CN109684945A - 基于瞳孔的活体检测方法、装置、服务器及存储介质 - Google Patents
基于瞳孔的活体检测方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN109684945A CN109684945A CN201811503731.2A CN201811503731A CN109684945A CN 109684945 A CN109684945 A CN 109684945A CN 201811503731 A CN201811503731 A CN 201811503731A CN 109684945 A CN109684945 A CN 109684945A
- Authority
- CN
- China
- Prior art keywords
- pupil
- image
- preset threshold
- acquisition
- vivo detection
- 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
- 210000001747 pupil Anatomy 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000001574 biopsy Methods 0.000 title claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 138
- 238000001727 in vivo Methods 0.000 claims abstract description 123
- 230000015654 memory Effects 0.000 claims description 35
- 238000005286 illumination Methods 0.000 claims description 26
- 238000004020 luminiscence type Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 11
- 230000002159 abnormal effect Effects 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 201000004569 Blindness Diseases 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 210000000695 crystalline len Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 210000000162 simple eye Anatomy 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Image Processing (AREA)
Abstract
本发明涉及大数据处理,揭露了一种基于瞳孔的活体检测方法,该方法包括:在收到活体检测请求后,采集目标对象的图像,计算图像中瞳孔区域的平均灰度值,根据图像对应的灰度值判断是否通过瞳孔活体检测。本发明还揭露了一种电子装置、服务器及计算机存储介质。利用本发明,可在降低计算资源的同时,提高基于瞳孔的活体检测的准确性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于瞳孔的活体检测方法、电子装置、服务器及计算机可读存储介质。
背景技术
目前,身份验证技术,如指纹识别、眼纹识别、虹膜识别、以及人脸识别等都得到了极大的发展。其中,人脸识别技术最为突出,其已经越来越广泛地应用到各类身份认证***中。
基于人脸识别的身份认证***,需要解决的一大技术难点是活体检测的准确性和便捷性,众所周知,进行活体检测的主要目的是用来确认采集到的人脸图像等数据是来自用户本人,而不是伪造图片认证或者伪造视频的回放认证。目前,针对活体检测过程的攻击手段,包括照片攻击、视频回放攻击、合成人脸图片攻击等,为了解决这类伪造认证的问题,业界普遍采用了随机动作活体检测方案:由视频中面部不同部位的运动变化切入,融入需要用户主动配合的随机化交互动作,比如眨眼、摇头或唇语识别等等,并据此来判断检测对象是否为活体。
虽然随机动作活体检测有着很高的安全性,但是按照指示让用户去做动作比较死板,对用户来说体验不是很好,为了进一步解决这个问题,目前市场上出现了新的静默活体检测方案:主动向检测对象投射光线;对所述检测对象进行图像采集,以得到图像序列;识别出所述图像序列中检测对象的表面存在所述投射光线所产生的反射光信号,所述反射光信号在所述检测对象表面形成图像特征;采用预设识别模型对所述图像特征所属对象的类型进行识别。
然而,这种新的静默活体检测方案的缺陷在于:运算过程比较复杂,另外,容易在伪造的材料中通过模拟人脸反光特征的材料涂层加以规避,准确性和安全性无法保障。
发明内容
鉴于以上内容,本发明提供一种基于瞳孔的活体检测方法、电子装置、服务器及计算机可读存储介质,其主要目的在于提高基于瞳孔的活体检测的准确性。
为实现上述目的,本发明提供一种基于瞳孔的活体检测方法,适用于带有发光单元和图像采集单元的电子装置,该方法包括:
S1、在收到活体检测请求后,控制所述发光单元分别按照不同的预设功率工作以向目标对象投射不同发光强度的光线,并在控制所述发光单元按照一个预设功率工作后,控制所述图像采集单元采集目标对象的与该预设功率对应的图像;
S2、识别出采集的各个图像中的预设眼睛的瞳孔区域的平均灰度值;及
S3、基于采集的各个图像对应的平均灰度值及预设分析规则,分析判断瞳孔活体检测失败或者通过。
此外,为实现上述目的,本发明还提供一种电子装置,该装置包括发光单元、图像采集单元、第一存储器和第一处理器,所述第一存储器中存储有可在所述第一处理器上运行的第一活体检测程序,所述第一活体检测程序被所述第一处理器执行时可实现如上所述基于瞳孔的活体检测方法中的任意步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中包括第一活体检测程序,所述第一活体检测程序被处理器执行时,可实现如上所述基于瞳孔的活体检测方法中的任意步骤。
此外,为实现上述目的,本发明还提供一种基于瞳孔的活体检测方法,应用于服务器,该方法包括:
从通信连接的执行活体检测的电子装置接收采集的图像;
识别出采集的各个图像中的预设眼睛的瞳孔区域的平均灰度值;及
基于采集的各个图像对应的平均灰度值及预设分析规则,分析判断瞳孔活体检测失败或者通过。
此外,为实现上述目的,本发明还提供一种服务器,该服务器包括第二存储器和第二处理器,所述第二存储器中存储有可在所述第二处理器上运行的第二活体检测程序,所述第二活体检测程序被所述第二处理器执行时实现如上所述基于瞳孔的活体检测方法中的任意步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中包括第二活体检测程序,所述第二活体检测程序被处理器执行时,可实现如上所述基于瞳孔的活体检测方法中的任意步骤。
本发明提出的基于瞳孔的活体检测方法、电子装置、服务器及计算机可读存储介质,有效利用了瞳孔的特性,有效降低计算资源的同时,有效提高了基于瞳孔的活体检测的准确性,同时,本发明揭露的技术方案可以与其他类型的活体检测方案有效兼容,可以与其他类型的活体检测方案结合起来综合进行活体检测。
附图说明
图1为本发明基于瞳孔的活体检测方法较佳实施例的流程图;
图2为本发明电子装置较佳实施例的示意图;
图3为图2中第一活体检测程序的程序模块示意图;
图4为本发明基于瞳孔的活体检测方法较佳实施例的流程图;
图5为本发明服务器较佳实施例的示意图;
图6为图5中第二活体检测程序的程序模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种基于瞳孔的活体检测方法。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
本发明揭露了一种基于瞳孔的活体检测方法。参照图1所示,为本发明基于瞳孔的活体检测方法较佳实施例的流程图。该方法适用于带有发光单元(例如,显示器、闪光灯或红外发射器等)和图像采集单元(例如,摄像单元)的电子装置。
在本实施例中,该方法包括:步骤S1-S3。
S1、在收到活体检测请求后,控制所述发光单元分别按照不同的预设功率工作以向目标对象投射不同发光强度的光线,并在控制所述发光单元按照一个预设功率工作后,控制所述图像采集单元采集目标对象的与该预设功率对应的图像。
在向目标对象投射光线时,可以从不同的预设功率中进行逐一随机选择,并在选择一个预设功率后,控制所述发光单元按照选择的预设功率工作预设时间,例如,3秒。或者,还可以按照从大到小或者从小到大的顺序逐一选择预设功率,并在选择一个预设功率后,控制所述发光单元按照选择的预设功率工作预设时间。
每一个预设功率对应一张图像。
S2、识别出采集的各个图像中的预设眼睛的瞳孔区域的平均灰度值。
本实施例中的所述预设眼睛可以是左眼,或者,右眼,或者,左眼和右眼,为了防止有单眼失明的情况,优选地,所述预设眼睛包括左眼和右眼。
在确定一张图像中的预设眼睛的瞳孔区域后,检测瞳孔区域中是否存在发光单元照明光源的反光点,即第一瞳孔区域中的高亮点块状区域,若存在,应先剔除反光点区域,并计算瞳孔区域的平均灰度值。重复该步骤,确定上述采集的每张图像对应的平均灰度值。
S3、基于采集的各个图像对应的平均灰度值及预设分析规则,分析判断瞳孔活体检测失败或者通过。
瞳孔是人眼的通光孔,通过瞳孔的光线经过晶状体后在视网膜上成像,进入瞳孔的光线很少会被反射出瞳孔,因此在外界不同的亮度下观察,瞳孔都是黑色的;而对于打印在纸张上的假眼,瞳孔区域只是打印出的深色图案,在不同亮度下,假眼的瞳孔区域会呈现不同灰度。
基于所述原理,根据各个图像对应的平均灰度值判断瞳孔活体检测失败或者通过。
优选地,本实施例中的所述预设分析规则包括:若有采集的图像对应的平均灰度值大于第一预设阈值,则判定瞳孔活体检测失败;或者,若采集的所有图像对应的平均灰度值均小于或者等于第一预设阈值,则判定瞳孔活体检测通过。
分别将采集的各图像对应的平均灰度值与第一预设阈值进行比较,当目标对象的所有图像对应的平均灰度值均大于或等于第一预设阈值时判定瞳孔活体检测通过,否则,判定瞳孔活体检测失败。
为了保证检测的准确性,所述第一预设阈值通常设置的比较小。例如,在像素灰度区间为0到255的情况下,本实施例中第一预设阈值为20。
为了保证检测的准确性,所述第一预设阈值通常设置的比较小,而所述第一预设阈值设置的越小,则瞳孔活体检测异常判定的反应灵敏度就越高,为了防止环境光线的突变对检测准确性的影响,进一步提高检测的准确性,上述实施例中的预设分析规则包括:
若有采集的图像对应的平均灰度值大于第一预设阈值,且采集的所有图像对应的平均灰度值均小于第二预设阈值,则将采集的图像进行两两分组,并分别计算出各个分组的两个图像对应的平均灰度值的差值绝对值,所述第二预设阈值大于所述第一预设阈值;
若有分组对应的差值绝对值大于第三预设阈值,则判定瞳孔活体检测失败,或者,若所有分组对应的差值绝对值均小于或者等于第三预设阈值,则判定瞳孔活体检测通过。
假设共采集了n张图像,n张图像中有一张或多张图像对应的平均灰度值大于第一预设阈值,且,n张图像对应的平均灰度值均小于第二预设阈值,将n张图像两两分组,得到个组合。分别计算个组合中两张图像对应的平均灰度值的差值绝对值。当个组合对应的差值绝对值均小于或等于第三预设阈值时判定瞳孔活体检测通过,否则,判断瞳孔活体检测失败。
例如,在像素灰度区间为0到255的情况下,本实施例中第一预设阈值为20,第二预设阈值为30,第三预设阈值为10。
上述实施例提出的基于瞳孔的活体检测方法,有效利用了瞳孔的特性,有效降低计算资源的同时,有效提高了基于瞳孔的活体检测的准确性,同时,本发明揭露的技术方案可以与其他类型的活体检测方案有效兼容,可以与其他类型的活体检测方案结合起来综合进行活体检测。
为了保证检测的准确性,所述第一预设阈值通常设置的比较小,而所述第一预设阈值设置的越小,则瞳孔活体检测异常判定的反应灵敏度就越高。在其他实施例中,为了有效降低针对不同的环境光线采用同一个第一预设阈值对检测准确性的影响,可选地,所述电子装置还包括光线传感器,于所述步骤S3之前,该方法还包括:
控制所述光线传感器感测当前检测环境的当前光照强度值;
根据预先确定的光照强度值与预设阈值的映射关系,确定感测的当前光照强度值对应的预设阈值,并将确定的该预设阈值作为当前的第一预设阈值,以用于分析判断瞳孔活体检测失败或者通过。
不同环境下的光照强度值不一样,预先设置不同光照强度值对应的不同预设阈值。例如,光照强度值m对应预设阈值m,光照强度值l对应预设阈值l。当光线传感器感测到当前检测环境的光照强度值为m时,取预设阈值m作为当前检测环境对应的第一预设阈值。
本发明还提出一种电子装置。参照图2所示,为本发明电子装置较佳实施例的示意图。
在本实施例中,电子装置1可以是服务器、智能手机、平板电脑、便携计算机、桌上型计算机等具有数据处理功能的终端设备,所述服务器可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器。
该电子装置1仅包括发光单元11、图像采集单元12、第一存储器13和第一处理器14。
其中,发光单元11可以是闪光灯、红外发射器等。图像采集单元12可以是摄像单元等。
第一存储器13至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。第一存储器13在一些实施例中可以是所述电子装置1的内部存储单元,例如该电子装置1的硬盘。第一存储器13在另一些实施例中也可以是所述电子装置1的外部存储设备,例如该电子装置1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,第一存储器13还可以既包括该电子装置1的内部存储单元也包括外部存储设备。
第一存储器13不仅可以用于存储安装于该电子装置1的应用软件及各类数据,例如第一活体检测程序10等,还可以用于暂时地存储已经输出或者将要输出的数据。
第一处理器14在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行第一存储器13中存储的程序代码或处理数据,例如第一活体检测程序10等。
图2仅示出了具有组件11-14的电子装置1,本领域技术人员可以理解的是,图2示出的结构并不构成对电子装置1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
可选地,该电子装置1还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。
在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode,OLED)触摸器等。其中,显示器也可以称为显示屏或显示单元,用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面。
可选地,电子装置1还可以包括通信单元,例如,Wi-Fi单元、基于SIM(SubscriberIdentification Module)卡的移动通信单元等。
在图2所示的电子装置1实施例中,作为一种计算机存储介质的第一存储器13中存储第一活体检测程序10的程序代码,第一处理器14执行第一活体检测程序10的程序代码时,实现如下步骤:
A1、在收到活体检测请求后,控制所述发光单元分别按照不同的预设功率工作以向目标对象投射不同发光强度的光线,并在控制所述发光单元按照一个预设功率工作后,控制所述图像采集单元采集目标对象的与该预设功率对应的图像。
在向目标对象投射光线时,可以从不同的预设功率中进行逐一随机选择,并在选择一个预设功率后,控制所述发光单元按照选择的预设功率工作预设时间,例如,3秒。或者,还可以按照从大到小或者从小到大的顺序逐一选择预设功率,并在选择一个预设功率后,控制所述发光单元按照选择的预设功率工作预设时间。
每一个预设功率对应一张图像。
A2、识别出采集的各个图像中的预设眼睛的瞳孔区域的平均灰度值。
本实施例中的所述预设眼睛可以是左眼,或者,右眼,或者,左眼和右眼,为了防止有单眼失明的情况,优选地,所述预设眼睛包括左眼和右眼。
在确定一张图像中的预设眼睛的瞳孔区域后,检测瞳孔区域中是否存在发光单元照明光源的反光点,即第一瞳孔区域中的高亮点块状区域,若存在,应先剔除反光点区域,并计算瞳孔区域的平均灰度值。重复该步骤,确定上述采集的每张图像对应的平均灰度值。
A3、基于采集的各个图像对应的平均灰度值及预设分析规则,分析判断瞳孔活体检测失败或者通过。
瞳孔是人眼的通光孔,通过瞳孔的光线经过晶状体后在视网膜上成像,进入瞳孔的光线很少会被反射出瞳孔,因此在外界不同的亮度下观察,瞳孔都是黑色的;而对于打印在纸张上的假眼,瞳孔区域只是打印出的深色图案,在不同亮度下,假眼的瞳孔区域会呈现不同灰度。
基于所述原理,根据各个图像对应的平均灰度值判断瞳孔活体检测失败或者通过。
优选地,在本实施例中的所述预设分析规则包括:若有采集的图像对应的平均灰度值大于第一预设阈值,则判定瞳孔活体检测失败;或者,若采集的所有图像对应的平均灰度值均小于或者等于第一预设阈值,则判定瞳孔活体检测通过。
分别将采集的各图像对应的平均灰度值与第一预设阈值进行比较,当目标对象的所有图像对应的平均灰度值均大于或等于第一预设阈值时判定瞳孔活体检测通过,否则,判定瞳孔活体检测失败。
为了保证检测的准确性,所述第一预设阈值通常设置的比较小。例如,在像素灰度区间为0到255的情况下,本实施例中第一预设阈值为20。
为了保证检测的准确性,所述第一预设阈值通常设置的比较小,而所述第一预设阈值设置的越小,则瞳孔活体检测异常判定的反应灵敏度就越高,为了防止环境光线的突变对检测准确性的影响,进一步提高检测的准确性,上述实施例中的预设分析规则包括:
若有采集的图像对应的平均灰度值大于第一预设阈值,且采集的所有图像对应的平均灰度值均小于第二预设阈值,则将采集的图像进行两两分组,并分别计算出各个分组的两个图像对应的平均灰度值的差值绝对值,所述第二预设阈值大于所述第一预设阈值;
若有分组对应的差值绝对值大于第三预设阈值,则判定瞳孔活体检测失败,或者,若所有分组对应的差值绝对值均小于或者等于第三预设阈值,则判定瞳孔活体检测通过。
假设共采集了n张图像,n张图像中有一张或多张图像对应的平均灰度值大于第一预设阈值,且,n张图像对应的平均灰度值均小于第二预设阈值,将n张图像两两分组,得到个组合。分别计算个组合中两张图像对应的平均灰度值的差值绝对值。当个组合对应的差值绝对值均小于或等于第三预设阈值时判定瞳孔活体检测通过,否则,判断瞳孔活体检测失败。
例如,在像素灰度区间为0到255的情况下,本实施例中第一预设阈值为20,第二预设阈值为30,第三预设阈值为10。
上述实施例提出的电子装置1,有效利用了瞳孔的特性,有效降低计算资源的同时,有效提高了基于瞳孔的活体检测的准确性。
为了保证检测的准确性,所述第一预设阈值通常设置的比较小,而所述第一预设阈值设置的越小,则瞳孔活体检测异常判定的反应灵敏度就越高。在其他实施例中,为了有效降低针对不同的环境光线采用同一个第一预设阈值对检测准确性的影响,所述电子装置1还包括光线传感器(图中未标出),于所述步骤A3之前,所述第一活体检测程序10被所述处理器12执行时还实现如下步骤:
控制所述光线传感器感测当前检测环境的当前光照强度值;
根据预先确定的光照强度值与预设阈值的映射关系,确定感测的当前光照强度值对应的预设阈值,并将确定的该预设阈值作为当前的第一预设阈值,以用于分析判断瞳孔活体检测失败或者通过。
不同环境下的光照强度值不一样,预先设置不同光照强度值对应的不同预设阈值。例如,光照强度值m对应预设阈值m,光照强度值l对应预设阈值l。当光线传感器感测到当前检测环境的光照强度值为m时,取预设阈值m作为当前检测环境对应的第一预设阈值。
可选地,在其他的实施例中,第一活体检测程序10还可以被分割为一个或者多个模块,一个或者多个模块被存储于第一存储器13中,并由一个或多个第一处理器14所执行,以完成本发明,本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段。
例如,参照图3所示,为图2中第一活体检测程序10的模块示意图,该实施例中,第一活体检测程序10可以被分割为图像采集模块110、计算模块120及判断模块130,所述模块110-130所实现的功能或操作步骤均与上文类似,此处不再详述,示例性地,例如其中:
图像采集模块110,用于在收到活体检测请求后,控制所述发光单元分别按照不同的预设功率工作以向目标对象投射不同发光强度的光线,并在控制所述发光单元按照一个预设功率工作后,控制所述图像采集单元采集目标对象的与该预设功率对应的图像;
计算模块120,用于识别出采集的各个图像中的预设眼睛的瞳孔区域的平均灰度值;及
判断模块130,用于根据采集的各个图像对应的平均灰度值,分析判断瞳孔活体检测失败或者通过。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质中包括第一活体检测程序10,所述第一活体检测程序10被处理器执行时实现如下操作:
在收到活体检测请求后,控制所述发光单元分别按照不同的预设功率工作以向目标对象投射不同发光强度的光线,并在控制所述发光单元按照一个预设功率工作后,控制所述图像采集单元采集目标对象的与该预设功率对应的图像;
识别出采集的各个图像中的预设眼睛的瞳孔区域的平均灰度值;及
根据采集的各个图像对应的平均灰度值,分析判断瞳孔活体检测失败或者通过。
本发明之计算机可读存储介质的具体实施方式与上述基于瞳孔的活体检测方法的具体实施方式大致相同,在此不再赘述。
本发明还提出一种基于瞳孔的活体检测方法。参照图4所示,为本发明基于瞳孔的活体检测方法较佳实施例的流程图。该方法应用于一种服务器。
在本实施例中,该方法包括:步骤S1-S3。
S1、从通信连接的执行活体检测的电子装置接收采集的图像。
电子装置控制图像采集单元采集目标对象的图像后,将采集到的所有图像发给值服务器。
S2、识别出采集的各个图像中的预设眼睛的瞳孔区域的平均灰度值。
例如,所述预设眼睛可以是左眼,或者,右眼,或者,左眼和右眼,为了防止有单眼失明的情况,优选的,所述预设眼睛包括左眼和右眼。
S3、基于采集的各个图像对应的平均灰度值及预设分析规则,分析判断瞳孔活体检测失败或者通过。
优选地,本实施例中的所述预设分析规则包括:
若有采集的图像对应的平均灰度值大于第一预设阈值,则判定瞳孔活体检测失败;或者,若采集的所有图像对应的平均灰度值均小于或者等于第一预设阈值,则判定瞳孔活体检测通过。
基于瞳孔的特性,分别将采集的各图像对应的平均灰度值与第一预设阈值进行比较,当目标对象的所有图像对应的平均灰度值均大于或等于第一预设阈值时判定瞳孔活体检测通过,否则,判定瞳孔活体检测失败。
为了保证检测的准确性,所述第一预设阈值通常设置的比较小。例如,在像素灰度区间为0到255的情况下,本实施例中第一预设阈值为20。
为了保证检测的准确性,所述第一预设阈值通常设置的比较小,而所述第一预设阈值设置的越小,则瞳孔活体检测异常判定的反应灵敏度就越高,为了防止环境光线的突变对检测准确性的影响,进一步提高检测的准确性,上述实施例中的预设分析规则包括:
若有采集的图像对应的平均灰度值大于第一预设阈值,且采集的所有图像对应的平均灰度值均小于第二预设阈值,则将采集的图像进行两两分组,并分别计算出各个分组的两个图像对应的平均灰度值的差值绝对值,所述第二预设阈值大于所述第一预设阈值;
若有分组对应的差值绝对值大于第三预设阈值,则判定瞳孔活体检测失败,或者,若所有分组对应的差值绝对值均小于或者等于第三预设阈值,则判定瞳孔活体检测通过。
假设共采集了n张图像,n张图像中有一张或多张图像对应的平均灰度值大于第一预设阈值,且,n张图像对应的平均灰度值均小于第二预设阈值,将n张图像两两分组,得到个组合。分别计算个组合中两张图像对应的平均灰度值的差值绝对值。当个组合对应的差值绝对值均小于或等于第三预设阈值时判定瞳孔活体检测通过,否则,判断瞳孔活体检测失败。
例如,在像素灰度区间为0到255的情况下,本实施例中第一预设阈值为20,第二预设阈值为30,第三预设阈值为10。
为了保证检测的准确性,所述第一预设阈值通常设置的比较小,而所述第一预设阈值设置的越小,则瞳孔活体检测异常判定的反应灵敏度就越高,为了有效降低针对不同的环境光线采用同一个第一预设阈值对检测准确性的影响,在其他实施例中,于所述步骤S3之前,该方法还包括:
从通信连接的执行活体检测的电子装置接收当前光照强度值;
根据预先确定的光照强度值与预设阈值的映射关系,确定感测的当前光照强度值对应的预设阈值,并将确定的该预设阈值作为当前的第一预设阈值,以用于分析判断瞳孔活体检测失败或者通过。
不同环境下的光照强度值不一样,预先设置不同光照强度值对应的不同预设阈值。例如,光照强度值m对应预设阈值m,光照强度值l对应预设阈值l。当电子装置控制光线传感器感测到当前检测环境的光照强度值为m时,取预设阈值m作为当前检测环境对应的第一预设阈值。
本发明还提出一种服务器。参照图5所示,为本发明服务器较佳实施例的示意图。
在本实施例中,服务器2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等。
该服务器2包括第二存储器21、第二处理器22及网络接口23。
其中,第二存储器21至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。第二存储器21在一些实施例中可以是所述服务器2的内部存储单元,例如该服务器2的硬盘。第二存储器21在另一些实施例中也可以是所述服务器2的外部存储设备,例如该服务器2上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,第二存储器21还可以既包括该服务器2的内部存储单元也包括外部存储设备。
第二存储器21不仅可以用于存储安装于该服务器2的应用软件及各类数据,例如第二活体检测程序20等,还可以用于暂时地存储已经输出或者将要输出的数据。
第二处理器22在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行第二存储器21中存储的程序代码或处理数据,例如第二活体检测程序20等。
网络接口23可选的可以包括标准的有线接口、无线接口(如WI-FI接口),通常用于在该服务器2与其他电子设备之间建立通信连接。例如,服务器2通过网络接口23与电子装置1实现通信连接。
图5仅示出了具有组件21-23的服务器2,本领域技术人员可以理解的是,图5示出的结构并不构成对服务器2的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
可选地,该服务器2还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。
在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode,OLED)触摸器等。其中,显示器也可以称为显示屏或显示单元,用于显示在服务器2中处理的信息以及用于显示可视化的用户界面。
在图5所示的服务器2的实施例中,作为一种计算机存储介质的第二存储器21中存储第二活体检测程序20的程序代码,处理器22执行第二活体检测程序20的程序代码时,实现如下步骤:
B1、从通信连接的执行活体检测的电子装置接收采集的图像。
电子装置控制图像采集单元采集目标对象的图像后,将采集到的所有图像发给值服务器。
B2、识别出采集的各个图像中的预设眼睛的瞳孔区域的平均灰度值。
例如,所述预设眼睛可以是左眼,或者,右眼,或者,左眼和右眼,为了防止有单眼失明的情况,优选的,所述预设眼睛包括左眼和右眼。
B3、基于采集的各个图像对应的平均灰度值及预设分析规则,分析判断瞳孔活体检测失败或者通过。
优选地,本实施例中的所述预设分析规则包括:
若有采集的图像对应的平均灰度值大于第一预设阈值,则判定瞳孔活体检测失败;或者,若采集的所有图像对应的平均灰度值均小于或者等于第一预设阈值,则判定瞳孔活体检测通过。
基于瞳孔的特性,分别将采集的各图像对应的平均灰度值与第一预设阈值进行比较,当目标对象的所有图像对应的平均灰度值均大于或等于第一预设阈值时判定瞳孔活体检测通过,否则,判定瞳孔活体检测失败。
为了保证检测的准确性,所述第一预设阈值通常设置的比较小。例如,在像素灰度区间为0到255的情况下,本实施例中第一预设阈值为20。
为了保证检测的准确性,所述第一预设阈值通常设置的比较小,而所述第一预设阈值设置的越小,则瞳孔活体检测异常判定的反应灵敏度就越高,为了防止环境光线的突变对检测准确性的影响,进一步提高检测的准确性,上述实施例中的预设分析规则包括:
若有采集的图像对应的平均灰度值大于第一预设阈值,且采集的所有图像对应的平均灰度值均小于第二预设阈值,则将采集的图像进行两两分组,并分别计算出各个分组的两个图像对应的平均灰度值的差值绝对值,所述第二预设阈值大于所述第一预设阈值;
若有分组对应的差值绝对值大于第三预设阈值,则判定瞳孔活体检测失败,或者,若所有分组对应的差值绝对值均小于或者等于第三预设阈值,则判定瞳孔活体检测通过。
假设共采集了n张图像,n张图像中有一张或多张图像对应的平均灰度值大于第一预设阈值,且,n张图像对应的平均灰度值均小于第二预设阈值,将n张图像两两分组,得到个组合。分别计算个组合中两张图像对应的平均灰度值的差值绝对值。当个组合对应的差值绝对值均小于或等于第三预设阈值时判定瞳孔活体检测通过,否则,判断瞳孔活体检测失败。
例如,在像素灰度区间为0到255的情况下,本实施例中第一预设阈值为20,第二预设阈值为30,第三预设阈值为10。
为了保证检测的准确性,所述第一预设阈值通常设置的比较小,而所述第一预设阈值设置的越小,则瞳孔活体检测异常判定的反应灵敏度就越高,为了有效降低针对不同的环境光线采用同一个第一预设阈值对检测准确性的影响,在其他实施例中,于所述步骤B3之前,所述第二活体检测程序20被所述第二处理器22执行时还实现如下步骤:
从通信连接的执行活体检测的电子装置1接收当前光照强度值;
根据预先确定的光照强度值与预设阈值的映射关系,确定感测的当前光照强度值对应的预设阈值,并将确定的该预设阈值作为当前的第一预设阈值,以用于分析判断瞳孔活体检测失败或者通过。
不同环境下的光照强度值不一样,预先设置不同光照强度值对应的不同预设阈值。例如,光照强度值m对应预设阈值m,光照强度值l对应预设阈值l。当电子装置1控制光线传感器感测到当前检测环境的光照强度值为m时,取预设阈值m作为当前检测环境对应的第一预设阈值。
可选地,在其他的实施例中,第二活体检测程序20还可以被分割为一个或者多个模块,一个或者多个模块被存储于第二存储器21中,并由一个或多个第二处理器22所执行,以完成本发明,本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段。
例如,参照图6所示,为图5中第二活体检测程序20的模块示意图,该实施例中,第二活体检测程序20可以被分割为接收模块210、计算模块220及判断模块230,所述模块210-230所实现的功能或操作步骤均与上文类似,此处不再详述,示例性地,例如其中:
接收模块210,用于从通信连接的执行活体检测的电子装置接收采集的图像;
计算模块220,用于识别出采集的各个图像中的预设眼睛的瞳孔区域的平均灰度值;及
判断模块230,用于根据采集的各个图像对应的平均灰度值,分析判断瞳孔活体检测失败或者通过。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,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的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于瞳孔的活体检测方法,适用于带有发光单元和图像采集单元的电子装置,其特征在于,该方法包括:
S1、在收到活体检测请求后,控制所述发光单元分别按照不同的预设功率工作以向目标对象投射不同发光强度的光线,并在控制所述发光单元按照一个预设功率工作后,控制所述图像采集单元采集目标对象的与该预设功率对应的图像;
S2、识别出采集的各个图像中的预设眼睛的瞳孔区域的平均灰度值;及
S3、基于采集的各个图像对应的平均灰度值及预设分析规则,分析判断瞳孔活体检测失败或者通过。
2.根据权利要求1所述的基于瞳孔的活体检测方法,其特征在于,所述预设分析规则包括:
若有采集的图像对应的平均灰度值大于第一预设阈值,则判定瞳孔活体检测失败;或者,若采集的所有图像对应的平均灰度值均小于或者等于第一预设阈值,则判定瞳孔活体检测通过;或
若有采集的图像对应的平均灰度值大于第一预设阈值,且采集的所有图像对应的平均灰度值均小于第二预设阈值,则将采集的图像进行两两分组,并分别计算出各个分组的两个图像对应的平均灰度值的差值绝对值,所述第二预设阈值大于所述第一预设阈值;若有分组对应的差值绝对值大于第三预设阈值,则判定瞳孔活体检测失败,或者,若所有分组对应的差值绝对值均小于或者等于第三预设阈值,则判定瞳孔活体检测通过。
3.根据权利要求2所述的基于瞳孔的活体检测方法,所述电子装置还包括光线传感器,其特征在于,在所述步骤S3之前,该方法还包括:
控制所述光线传感器感测当前检测环境的当前光照强度值;及
根据预先确定的光照强度值与预设阈值的映射关系,确定感测的当前光照强度值对应的预设阈值,并将确定的该预设阈值作为当前的第一预设阈值,以用于分析判断瞳孔活体检测失败或者通过。
4.一种电子装置,其特征在于,该装置包括发光单元、图像采集单元、第一存储器和第一处理器,所述第一存储器中存储有可在所述第一处理器上运行的第一活体检测程序,所述第一活体检测程序被所述第一处理器执行时实现如下步骤:
A、在收到活体检测请求后,控制所述发光单元分别按照不同的预设功率工作以向目标对象投射不同发光强度的光线,并在控制所述发光单元按照一个预设功率工作后,控制所述图像采集单元采集目标对象的与该预设功率对应的图像;
B、识别出采集的各个图像中的预设眼睛的瞳孔区域的平均灰度值;及
C、基于采集的各个图像对应的平均灰度值及预设分析规则,分析判断瞳孔活体检测失败或者通过。
5.根据权利要求4所述的电子装置,其特征在于,述预设分析规则包括:
若有采集的图像对应的平均灰度值大于第一预设阈值,则判定瞳孔活体检测失败;或者,若采集的所有图像对应的平均灰度值均小于或者等于第一预设阈值,则判定瞳孔活体检测通过;或
若有采集的图像对应的平均灰度值大于第一预设阈值,且采集的所有图像对应的平均灰度值均小于第二预设阈值,则将采集的图像进行两两分组,并分别计算出各个分组的两个图像对应的平均灰度值的差值绝对值,所述第二预设阈值大于所述第一预设阈值;若有分组对应的差值绝对值大于第三预设阈值,则判定瞳孔活体检测失败,或者,若所有分组对应的差值绝对值均小于或者等于第三预设阈值,则判定瞳孔活体检测通过。
6.根据权利要求5所述的电子装置,其特征在于,所述电子装置还包括光线传感器,所述第一活体检测程序被所述处理器执行时,在所述步骤C之前,还实现如下步骤:
控制所述光线传感器感测当前检测环境的当前光照强度值;及
根据预先确定的光照强度值与预设阈值的映射关系,确定感测的当前光照强度值对应的预设阈值,并将确定的该预设阈值作为当前的第一预设阈值,以用于分析判断瞳孔活体检测失败或者通过。
7.一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中包括第一活体检测程序,所述第一活体检测程序被处理器执行时,可实现如权利要求1至3中任意一项所述的基于瞳孔的活体检测方法的步骤。
8.一种基于瞳孔的活体检测方法,适用于服务器,其特征在于,该方法包括:
从通信连接的执行活体检测的电子装置接收采集的图像;
识别出采集的各个图像中的预设眼睛的瞳孔区域的平均灰度值;及
基于采集的各个图像对应的平均灰度值及预设分析规则,分析判断瞳孔活体检测失败或者通过。
9.一种服务器,其特征在于,该服务器包括第二存储器和第二处理器,所述第二存储器中存储有可在所述第二处理器上运行的第二活体检测程序,所述第二活体检测程序被所述第二处理器执行时可实现如权利要求8所述的基于瞳孔的活体检测方法的步骤。
10.一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中包括第二活体检测程序,所述第二活体检测程序被处理器执行时,可实现如权利要求8所述的基于瞳孔的活体检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811503731.2A CN109684945A (zh) | 2018-12-10 | 2018-12-10 | 基于瞳孔的活体检测方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811503731.2A CN109684945A (zh) | 2018-12-10 | 2018-12-10 | 基于瞳孔的活体检测方法、装置、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109684945A true CN109684945A (zh) | 2019-04-26 |
Family
ID=66187228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811503731.2A Pending CN109684945A (zh) | 2018-12-10 | 2018-12-10 | 基于瞳孔的活体检测方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109684945A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446371A (zh) * | 2020-11-24 | 2021-03-05 | 上海海洋大学 | 多摄像头水下图像识别装置及其增强处理方法 |
CN113298747A (zh) * | 2020-02-19 | 2021-08-24 | 北京沃东天骏信息技术有限公司 | 图片、视频检测方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105138996A (zh) * | 2015-09-01 | 2015-12-09 | 北京上古视觉科技有限公司 | 一种具有活体检测功能的虹膜识别*** |
CN106295571A (zh) * | 2016-08-11 | 2017-01-04 | 深圳市赛为智能股份有限公司 | 光照自适应的人脸识别方法及*** |
CN107451443A (zh) * | 2017-07-14 | 2017-12-08 | 广东欧珀移动通信有限公司 | 虹膜识别方法及相关产品 |
CN108009534A (zh) * | 2017-11-20 | 2018-05-08 | 上海聚虹光电科技有限公司 | 基于瞳孔灰度的活体检测方法 |
US20180349721A1 (en) * | 2017-06-06 | 2018-12-06 | Microsoft Technology Licensing, Llc | Biometric object spoof detection based on image intensity variations |
-
2018
- 2018-12-10 CN CN201811503731.2A patent/CN109684945A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105138996A (zh) * | 2015-09-01 | 2015-12-09 | 北京上古视觉科技有限公司 | 一种具有活体检测功能的虹膜识别*** |
CN106295571A (zh) * | 2016-08-11 | 2017-01-04 | 深圳市赛为智能股份有限公司 | 光照自适应的人脸识别方法及*** |
US20180349721A1 (en) * | 2017-06-06 | 2018-12-06 | Microsoft Technology Licensing, Llc | Biometric object spoof detection based on image intensity variations |
CN107451443A (zh) * | 2017-07-14 | 2017-12-08 | 广东欧珀移动通信有限公司 | 虹膜识别方法及相关产品 |
CN108009534A (zh) * | 2017-11-20 | 2018-05-08 | 上海聚虹光电科技有限公司 | 基于瞳孔灰度的活体检测方法 |
Non-Patent Citations (1)
Title |
---|
罗皓: "瞳孔对光动态反应检测仪设计", 硕士电子期刊(信息科技辑), 15 December 2014 (2014-12-15), pages 1 - 62 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113298747A (zh) * | 2020-02-19 | 2021-08-24 | 北京沃东天骏信息技术有限公司 | 图片、视频检测方法和装置 |
CN112446371A (zh) * | 2020-11-24 | 2021-03-05 | 上海海洋大学 | 多摄像头水下图像识别装置及其增强处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106203305B (zh) | 人脸活体检测方法和装置 | |
KR101415287B1 (ko) | 라이브니스 검출을 위한 방법, 컴퓨터 판독가능한 저장 디바이스 및 컴퓨팅 디바이스 | |
KR101393717B1 (ko) | 얼굴 인식 기술 | |
CN108629260B (zh) | 活体验证方法和装置及存储介质 | |
US10579853B2 (en) | Method and apparatus for acquiring fingerprint image and terminal device | |
WO2019200578A1 (zh) | 电子设备及其身份识别方法 | |
US8942434B1 (en) | Conflict resolution for pupil detection | |
CN100419779C (zh) | 面部活跃度评定*** | |
CN110266916B (zh) | 用于在眼睛追踪中处理眩光的方法和*** | |
KR100816602B1 (ko) | 사칭 검출 장치 및 사칭 검출 방법 | |
KR101247497B1 (ko) | 환경 적응형 얼굴 인식장치 및 그 방법 | |
KR101286454B1 (ko) | 눈 영상의 특성을 이용한 모조얼굴 식별장치 및 방법 | |
CN104166835A (zh) | 用于识别活体用户的方法和装置 | |
CN105659200A (zh) | 用于显示图形用户界面的方法、设备和*** | |
CN103383723A (zh) | 用于生物特征验证的电子欺骗检测的方法和*** | |
CN109661668B (zh) | 用于虹膜识别的图像处理方法和*** | |
CN111274928A (zh) | 一种活体检测方法、装置、电子设备和存储介质 | |
US20220189206A1 (en) | Iris authentication device, iris authentication method, and recording medium | |
CN111310575B (zh) | 一种人脸活体检测的方法、相关装置、设备及存储介质 | |
US20200320321A1 (en) | Device and method for touchless palm print acquisition | |
KR20120006819A (ko) | 시선 추적 방법 및 이를 적용하는 장치 | |
JP2008305192A (ja) | 顔認証装置 | |
CN110287787A (zh) | 图像识别方法、装置及计算机可读存储介质 | |
CN109684945A (zh) | 基于瞳孔的活体检测方法、装置、服务器及存储介质 | |
CN108496173A (zh) | 电子设备及其面部识别方法 |
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 |