CN109325413A - 一种人脸识别方法、装置及终端 - Google Patents
一种人脸识别方法、装置及终端 Download PDFInfo
- Publication number
- CN109325413A CN109325413A CN201810939907.2A CN201810939907A CN109325413A CN 109325413 A CN109325413 A CN 109325413A CN 201810939907 A CN201810939907 A CN 201810939907A CN 109325413 A CN109325413 A CN 109325413A
- Authority
- CN
- China
- Prior art keywords
- image
- facial image
- face
- background image
- facial
- 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
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
- 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
- G06V40/10—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
- G06V40/19—Sensors therefor
-
- 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)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Ophthalmology & Optometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明实施例涉及人脸识别技术领域,公开了一种人脸识别方法、装置及终端。其中,所述方法包括:获取识别视频帧图像;根据所述识别视频帧图像,获取人脸图像和背景图像;若所述人脸图像为通过采集真实人脸得到的,且所述背景图像与预设背景图像匹配,则对所述人脸图像进行人脸检测。通过以上方式,本发明实施例能够有效识别出视频人脸、照片人脸中等伪造人脸,提高人脸识别准确率。
Description
技术领域
本发明实施例涉及人脸识别技术领域,尤其涉及一种人脸识别方法、装置及终端。
背景技术
人脸识别技术是目前生物识别技术的一个热点,在安防、考勤、机器人应用等方面有重要应用,是一种公认的最不具侵犯性和最方便的生物特征识别技术。
本发明的发明人在实现本发明的过程中,发现:目前的人脸识别技术对于视频人脸、照片人脸中等伪造人脸的抵抗能力弱。
发明内容
本申请发明实施例提供一种人脸识别方法、装置及终端,能够有效识别出视频人脸、照片人脸中等伪造人脸,提高人脸识别准确率。
本发明实施例公开了如下技术方案:
第一方面,本发明实施例提供了一种人脸识别方法,包括:获取识别视频帧图像;根据所述识别视频帧图像,获取人脸图像和背景图像;若所述人脸图像是否为通过采集真实人脸得到,且所述背景图像与预设背景图像匹配,则对所述人脸图像进行人脸检测。
可选地,所述人脸图像为通过采集真实人脸得到的,包括:根据所述人脸图像,获取亮瞳图像和暗瞳图像;对所述亮瞳图像和所述暗瞳图像进行差分处理,获取亮暗瞳差分处理图像;判断所述亮暗瞳差分处理图像是否存在圆形亮斑;若存在,则确定所述人脸图像为通过采集真实人脸得到的。
可选地,所述背景图像与预设背景图像匹配,包括:提取所述背景图像的第一纹理特征,并且,提取所述预设背景图像的第二纹理特征;对所述第一纹理特征和所述第二纹理特征进行独立性检验,获取相关值;判断所述相关值是否小于预设阈值;若所述相关值小于所述预设阈值,则所述背景图像与所述预设背景图像匹配。
可选地,所述对所述人脸图像进行人脸检测,包括:从所述人脸图像提取人脸特征向量;根据所述人脸特征向量,判断所述人脸图像与预设人脸图像是否匹配;若匹配,则检测通过。
可选地,所述根据所述识别视频帧图像,获取人脸图像和背景图像,包括:通过MTCNN算法在所述识别视频帧图像检测人脸图像区域;根据所述人脸图像区域,获取所述人脸图像,将所述识别视频帧图像除所述人脸图像以外的其他区域作为背景图像。
第二方面,本发明实施例提供了一种人脸识别装置,包括:第一获取模块,用于获取识别视频帧图像;第二获取模块,用于根据所述识别视频帧图像,获取人脸图像和背景图像;检测模块,用于若所述人脸图像为通过采集真实人脸得到的,且所述背景图像与预设背景图像=匹配,则对所述人脸图像进行人脸检测。
可选地,所述检测模块包括:获取单元,用于根据所述人脸图像,获取亮瞳图像和暗瞳图像;差分处理单元,用于对所述亮瞳图像和所述暗瞳图像进行差分处理,获取亮暗瞳差分处理图像;第一判断单元,用于判断所述亮暗瞳差分处理图像是否存在圆形亮斑,若存在,则确定所述人脸图像为通过采集真实人脸得到的。
可选地,所述检测模块包括:特征提取单元,用于提取所述背景图像的第一纹理特征,并且,提取所述预设背景图像的第二纹理特征;相关值获取单元,用于对所述第一纹理特征和所述第二纹理特征进行独立性检验,获取相关值;第二判断单元,判断所述相关值是否小于预设阈值,若所述相关值是否小于所述预设阈值,则所述背景图像与所述预设背景图像匹配。
可选地,所述检测模块包括:特征向量提取单元,用于从所述人脸图像提取人脸特征向量;匹配单元,用于根据所述人脸特征向量,判断所述人脸图像与预设人脸图像是否匹配,若匹配,则检测通过。
可选地,所述第二获取模块包括:人脸图像区域检测单元,用于通过MTCNN算法在所述识别视频帧图像检测人脸图像区域;人脸图像获取单元,用于根据所述人脸图像区域,获取所述人脸图像;背景图像获取单元,用于将所述识别视频帧图像除所述人脸图像以外的其他区域作为背景图像。
第三方面,本发明实施例提供了一种终端,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的人脸识别方法。
第四方面,本发明实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行如上所述的人脸识别方法。
第五方面,本发明实施例还提供了一种非易失性计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如上所述的人脸识别方法。
在本实施例中,该人脸识别方法通过获取人脸图像和背景图像,并判断人脸图像是否通过采集真实人脸得到,背景图像与预设背景图像是否匹配,若均通过,则对人脸图像进行检测,能够有效识别出视频人脸、照片人脸中等伪造人脸,提高人脸识别准确率,并且,算法简单,运算速度快,能够适用于多种场合。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1为本发明实施例提供的一种人脸识别方法的流程示意图;
图2为图1的人脸识别方法的步骤120的应用场景示意图;
图3为本发明实施例提供的一种人脸识别方法的流程示意图;
图4a为本发明实施例提供的一种红外光源的结构示意图;
图4b为本发明实施例提供的一种亮瞳图像采集装置的结构示意图;
图5为本发明实施例提供的一种人脸识别装置的模块示意图;
图6为本发明实施例提供的一种终端的结构示意图。
具体实施方式
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描述,显然,所描述的实施例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做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。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
在近几年,智能图像处理技术和模式识别技术得到了长足的发展,人脸检测和人脸识别技术也逐渐成熟。由于人脸的个体差异明显,可以作为身份识别特征,所以人脸识别技术越来越多地被应用在门禁、登录***当中,这些***在良好的运行环境下都能得到较好的识别结果。然而这些***目前还有比较明显的缺陷,就是缺少正确区分真实人脸和视频照片中人脸的能力,用户可以利用照片或视频进行回放攻击欺骗***,使***失效。
基于此,本发明实施例中提出一种人脸识别方法、装置及终端,该方法和装置能够有效识别出视频人脸、照片人脸中等伪造人脸,提高人脸识别准确率。
本发明实施例的人脸识别方法,可以在任何合适类型、具有用户交互装置和运算能力的处理器的移动终端中执行,例如监控终端、智能手机、平板电脑、掌上电脑以及其他移动终端。
本发明实施例的人脸识别装置,可以作为其中一个软件或者硬件功能单元,独立设置在上述移动终端中,也可以作为整合在处理器中的其中一个功能模块,执行本发明实施例的人脸识别方法。
具体地,下面结合附图,对本发明实施例作进一步阐述。
实施例1:
请参阅图1,图1为本发明实施例提供的一种人脸识别方法的流程示意图。如图1所示,该方法包括:
110、获取识别视频帧图像。
其中,识别视频帧图像中包含人脸,识别视频帧图像为视频帧图像序列中的一帧图像,视频帧图像序列往往包含若干帧图像,在获取到识别视频帧图像后开始进行后续的处理。
在本实施例中,获取识别视频帧图像可以通过摄像头等图像采集装置进行获取。触发“获取识别视频帧图像”可以通过在摄像头旁设置红外感应装置或其他装置等等,还可以通过检测视频帧图像序列中是否出现人脸,以使当人进入摄像头则触发“获取识别视频帧图像”。
120、根据所述识别视频帧图像,获取人脸图像和背景图像。
在获取识别视频帧图像后,在识别视频帧图像中获取人脸图像和背景图像,具体可以为:通过摄像头限定人脸区域,将人脸区域中的图像作为人脸图像,将背景区域中的图像作为背景图像。例如,如图2所示,摄像头对拍摄的区域预先进行划分,将摄像区域内圈起来的一部分作为人脸区域,将其他区域作为背景区域。由此获取人脸图像和背景图像步骤简单,不需要通过复杂的算法进行处理,并且,获得的背景图像一般是不变的,方便后续处理。
可选地,还可以通过图像识别获取人脸图像和背景图像,步骤120可以包括:121、通过MTCNN算法在所述识别视频帧图像检测人脸图像区域;122、根据所述人脸图像区域,获取所述人脸图像,123、将所述识别视频帧图像除所述人脸图像以外的其他区域作为背景图像。其中,MTCNN算法包括P-Net、R-Net、O-Net三个CNN级联,首先,通过P-Net生成候选窗和边框回归向量(bounding box regression vectors);然后,通过N-Net改善候选窗;最后,通过O-Net输出最终的人脸图像,从而获取人脸图像,并且,通过图像处理算法,在识别视频帧图像中对人脸图像进行反选,从而得到背景图像。
130、判断所述人脸图像是否为通过采集真实人脸得到的。
在获取人脸图像后,对人脸图像进行活体检测,从而判断人脸图像是否为通过采集真实人脸得到的。在本实例中,基于亮瞳效应对人脸图像进行活体检测。请一并参阅图3,步骤130可以包括:131、根据所述人脸图像,获取亮瞳图像和暗瞳图像;132、对所述亮瞳图像和所述暗瞳图像进行差分处理,获取亮暗瞳差分处理图像;133、判断所述亮暗瞳差分处理图像是否存在圆形亮斑;134、若存在,则确定所述人脸图像为通过采集真实人脸得到的;135、若不存在,则识别失败,返回步骤110。
其中,根据人脸图像,获取亮瞳图像和暗瞳图像,可以为:根据人脸图像对应的人脸,对该人脸进行获取亮瞳图像和暗瞳图像。其中,获取亮瞳图像和暗瞳图像,可以通过亮瞳图像采集装置进行实现。在本实例中,如图4a和图4b所示,亮瞳图像采集装置包括由二极管制作而成的红外光源,红外光源由同平面同轴心的内环红外二极管和外环红外二极管组成,并且,红外光源设于摄像头的正前方,其中心与摄像头的光轴重合。请再参阅图4b,通过内环红外二极管发射特定波长的红外线束沿着摄像头的光轴照射到人脸,可以采集明亮的亮瞳图像,此时,瞳孔沿原路径反射几乎所有接收到的红外光给摄像头;当外环红外二极管发射的红外线束偏离光轴的时候,反射的光线无法进入摄像头而造成暗瞳孔效果,从而采集到暗瞳图像。
其中,为了简化图像的采集步骤,在步骤110获取识别视频帧图像时,可将内环红外二极管打开,采集识别视频帧图像,并将从该识别视频帧图像获取的人脸图像作为暗瞳图像。
其中,判断亮暗瞳差分处理图像是否存在圆形亮斑,具体可以为:根据人脸的位置、大小信息,结合人脸器官分布规律,在亮暗瞳差分图像中定位眼睛区域;对眼睛区域进行二值化处理,获得眼睛区域的二值图像;判断该眼睛区域的二值图像是否存在圆形亮斑,从而判断人脸图像是否通过采集真实人脸得到的。
140、若是,则判断所述背景图像与预设背景图像是否匹配。
当判断人脸图像为通过采集真实人脸得到的时,则判断背景图像与预设背景图像是否匹配。其中,预设背景图像可以为预先设定的图像。由于摄像头的位置是固定的,因此采集到的图像的背景也是固定的,若使用视频人脸、照片人脸中等虚假图像进行人脸识别时,该虚假图像中的背景与预设背景图像将会不匹配。
在本实施例中,请一并参阅图3,步骤140包括:141、提取所述背景图像的第一纹理特征,并且,提取所述预设背景图像的第二纹理特征;142、对所述第一纹理特征和所述第二纹理特征进行独立性检验,获取相关值;143、判断所述相关值是否小于预设阈值;144、若所述相关值小于所述预设阈值,则所述背景图像与所述预设背景图像匹配;145、若所述相关值不小于所述预设阈值,则识别失败,返回步骤110。
其中,在步骤141中,第一纹理特征、第二纹理特征为局部二值模式特征向量(Local Binary Pattern,LBP),LBP特征向量提取的是图像的局部的纹理特征。通过提取LBP特征向量的方法分别对背景图像和预设背景图像进行处理,得到第一纹理特征和第二纹理特征。
其中,提取LBP特征向量的方法包括:(1)首先将检测窗口划分为16×16的小区域(cell);(2)对于每个cell中的一个像素,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0。这样,3*3邻域内的8个点经比较可产生8位二进制数,即得到该窗口中心像素点的LBP值;(3)然后计算每个cell的直方图,即每个数字(假定是十进制数LBP值)出现的频率;对该直方图进行归一化处理。(4)最后将得到的每个cell的统计直方图进行连接成为一个特征向量,则得到LBP特征向量。
其中,在步骤142中,对所述第一纹理特征和所述第二纹理特征进行独立性检验,获取相关值。例如,如图5所示,假设第一纹理特征为A(x1,x2),第二纹理特征为B(y1,y2),相关值
其中,在步骤143中,预设阈值为预先设定可行度高的第一纹理特征与第二纹理特征有关系的相关值。例如,若预设阈值为0.455,计算得到相关值n=6.109,相关值大于预设阈值,则第一纹理特征和第二纹理特征无关,即背景图像与预设背景图像不匹配。
可选地,在一些其他实施例中,为了避免环境的改变而造成识别错误,该人脸识别的方法还包括:定时更新预设背景图像。
150、若匹配,则对所述人脸图像进行人脸检测。
其中,人脸检测为当背景图像与预设背景图像匹配时,对人脸图像进行人脸识别检测,以当检测通过时响应预设操作,例如,当人脸识别方法用于门禁检测时,人脸检测为检测该人脸是否为***登记人员,若检测通过,则执行开门操作。
在本实施例中,请一并参阅图3,步骤150包括:151、从所述人脸图像提取人脸特征向量;152、根据所述人脸特征向量,判断所述人脸图像与预设人脸图像是否匹配;153、若匹配,则检测通过。其中,步骤151中可以通过FaceNet算法从人脸图像提取人脸特征向量。预设人脸图像为预存的人脸图像,步骤152中可以通过KNN算法判断人脸图像与预设人脸图像是否匹配。
在本实例中,该人脸识别的方法通过获取人脸图像和背景图像,并判断人脸图像是否通过采集真实人脸得到,背景图像与预设背景图像是否匹配,若均通过,则对人脸图像进行检测,能够有效识别出视频人脸、照片人脸中等伪造人脸,提高人脸识别准确率,并且,算法简单,运算速度快,能够适用于多种场合。
实施例2:
请参阅图5,图5为本发明实施例提供的一种人脸识别装置的模块示意图。该人脸识别装置200包括第一获取模块210、第二获取模块220和检测模块230。
其中,第一获取模块210与第二获取模块220连接,第二获取模块220与检测模块230连接。
其中,第一获取模块210用于获取识别视频帧图像;第二获取模块220用于根据所述识别视频帧图像,获取人脸图像和背景图像;检测模块230用于若所述人脸图像为通过采集真实人脸得到的,且所述背景图像与预设背景图像匹配,则对所述人脸图像进行人脸检测。
其中,检测模块230包括:获取单元,用于根据所述人脸图像,获取亮瞳图像和暗瞳图像;差分处理单元,用于对所述亮瞳图像和所述暗瞳图像进行差分处理,获取亮暗瞳差分处理图像;第一判断单元,用于判断所述亮暗瞳差分处理图像是否存在圆形亮斑,若存在,则确定所述人脸图像为通过采集真实人脸得到的。
其中,检测模块230包括:特征提取单元,用于提取所述背景图像的第一纹理特征,并且,提取所述预设背景图像的第二纹理特征;相关值获取单元,用于对所述第一纹理特征和所述第二纹理特征进行独立性检验,获取相关值;第二判断单元,判断所述相关值是否小于预设阈值,若所述相关值是否小于所述预设阈值,则所述背景图像与所述预设背景图像匹配。
其中,检测模块230包括:特征向量提取单元,用于从所述人脸图像提取人脸特征向量;匹配单元,用于根据所述人脸特征向量,判断所述人脸图像与预设人脸图像是否匹配,若匹配,则检测通过。
其中,第二获取模块220包括:人脸图像区域检测单元,用于通过MTCNN算法在所述识别视频帧图像检测人脸图像区域;人脸图像获取单元,用于根据所述人脸图像区域,获取所述人脸图像;背景图像获取单元,用于将所述识别视频帧图像除所述人脸图像以外的其他区域作为背景图像。
需要说明的是,本发明实施例中的人脸识别装置中的各个模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容同样适用于人脸识别装置。本发明实施例中的各个模块能作为单独的硬件或软件来实现,并可以根据需要使用单独的硬件或软件来实现各个单元的功能的组合。未在人脸识别装置200的实施例中详尽描述的技术细节,可参见本发明实施例1所提供的人脸识别方法。
在本实施例中,该人脸识别的装置通过第二获取模块220获取人脸图像和背景图像,检测模块230判断人脸图像是否通过采集真实人脸得到、背景图像与预设背景图像是否匹配,若均通过,则对人脸图像进行检测,能够有效识别出视频人脸、照片人脸中等伪造人脸,提高人脸识别准确率,并且,算法简单,运算速度快,能够适用于多种场合。
实施例3:
如图6所示,图6为本发明实施例提供的一种终端的结构示意图。其中,该终端可以独立的设备,也可以整合为一个模块或单元。该终端300包括:一个或多个处理器301以及存储器302,图6中以一个处理器301为例。
处理器301和存储器302可以通过总线或者其他方式连接,图6中以通过总线连接为例。
存储器302作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的软件升级方法对应的程序指令/模块(例如,附图5所示的第一获取模块210、第二获取模块220、检测模块230等等)。处理器301通过运行存储在存储器302中的非易失性软件程序、指令以及单元,从而执行云端设备的各种功能应用以及数据处理,即实现所述方法实施例的人脸识别方法。
存储器302可以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***、至少一个功能所需要的应用程序;存储数据区可存储根据云端设备使用所创建的数据等。此外,存储器302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、或其他非易失性固态存储器件。在一些实施例中,存储器302可选包括相对于处理器301远程设置的存储器,这些远程存储器可以通过网络连接至云端设备。所述网络的实施例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个单元存储在所述存储器302中,当被所述一个或者多个处理器301执行时,执行实施例1、实施例2中的人脸识别方法和装置。
该终端300可执行所述任意方法实施例1、实施例2中的人脸识别方法和装置,具备执行方法相应的功能模块和有益效果。未在云端设备实施例中详尽描述的技术细节,可参见执行实施例1、实施例2中的人脸识别方法和装置。
本发明实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被终端300执行时,使终端300执行实施例1、实施例2中的人脸识别方法和装置。例如,执行以上描述的图1中的方法步骤110至步骤150,实现图4中的210-230模块的功能。
本发明实施例提供了一种非易失性计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使终端300执行实施例1、实施例2中的人脸识别方法和装置。
本申请实施例的终端300可以以多种形式存在,包括但不限于:超级计算机、平板电脑等等。
需要说明的是,以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。
通过以上的实施例的描述,本领域普通技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现所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指令相关的硬件来完成,所述的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如所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-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (11)
1.一种人脸识别方法,其特征在于,包括:
获取识别视频帧图像;
根据所述识别视频帧图像,获取人脸图像和背景图像;
若所述人脸图像为通过采集真实人脸得到的,且所述背景图像与预设背景图像匹配,则对所述人脸图像进行人脸检测。
2.根据权利要求1所述的人脸识别方法,其特征在于,所述人脸图像为通过采集真实人脸得到的,包括:
根据所述人脸图像,获取亮瞳图像和暗瞳图像;
对所述亮瞳图像和所述暗瞳图像进行差分处理,获取亮暗瞳差分处理图像;
判断所述亮暗瞳差分处理图像是否存在圆形亮斑;
若存在,则确定所述人脸图像为通过采集真实人脸得到的。
3.根据权利要求1所述的人脸识别方法,其特征在于,所述背景图像与预设背景图像匹配,包括:
提取所述背景图像的第一纹理特征,并且,提取所述预设背景图像的第二纹理特征;
对所述第一纹理特征和所述第二纹理特征进行独立性检验,获取相关值;
判断所述相关值是否小于预设阈值;
若所述相关值小于所述预设阈值,则所述背景图像与所述预设背景图像匹配。
4.根据权利要求1所述的人脸识别方法,其特征在于,所述对所述人脸图像进行人脸检测,包括:
从所述人脸图像提取人脸特征向量;
根据所述人脸特征向量,判断所述人脸图像与预设人脸图像是否匹配;
若匹配,则检测通过。
5.根据权利要求1-4任一项所述的人脸识别方法,其特征在于,所述根据所述识别视频帧图像,获取人脸图像和背景图像,包括:
通过MTCNN算法在所述识别视频帧图像检测人脸图像区域;
根据所述人脸图像区域,获取所述人脸图像,
将所述识别视频帧图像除所述人脸图像以外的其他区域作为背景图像。
6.一种人脸识别装置,其特征在于,包括:
第一获取模块,用于获取识别视频帧图像;
第二获取模块,用于根据所述识别视频帧图像,获取人脸图像和背景图像;
检测模块,用于若所述人脸图像为通过采集真实人脸得到的,且所述背景图像与预设背景图像匹配,则对所述人脸图像进行人脸检测。
7.根据权利要求6所述的人脸识别装置,其特征在于,所述检测模块包括:
获取单元,用于根据所述人脸图像,获取亮瞳图像和暗瞳图像;
差分处理单元,用于对所述亮瞳图像和所述暗瞳图像进行差分处理,获取亮暗瞳差分处理图像;
第一判断单元,用于判断所述亮暗瞳差分处理图像是否存在圆形亮斑,若存在,则确定所述人脸图像为通过采集真实人脸得到的。
8.根据权利要求6所述的人脸识别装置,其特征在于,所述检测模块包括:
特征提取单元,用于提取所述背景图像的第一纹理特征,并且,提取所述预设背景图像的第二纹理特征;
相关值获取单元,用于对所述第一纹理特征和所述第二纹理特征进行独立性检验,获取相关值;
第二判断单元,判断所述相关值是否小于预设阈值,若所述相关值是否小于所述预设阈值,则所述背景图像与所述预设背景图像匹配。
9.根据权利要求6所述的人脸识别装置,其特征在于,所述检测模块包括:
特征向量提取单元,用于从所述人脸图像提取人脸特征向量;
匹配单元,用于根据所述人脸特征向量,判断所述人脸图像与预设人脸图像是否匹配,若匹配,则检测通过。
10.根据权利要求6-9任一项所述的人脸识别装置,其特征在于,所述第二获取模块包括:
人脸图像区域检测单元,用于通过MTCNN算法在所述识别视频帧图像检测人脸图像区域;
人脸图像获取单元,用于根据所述人脸图像区域,获取所述人脸图像;
背景图像获取单元,用于将所述识别视频帧图像除所述人脸图像以外的其他区域作为背景图像。
11.一种终端,其特征在于,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810939907.2A CN109325413A (zh) | 2018-08-17 | 2018-08-17 | 一种人脸识别方法、装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810939907.2A CN109325413A (zh) | 2018-08-17 | 2018-08-17 | 一种人脸识别方法、装置及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109325413A true CN109325413A (zh) | 2019-02-12 |
Family
ID=65263330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810939907.2A Pending CN109325413A (zh) | 2018-08-17 | 2018-08-17 | 一种人脸识别方法、装置及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109325413A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599678A (zh) * | 2019-08-14 | 2019-12-20 | 平安科技(深圳)有限公司 | 安全支付方法、装置、计算机设备和存储介质 |
CN111083361A (zh) * | 2019-12-11 | 2020-04-28 | 维沃移动通信有限公司 | 图像获取方法及电子设备 |
CN111325139A (zh) * | 2020-02-18 | 2020-06-23 | 浙江大华技术股份有限公司 | 一种唇语识别方法及装置 |
CN111832346A (zh) * | 2019-04-17 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 人脸识别方法、装置、电子设备及可读存储介质 |
CN112613345A (zh) * | 2020-03-18 | 2021-04-06 | 支付宝实验室(新加坡)有限公司 | 用户认证方法和*** |
CN112800886A (zh) * | 2021-01-16 | 2021-05-14 | 江苏霆善科技有限公司 | 一种基于机器视觉的人脸识别***及方法 |
CN113344586A (zh) * | 2021-07-05 | 2021-09-03 | 塔里木大学 | 一种面向移动终端的人脸识别支付*** |
CN113420613A (zh) * | 2021-06-03 | 2021-09-21 | 中国联合网络通信集团有限公司 | 基于人脸识别的身份验证方法、人脸识别***和关联设备 |
CN114821844A (zh) * | 2021-01-28 | 2022-07-29 | 深圳云天励飞技术股份有限公司 | 基于人脸识别的考勤方法、装置、电子设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106397A (zh) * | 2013-01-19 | 2013-05-15 | 华南理工大学 | 基于亮瞳效应的人脸活体检测方法 |
CN104915649A (zh) * | 2015-06-04 | 2015-09-16 | 南京理工大学 | 一种应用于人脸识别的活体检测方法 |
CN106295522A (zh) * | 2016-07-29 | 2017-01-04 | 武汉理工大学 | 一种基于多角度人脸和环境信息的两级防欺骗检测方法 |
CN107229927A (zh) * | 2017-08-03 | 2017-10-03 | 河北工业大学 | 一种人脸检测防欺骗方法 |
CN107239735A (zh) * | 2017-04-24 | 2017-10-10 | 复旦大学 | 一种基于视频分析的活体检测方法和*** |
CN107862195A (zh) * | 2017-11-29 | 2018-03-30 | 中国地质大学(武汉) | 一种基于人脸识别的电子屏使用情况监测方法及*** |
CN108009531A (zh) * | 2017-12-28 | 2018-05-08 | 北京工业大学 | 一种多策略防欺诈的人脸识别方法 |
CN108197615A (zh) * | 2018-03-07 | 2018-06-22 | 北京上古视觉科技有限公司 | 一种多媒体展示装置及*** |
CN108229331A (zh) * | 2017-03-16 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸防伪检测方法和***、电子设备、程序和介质 |
-
2018
- 2018-08-17 CN CN201810939907.2A patent/CN109325413A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106397A (zh) * | 2013-01-19 | 2013-05-15 | 华南理工大学 | 基于亮瞳效应的人脸活体检测方法 |
CN104915649A (zh) * | 2015-06-04 | 2015-09-16 | 南京理工大学 | 一种应用于人脸识别的活体检测方法 |
CN106295522A (zh) * | 2016-07-29 | 2017-01-04 | 武汉理工大学 | 一种基于多角度人脸和环境信息的两级防欺骗检测方法 |
CN108229331A (zh) * | 2017-03-16 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸防伪检测方法和***、电子设备、程序和介质 |
CN107239735A (zh) * | 2017-04-24 | 2017-10-10 | 复旦大学 | 一种基于视频分析的活体检测方法和*** |
CN107229927A (zh) * | 2017-08-03 | 2017-10-03 | 河北工业大学 | 一种人脸检测防欺骗方法 |
CN107862195A (zh) * | 2017-11-29 | 2018-03-30 | 中国地质大学(武汉) | 一种基于人脸识别的电子屏使用情况监测方法及*** |
CN108009531A (zh) * | 2017-12-28 | 2018-05-08 | 北京工业大学 | 一种多策略防欺诈的人脸识别方法 |
CN108197615A (zh) * | 2018-03-07 | 2018-06-22 | 北京上古视觉科技有限公司 | 一种多媒体展示装置及*** |
Non-Patent Citations (1)
Title |
---|
KAIPENG ZHANG ET AL.: "Joint Face Detection and Alignment Using Multitask Cascaded Convolutional Networks", 《IEEE SIGNAL PROCESSING LETTERS》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832346A (zh) * | 2019-04-17 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 人脸识别方法、装置、电子设备及可读存储介质 |
CN110599678A (zh) * | 2019-08-14 | 2019-12-20 | 平安科技(深圳)有限公司 | 安全支付方法、装置、计算机设备和存储介质 |
CN111083361A (zh) * | 2019-12-11 | 2020-04-28 | 维沃移动通信有限公司 | 图像获取方法及电子设备 |
CN111325139A (zh) * | 2020-02-18 | 2020-06-23 | 浙江大华技术股份有限公司 | 一种唇语识别方法及装置 |
CN111325139B (zh) * | 2020-02-18 | 2023-08-04 | 浙江大华技术股份有限公司 | 一种唇语识别方法及装置 |
CN112613345A (zh) * | 2020-03-18 | 2021-04-06 | 支付宝实验室(新加坡)有限公司 | 用户认证方法和*** |
CN112800886A (zh) * | 2021-01-16 | 2021-05-14 | 江苏霆善科技有限公司 | 一种基于机器视觉的人脸识别***及方法 |
CN112800886B (zh) * | 2021-01-16 | 2021-09-10 | 江苏霆善科技有限公司 | 一种基于机器视觉的人脸识别***及方法 |
CN114821844A (zh) * | 2021-01-28 | 2022-07-29 | 深圳云天励飞技术股份有限公司 | 基于人脸识别的考勤方法、装置、电子设备和存储介质 |
CN114821844B (zh) * | 2021-01-28 | 2024-05-07 | 深圳云天励飞技术股份有限公司 | 基于人脸识别的考勤方法、装置、电子设备和存储介质 |
CN113420613A (zh) * | 2021-06-03 | 2021-09-21 | 中国联合网络通信集团有限公司 | 基于人脸识别的身份验证方法、人脸识别***和关联设备 |
CN113420613B (zh) * | 2021-06-03 | 2023-09-05 | 中国联合网络通信集团有限公司 | 基于人脸识别的身份验证方法、人脸识别***和关联设备 |
CN113344586A (zh) * | 2021-07-05 | 2021-09-03 | 塔里木大学 | 一种面向移动终端的人脸识别支付*** |
CN113344586B (zh) * | 2021-07-05 | 2024-05-31 | 塔里木大学 | 一种面向移动终端的人脸识别支付*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325413A (zh) | 一种人脸识别方法、装置及终端 | |
US11288504B2 (en) | Iris liveness detection for mobile devices | |
US20200410215A1 (en) | Liveness test method and apparatus | |
US20230274577A1 (en) | Device and method with image matching | |
CN108416336B (zh) | 一种智慧社区人脸识别的方法和*** | |
CN110889312B (zh) | 活体检测方法和装置、电子设备、计算机可读存储介质 | |
CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
WO2019134536A1 (zh) | 基于神经网络模型的人脸活体检测 | |
US20180034852A1 (en) | Anti-spoofing system and methods useful in conjunction therewith | |
CN108140123A (zh) | 人脸活体检测方法、电子设备和计算机程序产品 | |
CN108229335A (zh) | 关联人脸识别方法和装置、电子设备、存储介质、程序 | |
CN109325964A (zh) | 一种人脸追踪方法、装置及终端 | |
CN110032915A (zh) | 一种人脸活体检测方法、装置及电子设备 | |
US11227149B2 (en) | Method and apparatus with liveness detection and object recognition | |
CN112464690A (zh) | 活体识别方法、装置、电子设备及可读存储介质 | |
CN113269091A (zh) | 一种面向智慧园区的人员轨迹分析方法、设备及介质 | |
CN110334637A (zh) | 人脸活体检测方法、装置及存储介质 | |
CN112633222B (zh) | 基于对抗网络的步态识别方法、装置、设备及介质 | |
Chen et al. | Fv-upatches: enhancing universality in finger vein recognition | |
CN108875472B (zh) | 图像采集装置及基于该图像采集装置的人脸身份验证方法 | |
Sundaram et al. | Egocentric visual event classification with location-based priors | |
CN114333019A (zh) | 活体检测模型的训练方法、活体检测方法及相关装置 | |
Xiao et al. | A Generalized Method for Silent Live Face Detection | |
Mohammed et al. | Performance Evolution Ear Biometrics Based on Features from Accelerated Segment Test | |
CN118429707A (zh) | 一种商品识别方法、装置和电子设备 |
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: 20190212 |