CN110119692B - 一种基于双摄像头的平面人像检测方法 - Google Patents

一种基于双摄像头的平面人像检测方法 Download PDF

Info

Publication number
CN110119692B
CN110119692B CN201910319432.1A CN201910319432A CN110119692B CN 110119692 B CN110119692 B CN 110119692B CN 201910319432 A CN201910319432 A CN 201910319432A CN 110119692 B CN110119692 B CN 110119692B
Authority
CN
China
Prior art keywords
camera
face
image
human
cameras
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.)
Active
Application number
CN201910319432.1A
Other languages
English (en)
Other versions
CN110119692A (zh
Inventor
谢巍
刘希
潘春文
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201910319432.1A priority Critical patent/CN110119692B/zh
Publication of CN110119692A publication Critical patent/CN110119692A/zh
Application granted granted Critical
Publication of CN110119692B publication Critical patent/CN110119692B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种基于双摄像头的平面人像检测方法，该方法是一种基于普通视频人像检测设备的改进方案，目的在于防止有人通过平面的人像完成人脸检测。增加的摄像头视角的放置位置应该与原有摄像头的拍摄主视角相互垂直，在识别人像的过程中，两台摄像头需要同时工作，以便检测到目标对象的侧面状态。其原理在于由于两台摄像头的检测的视角呈垂直状态，被检测的对象的侧面必能被增加的摄像头捕捉到，且两台摄像头的检测时间同步，所以得到的就是实时状态下的被检测对象的正面和侧面图像。通过被检测对象的侧面图像，通过检测人形轮廓和人脸面前是否有细窄矩形物体，就能够利用侧面图像中是否有人存在，以及是否在人脸前面存在遮挡物进行判断。

Description

一种基于双摄像头的平面人像检测方法
技术领域
本发明涉及图像处理、特征匹配、机器视觉、人机交互等技术领域，具体为一种基于双摄像头的平面人像检测方法。
背景技术
门禁***从文字上理解，就是对于出入口通道权限的管理或者是限制，是从传统的机械锁上逐渐发展而来的。安全管理是企业的生存之本，在日常工作中，安全管理最常使用的方法就是对于员工和到访人员的监管。随着企业的做大做强，员工的数量增多，来访人流的加剧，或者说企业内部对于员工的限制，某些区域需要特定的身份才可以进入，某些区域或许就不让员工进入，如何解决这些问题就成了企业的难题。门禁***是解决以上问题的主要办法，目前市面上的门禁***基本上是磁卡、指纹和密码，但密码易忘、卡片易掉、指纹易盗，同时随着人员的增多，这些对于安全管理来说本身就是一个巨大的漏洞。因此生物识别的出现能够很好的解决物理特征脱离个体而存在的问题。
生物识别技术是指将光、声音、生物传感器以及统计学等高科技方法与硬件***相结合，利用人类生理或行为特点进行身份鉴定的技术。人像识别技术作为其中的一种，近几年颇受人们关注，它是先提取人像图像的主要特征，然后对比分析人脸视觉特征信息来判别身份的一种技术。人像识别技术的诸多优势使得该技术在许多国家的许多重要环境中得到了应用。
但是在摄像头检测人像的过程中，如果使用照片或者手机图像这类虚假信息，却是不容易直接由图像分辨得出结果的，这就可能会造成门禁***的重大安全问题。
发明内容
本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于双摄像头的平面人像检测方法。
本发明的目的可以通过采取如下技术方案达到：
一种基于双摄像头的平面人像检测方法，所述的方法包括下列步骤：
在单摄像头的基础上增加一个摄像头B，增加的摄像头视角的放置位置应该与原有摄像头A的拍摄主视角相互垂直；
在识别人脸的过程中，两台摄像头需要同时工作，主摄像头A在检测到人脸的时候，获取增加的摄像头B的人脸侧面图像，以便检测到目标对象的侧面状态；
利用侧面图像中是否存在的人形轮廓来确认人脸图像的真伪；
利用侧面图像中人脸前部区域是否有细窄矩形物体，来确认是否在人脸前面存在遮挡物，从而完成人像是否为平面的检测判断。
进一步地，在原有的单摄像头人脸检测***的基础上，增加一个摄像头B，因为增加的摄像头B的目的在于获取检测对象的侧面人像信息，所以在放置的时候，视角位置一定要与原摄像头A的主视角相互垂直。增加的摄像头B的具体放置位置必须是能拍摄到人像侧身的位置；
进一步地，在识别人脸的过程中，两台摄像头需要同时工作，主摄像头A在检测到人脸的时候，获取增加的摄像头B的人形侧面图像，以便检测到目标对象的侧面状态，具体如下：
摄像头A按照人脸识别的处理过程对目标对象进行识别判断；
完成认证对象之后，获取摄像头B的拍摄内容；
进一步地，对摄像头B拍摄到的内容使用人形轮廓判断，此处的轮廓判断直接使用MPII Human Shape人体模型数据库中的侧轮廓作为标准，从而判断出摄像头A处有人脸图像的时候，是否真的有人在摄像头前，以防有人使用其他物体作为人脸识别对象；
进一步地，利用人形轮廓的上1/3部分的前部区域中是否存在细窄矩形物体进行检测，检测方法使用的是不变矩。
Hu不变矩是基于区域的图像形状描述方法。对于二维离散图像f(x,y)，数字图像中离散的像素点，以图像右上角为原点建立平面直角坐标系，(x,y)表示像素点的横、纵坐标，其中(p+q)阶矩的定义如下：
Figure BDA0002034186420000031
相应的(p+q)阶中心矩则为：
Figure BDA0002034186420000032
其中x0和y0分别表示图像灰度在水平和竖直方向上的灰度重心，所以(x0,y0)为图像的灰度重心，p,q＝0,1,2,…。
当图像发生变化时，mpq也会发生变化，而μpq虽然具有平移不变性，但是对于旋转仍旧敏感，所以需要对各阶中心矩进行归一化处理：
Figure BDA0002034186420000033
其中，γ＝(p+q+2)/2，p+q＝2,3,…。经过归一化处理之后的中心矩具有平移不变性，并且还具有比例不变性。
在此基础上，HU提出了利用二阶和三阶中心矩来构造不变矩的方法，并选出了其中7个作为Hu不变矩，I1-I7分别为7个Hu不变矩，ypq严格按照上面归一化处理，分别为：
I1＝y20+y02
Figure BDA0002034186420000041
I3＝(y30-3y12)2+(3y21-y03)2
I4＝(y30+y12)2+(y03+y21)2
I5＝(y30-3y12)(y30+y12)[(y30+y12)2-3(y21+y03)2]+(3y21-y03)(y21+y03)[3(y30+y12)2-(y21+y03)2]
I6＝(y20-y02)[(y30+y12)2-(y03+y21)2]+4y11(y30+y12)(y03-y21)
I7＝(3y21-y03)(y30+y12)[(y30+y12)2-3(y21+y03)2]+(y30-3y12)(y03+y21)[(y03+y21)2-3(y30+y12)2]
Hu不变矩7个量的变化范围比较大，在处理过程中一遍先用高斯归一化或取对数处理一遍达到压缩的目的，本发明中采用对数压缩的方法，具体为：
Figure BDA0002034186420000042
从而来判断人脸前方是否存在遮挡物，来判断摄像头A中的人脸图像是否使用的是平面图像的伪装替代。
本发明针对现有的人脸检测的门禁***中，可能会被虚假的平面图像欺骗，所造成的安全隐患，提供一种基于双摄像头的平面人像检测方法，相对于现有技术具有如下的优点及效果：
1、本方法利用增加一个摄像头的简单方法，达到判断人脸图像是否为平面图像假装而成的目的；
2、本方法选用的摄像头可以是像素不高的普通摄像头，并且安装方式也很简便，只需要在门禁***的侧面装上就可以达到目标；
3、增加的摄像头B的位置可以尽量做到隐蔽，这样可以更高效的检测到不正规的人脸识别方法；
4、本平面人像检测的方法对原来的门禁***整体没有任何破坏，只需要配合之前不同的***，增加一小部分的功能即可，完全不会干扰到原***的流程和效果。
附图说明
图1是本发明中基于双摄像头的平面人像检测方法的图像采集装置结构示意图；
图2是本发明中基于双摄像头的平面人像检测方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
实施例
本实施例公开了一种基于双摄像头的平面人像检测方法，通过两个摄像头来对平面人像进行检测，两个摄像头同时对拍摄到的内容进行识别，判断出是否有使用平面(照片、手机等)图像代替真人通过摄像头检测的状况，并给出结果。此方法可应用于人像识别的预处理阶段，可排除使用照片、电子设备等模拟人像的虚假情况。
1)在原有的单摄像头人脸检测***的基础上，增加一个摄像头B，因为增加的摄像头B的目的在于获取检测对象的侧面人像信息，所以在放置的时候，视角位置一定要与原摄像头A的主视角相互垂直。增加的摄像头B的具体放置位置必须是能拍摄到人像侧身的位置；
2)在识别人脸的过程中，两台摄像头需要同时工作，主摄像头A在检测到人脸的时候，获取增加的摄像头B的人形侧面图像，以便检测到目标对象的侧面状态，具体如下：
摄像头A按照人脸识别的处理过程对目标对象进行识别判断；
完成认证对象之后，获取摄像头B的拍摄内容；
3)对摄像头B拍摄到的内容使用人形轮廓判断，此处的轮廓判断直接使用MPIIHuman Shape人体模型数据库中的侧轮廓作为标准，从而判断出摄像头A处有人脸图像的时候，是否真的有人在摄像头前，以防有人使用其他物体作为人脸识别对象；
4)利用人形轮廓的上1/3部分的前部区域中是否存在细窄矩形物体进行检测，检测方法使用的是不变矩。
Hu不变矩是基于区域的图像形状描述方法。对于二维离散图像f(x,y)，数字图像中离散的像素点，以图像右上角为原点建立平面直角坐标系，(x,y)表示像素点的横、纵坐标，其中(p+q)阶矩的定义如下：
Figure BDA0002034186420000061
相应的(p+q)阶中心矩则为：
Figure BDA0002034186420000071
其中x0和y0分别表示图像灰度在水平和竖直方向上的灰度重心，所以(x0,y0)为图像的灰度重心，p,q＝0,1,2,…。
当图像发生变化时，mpq也会发生变化，而μpq虽然具有平移不变性，但是对于旋转仍旧敏感，所以需要对各阶中心矩进行归一化处理：
Figure BDA0002034186420000072
其中，γ＝(p+q+2)/2，p+q＝2,3,…。经过归一化处理之后的中心矩具有平移不变性，并且还具有比例不变性。
在此基础上，HU提出了利用二阶和三阶中心矩来构造不变矩的方法，并选出了其中7个作为Hu不变矩，I1-I7分别为7个Hu不变矩，ypq严格按照上面归一化处理，分别为：
I1＝y20+y02
Figure BDA0002034186420000073
I3＝(y30-3y12)2+(3y21-y03)2
I4＝(y30+y12)2+(y03+y21)2
I5＝(y30-3y12)(y30+y12)[(y30+y12)2-3(y21+y03)2]+(3y21-y03)(y21+y03)[3(y30+y12)2-(y21+y03)2]
I6＝(y20-y02)[(y30+y12)2-(y03+y21)2]+4y11(y30+y12)(y03-y21)
I7＝(3y21-y03)(y30+y12)[(y30+y12)2-3(y21+y03)2]+(y30-3y12)(y03+y21)[(y03+y21)2-3(y30+y12)2]
Hu不变矩7个量的变化范围比较大，在处理过程中一遍先用高斯归一化或取对数处理一遍达到压缩的目的，本发明中采用对数压缩的方法，具体为：
Figure BDA0002034186420000081
从而来判断人脸前方是否存在遮挡物，来判断摄像头A中的人脸图像是否使用的是平面图像的伪装替代。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (5)

1.一种基于双摄像头的平面人像检测方法，其特征在于，所述的检测方法包括下列步骤：
在单摄像头的基础上增加一个摄像头B，增加的摄像头视角的放置位置与原有摄像头A的拍摄主视角相互垂直；
在识别人脸的过程中，摄像头A和摄像头B同时工作，摄像头A完成认证对象之后，获取增加的摄像头B的人脸侧面图像，以便检测到目标对象的侧面状态；
利用侧面图像中是否存在的人形轮廓来确认人脸图像的真伪；
利用侧面图像中人形轮廓的人脸上1/3部分前部区域是否有细窄矩形物体，来确认是否在人脸前面存在遮挡物，从而完成人像是否为平面的检测判断。
2.根据权利要求1所述的一种基于双摄像头的平面人像检测方法，其特征在于，增加的摄像头B的放置位置必须是能拍摄到人像侧身的位置。
3.根据权利要求2所述的一种基于双摄像头的平面人像检测方法，其特征在于，所述的在识别人脸的过程中，两台摄像头需要同时工作，主摄像头A在检测到人脸的时候，获取增加的摄像头B的人形侧面图像，具体如下：
摄像头A按照人脸识别的处理过程对目标对象进行识别判断；完成认证对象之后，获取摄像头B的拍摄内容。
4.根据权利要求2所述的一种基于双摄像头的平面人像检测方法，其特征在于，对侧面图像中人形轮廓进行判断采用MPII Human Shape人体模型数据库中的侧轮廓作为标准，从而在判断出摄像头A处有人脸图像的时候，进一步判断是否真的有人在摄像头前。
5.根据权利要求2所述的一种基于双摄像头的平面人像检测方法，其特征在于，所述的利用侧面图像中人脸前部区域是否有细窄矩形物体，来确认是否在人脸前面存在遮挡物中，
利用人形轮廓的上1/3部分的前部区域中是否存在细窄矩形物体进行检测，其中，检测方法使用Hu不变矩，所述的Hu不变矩是基于区域的图像形状描述方法，对于二维离散图像f(x,y)，数字图像中离散的像素点，以图像右上角为原点建立平面直角坐标系，(x,y)表示像素点的横、纵坐标，其中(p+q)阶矩的定义如下：
Figure FDA0002757358490000021
相应的(p+q)阶中心矩则为：
Figure FDA0002757358490000022
其中x0和y0分别表示图像灰度在水平和竖直方向上的灰度重心，因此，(x0,y0)为图像的灰度重心，p,q＝0,1,2,…；
对各阶中心矩进行归一化处理：
Figure FDA0002757358490000023
其中，γ＝(p+q+2)/2，p+q＝2,3,…，经过归一化处理之后的中心矩具有平移不变性，并且还具有比例不变性；
利用二阶和三阶中心矩来构造不变矩的方法，并选出了其中7个作为Hu不变矩，I1-I7分别为7个Hu不变矩，ypq按照归一化处理，定义分别为：
I1＝y20+y02
Figure FDA0002757358490000024
I3＝(y30-3y12)2+(3y21-y03)2
I4＝(y30+y12)2+(y03+y21)2
I5＝(y30-3y12)(y30+y12)[(y30+y12)2-3(y21+y03)2]+(3y21-y03)(y21+y03)[3(y30+y12)2-(y21+y03)2]
I6＝(y20-y02)[(y30+y12)2-(y03+y21)2]+4y11(y30+y12)(y03-y21)
I7＝(3y21-y03)(y30+y12)[(y30+y12)2-3(y21+y03)2]+(y30-3y12)(y03+y21)[(y03+y21)2-3(y30+y12)2]
采用对数压缩的方法，具体为：
Figure FDA0002757358490000031
从而来判断人脸前方是否存在遮挡物，来判断摄像头A中的人脸图像是否使用的是平面图像的伪装替代。
CN201910319432.1A 2019-04-19 2019-04-19 一种基于双摄像头的平面人像检测方法 Active CN110119692B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910319432.1A CN110119692B (zh) 2019-04-19 2019-04-19 一种基于双摄像头的平面人像检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910319432.1A CN110119692B (zh) 2019-04-19 2019-04-19 一种基于双摄像头的平面人像检测方法

Publications (2)

Publication Number Publication Date
CN110119692A CN110119692A (zh) 2019-08-13
CN110119692B true CN110119692B (zh) 2021-01-19

Family

ID=67521196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910319432.1A Active CN110119692B (zh) 2019-04-19 2019-04-19 一种基于双摄像头的平面人像检测方法

Country Status (1)

Country Link
CN (1) CN110119692B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070098229A1 (en) * 2005-10-27 2007-05-03 Quen-Zong Wu Method and device for human face detection and recognition used in a preset environment
CN102034097B (zh) * 2010-12-21 2012-07-04 中国科学院半导体研究所 综合利用正面与侧面图像的人脸识别的方法
CN103984941B (zh) * 2014-06-10 2017-04-12 深圳市赛为智能股份有限公司 人脸识别考勤方法及其装置
CN104618650A (zh) * 2015-01-30 2015-05-13 苏州阔地网络科技有限公司 一种正面、侧面图像采集设备联合的运动检测方法与设备
CN107609471A (zh) * 2017-08-02 2018-01-19 深圳元见智能科技有限公司 一种人脸活体检测方法
CN109344791B (zh) * 2018-10-16 2022-03-08 烟台职业学院 基于脸部智能扫描的识别鉴定方法
CN109344909A (zh) * 2018-10-30 2019-02-15 咪付（广西）网络技术有限公司 一种基于多通道卷积神经网络的身份识别方法

Also Published As

Publication number Publication date
CN110119692A (zh) 2019-08-13

Similar Documents

Publication Publication Date Title
CN108009531B (zh) 一种多策略防欺诈的人脸识别方法
US9818023B2 (en) Enhanced face detection using depth information
CN108985134B (zh) 基于双目摄像机的人脸活体检测及刷脸交易方法及***
Miao et al. A hierarchical multiscale and multiangle system for human face detection in a complex background using gravity-center template
CN105205455B (zh) 一种移动平台上人脸识别的活体检测方法及***
CN101923641B (zh) 一种改进的人脸识别方法
WO2019071664A1 (zh) 结合深度信息的人脸识别方法、装置及存储介质
RU2431190C2 (ru) Способ и устройство распознавания рельефности лица
CN103679147A (zh) 手机型号的识别方法与装置
US9767383B2 (en) Method and apparatus for detecting incorrect associations between keypoints of a first image and keypoints of a second image
CN109902604B (zh) 一种基于飞腾平台的高安全性人脸比对***及其方法
CN111144277B (zh) 一种带活体检测功能的人脸验证方法和***
CN107609515B (zh) 一种基于飞腾平台的双重验证的人脸比对***及方法
CN109086724A (zh) 一种加速的人脸检测方法及存储介质
CN112507889A (zh) 一种校验证件与持证人的方法及***
CN111582118A (zh) 一种人脸识别方法及装置
CN108537131A (zh) 一种基于人脸特征点和光流场的人脸识别活体检测方法
CN106991448A (zh) 一种人像比对处理方法
JP2019197426A (ja) 顔認証装置、顔認証方法および顔認証システム
CA3147418A1 (en) Living body detection method and system for human face by using two long-baseline cameras
CN114840831A (zh) 人脸图像的合法性验证方法、装置、电子设备和存储介质
CN205318544U (zh) 一种基于三维人脸识别的atm机防欺诈装置及***
US11048915B2 (en) Method and a device for detecting fraud by examination using two different focal lengths during automatic face recognition
CN113935004A (zh) 一种基于国产cpu和操作***环境的人脸识别登录方法
US11354940B2 (en) Method and apparatus for foreground geometry and topology based face anti-spoofing

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