CN109684993A - 一种基于鼻孔信息的人脸识别方法、***和设备 - Google Patents
一种基于鼻孔信息的人脸识别方法、***和设备 Download PDFInfo
- Publication number
- CN109684993A CN109684993A CN201811573339.5A CN201811573339A CN109684993A CN 109684993 A CN109684993 A CN 109684993A CN 201811573339 A CN201811573339 A CN 201811573339A CN 109684993 A CN109684993 A CN 109684993A
- Authority
- CN
- China
- Prior art keywords
- face
- nostril
- information
- facial image
- image
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000001815 facial effect Effects 0.000 claims abstract description 140
- 239000000284 extract Substances 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 26
- 230000004044 response Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 12
- 230000006872 improvement Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000000241 respiratory effect Effects 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 230000008921 facial expression Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 210000003462 vein Anatomy 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
- G06V40/10—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
- G06V40/10—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
- G06V40/10—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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于鼻孔信息的人脸识别方法,包括:响应人脸识别指令时,检测摄像头的拍摄范围内是否存在人脸;当检测到所述摄像头的拍摄范围存在人脸时,获取所述摄像头拍摄的预设数量张人脸图像,并提取每一所述人脸图像中的鼻孔信息;按照预先存储的鼻孔大小阈值对所述鼻孔信息进行活体识别,判断当前获取的所述人脸图像是否为活体人脸图像;当所述人脸图像为活体人脸图像时,提取所述人脸图像的人脸信息,根据预先存储的人脸模板对所述人脸信息进行人脸识别。本发明还公开一种基于鼻孔信息的人脸识别***和一种基于鼻孔信息的人脸识别设备。采用本发明实施例,能有效解决人脸识别***的误识和拒识现象,提高人脸识别技术的可靠性。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种基于鼻孔信息的人脸识别方法、***和设备。
背景技术
随着技术的发展,生物识别技术越来越多的被应用到智能终端上,如手机上的指纹识别技术、人脸识别技术等,还有一些生物识别技术也逐步被应用,如指静脉识别技术被应用到门禁***等。随着在实际应用的不断推广,人脸识别***存在的问题也逐渐凸显。比如,人脸特征具有可变性,如各种附加物,人脸表情的变化等,而这些变化在实际应用中都可能导致人脸识别***发生拒识现象。虽然嵌入式人脸识别***通常在录入人脸模板时,通过提示远、近、抬头、转头等信息采集人脸多方位特征,有利于提高识别成功率,但这仍不足以降低由于人脸特征变化造成的拒识概率。另外,还有不法者利用因人脸特征的可变性而造成人脸识别***拒识的原理,采用照片、视频等资源来破解人脸识别技术,从而导致人脸识别***的误识,人脸识别技术的可靠性降低。
发明内容
本发明实施例的目的是提供一种基于鼻孔信息的人脸识别方法、***和设备,能有效解决人脸识别***的误识和拒识现象,提高人脸识别技术的可靠性。
为实现上述目的,本发明实施例提供了一种基于鼻孔信息的人脸识别方法,包括:
响应人脸识别指令时,检测摄像头的拍摄范围内是否存在人脸;
当检测到所述摄像头的拍摄范围存在人脸时,获取所述摄像头拍摄的预设数量张人脸图像,并提取每一所述人脸图像中的鼻孔信息;
按照预先存储的鼻孔大小阈值对所述鼻孔信息进行活体识别,判断当前获取的所述人脸图像是否为活体人脸图像;
当所述人脸图像为活体人脸图像时,提取所述人脸图像的人脸信息,根据预先存储的人脸模板对所述人脸信息进行人脸识别。
与现有技术相比,本发明公开的基于鼻孔信息的人脸识别方法,首先在响应人脸识别指令时,检测摄像头的拍摄范围内是否存在人脸,并当检测到所述摄像头的拍摄范围存在人脸时,获取预设数量张人脸图像;然后提取每一所述人脸图像中的鼻孔信息,对所述鼻孔信息进行活体识别;最后当所述人脸图像为活体人脸图像时,提取所述人脸图像的人脸信息,根据预先存储的人脸模板对所述人脸信息进行人脸识别。解决了现有技术中因人脸特征具有可变性,可能导致人脸识别***发生拒识现象,同时利用因人脸特征的可变性而造成人脸识别***拒识的原理,采用照片、视频等资源来破解人脸识别技术,从而导致人脸识别***的误识,人脸识别技术的可靠性降低的问题,能有效解决人脸识别***的误识和拒识现象,提高人脸识别技术的可靠性。
作为上述方案的改进,所述提取每一所述人脸图像中的鼻孔信息,包括:
提取每一所述人脸图像中左鼻孔中最左端至最右端的左鼻孔长度,并提取每一所述人脸图像中右鼻孔中最左端至最右端的右鼻孔长度;
获取每一所述人脸图像中的左鼻孔长度之间的差值的绝对值,并获取每一所述人脸图像中的右鼻孔长度之间的差值的绝对值;
取所述左鼻孔长度之间的差值的绝对值和所述右鼻孔长度之间的差值的绝对值中的最大值为所述鼻孔信息。
作为上述方案的改进,所述按照预先存储的鼻孔大小阈值对所述鼻孔信息进行活体识别,判断当前获取的所述人脸图像是否为活体人脸图像,包括:
判断所述鼻孔信息是否大于预先存储的鼻孔大小阈值;
若是,则判定当前获取的所述人脸图像为活体人脸图像;若否,则判定当前获取的所述人脸图像为非活体人脸图像。
作为上述方案的改进,所述根据预先存储的人脸模板对所述人脸信息进行人脸识别,包括:
若所述人脸信息与所述人脸模板的匹配度大于或等于预设匹配值,则判定人脸识别成功;
若所述人脸信息与所述人脸模板的匹配度小于所述预设匹配值,则判定人脸识别失败。
作为上述方案的改进,所述人脸信息包括但不限于人脸轮廓、眼睛轮廓、眼睛位置信息、鼻子轮廓和鼻子位置信息。
为实现上述目的,本发明实施例还提供了一种基于鼻孔信息的人脸识别***,包括:
人脸检测单元,用于响应人脸识别指令时,检测摄像头的拍摄范围内是否存在人脸;
人脸图像获取单元,用于当检测到所述摄像头的拍摄范围存在人脸时,获取所述摄像头拍摄的预设数量张人脸图像;
鼻孔信息获取单元,用于提取每一所述人脸图像中的鼻孔信息;
活体识别单元,用于按照预先存储的鼻孔大小阈值对所述鼻孔信息进行活体识别,判断当前获取的所述人脸图像是否为活体人脸图像;
人脸识别单元,用于当所述人脸图像为活体人脸图像时,提取所述人脸图像的人脸信息,根据预先存储的人脸模板对所述人脸信息进行人脸识别。
与现有技术相比,本发明公开的基于鼻孔信息的人脸识别***,首先在人脸检测单元响应人脸识别指令时,检测摄像头的拍摄范围内是否存在人脸,并当检测到所述摄像头的拍摄范围存在人脸时,人脸图像获取单元获取预设数量张人脸图像;然后鼻孔信息获取单元提取每一所述人脸图像中的鼻孔信息,活体识别单元对所述鼻孔信息进行活体识别;最后当所述人脸图像为活体人脸图像时,人脸识别单元提取所述人脸图像的人脸信息,根据预先存储的人脸模板对所述人脸信息进行人脸识别。解决了现有技术中因人脸特征具有可变性,可能导致人脸识别***发生拒识现象,同时利用因人脸特征的可变性而造成人脸识别***拒识的原理,采用照片、视频等资源来破解人脸识别技术,从而导致人脸识别***的误识,人脸识别技术的可靠性降低的问题,能有效解决人脸识别***的误识和拒识现象,提高人脸识别技术的可靠性。
作为上述方案的改进,所述鼻孔信息获取单元具体用于:
提取每一所述人脸图像中左鼻孔中最左端至最右端的左鼻孔长度,并提取每一所述人脸图像中右鼻孔中最左端至最右端的右鼻孔长度;
获取每一所述人脸图像中的左鼻孔长度之间的差值的绝对值,并获取每一所述人脸图像中的右鼻孔长度之间的差值的绝对值;
取所述左鼻孔长度之间的差值的绝对值和所述右鼻孔长度之间的差值的绝对值中的最大值为所述鼻孔信息。
作为上述方案的改进,所述活体识别单元具体用于:
判断所述鼻孔信息是否大于预先存储的鼻孔大小阈值;
若是,则判定当前获取的所述人脸图像为活体人脸图像;若否,则判定当前获取的所述人脸图像为非活体人脸图像。
作为上述方案的改进,所述人脸识别单元用于若所述人脸信息与所述人脸模板的匹配度大于或等于预设匹配值,则判定人脸识别成功;若所述人脸信息与所述人脸模板的匹配度小于所述预设匹配值,则判定人脸识别失败;
所述人脸信息包括但不限于人脸轮廓、眼睛轮廓、眼睛位置信息、鼻子轮廓和鼻子位置信息。
为实现上述目的,本发明实施例还提供一种基于鼻孔信息的人脸识别设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述任一实施例所述的基于鼻孔信息的人脸识别方法。
附图说明
图1是本发明实施例提供的一种基于鼻孔信息的人脸识别方法的流程图;
图2是本发明实施例提供的一种基于鼻孔信息的人脸识别方法中提取鼻孔信息的流程图;
图3是本发明实施例提供的一种基于鼻孔信息的人脸识别***10的结构框图;
图4是本发明实施例提供的一种基于鼻孔信息的人脸识别设备20的结构框图。
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。
实施例一
参见图1,图1是本发明实施例提供的一种基于鼻孔信息的人脸识别方法的流程图;包括:
S1、响应人脸识别指令时,检测摄像头的拍摄范围内是否存在人脸;
S2、当检测到所述摄像头的拍摄范围存在人脸时,获取所述摄像头拍摄的预设数量张人脸图像,并提取每一所述人脸图像中的鼻孔信息;
S3、按照预先存储的鼻孔大小阈值对所述鼻孔信息进行活体识别,判断当前获取的所述人脸图像是否为活体人脸图像;
S4、当所述人脸图像为活体人脸图像时,提取所述人脸图像的人脸信息,根据预先存储的人脸模板对所述人脸信息进行人脸识别。
值得说明的是,本发明实施例所述的人脸信息不包括鼻孔信息,所述人脸信息包括但不限于人脸轮廓、眼睛轮廓、眼睛位置信息、鼻子轮廓和鼻子位置信息。本实施例所提供的基于鼻孔信息的人脸识别方法可以通过终端设备执行实现,所述终端设备可以是手机、平板电脑或其他终端设备,所述终端设备中包括摄像头,用于采集图像。
具体的,当所述终端设备执行所述基于鼻孔信息的人脸识别方法前,先建立人脸模板。在建立所述人脸模板的过程中,通过所述摄像头采集多张用户的人脸图像,此时可以从人脸图像中获取到鼻孔大小信息,则在所述摄像头采集信息的过程中,可以通过在所述终端设备上显示提示信息,以指引用户进行信息采集。比如在所述终端设备的显示屏中出现一用于矫正用户拍摄姿势的人物框指引用户进行姿势矫正,同时还可播放语音或者文字提示用户进行姿势矫正,从而获取到有效的能识别的图像,进而提取出所述人脸信息和所述鼻孔大小信息,得到所述人脸模板和所述鼻孔大小阈值。
在一个实施例中,所述鼻孔大小阈值的计算过程包括:获取多张人脸图像,从每一所述人脸图像中提取用户左鼻孔中最左端至最右端的左鼻孔长度,同时提取每一所述人脸图像中右鼻孔中最左端至最右端的右鼻孔长度;此时得到每张所述人脸图像的左鼻孔长度和右鼻孔长度,然后再获取多个左鼻孔长度之间的差值的绝对值,同时获取多个右鼻孔长度之间的差值的绝对值;取所述左鼻孔长度之间的差值的绝对值和所述右鼻孔长度之间的差值的绝对值中的最小值为所述鼻孔大小阈值。因用户在呼吸过程中鼻会随着呼吸而变化,因此在所述摄像头连续采集的多张人脸图像中,鼻孔大小信息不一致,从而能够得到所述鼻孔大小阈值。
在另一个实施例中,所述鼻孔大小阈值可以设置为0。
具体的,在步骤S1中,响应人脸识别指令,所述人脸识别指令可以是用户在支付或者解锁手机时发出的指令。优选的,可以通过在控制中心响应到人脸识别指令时,发送指令给所述摄像头,以使所述摄像头检测摄像头的拍摄范围内是否存在人脸,并将检测结果反馈给所述控制中心。
具体的,在步骤S2中,优选的,当检测到所述摄像头的拍摄范围存在人脸时,开启红外光源,以使所述红外光源发射红外线至人脸上。具体的,红外光源能够使所述摄像头在黑暗环境中也能获取到较为清晰的人脸图像,从而能够避免在黑暗环境难以进行人脸识别的问题。优选的,所述摄像头可以是红外摄像头,所述红外光源可以是所述红外摄像头自身发射的红外线,或者是另外的结构光源发出的红外线,都在本发明的保护范围内。
具体的,获取所述摄像头拍摄的预设数量张人脸图像,优选的,所述摄像头可以在短时间内连续拍摄,比如在3秒内拍摄5张人脸图像。则在此过程中,获取到的人脸图像中因用户在呼吸而导致鼻孔变化,从而能够根据判断用户鼻孔的变化情况来判断是否为活体。
具体的,在获取所述人脸图像后,提取每一所述人脸图像中的鼻孔信息。参见图2,图2是本发明实施例提供的一种基于鼻孔信息的人脸识别方法中提取鼻孔信息的流程图;包括:
S21、提取每一所述人脸图像中左鼻孔中最左端至最右端的左鼻孔长度,并提取每一所述人脸图像中右鼻孔中最左端至最右端的右鼻孔长度;
S22、获取每一所述人脸图像中的左鼻孔长度之间的差值的绝对值,并获取每一所述人脸图像中的右鼻孔长度之间的差值的绝对值;
S23、取所述左鼻孔长度之间的差值的绝对值和所述右鼻孔长度之间的差值的绝对值中的最大值为所述鼻孔信息。
具体的,在步骤S3中,按照预先存储的鼻孔大小阈值对所述鼻孔信息进行活体识别,判断当前获取的所述人脸图像是否为活体人脸图像。优选的,判断所述鼻孔信息是否大于预先存储的鼻孔大小阈值;若所述鼻孔信息大于预先存储的鼻孔大小阈值,则判定当前获取的所述人脸图像为活体人脸图像,当前用户为活体;若所述鼻孔信息小于或等于预先存储的鼻孔大小阈值,则判定当前获取的所述人脸图像为非活体人脸图像,当前用户为非活体,当前获取的人脸图像可能是所述摄像头根据用户照片拍摄的。通过鼻孔的变化情况来判断是否为活体,解决了人脸表情的变化导致人脸识别***发生拒识现象,同时解决了利用因人脸特征的可变性而造成人脸识别***拒识的原理,采用照片、视频等资源来破解人脸识别技术,从而导致人脸识别***的误识的问题。
具体的,所述鼻孔信息不能超过鼻孔大小限值,因所述摄像头是在短时间内连续拍摄人脸,因此在用户进行人脸识别的过程中,用户与所述摄像头之间的距离保持不变,从而所述摄像头获取到的所述人脸图像几乎相同,而用户在所述摄像头的拍摄过程中是处于呼吸状态,从而导致鼻孔大小会发生细微变化,但不会发生大幅度变化,因此可以通过设定一个鼻孔大小限值来排除当外界使用照片进行人脸识别时,通过移动照片而导致所述摄像头获取的到的人脸图像中用户的鼻孔信息是变化的,从而导致误识别的情况,能够提高人脸识别技术的可靠性。
具体的,在步骤S4中,当所述人脸图像为活体人脸图像时,提取所述人脸图像的人脸信息,根据预先存储的人脸模板对所述人脸信息进行人脸识别。优选的,若所述人脸信息与所述人脸模板的匹配度大于或等于预设匹配值,则判定人脸识别成功;若所述人脸信息与所述人脸模板的匹配度小于所述预设匹配值,则判定人脸识别失败。
具体实施时,首先在响应人脸识别指令时,检测摄像头的拍摄范围内是否存在人脸,并当检测到所述摄像头的拍摄范围存在人脸时,获取预设数量张人脸图像;然后提取每一所述人脸图像中的鼻孔信息,对所述鼻孔信息进行活体识别;最后当所述人脸图像为活体人脸图像时,提取所述人脸图像的人脸信息,根据预先存储的人脸模板对所述人脸信息进行人脸识别。
与现有技术相比,本发明公开的基于鼻孔信息的人脸识别方法,解决了现有技术中因人脸特征具有可变性,可能导致人脸识别***发生拒识现象,同时利用因人脸特征的可变性而造成人脸识别***拒识的原理,采用照片、视频等资源来破解人脸识别技术,从而导致人脸识别***的误识,人脸识别技术的可靠性降低的问题,能有效解决人脸识别***的误识和拒识现象,提高人脸识别技术的可靠性。
实施例二
参见图3,图3是本发明实施例提供的一种基于鼻孔信息的人脸识别***10的结构框图;包括:
人脸检测单元11,用于响应人脸识别指令时,检测摄像头的拍摄范围内是否存在人脸;
人脸图像获取单元12,用于当检测到所述摄像头的拍摄范围存在人脸时,获取所述摄像头拍摄的预设数量张人脸图像;
鼻孔信息获取单元13,用于提取每一所述人脸图像中的鼻孔信息;
活体识别单元14,用于按照预先存储的鼻孔大小阈值对所述鼻孔信息进行活体识别,判断当前获取的所述人脸图像是否为活体人脸图像;
人脸识别单元15,用于当所述人脸图像为活体人脸图像时,提取所述人脸图像的人脸信息,根据预先存储的人脸模板对所述人脸信息进行人脸识别。
值得说明的是,本发明实施例所述的人脸信息不包括鼻孔信息,所述人脸信息包括但不限于人脸轮廓、眼睛轮廓、眼睛位置信息、鼻子轮廓和鼻子位置信息。本实施例所提供的基于鼻孔信息的人脸识别***10可以是手机、平板电脑或其他终端设备,所述基于鼻孔信息的人脸识别***10中包括摄像头,用于采集图像。
具体的,当所述基于鼻孔信息的人脸识别***10进行所述人脸识别前,先建立人脸模板。在建立所述人脸模板的过程中,通过所述摄像头采集多张用户的人脸图像,此时可以从人脸图像中获取到鼻孔大小信息,则在所述摄像头采集信息的过程中,可以通过在所述基于鼻孔信息的人脸识别***10上显示提示信息,以指引用户进行信息采集。比如在所述基于鼻孔信息的人脸识别***10的显示屏中出现一用于矫正用户拍摄姿势的人物框指引用户进行姿势矫正,同时还可播放语音或者文字提示用户进行姿势矫正,从而获取到有效的能识别的图像,进而提取出所述人脸信息和所述鼻孔大小信息,得到所述人脸模板和所述鼻孔大小阈值。
在一个实施例中,所述鼻孔大小阈值的计算过程包括:获取多张人脸图像,从每一所述人脸图像中提取用户左鼻孔中最左端至最右端的左鼻孔长度,同时提取每一所述人脸图像中右鼻孔中最左端至最右端的右鼻孔长度;此时得到每张所述人脸图像的左鼻孔长度和右鼻孔长度,然后再获取多个左鼻孔长度之间的差值的绝对值,同时获取多个右鼻孔长度之间的差值的绝对值;取所述左鼻孔长度之间的差值的绝对值和所述右鼻孔长度之间的差值的绝对值中的最小值为所述鼻孔大小阈值。因用户在呼吸过程中鼻会随着呼吸而变化,因此在所述摄像头连续采集的多张人脸图像中,鼻孔大小不一致信息,从而能够得到所述鼻孔大小阈值。
在另一个实施例中,所述鼻孔大小阈值可以设置为0。
具体的,所述人脸检测单元11响应人脸识别指令,所述人脸识别指令可以是用户在支付或者解锁手机时发出的指令。优选的,可以通过在所述人脸检测单元11响应到人脸识别指令时,发送指令给所述摄像头,以使所述摄像头检测摄像头的拍摄范围内是否存在人脸,并将检测结果反馈给所述人脸检测单元11。
优选的,当所述人脸检测单元11检测到所述摄像头的拍摄范围存在人脸时,开启红外光源,以使所述红外光源发射红外线至人脸上。具体的,红外光源能够使所述摄像头在黑暗环境中也能获取到较为清晰的人脸图像,从而能够避免在黑暗环境难以进行人脸识别的问题。优选的,所述摄像头可以是红外摄像头,所述红外光源可以是所述红外摄像头自身发射的红外线,或者是另外的结构光源发出的红外线,都在本发明的保护范围内。
具体的,所述人脸图像获取单元12获取所述摄像头拍摄的预设数量张人脸图像,优选的,所述摄像头可以在短时间内连续拍摄,比如在3秒内拍摄5张人脸图像。则在此过程中,获取到的人脸图像中因用户在呼吸而导致鼻孔变化,从而能够根据判断用户鼻孔的变化情况来判断是否为活体。
具体的,在所述人脸图像获取单元12获取所述人脸图像后,所述鼻孔信息获取单元13提取每一所述人脸图像中的鼻孔信息。具体的,所述鼻孔信息获取单元13提取每一所述人脸图像中左鼻孔中最左端至最右端的左鼻孔长度,并提取每一所述人脸图像中右鼻孔中最左端至最右端的右鼻孔长度;所述鼻孔信息获取单元13获取每一所述人脸图像中的左鼻孔长度之间的差值的绝对值,并获取每一所述人脸图像中的右鼻孔长度之间的差值的绝对值;所述鼻孔信息获取单元13取所述左鼻孔长度之间的差值的绝对值和所述右鼻孔长度之间的差值的绝对值中的最大值为所述鼻孔信息。
具体的,所述活体识别单元14按照预先存储的鼻孔大小阈值对所述鼻孔信息进行活体识别,判断当前获取的所述人脸图像是否为活体人脸图像。优选的,所述活体识别单元14判断所述鼻孔信息是否大于预先存储的鼻孔大小阈值;若所述鼻孔信息大于预先存储的鼻孔大小阈值,则所述活体识别单元14判定当前获取的所述人脸图像为活体人脸图像,当前用户为活体;若所述鼻孔信息小于或等于预先存储的鼻孔大小阈值,则所述活体识别单元14判定当前获取的所述人脸图像为非活体人脸图像,当前用户为非活体,当前获取的人脸图像可能是所述摄像头根据用户照片拍摄的。通过鼻孔的变化情况来判断是否为活体,解决了人脸表情的变化导致人脸识别***发生拒识现象,同时解决了利用因人脸特征的可变性而造成人脸识别***拒识的原理,采用照片、视频等资源来破解人脸识别技术,从而导致人脸识别***的误识的问题。
具体的,所述鼻孔信息不能超过鼻孔大小限值,因所述摄像头是在短时间内连续拍摄人脸,因此在用户进行人脸识别的过程中,用户与所述摄像头之间的距离保持不变,从而所述摄像头获取到的所述人脸图像几乎相同,而用户在所述摄像头的拍摄过程中是处于呼吸状态,从而导致鼻孔大小会发生细微变化,但不会发生大幅度变化,因此可以通过设定一个鼻孔大小限值来排除当外界使用照片进行人脸识别时,通过移动照片而导致所述摄像头获取的到的人脸图像中用户的鼻孔信息是变化的,从而导致误识别的情况,能够提高人脸识别技术的可靠性。
具体的,当所述活体识别单元14判定所述人脸图像为活体人脸图像时,所述人脸识别单元15提取所述人脸图像的人脸信息,根据预先存储的人脸模板对所述人脸信息进行人脸识别。优选的,若所述人脸信息与所述人脸模板的匹配度大于或等于预设匹配值,则所述人脸识别单元15判定人脸识别成功;若所述人脸信息与所述人脸模板的匹配度小于所述预设匹配值,则所述人脸识别单元15判定人脸识别失败。
具体实施时,首先在人脸检测单元11响应人脸识别指令时,检测摄像头的拍摄范围内是否存在人脸,并当检测到所述摄像头的拍摄范围存在人脸时,人脸图像获取单元12获取预设数量张人脸图像;然后鼻孔信息获取单元13提取每一所述人脸图像中的鼻孔信息,活体识别单元14对所述鼻孔信息进行活体识别;最后当所述人脸图像为活体人脸图像时,人脸识别单元15提取所述人脸图像的人脸信息,根据预先存储的人脸模板对所述人脸信息进行人脸识别。
与现有技术相比,本发明公开的基于鼻孔信息的人脸识别***10,解决了现有技术中因人脸特征具有可变性,可能导致人脸识别***发生拒识现象,同时利用因人脸特征的可变性而造成人脸识别***拒识的原理,采用照片、视频等资源来破解人脸识别技术,从而导致人脸识别***的误识,人脸识别技术的可靠性降低的问题,能有效解决人脸识别***的误识和拒识现象,提高人脸识别技术的可靠性。
实施例三
参见图4,图4是本发明实施例提供的一种基于鼻孔信息的人脸识别设备20的结构框图;该实施例的基于鼻孔信息的人脸识别设备20包括:处理器21、存储器22以及存储在所述存储器22中并可在所述处理器21上运行的计算机程序。所述处理器21执行所述计算机程序时实现上述各个屏幕控制方法实施例中的步骤,例如图1所示的步骤S1~S4。或者,所述处理器21执行所述计算机程序时实现上述各装置实施例中各单元的功能,例如所述人脸检测单元11的功能。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器21执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述基于鼻孔信息的人脸识别设备20中的执行过程。例如,所述计算机程序可以被分割成人脸检测单元11、人脸图像获取单元12、鼻孔信息获取单元13、活体识别单元14以及人脸识别单元15,各模块具体功能参考上述实施例二中基于鼻孔信息的人脸识别***10中各个模块的功能,在此不再赘述。
所述基于鼻孔信息的人脸识别设备20可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述基于鼻孔信息的人脸识别设备20可包括,但不仅限于,处理器21、存储器22。本领域技术人员可以理解,所述示意图仅仅是基于鼻孔信息的人脸识别设备20的示例,并不构成对基于鼻孔信息的人脸识别设备20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,例如所述基于鼻孔信息的人脸识别设备20还可以包括输入输出设备、网络接入设备、总线等。
所述处理器21可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器21是所述基于鼻孔信息的人脸识别设备20的控制中心,利用各种接口和线路连接整个基于鼻孔信息的人脸识别设备20的各个部分。
所述存储器22可用于存储所述计算机程序和/或模块,所述处理器22通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述基于鼻孔信息的人脸识别设备20的各种功能。所述存储器22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装置、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,所述存储器22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,例如硬盘、内存、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)、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。
其中,所述基于鼻孔信息的人脸识别设备20集成的模块/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介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需说明的是,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。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种基于鼻孔信息的人脸识别方法,其特征在于,包括:
响应人脸识别指令时,检测摄像头的拍摄范围内是否存在人脸;
当检测到所述摄像头的拍摄范围存在人脸时,获取所述摄像头拍摄的预设数量张人脸图像,并提取每一所述人脸图像中的鼻孔信息;
按照预先存储的鼻孔大小阈值对所述鼻孔信息进行活体识别,判断当前获取的所述人脸图像是否为活体人脸图像;
当所述人脸图像为活体人脸图像时,提取所述人脸图像的人脸信息,根据预先存储的人脸模板对所述人脸信息进行人脸识别。
2.如权利要求1所述的基于鼻孔信息的人脸识别方法,其特征在于,所述提取每一所述人脸图像中的鼻孔信息,包括:
提取每一所述人脸图像中左鼻孔中最左端至最右端的左鼻孔长度,并提取每一所述人脸图像中右鼻孔中最左端至最右端的右鼻孔长度;
获取每一所述人脸图像中的左鼻孔长度之间的差值的绝对值,并获取每一所述人脸图像中的右鼻孔长度之间的差值的绝对值;
取所述左鼻孔长度之间的差值的绝对值和所述右鼻孔长度之间的差值的绝对值中的最大值为所述鼻孔信息。
3.如权利要求2所述的基于鼻孔信息的人脸识别方法,其特征在于,所述按照预先存储的鼻孔大小阈值对所述鼻孔信息进行活体识别,判断当前获取的所述人脸图像是否为活体人脸图像,包括:
判断所述鼻孔信息是否大于预先存储的鼻孔大小阈值;
若是,则判定当前获取的所述人脸图像为活体人脸图像;若否,则判定当前获取的所述人脸图像为非活体人脸图像。
4.如权利要求1所述的基于鼻孔信息的人脸识别方法,其特征在于,所述根据预先存储的人脸模板对所述人脸信息进行人脸识别,包括:
若所述人脸信息与所述人脸模板的匹配度大于或等于预设匹配值,则判定人脸识别成功;
若所述人脸信息与所述人脸模板的匹配度小于所述预设匹配值,则判定人脸识别失败。
5.如权利要求1所述的基于鼻孔信息的人脸识别方法,其特征在于,所述人脸信息包括但不限于人脸轮廓、眼睛轮廓、眼睛位置信息、鼻子轮廓和鼻子位置信息。
6.一种基于鼻孔信息的人脸识别***,其特征在于,包括:
人脸检测单元,用于响应人脸识别指令时,检测摄像头的拍摄范围内是否存在人脸;
人脸图像获取单元,用于当检测到所述摄像头的拍摄范围存在人脸时,获取所述摄像头拍摄的预设数量张人脸图像;
鼻孔信息获取单元,用于提取每一所述人脸图像中的鼻孔信息;
活体识别单元,用于按照预先存储的鼻孔大小阈值对所述鼻孔信息进行活体识别,判断当前获取的所述人脸图像是否为活体人脸图像;
人脸识别单元,用于当所述人脸图像为活体人脸图像时,提取所述人脸图像的人脸信息,根据预先存储的人脸模板对所述人脸信息进行人脸识别。
7.如权利要求6所述的基于鼻孔信息的人脸识别***,其特征在于,所述鼻孔信息获取单元具体用于:
提取每一所述人脸图像中左鼻孔中最左端至最右端的左鼻孔长度,并提取每一所述人脸图像中右鼻孔中最左端至最右端的右鼻孔长度;
获取每一所述人脸图像中的左鼻孔长度之间的差值的绝对值,并获取每一所述人脸图像中的右鼻孔长度之间的差值的绝对值;
取所述左鼻孔长度之间的差值的绝对值和所述右鼻孔长度之间的差值的绝对值中的最大值为所述鼻孔信息。
8.如权利要求7所述的基于鼻孔信息的人脸识别***,其特征在于,所述活体识别单元具体用于:
判断所述鼻孔信息是否大于预先存储的鼻孔大小阈值;
若是,则判定当前获取的所述人脸图像为活体人脸图像;若否,则判定当前获取的所述人脸图像为非活体人脸图像。
9.如权利要求6所述的基于鼻孔信息的人脸识别***,其特征在于,所述人脸识别单元用于若所述人脸信息与所述人脸模板的匹配度大于或等于预设匹配值,则判定人脸识别成功;若所述人脸信息与所述人脸模板的匹配度小于所述预设匹配值,则判定人脸识别失败;
所述人脸信息包括但不限于人脸轮廓、眼睛轮廓、眼睛位置信息、鼻子轮廓和鼻子位置信息。
10.一种基于鼻孔信息的人脸识别设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的基于鼻孔信息的人脸识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811573339.5A CN109684993B (zh) | 2018-12-21 | 2018-12-21 | 一种基于鼻孔信息的人脸识别方法、***和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811573339.5A CN109684993B (zh) | 2018-12-21 | 2018-12-21 | 一种基于鼻孔信息的人脸识别方法、***和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109684993A true CN109684993A (zh) | 2019-04-26 |
CN109684993B CN109684993B (zh) | 2021-04-27 |
Family
ID=66188837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811573339.5A Expired - Fee Related CN109684993B (zh) | 2018-12-21 | 2018-12-21 | 一种基于鼻孔信息的人脸识别方法、***和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109684993B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985438A (zh) * | 2020-08-31 | 2020-11-24 | 杭州海康威视数字技术股份有限公司 | 一种静态人脸处理方法、装置及设备 |
CN112750221A (zh) * | 2019-10-31 | 2021-05-04 | 深圳云天励飞技术有限公司 | 一种校园签到方法、装置及签到设备 |
CN113158773A (zh) * | 2021-03-05 | 2021-07-23 | 普联技术有限公司 | 一种活体检测模型的训练方法及训练装置 |
CN113723306A (zh) * | 2021-08-31 | 2021-11-30 | 上海掌门科技有限公司 | 俯卧撑检测方法、设备以及计算机可读介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951743A (zh) * | 2015-03-04 | 2015-09-30 | 苏州大学 | 基于主动形状模型算法分析人脸表情的方法 |
CN105550671A (zh) * | 2016-01-28 | 2016-05-04 | 北京麦芯科技有限公司 | 一种人脸识别的方法及装置 |
CN107292290A (zh) * | 2017-07-17 | 2017-10-24 | 广东欧珀移动通信有限公司 | 人脸活体识别方法及相关产品 |
CN107346422A (zh) * | 2017-06-30 | 2017-11-14 | 成都大学 | 一种基于眨眼检测的活体人脸识别方法 |
CN107451547A (zh) * | 2017-07-17 | 2017-12-08 | 广东欧珀移动通信有限公司 | 识别活体的方法及相关产品 |
CN107590463A (zh) * | 2017-09-12 | 2018-01-16 | 广东欧珀移动通信有限公司 | 人脸识别方法及相关产品 |
CN107895155A (zh) * | 2017-11-29 | 2018-04-10 | 五八有限公司 | 一种人脸识别方法及装置 |
-
2018
- 2018-12-21 CN CN201811573339.5A patent/CN109684993B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951743A (zh) * | 2015-03-04 | 2015-09-30 | 苏州大学 | 基于主动形状模型算法分析人脸表情的方法 |
CN105550671A (zh) * | 2016-01-28 | 2016-05-04 | 北京麦芯科技有限公司 | 一种人脸识别的方法及装置 |
CN107346422A (zh) * | 2017-06-30 | 2017-11-14 | 成都大学 | 一种基于眨眼检测的活体人脸识别方法 |
CN107292290A (zh) * | 2017-07-17 | 2017-10-24 | 广东欧珀移动通信有限公司 | 人脸活体识别方法及相关产品 |
CN107451547A (zh) * | 2017-07-17 | 2017-12-08 | 广东欧珀移动通信有限公司 | 识别活体的方法及相关产品 |
CN107590463A (zh) * | 2017-09-12 | 2018-01-16 | 广东欧珀移动通信有限公司 | 人脸识别方法及相关产品 |
CN107895155A (zh) * | 2017-11-29 | 2018-04-10 | 五八有限公司 | 一种人脸识别方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112750221A (zh) * | 2019-10-31 | 2021-05-04 | 深圳云天励飞技术有限公司 | 一种校园签到方法、装置及签到设备 |
CN111985438A (zh) * | 2020-08-31 | 2020-11-24 | 杭州海康威视数字技术股份有限公司 | 一种静态人脸处理方法、装置及设备 |
CN113158773A (zh) * | 2021-03-05 | 2021-07-23 | 普联技术有限公司 | 一种活体检测模型的训练方法及训练装置 |
CN113158773B (zh) * | 2021-03-05 | 2024-03-22 | 普联技术有限公司 | 一种活体检测模型的训练方法及训练装置 |
CN113723306A (zh) * | 2021-08-31 | 2021-11-30 | 上海掌门科技有限公司 | 俯卧撑检测方法、设备以及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109684993B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858337A (zh) | 一种基于瞳孔信息的人脸识别方法、***和设备 | |
CN109684993A (zh) | 一种基于鼻孔信息的人脸识别方法、***和设备 | |
CN109446981B (zh) | 一种脸部活体检测、身份认证方法及装置 | |
KR101997371B1 (ko) | 신원 인증 방법 및 장치, 단말기 및 서버 | |
KR102387495B1 (ko) | 이미지 처리 방법 및 장치, 전자 기기 및 기억 매체 | |
WO2019080580A1 (zh) | 3d人脸身份认证方法与装置 | |
WO2019080578A1 (zh) | 3d人脸身份认证方法与装置 | |
US20150379332A1 (en) | Face authentication device and face authentication method | |
CN106951866A (zh) | 一种人脸认证方法及装置 | |
CN108124486A (zh) | 基于云端的人脸活体检测方法、电子设备和程序产品 | |
CN104933344A (zh) | 基于多生物特征模态的移动终端用户身份认证装置及方法 | |
CN204791017U (zh) | 基于多生物特征模态的移动终端用户身份认证装置 | |
US20180011975A1 (en) | Human body characteristic data processing method and apparatus | |
CN107154890A (zh) | 社交网络中添加联系人的方法、装置及*** | |
CN107506629B (zh) | 解锁控制方法及相关产品 | |
CN106780819A (zh) | 可用于面部识别的考勤打卡*** | |
KR20220042301A (ko) | 이미지 검출 방법 및 관련 장치, 기기, 저장 매체, 컴퓨터 프로그램 | |
CN111445640A (zh) | 基于虹膜识别的快递取件方法、装置、设备及存储介质 | |
CN109034029A (zh) | 检测活体的人脸识别方法、可读存储介质和电子设备 | |
CN110765851A (zh) | 一种注册方法及装置、设备 | |
CN110826410B (zh) | 一种人脸识别的方法和设备 | |
CN111091047B (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
CN110874582A (zh) | 电信诈骗的确定方法及装置、存储介质、电子装置 | |
CN107493368B (zh) | 解锁方法及相关产品 | |
CN105868606A (zh) | 一种智能终端控制设备及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210427 |
|
CF01 | Termination of patent right due to non-payment of annual fee |