动作。
其中，所述步骤S100之前还包括：将在实际应用环境中拍摄的人脸图片、非人脸图片作为人脸检测的训练样本，对每个训练样本提取局部二值特征，并送入随机森林级联分类器进行样本学习和训练以得到人脸检测分类器；
其中，在所述步骤S100具体包括：利用所述人脸检测分类器对任意一张图片进行人脸检测和对齐，从而返回人脸检测信息，所述人脸检测信息包括图片中是否含有人脸、人脸的位置、大小和特征点的位置信息。
其中，所述步骤S100之前还包括：预先保存预设动作集，预设动作集包括眨眼、张嘴、摇头、点头。
本发明还要求保护一种人脸活体检测装置，包括：
特征点获取单元，用于获取图像的脸部特征点；
图像质量验证单元，用于获取图像的图像质量，如果图像质量合格则触发，否则通知特征点获取单元进行下一帧图像的处理；
随机动作选择及提示单元，用于随机选择预设动作集中的至少一种动作以及动作完成的次数提示给用户；
动作检测单元，用于检测用户所做动作，若用户在指定的时间内完成随机动作选择及提示单元随机选择的所述至少一种动作以及动作完成的次数，则判定为活体；否则，判定为非活体。
其中，所述图像质量验证单元包括：
峰值信噪比计算子单元，用于基于以下公式获取图像的峰值信噪比PSNR作为图像质量的评判标准；
验证单元，用于将峰值信噪比PSNR与阈值比较，如果峰值信噪比PSNR不超过阈值，则判断图像质量合格执，否则判断图像质量不合格；
公式中，L取255，M表示图像的像素阵列的行数，N表示图像的像素阵列的列数，fij表示第i行第j列的像素灰度值，f‘ij为图像的整个像素阵列的均值，MSE表示图像的整个像素阵列的灰度均方差。
其中，所述的检测用户所做动作具体为：检测脸部特征点的变化，如果变化符合随机动作选择及提示单元随机选择的所述至少一种动作对应的特征点的变化则判断完成相应的一次动作。
较佳的，所述装置还包括：
人脸检测分类器确定单元，用于将在实际应用环境中拍摄的人脸图片、非人脸图片作为人脸检测的训练样本，对每个训练样本提取局部二值特征，并送入随机森林级联分类器进行样本学习和训练以得到人脸检测分类器；
其中，特征点获取单元是利用所述人脸检测分类器对任意一张图片进行人脸检测和对齐，从而返回人脸检测信息，所述人脸检测信息包括图片中是否含有人脸、人脸的位置、大小和特征点的位置信息。
其中，所述装置还包括动作集预设单元，用于预先保存预设动作集，预设动作集包括眨眼、张嘴、摇头、点头。
实施本发明的人脸活体检测方法以及装置，具有以下有益效果：本发明通过图像质量检测，对图像进行初次筛选，然后在进行活体检测时，***从预设动作集中中随机动作以及完成动作的次数，要求用户在规定的时间内来完成，因此，用户不可能利用照片来欺骗从而通过活体检测，另一方面，由于被检测的动作是随机选择的，被检测动作要求的重复次数也是随机选择的，因此，用户不可能通过播放视频方式来通过活体检测，总之，本发明可以更好的防止活体检测中的照片和视频播放方式的欺诈行为，使得活体检测的可靠性和安全性更高。
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，还可以根据提供的附图获得其他的附图：
图1是本发明的人脸活体检测方法的较佳实施例的流程图；
图2是本发明的人脸活体检测装置的较佳实施例的结构示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的典型实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是，词语“相连”或“连接”，不仅仅包括将两个实体直接相连，也包括通过具有有益改善效果的其他实体间接相连。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
本说明书中使用的“第一”、“第二”等包含序数的术语可用于说明各种构成要素，但是这些构成要素不受这些术语的限定。使用这些术语的目的仅在于将一个构成要素区别于其他构成要素。例如，在不脱离本发明的权利范围的前提下，第一构成要素可被命名为第二构成要素，类似地，第二构成要素也可以被命名为第一构成要素。
为了更好的理解本发明的技术方案，下面将结合说明书附图以及具体的实施方式对本发明的技术方案进行详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
本发明的人脸活体检测方法包括：
S100、获取图像的脸部特征点；
较佳实施例中人脸检测是基于LBF方法，在检测人脸的同时也检测到脸部特征点。具体的，从拍摄的视频序列中获取图像，利用人脸检测分类器对任意一张图片进行人脸检测和对齐，从而返回人脸检测信息，人脸检测信息包括：图片中是否含有人脸、人脸的位置、大小和特征点的位置信息。
其中，人脸检测分类器是通过以下方法预先确定的：将在实际应用环境中拍摄的大量人脸图片、非人脸图片作为人脸检测的训练样本，对每个训练样本提取局部二值特征(Local Binary Feature，LBF)，并送入随机森林级联分类器进行样本学习和训练，当训练的精度达到规定的要求时，就得到了需要的人脸检测分类器。
S200、获取图像的图像质量，如果图像质量合格执行下一步骤，否则进行下一帧图像的处理，重新执行步骤S100；
其中，所述的获取图像的图像质量包括：基于以下公式获取图像的峰值信噪比PSNR作为图像质量的评判标准，如果峰值信噪比PSNR不超过阈值，则判断图像质量合格执，否则判断图像质量不合格；
公式中，L取255，M表示图像的像素阵列的行数，N表示图像的像素阵列的列数，fij表示第i行第j列的像素灰度值，f‘ij为图像的整个像素阵列的均值，MSE表示图像的整个像素阵列的灰度均方差。
其中，阈值可以根据情况设定，例如可以设为30，即如果图像质量大于30，则此帧图像不是活体，需返回步骤S100进行下一帧图像的处理。
S300、随机选择预设动作集中的至少一种动作以及动作完成的次数提示给用户；
其中，预设动作集是预先保存的，预设动作集包括但不限于眨眼、张嘴、摇头、点头。
S400、检测用户所做动作，若用户在指定的时间内完成步骤S300中随机选择的所述至少一种动作以及动作完成的次数，则判定为活体；否则，判定为非活体。
具体的，检测脸部特征点的变化，如果变化符合步骤S300中随机选择的所述至少一种动作对应的特征点的变化则判断完成相应的一次动作，则判定为活体；否则，判定为非活体。
例如，假如步骤S300中提示需要眨眼一次，则需要判断人眼的特征点的变化，眨眼对应的人眼的特征点的变化应该是：首先，当人眼是睁眼的，人眼的特征点的点集是发散的；然后，当出现闭眼时，人眼的特征点的点集是聚集在一起的；最后，当人眼出现睁眼时，人眼的特征点的点集是发散的。即只有当人眼的特征点出现上述变化时，才判定完成一次眨眼动作。
基于同一发明构思，本发明还公开了一种人脸活体检测装置，参考图2，装置包括：动作集预设单元、特征点获取单元、图像质量验证单元、随机动作选择及提示单元、动作检测单元，其中：
动作集预设单元，用于预先保存预设动作集，预设动作集包括眨眼、张嘴、摇头、点头。
特征点获取单元，用于获取图像的脸部特征点；
较佳实施例中人脸检测是基于LBF方法，在检测人脸的同时也检测到脸部特征点。具体的，从拍摄的视频序列中获取图像，利用人脸检测分类器对任意一张图片进行人脸检测和对齐，从而返回人脸检测信息，人脸检测信息包括：图片中是否含有人脸、人脸的位置、大小和特征点的位置信息。
其中，人脸检测分类器是通过人脸检测分类器确定单元预先确定的，人脸检测分类器确定单元是将在实际应用环境中拍摄的大量人脸图片、非人脸图片作为人脸检测的训练样本，对每个训练样本提取局部二值特征(Local Binary Feature，LBF)，并送入随机森林级联分类器进行样本学习和训练，当训练的精度达到规定的要求时，就得到了需要的人脸检测分类器。
图像质量验证单元，用于获取图像的图像质量，如果图像质量合格则触发，否则通知特征点获取单元进行下一帧图像的处理。具体的，所述图像质量验证单元包括峰值信噪比计算子单元和验证单元。
其中，峰值信噪比计算子单元用于基于以下公式获取图像的峰值信噪比PSNR作为图像质量的评判标准；验证单元用于将峰值信噪比PSNR与阈值比较，如果峰值信噪比PSNR不超过阈值，则判断图像质量合格执，否则判断图像质量不合格。
公式中，L取255，M表示图像的像素阵列的行数，N表示图像的像素阵列的列数，fij表示第i行第j列的像素灰度值，f‘ij为图像的整个像素阵列的均值，MSE表示图像的整个像素阵列的灰度均方差。
随机动作选择及提示单元，用于随机选择预设动作集中的至少一种动作以及动作完成的次数提示给用户；
动作检测单元，用于检测用户所做动作，若用户在指定的时间内完成随机动作选择及提示单元随机选择的所述至少一种动作以及动作完成的次数，则判定为活体；否则，判定为非活体。
综上所述，实施本发明的人脸活体检测方法以及装置，具有以下有益效果：本发明通过图像质量检测，对图像进行初次筛选，然后在进行活体检测时，***从预设动作集中中随机动作以及完成动作的次数，要求用户在规定的时间内来完成，因此，用户不可能利用照片来欺骗从而通过活体检测，另一方面，由于被检测的动作是随机选择的，被检测动作要求的重复次数也是随机选择的，因此，用户不可能通过播放视频方式来通过活体检测，总之，本发明可以更好的防止活体检测中的照片和视频播放方式的欺诈行为，使得活体检测的可靠性和安全性更高。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read Only Memory，ROM)或随机存储记忆体(RandomABBessMemory，RAM)等。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种人脸活体检测方法，其特征在于，包括：
S100、获取图像的脸部特征点；
S200、获取图像的图像质量，如果图像质量合格执行下一步骤，否则进行下一帧图像的处理，重新执行步骤S100；
S300、随机选择预设动作集中的至少一种动作以及动作完成的次数提示给用户；
S400、检测用户所做动作，若用户在指定的时间内完成步骤S300中随机选择的所述至少一种动作以及动作完成的次数，则判定为活体；否则，判定为非活体。
2.根据权利要求1所述的人脸活体检测方法，其特征在于，步骤S200中所述的获取图像的图像质量包括：基于以下公式获取图像的峰值信噪比PSNR作为图像质量的评判标准，如果峰值信噪比PSNR不超过阈值，则判断图像质量合格执，否则判断图像质量不合格；
公式中，L取255，M表示图像的像素阵列的行数，N表示图像的像素阵列的列数，fij表示第i行第j列的像素灰度值，f‘ij为图像的整个像素阵列的均值，MSE表示图像的整个像素阵列的灰度均方差。
3.根据权利要求1所述的人脸活体检测方法，其特征在于，步骤S400中所述的检测用户所做动作具体为：检测脸部特征点的变化，如果变化符合步骤S300中随机选择的所述至少一种动作对应的特征点的变化则判断完成相应的一次动作。
4.根据权利要求1所述的人脸活体检测方法，其特征在于，所述步骤S100之前还包括：将在实际应用环境中拍摄的人脸图片、非人脸图片作为人脸检测的训练样本，对每个训练样本提取局部二值特征，并送入随机森林级联分类器进行样本学习和训练以得到人脸检测分类器；
其中，在所述步骤S100具体包括：利用所述人脸检测分类器对任意一张图片进行人脸检测和对齐，从而返回人脸检测信息，所述人脸检测信息包括图片中是否含有人脸、人脸的位置、大小和特征点的位置信息。
5.根据权利要求1所述的人脸活体检测方法，其特征在于，所述步骤S100之前还包括：预先保存预设动作集，预设动作集包括眨眼、张嘴、摇头、点头。
6.一种人脸活体检测装置，其特征在于，包括：
特征点获取单元，用于获取图像的脸部特征点；
图像质量验证单元，用于获取图像的图像质量，如果图像质量合格则触发，否则通知特征点获取单元进行下一帧图像的处理；
随机动作选择及提示单元，用于随机选择预设动作集中的至少一种动作以及动作完成的次数提示给用户；
动作检测单元，用于检测用户所做动作，若用户在指定的时间内完成随机动作选择及提示单元随机选择的所述至少一种动作以及动作完成的次数，则判定为活体；否则，判定为非活体。
7.根据权利要求6所述的人脸活体检测装置，其特征在于，所述图像质量验证单元包括：
峰值信噪比计算子单元，用于基于以下公式获取图像的峰值信噪比PSNR作为图像质量的评判标准；
验证单元，用于将峰值信噪比PSNR与阈值比较，如果峰值信噪比PSNR不超过阈值，则判断图像质量合格执，否则判断图像质量不合格；
公式中，L取255，M表示图像的像素阵列的行数，N表示图像的像素阵列的列数，fij表示第i行第j列的像素灰度值，f‘ij为图像的整个像素阵列的均值，MSE表示图像的整个像素阵列的灰度均方差。
8.根据权利要求6所述的人脸活体检测装置，其特征在于，所述的检测用户所做动作具体为：检测脸部特征点的变化，如果变化符合随机动作选择及提示单元随机选择的所述至少一种动作对应的特征点的变化则判断完成相应的一次动作。
9.根据权利要求6所述的人脸活体检测装置，其特征在于，所述装置还包括：
人脸检测分类器确定单元，用于将在实际应用环境中拍摄的人脸图片、非人脸图片作为人脸检测的训练样本，对每个训练样本提取局部二值特征，并送入随机森林级联分类器进行样本学习和训练以得到人脸检测分类器；
其中，特征点获取单元是利用所述人脸检测分类器对任意一张图片进行人脸检测和对齐，从而返回人脸检测信息，所述人脸检测信息包括图片中是否含有人脸、人脸的位置、大小和特征点的位置信息。
10.根据权利要求6所述的人脸活体检测装置，其特征在于，所述装置还包括动作集预设单元，用于预先保存预设动作集，预设动作集包括眨眼、张嘴、摇头、点头。
CN201710341619.2A 2017-05-16 2017-05-16 一种人脸活体检测方法以及装置 Pending CN108875461A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710341619.2A CN108875461A (zh) 2017-05-16 2017-05-16 一种人脸活体检测方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710341619.2A CN108875461A (zh) 2017-05-16 2017-05-16 一种人脸活体检测方法以及装置

Publications (1)

Publication Number Publication Date
CN108875461A true CN108875461A (zh) 2018-11-23

Family

ID=64320614

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710341619.2A Pending CN108875461A (zh) 2017-05-16 2017-05-16 一种人脸活体检测方法以及装置

Country Status (1)

Country Link
CN (1) CN108875461A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109558856A (zh) * 2018-12-08 2019-04-02 北京俩俩科技有限公司 一种认证线上用户之间真实好友关系的***及方法
CN109671318A (zh) * 2019-02-02 2019-04-23 姜召英 在线教学设备、方法及***
CN110247898A (zh) * 2019-05-23 2019-09-17 平安普惠企业管理有限公司 身份验证方法、装置、介质及电子设备
CN110276313A (zh) * 2019-06-25 2019-09-24 网易（杭州）网络有限公司 身份认证方法、身份认证装置、介质和计算设备
CN110309798A (zh) * 2019-07-05 2019-10-08 中新国际联合研究院 一种基于域自适应学习和域泛化的人脸欺骗检测方法
CN111222380A (zh) * 2018-11-27 2020-06-02 杭州海康威视数字技术股份有限公司 一种活体检测方法、装置、及其识别模型训练方法
WO2021000415A1 (zh) * 2019-07-03 2021-01-07 平安科技（深圳）有限公司 活体用户检测方法、装置、计算机设备和存储介质
CN115035579A (zh) * 2022-06-22 2022-09-09 支付宝(杭州)信息技术有限公司 基于人脸交互动作的人机验证方法和***

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111222380A (zh) * 2018-11-27 2020-06-02 杭州海康威视数字技术股份有限公司 一种活体检测方法、装置、及其识别模型训练方法
CN111222380B (zh) * 2018-11-27 2023-11-03 杭州海康威视数字技术股份有限公司 一种活体检测方法、装置、及其识别模型训练方法
CN109558856A (zh) * 2018-12-08 2019-04-02 北京俩俩科技有限公司 一种认证线上用户之间真实好友关系的***及方法
CN109671318A (zh) * 2019-02-02 2019-04-23 姜召英 在线教学设备、方法及***
CN109671318B (zh) * 2019-02-02 2020-09-08 广州宏途教育网络科技有限公司 基于图像处理的在线教学设备、方法及***
CN110247898B (zh) * 2019-05-23 2021-11-19 平安普惠企业管理有限公司 身份验证方法、装置、介质及电子设备
WO2020233009A1 (zh) * 2019-05-23 2020-11-26 平安普惠企业管理有限公司 身份验证方法、装置、计算设备和存储介质
CN110247898A (zh) * 2019-05-23 2019-09-17 平安普惠企业管理有限公司 身份验证方法、装置、介质及电子设备
CN110276313A (zh) * 2019-06-25 2019-09-24 网易（杭州）网络有限公司 身份认证方法、身份认证装置、介质和计算设备
CN110276313B (zh) * 2019-06-25 2022-04-22 杭州网易智企科技有限公司 身份认证方法、身份认证装置、介质和计算设备
WO2021000415A1 (zh) * 2019-07-03 2021-01-07 平安科技（深圳）有限公司 活体用户检测方法、装置、计算机设备和存储介质
CN110309798A (zh) * 2019-07-05 2019-10-08 中新国际联合研究院 一种基于域自适应学习和域泛化的人脸欺骗检测方法
CN115035579A (zh) * 2022-06-22 2022-09-09 支付宝(杭州)信息技术有限公司 基于人脸交互动作的人机验证方法和***

Similar Documents

Publication Publication Date Title
CN108875461A (zh) 一种人脸活体检测方法以及装置
US10650261B2 (en) System and method for identifying re-photographed images
Asep A design of continuous user verification for online exam proctoring on M-learning
CN106897658B (zh) 人脸活体的鉴别方法和装置
CN103440479B (zh) 一种活体人脸检测方法与***
CN111611865B (zh) ***行为识别方法、电子设备及存储介质
CN105654033A (zh) 人脸图像验证方法和装置
CN107480586B (zh) 基于人脸特征点位移的生物识别照片仿冒攻击检测方法
CN111178130A (zh) 一种基于深度学习的人脸识别方法、***和可读存储介质
CN107992845A (zh) 一种面部识别辨伪方法及装置、计算机设备
CN109376704A (zh) 一种人脸活体检测方法
Benlamoudi Multi-modal and anti-spoofing person identification
Surantha et al. Lightweight face recognition-based portable attendance system with liveness detection
Garg et al. Biometric authentication using soft biometric traits
Iwasokun et al. Design of e-invigilation framework using multi-modal biometrics
CN108764033A (zh) 身份验证方法和装置、电子设备、计算机程序和存储介质
CN114299569A (zh) 一种基于眼球运动的安全人脸认证方法
Singh et al. Attendance monitoring and management using QR code based sensing with cloud based Processing
CN112069915B (zh) 一种具有人脸识别***的atm机
Zolotarev et al. Liveness detection methods implementation to face identification reinforcement in gaming services
CN111291586B (zh) 活体检测方法、装置、电子设备及计算机可读存储介质
Cheung et al. Pose-tolerant non-frontal face recognition using EBGM
Jagadeesh et al. An conceptual view of an iris-biometric identification system canny edge detection techniques
KHAYYUM et al. Smart Attendance Marking Using Face Recognition
Nugroho et al. Impersonation Attacks Detection in Online Exams Through Static Photo Analysis with Similarity Score

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181123

WD01 Invention patent application deemed withdrawn after publication