CN112149580B - 一种区分真实人脸与照片的图像处理方法 - Google Patents
一种区分真实人脸与照片的图像处理方法 Download PDFInfo
- Publication number
- CN112149580B CN112149580B CN202011023853.9A CN202011023853A CN112149580B CN 112149580 B CN112149580 B CN 112149580B CN 202011023853 A CN202011023853 A CN 202011023853A CN 112149580 B CN112149580 B CN 112149580B
- Authority
- CN
- China
- Prior art keywords
- gray value
- face
- threshold
- image
- photo
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 31
- 239000011521 glass Substances 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000001815 facial effect Effects 0.000 claims abstract description 4
- 210000001508 eye Anatomy 0.000 claims description 16
- 210000000697 sensory organ Anatomy 0.000 claims description 10
- 210000000887 face Anatomy 0.000 claims description 5
- 239000013598 vector Substances 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012847 principal component analysis method 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
- G06V40/10—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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种区分真实人脸与照片的图像处理方法,其可实现人脸与照片准确区分,防止照片被误判为人脸的问题出现,该方法包括:获取人脸图像,人脸图像包括真实人脸图片、照片,获取人脸图像中的五官位置信息,根据五官位置信息,截取特征区域,采用高斯滤波法、动态阈值分割法对特征区域进行处理,获取滤波图像,提取滤波图像中灰度值为0的像素点数,获取滤波图像的灰度值范围,判断像素点数是否超过预先设定的像素点数阈值B,根据像素点数对比结果判断人脸是否佩戴眼镜,同时判断灰度值范围是否在预先设定的灰度值阈值C或灰度值阈值D内。
Description
技术领域
本发明涉及图像处理技术领域,具体为一种区分真实人脸与照片的图像处理方法。
背景技术
随着科技发展,人脸识别技术被广泛应用于商铺客流统计、无人售货柜刷脸支付、公交/道路安全监控、火车站/机场安检等各个领域中,人脸识别是一种基于人的脸部特征信息进行身份识别的生物识别技术,用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别,其作用主要是用于身份识别。
目前常用的人脸识别方法包括:基于统计的识别方法、基于连接机制的识别方法、其他综合方法及处理非二维灰度图像的方法,基于统计的识别方法包括基于特征脸方法、基于几何特征方法等,其中基于特征脸方法又称为主成分分析法,该方法利用人脸投影到低维空间所得到的投影系数作为识别的特征矢量,从而产生一个由“特征脸”矢量形成的子空间,该子空间为“特征子空间”,每一幅人脸图像向其投影都可以获得一组坐标系数,该坐标系数表明人脸在子空间中的位置,从而实现人脸的重建和识别,在采集图片质量较高的情况下,这种方法可以获取人脸的特征,但这种方法对于人脸和照片则无法准确区分,在需要将真实人脸与照片进行区分的场合,例如在门禁、安防、刷脸支付等安全性要求高的应用场景下,真实人脸与照片无法准确区分,则易给用户带来极大损失。
发明内容
针对现有技术中存在的真实人脸与照片无法准确区分的问题,本发明提供了一种区分真实人脸与照片的图像处理方法,其可实现人脸与照片的准确区分,防止照片被误判为人脸的问题出现。
为实现上述目的,本发明采用如下技术方案:
一种区分真实人脸与照片的图像处理方法,该方法包括:S1、获取人脸图像,所述人脸图像包括:真实人脸图片、照片;
S2、获取所述人脸图像中的五官位置信息;
其特征在于:
该方法还包括以下步骤:
S3、根据所述五官位置信息,截取特征区域,所述特征区域包括鼻翼、鼻翼与眼睛之间的区域;
S4、采用高斯滤波法、动态阈值分割法对所述特征区域进行处理,获取滤波图像;
S5、提取所述滤波图像中灰度值为0的像素点数,获取所述滤波图像的灰度值范围;
S6、判断所述像素点数是否超过预先设定的像素点数阈值B,根据所述像素点数对比结果判断人脸是否佩戴眼镜,同时判断所述灰度值范围是否在预先设定的灰度值阈值C或灰度值阈值D内:
S61、若所述像素点数小于所述像素点数阈值B,则说明所述人脸佩戴了眼镜,此时判断所述灰度值范围是否在预先设定的灰度值阈值C内:S611、若所述灰度值范围大于所述灰度值阈值C,表明所述人脸图像为照片;S622、若所述灰度值范围小于所述灰度值阈值C,表明所述人脸图像为真实人脸图片;
S62、若所述像素点数大于所述像素点数阈值B,则说明所述人脸未佩戴眼镜,此时判断所述灰度值范围是否在预先设定的灰度值阈值D内:S621、若所述灰度值范围大于所述灰度值阈值D,表明所述人脸图像为照片;S622、若所述灰度值范围小于所述灰度值阈值D,表明所述人脸图像为真实人脸图片;
所述动态阈值分割法指,采用所述高斯滤波法对所述特征区域进行滤波,计算所述特征区域与所述滤波图像的灰度值差值,若所述灰度值差值大于预先设定的差值阈值E,则将该点的灰度值设为零,同时统计所述滤波图像的所述像素点数。
其进一步特征在于:
所述像素点数阈值B为10,所述灰度值阈值C为55,所述灰度值阈值D为30;
所述灰度值范围为所述滤波图像的灰度值最大值与灰度值最小值的差值;
所述差值阈值E为10;
所述特征区域为矩形;
所述特征区域根据所述五官位置中的两只眼睛的中心点坐标和鼻翼最高位置坐标确定。
采用本发明上述结构可以达到如下有益效果:真实人脸的五官位置中,鼻翼最高位置的高度高于其余位置,因此真实人脸图像中的鼻翼位置相对于其余位置灰度值较小,而照片中鼻翼位置相对于其余位置灰度值较大,因此将鼻翼、鼻翼与眼睛之间的区域作为真实人脸图片与照片中的特征区域;获取真实人脸图片和照片中的特征区域灰度值为0像素点数、滤波图像灰度值范围,将该像素点数、滤波图像灰度值范围分别与预先设定的像素点数阈值B、灰度值阈值C或灰度值阈值D进行比较,根据比较结果对人脸图像进行判断,根据像素点数对比结果实现了人脸是否佩戴眼镜的准确判断,根据灰度值范围比较结果实现了真实人脸图片与照片的准确区分,避免了照片被误判为人脸的问题出现。
附图说明
图1为本发明区分真实人脸与照片的图像处理方法流程图;
图2为本发明人脸图像中五官位置的结构示意图。
具体实施方式
见图1、图2,一种区分真实人脸与照片的图像处理方法,该方法包括:S1、获取人脸图像,人脸图像1包括:真实人脸图片、照片,采用红外线摄像头拍摄真实人脸,获取真实人脸图片,将真实人脸图片与照片进行对比;
S2、获取人脸图像1中的五官位置信息;
S3、采用现有特征脸方法(即主成分分析法),根据五官位置信息,截取特征区域A,特征区域A包括鼻翼11、鼻翼11与眼睛12之间的区域;
基于特征脸方法这种方法将图像经过K-L变换后由高维向量转为低维向量,并形成低维线性向量空间,利用人脸投影到这个低维空间所得到的投影系数作为识别的特征矢量,该“特征脸”矢量即为“人脸子空间”或“特征子空间”,每一幅人脸图像向其投影都可以获得一组坐标系数,这组坐标系数表明了人脸在子空间中的位置,因此利用特征脸方法可以重建和识别人脸。
真实人脸的五官位置中,鼻翼11最高位置的高度高于其余位置,因此真实人脸图像中的鼻翼位置相对于其余位置灰度值较小,人脸图像1中鼻翼位置的灰度值相对于其余位置灰度值较大,且照片中鼻翼位置的灰度值大于真实人脸中鼻翼位置的灰度值,因此将鼻翼、鼻翼与眼睛之间的区域作为真实人脸图片与照片中的特征区域A,见图2;
特征区域A为矩形,该特征区域A根据五官位置中的两只眼睛12的中心点坐标、鼻翼最高位置坐标确定,设特征区域A的左上角坐标为(left、top),特征区域A右下角坐标为(right、bottom),两只眼睛12的中心坐标分别为(Eye.left.x,Eye.left.y)、(Eye.right.x,Eye.right.y),鼻翼11最高位置坐标为(Nose.x,Nose.y),嘴巴13的左嘴角、右嘴角的坐标分别为(Mouth.left.x,Mouth.right.y);
则,eyeDis=Eye.right.x-Eye.left.x;
left=Nose.x-eyeDis/2;
top=((Eye.left.y+Eye.right.y)/2+Nose.y)/2;
right=Nose.x+eyeDis/2;
bottom=Nose.y;
采用上述坐标定位法,截取特征区域A;
S4、采用高斯滤波法、动态阈值分割法对特征区域A进行处理,获取滤波图像;采用动态阈值分割法对特征区域A进行处理,首先,采用高斯滤波法对特征区域A进行滤波,其次,计算特征区域A与滤波图像的灰度值差值,若差值大于预先设定的差值阈值E,差值阈值E=10,则将该点的灰度值设为零,同时统计滤波图像的灰度值等于零的像素点数darkNum;
S5、提取滤波图像中灰度值为0的像素点数darkNum,获取滤波图像的灰度值范围range;
S6、判断像素点数是否超过预先设定的像素点数阈值B,像素点数阈值B等于10,根据像素点数对比结果判断人脸是否佩戴眼镜,同时判断灰度值范围range是否在预先设定的灰度值阈值C或灰度值阈值D内,灰度值阈值C等于55,灰度值阈值D等于30:
S61、若像素点数darkNum小于像素点数阈值B,则说明人脸佩戴了眼镜,此时判断灰度值范围range是否在预先设定的灰度值阈值C内:S611、若灰度值范围range大于55,表明人脸图像为照片;S622、若灰度值范围range小于55,表明人脸图像为真实人脸图片;
S62、若像素点数大于10,则说明人脸未佩戴眼镜,此时判断灰度值范围range是否在预先设定的灰度值阈值D内:S621、若灰度值范围range大于30,表明人脸图像为照片;S622、若灰度值范围range小于30,表明人脸图像为真实人脸图片。
将本方法应用于门禁、安防、刷脸支付等,随机选取50幅真实人脸图片和照片对上述方法进行验证,可实现人脸是否佩戴眼镜的准确判断,判断准确率为99.15%,同时实现了真实人脸图片与照片的准确区分,区分准确率为99.23%,避免了照片被误判为人脸的问题出现。
以上的仅是本申请的优选实施方式,本发明不限于以上实施例。可以理解,本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化,均应认为包含在本发明的保护范围之内。
Claims (5)
1.一种区分真实人脸与照片的图像处理方法,该方法包括:获取人脸图像,所述人脸图像包括:真实人脸图片、照片;
获取所述人脸图像中的五官位置信息;
其特征在于:
根据所述五官位置信息,截取特征区域,所述特征区域包括鼻翼、鼻翼与眼睛之间的区域;
采用高斯滤波法、动态阈值分割法对所述特征区域进行处理,获取滤波图像;
提取所述滤波图像中灰度值为0的像素点数,获取所述滤波图像的灰度值范围;
判断所述像素点数是否超过预先设定的像素点数阈值B,根据所述像素点数对比结果判断人脸是否佩戴眼镜,同时判断所述灰度值范围是否在预先设定的灰度值阈值C或灰度值阈值D内:
若所述像素点数小于所述像素点数阈值B,则说明所述人脸佩戴了眼镜,此时判断所述灰度值范围是否在预先设定的灰度值阈值C内:若所述灰度值范围大于所述灰度值阈值C,表明所述人脸图像为照片;若所述灰度值范围小于所述灰度值阈值C,表明所述人脸图像为真实人脸图片;
若所述像素点数大于所述像素点数阈值B,则说明所述人脸未佩戴眼镜,此时判断所述灰度值范围是否在预先设定的灰度值阈值D内:若所述灰度值范围大于所述灰度值阈值D,表明所述人脸图像为照片;若所述灰度值范围小于所述灰度值阈值D,表明所述人脸图像为真实人脸图片;
所述动态阈值分割法指,采用所述高斯滤波法对所述特征区域进行滤波,计算所述特征区域与所述滤波图像的灰度值差值,若所述灰度值差值大于预先设定的差值阈值E,则将该点的灰度值设为零,同时统计所述滤波图像中灰度值为零的所述像素点数。
2.根据权利要求1所述的一种区分真实人脸与照片的图像处理方法,其特征在于:所述像素点数阈值B为10,所述灰度值阈值C为55,所述灰度值阈值D为30。
3.根据权利要求1所述的一种区分真实人脸与照片的图像处理方法,其特征在于:所述差值阈值E为10。
4.根据权利要求1、2或3任一项所述的一种区分真实人脸与照片的图像处理方法,其特征在于:所述特征区域为矩形。
5.根据权利要求4所述的一种区分真实人脸与照片的图像处理方法,其特征在于:所述特征区域根据所述五官位置中的两只眼睛的中心点坐标和鼻翼最高位置坐标确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011023853.9A CN112149580B (zh) | 2020-09-25 | 2020-09-25 | 一种区分真实人脸与照片的图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011023853.9A CN112149580B (zh) | 2020-09-25 | 2020-09-25 | 一种区分真实人脸与照片的图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112149580A CN112149580A (zh) | 2020-12-29 |
CN112149580B true CN112149580B (zh) | 2024-05-14 |
Family
ID=73897588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011023853.9A Active CN112149580B (zh) | 2020-09-25 | 2020-09-25 | 一种区分真实人脸与照片的图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149580B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080037447A (ko) * | 2006-10-26 | 2008-04-30 | 한국전자통신연구원 | 얼굴 영상의 위조 여부를 판별하는 방법 및 그 장치 |
KR20100057984A (ko) * | 2008-11-24 | 2010-06-03 | 한국전자통신연구원 | 얼굴 영상 검증 장치 및 방법 |
KR20100125985A (ko) * | 2009-05-22 | 2010-12-01 | 한국인식산업(주) | 적외선 가변조명을 이용한 사진위조 판별방법 및 카메라 장치 |
CN103093210A (zh) * | 2013-01-24 | 2013-05-08 | 北京天诚盛业科技有限公司 | 人脸识别中眼镜的鉴别方法及装置 |
CN106156757A (zh) * | 2016-08-02 | 2016-11-23 | ***股份有限公司 | 结合活体检测技术的人脸识别方法及人脸识别*** |
CN107423699A (zh) * | 2017-07-14 | 2017-12-01 | 广东欧珀移动通信有限公司 | 活体检测方法及相关产品 |
CA3040971A1 (en) * | 2016-10-20 | 2018-04-26 | Applied Recognition Inc. | Face authentication to mitigate spoofing |
CN108416291A (zh) * | 2018-03-06 | 2018-08-17 | 广州逗号智能零售有限公司 | 人脸检测识别方法、装置和*** |
CN111079688A (zh) * | 2019-12-27 | 2020-04-28 | 中国电子科技集团公司第十五研究所 | 一种人脸识别中的基于红外图像的活体检测的方法 |
CN111523344A (zh) * | 2019-02-01 | 2020-08-11 | 上海看看智能科技有限公司 | 人体活体检测***及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107808115A (zh) * | 2017-09-27 | 2018-03-16 | 联想(北京)有限公司 | 一种活体检测方法、装置及存储介质 |
-
2020
- 2020-09-25 CN CN202011023853.9A patent/CN112149580B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080037447A (ko) * | 2006-10-26 | 2008-04-30 | 한국전자통신연구원 | 얼굴 영상의 위조 여부를 판별하는 방법 및 그 장치 |
KR20100057984A (ko) * | 2008-11-24 | 2010-06-03 | 한국전자통신연구원 | 얼굴 영상 검증 장치 및 방법 |
KR20100125985A (ko) * | 2009-05-22 | 2010-12-01 | 한국인식산업(주) | 적외선 가변조명을 이용한 사진위조 판별방법 및 카메라 장치 |
CN103093210A (zh) * | 2013-01-24 | 2013-05-08 | 北京天诚盛业科技有限公司 | 人脸识别中眼镜的鉴别方法及装置 |
CN106156757A (zh) * | 2016-08-02 | 2016-11-23 | ***股份有限公司 | 结合活体检测技术的人脸识别方法及人脸识别*** |
CA3040971A1 (en) * | 2016-10-20 | 2018-04-26 | Applied Recognition Inc. | Face authentication to mitigate spoofing |
CN107423699A (zh) * | 2017-07-14 | 2017-12-01 | 广东欧珀移动通信有限公司 | 活体检测方法及相关产品 |
CN108416291A (zh) * | 2018-03-06 | 2018-08-17 | 广州逗号智能零售有限公司 | 人脸检测识别方法、装置和*** |
CN111523344A (zh) * | 2019-02-01 | 2020-08-11 | 上海看看智能科技有限公司 | 人体活体检测***及方法 |
CN111079688A (zh) * | 2019-12-27 | 2020-04-28 | 中国电子科技集团公司第十五研究所 | 一种人脸识别中的基于红外图像的活体检测的方法 |
Non-Patent Citations (1)
Title |
---|
基于近红外与可见光双目视觉的活体人脸检测方法;邓茜文等;;计算机应用;第40卷(第07期);第2096-2103页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112149580A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102596897B1 (ko) | 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치 | |
US9235751B2 (en) | Method and apparatus for image detection and correction | |
CN109598242B (zh) | 一种活体检测方法 | |
EP0967574B1 (en) | Method for robust human face tracking in presence of multiple persons | |
CN103605969B (zh) | 一种人脸录入的方法及装置 | |
CN105139404A (zh) | 一种可检测拍摄质量的证照相机及拍摄质量检测方法 | |
CN105740778B (zh) | 一种改进的三维人脸活体检测方法及其装置 | |
CN109740572B (zh) | 一种基于局部彩色纹理特征的人脸活体检测方法 | |
Jana et al. | Age estimation from face image using wrinkle features | |
US20130101182A1 (en) | Method For Discriminating Between A Real Face And A Two-Dimensional Image Of the Face In A Biometric Detection Process | |
JP5127531B2 (ja) | 画像監視装置 | |
CN106570447B (zh) | 基于灰度直方图匹配的人脸照片太阳镜自动去除方法 | |
JP5730044B2 (ja) | 顔画像認証装置 | |
CN104615997B (zh) | 一种基于多摄像机的人脸防伪方法 | |
CN107066963B (zh) | 一种自适应人群计数方法 | |
CN106881716A (zh) | 基于3d摄像头机器人的人体跟随方法及*** | |
Küchhold et al. | Scale-adaptive real-time crowd detection and counting for drone images | |
KR20170080126A (ko) | 깊이정보 기반의 안면인식 출입통제시스템 | |
KR20170080116A (ko) | 깊이정보를 이용한 안면인식시스템 | |
CN109086728B (zh) | 活体检测方法 | |
CN112784669A (zh) | 对象重新识别的方法 | |
CN112633217A (zh) | 基于三维眼球模型计算视线方向的人脸识别活体检测方法 | |
CN114894337A (zh) | 一种用于室外人脸识别测温方法及装置 | |
WO2020213166A1 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
US20170278254A1 (en) | Moving-object counter apparatus, moving-object counting method, and non-transitory computer readable medium |
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 |