CN116152936A - 一种带交互式活体检测的人脸身份认证***及其方法 - Google Patents
一种带交互式活体检测的人脸身份认证***及其方法 Download PDFInfo
- Publication number
- CN116152936A CN116152936A CN202310130582.4A CN202310130582A CN116152936A CN 116152936 A CN116152936 A CN 116152936A CN 202310130582 A CN202310130582 A CN 202310130582A CN 116152936 A CN116152936 A CN 116152936A
- Authority
- CN
- China
- Prior art keywords
- information
- detected
- face
- image
- identified
- 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
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 230000009471 action Effects 0.000 claims abstract description 129
- 238000012795 verification Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 16
- 230000001815 facial effect Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013210 evaluation model Methods 0.000 claims description 6
- 238000001727 in vivo Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 16
- 230000000875 corresponding effect Effects 0.000 description 27
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
- G06V40/40—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
- G06V40/16—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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明属于人脸认证技术领域,具体涉及一种带交互式活体检测的人脸身份认证***及其方法。本发明能够在确定人脸与身份信息一致的前提下,随机确定人脸中的待识别区域,且每个待识别区域对应多个指定动作信息,在推送将这些动作信息推送至交互界面之前,会进行随机的组合,增加人脸认证的安全性,同时还设置了边缘图像的比对,在识别人脸的过程中,能够更为细致的分辨出交互界面前是否为真实人像,使得人脸认证过程的安全性进一步得到加强。
Description
技术领域
本发明属于人脸识别技术领域,具体涉及一种带交互式活体检测的人脸身份认证***及其方法。
背景技术
在人脸身份认证领域中常常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,通常也叫做人像识别或者面部识别,其目的是为了快速验证需要认证的人像的是否与其提供的身份信息一致,从而达到鉴别人员身份的目的,多用于一些涉及隐私或者支付安全的场景下,且需要认证允许进入人员身份信息的区域,可以说其是一种极为快捷且方便的认证方式。
现有的基于人脸认证的检测***,多会要求使用者作出相应的动作,以此来检测人脸的真实性,也被称之为交互式活体检测技术,以此来避免用已有的图像进行替代,但是其检测方式过为单一,往往只是将固定的指令按照固定的顺序推送至交互界面,依靠外部视频数据仍然有破解认证***的风险,基于此,本方案提出了一种能够随机确定识别区域,以及随机确定推送指令的人脸认证***。
发明内容
本发明的目的是提供一种带交互式活体检测的人脸身份认证***及其方法,能够随机确定人脸中的待识别区域,还能够随机确定与识别动作相对应的推送指令,以此来保证人脸认证过程中的安全性。
本发明采取的技术方案具体如下:
一种带交互式活体检测的人脸身份认证方法,包括:
获取人脸面部信息,并根据人脸面部信息标定待检测特征区域,其中,所述待检测特征区域至少包括人脸轮廓信息、眼部信息以及口部信息;
获取待识别人像的身份信息,并与所述人脸面部信息进行比对,判断人脸面部信息是否与身份信息一致;
若不一致,则生成错误指令并发送至交互界面;
若一致,则从所述待检测特征区域中随机抽取待检测特征,并确定为多个识别区域;
获取所有识别区域内的指定动作信息,并从所述指定动作信息中随机选取识别动作;
获取与所述识别动作对应的指令信息,并发送至交互界面;
捕捉待识别人像的动作信息,并将所述动作信息上传至数据转换模型,得到多帧且连续的待识别图片影像;
获取识别动作的边缘图像,并与所述待识别图片影像的边缘图像进行比较,得到图像偏差量;
获取标准偏差量,并与所述图像偏差量相比较;
若所述标准偏差量小于或等于图像偏差量,则判定人像的动作信息符合标准,并向交互界面推送校验通过的指令;
若所述标准偏差量大于图像偏差量,则判定人像的动作信息不符合标准,并向交互界面推送校验不通过的指令,同时从待检测特征区域中再次随机抽取待检测特征,以及确定新的识别区域。
在一种优选方案中,所述获取待识别人像的身份信息时,通过识别身份证、电子身份证,以及能够提供待识别人像身份信息的渠道进行获取。
在一种优选方案中,所述获取人脸面部信息,并根据人脸面部信息标定待检测特征区域的步骤,包括:
通过识别身份证、电子身份证,以及能够提供待识别人像身份信息的渠道进行获取待识别人像的身份信息;
交互设备检测到待识别人像的身份信息之后,构建人脸辅助识别轮廓;
获取人脸辅助识别轮廓内的人脸面部信息,确定待检测特征区域;
其中,所述待检测特征区域的数量不小于3。
在一种优选方案中,所述从所述待检测特征区域中随机抽取待检测特征,并确定为多个识别区域的步骤,包括:
获取所有待检测特征,并确定参与识别的待检测特征的数量;
以待检测特征的数量为基础,随机抽取相对应数量的待检测特征,并将其对应的人脸面部区域确定为识别区域;
其中,随机抽取的待检测特征可以为相同特征。
在一种优选方案中,所述获取所有识别区域内的指定动作信息,并从所述指定动作信息中随机选取识别动作的步骤,包括:
获取与所述待检测特征对应的所有指定动作信息;
从所有指定动作信息中随机选取多个识别动作,并进行随机组合,且生成发送至交互界面的指令信息;
统计所有识别动作,并汇总为已评估数据集;
获取所有已评估数据集对应的评估结果,得到所有随机组合后识别动作的识别准确率。
在一种优选方案中,所述获取所有已评估数据集对应的评估结果,得到所有随机组合后识别动作的识别准确率的步骤,包括:
获取所述已评估数据集的评估结果,并输入至评估模型中;
从所述评估模型中获取目标函数;
将所有所述评估结果分类为正确结果数据集和错误结果数据集,并一同输入至目标函数中,得到识别动作的识别准确率。
在一种优选方案中,所述捕捉待识别人像的动作信息,并将所述动作信息上传至数据转换模型,得到多帧且连续的待识别图片影像的步骤,包括:
获取待识别人像的动作信息并生成待检测视频数据;
将所述待检测视频数据上传至数据转换模型,对视频数据进行解码处理;
对解码处理后的视频数据进行色彩空间转换,得到RGB格式的视频帧;
将RGB格式的视频帧进行JPEG编码后再落盘保存,得到多帧且连续的待识别图片影像。
在一种优选方案中,所述获取识别动作的边缘图像,并与所述待识别图片影像的边缘图像进行比较,得到图像偏差量的步骤,包括:
将所述待识别图片影像的边缘图像和识别动作的边缘图像一同输入至图像对比模型中;
从所述图像对比模型中获取标准函数;
将所述待识别图片影像的边缘图像和识别动作的边缘图像中的像素点坐标输入至标准函数中,得到图像偏差量。
本发明还提供了,一种带交互式活体检测的人脸身份认证***,应用于上述的带交互式活体检测的人脸身份认证方法,包括:
第一获取模块,所述第一获取模块用于获取人脸面部信息,并根据人脸面部信息标定待检测特征区域,其中,所述待检测特征区域至少包括人脸轮廓信息、眼部信息以及口部信息;
验证模块,所述验证模块用于获取待识别人像的身份信息,并与所述人脸面部信息进行比对,判断人脸面部信息是否与身份信息一致;
若不一致,则生成错误指令并发送至交互界面;
若一致,则从所述待检测特征区域中随机抽取待检测特征,并确定为多个识别区域;
第二获取模块,所述第二获取模块用于获取所有识别区域内的指定动作信息,并从所述指定动作信息中随机选取识别动作;
推送模块,所述推送模块用于获取与所述识别动作对应的指令信息,并发送至交互界面;
捕捉模块,所述捕捉模块用于捕捉待识别人像的动作信息,并将所述动作信息上传至数据转换模型,得到多帧且连续的待识别图片影像;
计算模块,所述计算模块用于获取识别动作的边缘图像,并与所述待识别图片影像的边缘图像进行比较,得到图像偏差量;
判定模块,所述判定模块用于获取标准偏差量,并与所述图像偏差量相比较;
若所述标准偏差量小于或等于图像偏差量,则判定人像的动作信息符合标准,并向交互界面推送校验通过的指令;
若所述标准偏差量大于图像偏差量,则判定人像的动作信息不符合标准,并向交互界面推送校验不通过的指令,同时从待检测特征区域中再次随机抽取待检测特征,以及确定新的识别区域。
以及,一种带交互式活体检测的人脸身份认证终端,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计算机程序,所述计算机程序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上述的带交互式活体检测的人脸身份认证方法。
本发明取得的技术效果为:
本发明能够在确定人脸与身份信息一致的前提下,随机确定人脸中的待识别区域,且每个待识别区域对应多个指定动作信息,在推送将这些动作信息推送至交互界面之前,会进行随机的组合,增加人脸认证的安全性,同时还设置了边缘图像的比对,在识别人脸的过程中,能够更为细致的分辨出交互界面前是否为真实人像,使得人脸认证过程的安全性进一步得到加强。
附图说明
图1是本发明的实施例所提供的方法流程图;
图2是本发明的实施例所提供的***模块图;
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个较佳的实施方式中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
请参阅图1和图2所示,本发明提供了一种带交互式活体检测的人脸身份认证方法,包括:
S1、获取人脸面部信息,并根据人脸面部信息标定待检测特征区域,其中,待检测特征区域至少包括人脸轮廓信息、眼部信息以及口部信息;
S2、获取待识别人像的身份信息,并与人脸面部信息进行比对,判断人脸面部信息是否与身份信息一致;
若不一致,则生成错误指令并发送至交互界面;
若一致,则从待检测特征区域中随机抽取待检测特征,并确定为多个识别区域;
S3、获取所有识别区域内的指定动作信息,并从指定动作信息中随机选取识别动作;
S4、获取与识别动作对应的指令信息,并发送至交互界面;
S5、捕捉待识别人像的动作信息,并将动作信息上传至数据转换模型,得到多帧且连续的待识别图片影像;
S6、获取识别动作的边缘图像,并与待识别图片影像的边缘图像进行比较,得到图像偏差量;
S7、获取标准偏差量,并与图像偏差量相比较;
若标准偏差量小于或等于图像偏差量,则判定人像的动作信息符合标准,并向交互界面推送校验通过的指令;
若标准偏差量大于图像偏差量,则判定人像的动作信息不符合标准,并向交互界面推送校验不通过的指令,同时从待检测特征区域中再次随机抽取待检测特征,以及确定新的识别区域。
如上述步骤S1-S7所述,人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术,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的一系列相关技术,通常也叫做人像识别或者面部识别,为保证检测人脸的真实性,在识别过程中多会让使用者根据提示作出相应的动作,以此完成交互式的认证过程,本实施方式中,首先需要获取待识别人像的身份信息,通过身份证、电子身份证或者其它一切能被读取的设备验证身份信息,而在读取待识别人像的身份信息之后,需要先行与待识别人像的面部信息进行比较,而后再行确定是否生成并推送识别动作的指令,在确定待识别人像的面部信息符合身份信息之后,继续获取人脸面部中的识别区域,此处,确定识别区域之后,并不推送至交互界面,而是在确定识别区域对应的指定动作信息之后,再向交互界面推送相应的指令信息,每个识别区域对应的指定动作均包含多个,例如面部扭转程度、口腔张合程度等,均是人为能够较易作出的动作,待识别人像获取到指定信息之后,伴随交互界面的提示作出相应的动作即可,但是人为动作时难免会产生一些误差,故而在获取到待识别人像的动作信息之后,将其上传至数据转换模型之中,得到多帧且连续的待识别图片影像,基于这些影像,从中待识别图片影像的边缘图像,并与识别动作的边缘图像进行比较,此处,识别动作的边缘影像是在待识别人像的动作达到识别区域边缘处所采集的影像,将两者比较之后,可以得出图像偏差值,再通过预设的标准偏差量,判断待识别人像的所做出的动作信息是否标准,而后向交互界面推送校验通过或者不通过的指令即可,需要说明的是,对于同一用户而言,多次识别错误之后对其识别操作进行锁定,具体次数应以实际需求为准,其为本领域技术人员惯用的技术手段,在此就不对其不做具体的限定和进一步的赘述,其目的旨在于确定识别人像过程的安全性。
在一个较佳的实施方式中,获取待识别人像的身份信息时,通过识别身份证、电子身份证,以及能够提供待识别人像身份信息的渠道进行获取。
在该实施方式中,预先对待识别人像的身份信息进行识别的目的在于先行校准其是否符合下一步判定的前提条件,现有技术中,多是通过身份证或者电子身份证等具有代表性且能够被读取的渠道来证明其身份,属于本方案所提供的第一重保护措施,若是不匹配,则就不在继续对齐面部进行下一步的识别动作,交互界面直接推送校验不通过的指令。
在一个较佳的实施方式中,获取人脸面部信息,并根据人脸面部信息标定待检测特征区域的步骤,包括:
S101、通过识别身份证、电子身份证,以及能够提供待识别人像身份信息的渠道进行获取待识别人像的身份信息;
S102、交互设备检测到待识别人像的身份信息之后,构建人脸辅助识别轮廓;
S103、获取人脸辅助识别轮廓内的人脸面部信息,确定待检测特征区域;
其中,待检测特征区域的数量不小于3。
如上述步骤S101-S103所述,在通过身份证、电子身份证,以及能够提供待识别人像身份信息的渠道的方式识别通过之后,根据人脸轮廓构建出人脸辅助识别轮廓,使得待识别人像能够准确定位面部特征的位置,而后便可以确定待检测特征区域,此处,优选的待检测特征的数量不小于3,具体可根据实际需求进行设置,其目的均旨在于保证待识别人像的真实性,使得识别工作更为安全。
在一个较佳的实施方式中,从待检测特征区域中随机抽取待检测特征,并确定为多个识别区域的步骤,包括:
S201、获取所有待检测特征,并确定参与识别的待检测特征的数量;
S202、以待检测特征的数量为基础,随机抽取相对应数量的待检测特征,并将其对应的人脸面部区域确定为识别区域;
其中,随机抽取的待检测特征可以为相同特征。
如上述步骤S201-S202所述,人脸面部具有多个可识别的区域,在识别过程中,首先确定的是需要识别的待检测特征数量,其中,其确定过程采用随机抽样的方式,并且允许出现相同的待检测特征,这样就能够增加随机抽样的可能性,使得待识别特征的选取具有不确定性,从而使得外部人员无法利用固有方式进行认证操作,使得人脸识别与认证过程更具安全性,确保参与识别的人像为真实人像。
在一个较佳的实施方式中,获取所有识别区域内的指定动作信息,并从指定动作信息中随机选取识别动作的步骤,包括:
S301、获取与待检测特征对应的所有指定动作信息;
S302、从所有指定动作信息中随机选取多个识别动作,并进行随机组合,且生成发送至交互界面的指令信息;
S303、统计所有识别动作,并汇总为已评估数据集;
S304、获取所有已评估数据集对应的评估结果,得到所有随机组合后识别动作的识别准确率。
如上述步骤S301-S304所述,在获取到所有与待检测特征相对应的指定动作信息之后,从中随机抽取多个识别动作且生成指令信息,并逐一推送至交互界面,待识别人像根据指令信息作出相应的动作即可,而后,统计这些识别动作的识别结果准确性,并汇总为已评估数据集,便于后续据其进行分析,从而筛选出识别准确率较高的识别动作为优先指令,保证人脸认证的认证效率。
在一个较佳的实施方式中,获取所有已评估数据集对应的评估结果,得到所有随机组合后识别动作的识别准确率的步骤,包括:
S305、获取已评估数据集的评估结果,并输入至评估模型中;
S306、从评估模型中获取目标函数;
S307、将所有评估结果分类为正确结果数据集和错误结果数据集,并一同输入至目标函数中,得到识别动作的识别准确率。
如上述步骤S305-S307所述,评估数据集构建有多个,其是基于相同识别动作的组合为基础进行构建的,从而可以分别确定每种组合下识别动作的识别准确率,其中,用于计算识别动作的识别准确率的目标函数为:Z=Y/C,式中,Z表示识别准确率,Y表示准确识别的识别动作量,C表示参与识别的识别动作总量,基于此,可逐一确定所有随机组合后识别动作的识别准确率和识别错误率,该实施方式以识别准确率为基础进行进一步说明,例如,设定识别准确率的标准值为60%(此并非绝对性的识别依据,具体可根据实际需求进行设置),那么高于60%的识别动作组合便具有优先推送的权限,但并不舍弃低于60%的识别动作组合,在人脸认证过程中,仍会以其为认证依据对人像进行识别,相应的,以识别错误率为依据进行分类也是能够进行的,其推送过程和上述识别正确率的过程相反,此处就不加以过多的赘述。
在一个较佳的实施方式中,捕捉待识别人像的动作信息,并将动作信息上传至数据转换模型,得到多帧且连续的待识别图片影像的步骤,包括:
S501、获取待识别人像的动作信息并生成待检测视频数据;
S502、将待检测视频数据上传至数据转换模型,对视频数据进行解码处理;
S503、对解码处理后的视频数据进行色彩空间转换,得到RGB格式的视频帧;
S504、将RGB格式的视频帧进行JPEG编码后再落盘保存,得到多帧且连续的待识别图片影像。
如上述步骤S501-S504所述,在检测到视频数据之后,对其抽帧处理,得到多个待识别的图片影像,其目的在于比较边缘图像的特征值,以此来分辨待识别人像所做出的动作信息是否符合标准,本实施方式中,先行对待检测视频数据进行解码,至于解码器的使用,在此就不加以限制,其目的均是将视频数据转换为图片数据,本实施方式中将解码后的视频数据进行了色彩空间转换,得到常用的RGB格式的视频帧,最后经由JPEG编码后再落盘保存便可得到所需的待识别图片影像,便于后续对其边缘图像进行比对处理。
在一个较佳的实施方式中,获取识别动作的边缘图像,并与待识别图片影像的边缘图像进行比较,得到图像偏差量的步骤,包括:
S601、将待识别图片影像的边缘图像和识别动作的边缘图像一同输入至图像对比模型中;
S602、从图像对比模型中获取标准函数;
S603、将待识别图片影像的边缘图像和识别动作的边缘图像中的像素点坐标输入至标准函数中,得到图像偏差量。
如上述步骤S601-S603所述,识别动作的边缘图像为待识别人像的动作到达预设边界时所获取的图像信息,若待识别人像完成制定动作之后,且未到达预设边界,则直接判定为校验不通过,对于超出预设边界的情况,利用标准函数:式中,R表示图像偏差量,n表示边缘图像的像素点数,xi和yi分别表示待识别图片影像的边缘图像和识别动作的边缘图像中的像素点坐标,基于此式,可以准确的判断出待识别人像所做出的动作超出预设范围的量,再将其与标准偏差量进行比对,并根据比对结果输出相应的指令信息至交互界面即可。
本发明还提供了,一种带交互式活体检测的人脸身份认证***,应用于上述的带交互式活体检测的人脸身份认证方法,包括:
第一获取模块,第一获取模块用于获取人脸面部信息,并根据人脸面部信息标定待检测特征区域,其中,待检测特征区域至少包括人脸轮廓信息、眼部信息以及口部信息;
验证模块,验证模块用于获取待识别人像的身份信息,并与人脸面部信息进行比对,判断人脸面部信息是否与身份信息一致;
若不一致,则生成错误指令并发送至交互界面;
若一致,则从待检测特征区域中随机抽取待检测特征,并确定为多个识别区域;
第二获取模块,第二获取模块用于获取所有识别区域内的指定动作信息,并从指定动作信息中随机选取识别动作;
推送模块,推送模块用于获取与识别动作对应的指令信息,并发送至交互界面;
捕捉模块,捕捉模块用于捕捉待识别人像的动作信息,并将动作信息上传至数据转换模型,得到多帧且连续的待识别图片影像;
计算模块,计算模块用于获取识别动作的边缘图像,并与待识别图片影像的边缘图像进行比较,得到图像偏差量;
判定模块,判定模块用于获取标准偏差量,并与图像偏差量相比较;
若标准偏差量小于或等于图像偏差量,则判定人像的动作信息符合标准,并向交互界面推送校验通过的指令;
若标准偏差量大于图像偏差量,则判定人像的动作信息不符合标准,并向交互界面推送校验不通过的指令,同时从待检测特征区域中再次随机抽取待检测特征,以及确定新的识别区域。
如上述,对人脸进行验证时,首先需要获取的是人脸轮廓信息,从而能够更好的确定人脸面部的待识别区域,同时还需要先行确定待识别人像的身份信息,以此保证待识别人像与被读取的证件信息一致,后续在确定信息一致之后,再通过第二获取模块获取识别区域内的指定动作信息,并对指定动作信息进行随机组合,再生成相应的指令信息推送至交互界面,而后待识别人像根据指令信息作出相应的动作即可,之后捕捉模块对待识别人像作出的动作信息进行捕捉,并将捕捉到的视频数据抽帧为待识别图片影像,最后将待识别图片影像的边缘图像与识别动作的边缘图像进行比较,得到图像偏差量,再通过判定模块判定图像偏差量是否符合向交互界面推送校验通过的指令即可,至于判定模块中涉及的判定条件以及输出结果均可基于if……else条件函数进行嵌套,当然也可以是其他能实现此目的的算法。
以及,一种带交互式活体检测的人脸身份认证终端,包括:
至少一个处理器;
以及与至少一个处理器通信连接的存储器;
其中,存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行上述的带交互式活体检测的人脸身份认证方法。
本领域技术人员可以理解,本发明所述的人脸身份认证终端可以为所需的目的而专门设计和制造,或者也可以包括通用计算机中的已知设备。这些设备具有存储在其内的计算机程序或应用程序,这些计算机程序选择性地激活或重构。这样的计算机程序可以被存储在设备(例如,计算机)可读介质中或者存储在适于存储电子指令并分别耦联到总线的任何类型的介质中,所述计算机可读介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory,只读存储器)、RAM(Random AccessMemory,随机存储器)、EPROM(Erasable Programmable Read-Only Memory,可擦写可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read-Only Memory,电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是,可读介质包括由设备(例如,计算机)以能够读的形式存储或传输信息的任何介质。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它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它要素,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。
以上所述仅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,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法,如无特别说明和限定,均按照本领域的常规手段进行实施。
Claims (10)
1.一种带交互式活体检测的人脸身份认证方法,其特征在于:包括:
获取人脸面部信息,并根据人脸面部信息标定待检测特征区域,其中,所述待检测特征区域至少包括人脸轮廓信息、眼部信息以及口部信息;
获取待识别人像的身份信息,并与所述人脸面部信息进行比对,判断人脸面部信息是否与身份信息一致;
若不一致,则生成错误指令并发送至交互界面;
若一致,则从所述待检测特征区域中随机抽取待检测特征,并确定为多个识别区域;
获取所有识别区域内的指定动作信息,并从所述指定动作信息中随机选取识别动作;
获取与所述识别动作对应的指令信息,并发送至交互界面;
捕捉待识别人像的动作信息,并将所述动作信息上传至数据转换模型,得到多帧且连续的待识别图片影像;
获取识别动作的边缘图像,并与所述待识别图片影像的边缘图像进行比较,得到图像偏差量;
获取标准偏差量,并与所述图像偏差量相比较;
若所述标准偏差量小于或等于图像偏差量,则判定人像的动作信息符合标准,并向交互界面推送校验通过的指令;
若所述标准偏差量大于图像偏差量,则判定人像的动作信息不符合标准,并向交互界面推送校验不通过的指令,同时从待检测特征区域中再次随机抽取待检测特征,以及确定新的识别区域。
2.根据权利要求1所述的一种带交互式活体检测的人脸身份认证方法,其特征在于:所述获取待识别人像的身份信息时,通过识别身份证、电子身份证,以及能够提供待识别人像身份信息的渠道进行获取。
3.根据权利要求2所述的一种带交互式活体检测的人脸身份认证方法,其特征在于:所述获取人脸面部信息,并根据人脸面部信息标定待检测特征区域的步骤,包括:
通过识别身份证、电子身份证,以及能够提供待识别人像身份信息的渠道进行获取待识别人像的身份信息;
交互设备检测到待识别人像的身份信息之后,构建人脸辅助识别轮廓;
获取人脸辅助识别轮廓内的人脸面部信息,确定待检测特征区域;
其中,所述待检测特征区域的数量不小于3。
4.根据权利要求1所述的一种带交互式活体检测的人脸身份认证方法,其特征在于:所述从所述待检测特征区域中随机抽取待检测特征,并确定为多个识别区域的步骤,包括:
获取所有待检测特征,并确定参与识别的待检测特征的数量;
以待检测特征的数量为基础,随机抽取相对应数量的待检测特征,并将其对应的人脸面部区域确定为识别区域;
其中,随机抽取的待检测特征可以为相同特征。
5.根据权利要求1所述的一种带交互式活体检测的人脸身份认证方法,其特征在于:所述获取所有识别区域内的指定动作信息,并从所述指定动作信息中随机选取识别动作的步骤,包括:
获取与所述待检测特征对应的所有指定动作信息;
从所有指定动作信息中随机选取多个识别动作,并进行随机组合,且生成发送至交互界面的指令信息;
统计所有识别动作,并汇总为已评估数据集;
获取所有已评估数据集对应的评估结果,得到所有随机组合后识别动作的识别准确率。
6.根据权利要求1所述的一种带交互式活体检测的人脸身份认证方法,其特征在于:所述获取所有已评估数据集对应的评估结果,得到所有随机组合后识别动作的识别准确率的步骤,包括:
获取所述已评估数据集的评估结果,并输入至评估模型中;
从所述评估模型中获取目标函数;
将所有所述评估结果分类为正确结果数据集和错误结果数据集,并一同输入至目标函数中,得到识别动作的识别准确率。
7.根据权利要求1所述的一种带交互式活体检测的人脸身份认证方法,其特征在于:所述捕捉待识别人像的动作信息,并将所述动作信息上传至数据转换模型,得到多帧且连续的待识别图片影像的步骤,包括:
获取待识别人像的动作信息并生成待检测视频数据;
将所述待检测视频数据上传至数据转换模型,对视频数据进行解码处理;
对解码处理后的视频数据进行色彩空间转换,得到RGB格式的视频帧;
将RGB格式的视频帧进行JPEG编码后再落盘保存,得到多帧且连续的待识别图片影像。
8.根据权利要求1所述的一种带交互式活体检测的人脸身份认证方法,其特征在于:所述获取识别动作的边缘图像,并与所述待识别图片影像的边缘图像进行比较,得到图像偏差量的步骤,包括:
将所述待识别图片影像的边缘图像和识别动作的边缘图像一同输入至图像对比模型中;
从所述图像对比模型中获取标准函数;
将所述待识别图片影像的边缘图像和识别动作的边缘图像中的像素点坐标输入至标准函数中,得到图像偏差量。
9.一种带交互式活体检测的人脸身份认证***,应用于权利要求1至8中任意一项所述的带交互式活体检测的人脸身份认证方法,其特征在于:包括:
第一获取模块,所述第一获取模块用于获取人脸面部信息,并根据人脸面部信息标定待检测特征区域,其中,所述待检测特征区域至少包括人脸轮廓信息、眼部信息以及口部信息;
验证模块,所述验证模块用于获取待识别人像的身份信息,并与所述人脸面部信息进行比对,判断人脸面部信息是否与身份信息一致;
若不一致,则生成错误指令并发送至交互界面;
若一致,则从所述待检测特征区域中随机抽取待检测特征,并确定为多个识别区域;
第二获取模块,所述第二获取模块用于获取所有识别区域内的指定动作信息,并从所述指定动作信息中随机选取识别动作;
推送模块,所述推送模块用于获取与所述识别动作对应的指令信息,并发送至交互界面;
捕捉模块,所述捕捉模块用于捕捉待识别人像的动作信息,并将所述动作信息上传至数据转换模型,得到多帧且连续的待识别图片影像;
计算模块,所述计算模块用于获取识别动作的边缘图像,并与所述待识别图片影像的边缘图像进行比较,得到图像偏差量;
判定模块,所述判定模块用于获取标准偏差量,并与所述图像偏差量相比较;
若所述标准偏差量小于或等于图像偏差量,则判定人像的动作信息符合标准,并向交互界面推送校验通过的指令;
若所述标准偏差量大于图像偏差量,则判定人像的动作信息不符合标准,并向交互界面推送校验不通过的指令,同时从待检测特征区域中再次随机抽取待检测特征,以及确定新的识别区域。
10.一种带交互式活体检测的人脸身份认证终端,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计算机程序,所述计算机程序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至8中任意一项所述的带交互式活体检测的人脸身份认证方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310130582.4A CN116152936B (zh) | 2023-02-17 | 2023-02-17 | 一种带交互式活体检测的人脸身份认证***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310130582.4A CN116152936B (zh) | 2023-02-17 | 2023-02-17 | 一种带交互式活体检测的人脸身份认证***及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116152936A true CN116152936A (zh) | 2023-05-23 |
CN116152936B CN116152936B (zh) | 2024-06-14 |
Family
ID=86355877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310130582.4A Active CN116152936B (zh) | 2023-02-17 | 2023-02-17 | 一种带交互式活体检测的人脸身份认证***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116152936B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013163915A1 (zh) * | 2012-05-04 | 2013-11-07 | 腾讯科技(深圳)有限公司 | 人脸身份认证方法和***、计算机存储介质 |
CN106203369A (zh) * | 2016-07-18 | 2016-12-07 | 三峡大学 | 用于防假冒人脸识别的主动式随机动态指令生成*** |
CN106557723A (zh) * | 2015-09-25 | 2017-04-05 | 北京市商汤科技开发有限公司 | 一种带交互式活体检测的人脸身份认证***及其方法 |
CN106557726A (zh) * | 2015-09-25 | 2017-04-05 | 北京市商汤科技开发有限公司 | 一种带静默式活体检测的人脸身份认证***及其方法 |
CN107066983A (zh) * | 2017-04-20 | 2017-08-18 | 腾讯科技(上海)有限公司 | 一种身份验证方法及装置 |
CN107133608A (zh) * | 2017-05-31 | 2017-09-05 | 天津中科智能识别产业技术研究院有限公司 | 基于活体检测和人脸验证的身份认证*** |
CN107316029A (zh) * | 2017-07-03 | 2017-11-03 | 腾讯科技(深圳)有限公司 | 一种活体验证方法及设备 |
CN108573202A (zh) * | 2017-03-17 | 2018-09-25 | 北京旷视科技有限公司 | 身份认证方法、装置和***以及终端、服务器和存储介质 |
CN109117707A (zh) * | 2018-06-20 | 2019-01-01 | 安徽继远软件有限公司 | 一种可信身份认证方法及用户终端 |
CN109977839A (zh) * | 2019-03-20 | 2019-07-05 | 北京字节跳动网络技术有限公司 | 信息处理方法和装置 |
CN111178233A (zh) * | 2019-12-26 | 2020-05-19 | 北京天元创新科技有限公司 | 基于活体认证的身份认证方法及装置 |
CN112989299A (zh) * | 2021-03-11 | 2021-06-18 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种交互式身份识别方法、***、设备及介质 |
CN114913575A (zh) * | 2022-04-24 | 2022-08-16 | 中国工商银行股份有限公司 | 活体验证方法、装置以及计算机可读存储介质 |
-
2023
- 2023-02-17 CN CN202310130582.4A patent/CN116152936B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013163915A1 (zh) * | 2012-05-04 | 2013-11-07 | 腾讯科技(深圳)有限公司 | 人脸身份认证方法和***、计算机存储介质 |
CN106557723A (zh) * | 2015-09-25 | 2017-04-05 | 北京市商汤科技开发有限公司 | 一种带交互式活体检测的人脸身份认证***及其方法 |
CN106557726A (zh) * | 2015-09-25 | 2017-04-05 | 北京市商汤科技开发有限公司 | 一种带静默式活体检测的人脸身份认证***及其方法 |
CN106203369A (zh) * | 2016-07-18 | 2016-12-07 | 三峡大学 | 用于防假冒人脸识别的主动式随机动态指令生成*** |
CN108573202A (zh) * | 2017-03-17 | 2018-09-25 | 北京旷视科技有限公司 | 身份认证方法、装置和***以及终端、服务器和存储介质 |
CN107066983A (zh) * | 2017-04-20 | 2017-08-18 | 腾讯科技(上海)有限公司 | 一种身份验证方法及装置 |
CN107133608A (zh) * | 2017-05-31 | 2017-09-05 | 天津中科智能识别产业技术研究院有限公司 | 基于活体检测和人脸验证的身份认证*** |
CN107316029A (zh) * | 2017-07-03 | 2017-11-03 | 腾讯科技(深圳)有限公司 | 一种活体验证方法及设备 |
CN109117707A (zh) * | 2018-06-20 | 2019-01-01 | 安徽继远软件有限公司 | 一种可信身份认证方法及用户终端 |
CN109977839A (zh) * | 2019-03-20 | 2019-07-05 | 北京字节跳动网络技术有限公司 | 信息处理方法和装置 |
CN111178233A (zh) * | 2019-12-26 | 2020-05-19 | 北京天元创新科技有限公司 | 基于活体认证的身份认证方法及装置 |
CN112989299A (zh) * | 2021-03-11 | 2021-06-18 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种交互式身份识别方法、***、设备及介质 |
CN114913575A (zh) * | 2022-04-24 | 2022-08-16 | 中国工商银行股份有限公司 | 活体验证方法、装置以及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
黄叶珏: "基于交互式随机动作的人脸活体检测", 《软件导刊》, vol. 14, no. 12, pages 102 - 105 * |
Also Published As
Publication number | Publication date |
---|---|
CN116152936B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106599772B (zh) | 活体验证方法和装置及身份认证方法和装置 | |
CN109858371B (zh) | 人脸识别的方法及装置 | |
US7873189B2 (en) | Face recognition by dividing an image and evaluating a similarity vector with a support vector machine | |
Debiasi et al. | PRNU variance analysis for morphed face image detection | |
JP5710748B2 (ja) | 生体認証システム | |
US10403076B2 (en) | Method for securing and verifying a document | |
US9792484B2 (en) | Biometric information registration apparatus and biometric information registration method | |
CN106056083B (zh) | 一种信息处理方法及终端 | |
CN113642639B (zh) | 活体检测方法、装置、设备和存储介质 | |
KR100824757B1 (ko) | 걸음걸이를 이용한 생체 인식 방법 | |
CN111339897B (zh) | 活体识别方法、装置、计算机设备和存储介质 | |
US20060120578A1 (en) | Minutiae matching | |
CN111291627A (zh) | 人脸识别方法、装置及计算机设备 | |
CN114677607A (zh) | 基于人脸识别的实时行人统计方法以及装置 | |
CN113837006B (zh) | 一种人脸识别方法、装置、存储介质及电子设备 | |
CN113689527B (zh) | 一种人脸转换模型的训练方法、人脸图像转换方法 | |
CN116152936B (zh) | 一种带交互式活体检测的人脸身份认证***及其方法 | |
JP2006277146A (ja) | 照合方法および照合装置 | |
CN115840931A (zh) | 基于人脸滑屏互动的身份验证的方法及相关产品 | |
CN112967216B (zh) | 人脸图像关键点的检测方法、装置、设备以及存储介质 | |
CN115019364A (zh) | 基于人脸识别的身份认证方法、装置、电子设备及介质 | |
KR100898766B1 (ko) | 얼굴 인식 장치, 얼굴 인식 등록 및 인증 방법 | |
JP2005084979A (ja) | 顔認証システムおよび方法並びにプログラム | |
CN111274899B (zh) | 人脸匹配方法、装置、电子设备和存储介质 | |
JP2018137639A (ja) | 動画像処理システム、並びに、符号化装置及びプログラム、並びに、復号装置及びプログラム |
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 |