JP6242888B2 - 顔検証のためのシステムおよび方法 - Google Patents
顔検証のためのシステムおよび方法 Download PDFInfo
- Publication number
- JP6242888B2 JP6242888B2 JP2015520285A JP2015520285A JP6242888B2 JP 6242888 B2 JP6242888 B2 JP 6242888B2 JP 2015520285 A JP2015520285 A JP 2015520285A JP 2015520285 A JP2015520285 A JP 2015520285A JP 6242888 B2 JP6242888 B2 JP 6242888B2
- Authority
- JP
- Japan
- Prior art keywords
- image data
- face
- person
- skin
- nir
- 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
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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
[0020] 本明細書で開示される実装は、1つまたは複数のイメージングセンサを有する電子デバイスを用いて生身の人物の顔を検証するための、システム、方法および装置を提供する。例えば、ある実施形態において、システムは、可視光イメージングセンサおよび赤外光イメージングセンサを含みうる。画像をキャプチャする間、システムは、写真またはビデオとは対照的に、両方のセンサからの情報を組み合わせることによって、キャプチャされた顔が生身の人物からのものであるかどうかを検出しうる。例えば、いくつかの波長において、赤外光イメージングセンサからのデータは、キャプチャされた顔から生じる熱があるかどうかを決定するのに使用され得、他の波長において、赤外光イメージングセンサからのデータは、顔から詳細なテクスチャ情報をキャプチャするのに使用されうる。別の実施形態において、システムは、キャプチャされた顔に対応する画素が、下記に説明されるような、生身の肌からの画素であるかどうかを決定しうる。当業者であれば、開示された実施形態がハードウェア、ソフトウェア、ファームウェア、またはこれらの任意の組み合わせにおいて実装されうることを理解するだろう。
[0032] 図2は、マルチスペクトル画像データを使用して生身の人物の顔を検証するための方法20の一実装を図示するフローチャートである。ブロック21において、マルチスペクトル画像データがキャプチャされる。マルチスペクトル画像データは、少なくとも可視光およびNIRスペクトルにわたる画像データを備えうる。例えば、画像データは、約390ナノメートルと1400ナノメートルとの間の波長の範囲にわたって、マルチスペクトルイメージングシステム2によってキャプチャされうる。可視およびNIR波長の両方にわたる画像データを利用することによって、画像データがより狭い光のスペクトルに制限される場合よりも、景色または物体のより多くの詳細が感知されうる。例えば、NIR画像データは、いくつかの状況において、対応する可視光画像データよりもより滑らかな表面をもたらしうる。
[0044] 図5は、キャプチャされた人物の顔が生身の人物の顔であるかどうかを決定するための1つの方法50を図示するフローチャートである。方法50は、ブロック51で始まり、ここで、可視画像データおよびNIR画像データは、顔検証システム1によって受信される。いくつかの実装において、通信モジュール10および/またはプロセッサ4は、マルチスペクトルイメージングシステム2からの画像を受信しうる。画像データは、マルチスペクトルイメージングシステム2によってキャプチャされるか、またはデータが外部のイメージングシステムによってキャプチャされ、プロセッサ4および/または通信モジュール10に通信されうる。上述されたように、NIRおよび可視画像データは、単一のセンサによって、または別個の複数のセンサによってキャプチャされうる。
[0046] 図6A−6Cは、マルチスペクトル画像データにおいて、検出された人物の顔の、生身および生身でない肌画素を識別するための様々な実装を図示するフローチャートである。いくつかの実装において、検出された顔が生身の人物の顔であるかどうかの決定に関してユーザが通知される前に、肌検証モジュール14は、1画素単位に、どの画素が生身の人物の肌を表し、どの画素が生身でない人物の肌を表すか、を決定できる。
[0051] 図6Bは、決定論的方法64の一実装を図示するフローチャートである。方法64は、ブロック65で始まり、ここで、第1の閾値tn1、第2の閾値tn2、第3の閾値tr1、および第4の閾値tr2が設定されるか、そうでなければ決定される。いくつかの実装において、閾値は、最良の結果を取得するために、経験的方法を実験的に使用して決定されうる。他の実装において、閾値は、生身のおよび生身でない人物の肌についての理論上の反射率値に基づいて推定されうる。さらに別の実装において、閾値は、画像および/またはイメージングデバイスあるいはシステムの性質に基づいて、リアルタイムで決定されうる。
[0056] 図6Cを参照すると、確率論的方法70の例示的な実装が図示される。一般に、確率論的方法は、多数のサンプルにわたって既知の生身の肌をキャプチャした画像データに少なくとも部分的に基づいて、所与の画素が、生身の人物の肌を表示する可能性を推定しうる。例えば、1つまたは複数の既知の生身の人物の顔は、様々な照明条件においてイメージングされ、既知の生身の肌領域についての反射率値および/または生の画素データが記憶されうる。同様に、写真などの既知の人工の肌は、多数のサンプルにわたって同様の照明条件でイメージングされ、反射率値および/または生の画素データが記憶されうる。顔検証システム1は、この記憶されたライブラリの既知の生身および生身でない肌画像データを使用して、画像内のいずれかの所与の画素が、生身または生身でない肌を表示する確率を推定する。
[0068] 図6A−6Cの実装は、生身または生身でない肌画素を識別するのに使用されうる。いくつかの実装において、この情報は、ディスプレイ上でユーザに提示されることができ(例えば、図4参照)、また検出された顔が生身の人物の顔であるか否かを、ユーザが可視的に決定するのに十分でありうる。しかしながら、他の実装において、検出された顔が生身の顔であるかどうかを決定するために識別された画素を分析するため、さらなる処理が行われうる。
[0072] 顔検出モジュールシステム1の他の実装が可能である。1つの方法90が、図8Aに示される。図8Aに示されるように、方法90は、NIR画像および可視画像をキャプチャするためのブロック91で始まる。上記のように、一旦NIRおよび可視画像がキャプチャされると、方法90は、ブロック92へと移動し、ここで、人物の顔は、NIR画像および可視画像内で検出される。方法90は次にブロック93へと移動し、任意の適切な方法を使用して、顔についての検出された形状(geometry)を検証する。顔の形状を検証した後、方法90は、ブロック94へと進み、ここで、検出された顔は次に、バイオメトリック検証される(biometrically verified)。生身および生身でない肌の画像データが、本明細書において開示される様々な実装において使用されているが、顔が生身の顔であることを確認するために、様々な他の方法が行われうることが理解されるだろう。例えば、虹彩認証または網膜スキャンが、いくつかの実装において使用されうる。他の実装において、肌の下にある、人(subject)の血管および動脈は、検出された顔が生身の顔であるどうかを決定するためにイメージングされうる。追加として、既知の顔の動きまたはチック(tics)は、いくつかの実装においてイメージングされうる。さらに別の実装において、熱シグネチャ(heat signature)は、バイオメトリック検証方法として使用されうる。上記のように、方法90は決定ブロック95へと進み、検出された顔が生身の人物の顔であるかどうかを決定する。決定された顔が生身の顔であるという決定がなされると、方法90は次にブロック96へと移動し、ユーザに検出された生身の顔を通知する。そうでなく、検出された顔が生身の顔ではないという決定がなされると、方法90は次にブロック97へと移動し、顔が生身でない顔であることをユーザに通知する。
[0074] 当業者であれば、本明細書で開示された実装に関連して説明された様々な例示的な論理ブロック、モジュール、回路、および処理ステップは、電子ハードウェア、コンピュータソフトウェア、または両方の組み合せとして実装されうることをさらに理解するだろう。ハードウェアおよびソフトウェアのこの互換性を明確に例示するために、様々な例示的なコンポーネント、ブロック、モジュール、回路、およびステップが、一般に、それらの機能性に関して上述されている。このような機能性がハードウェアまたはソフトウェアとして実装されるかどうかは、全体システムに課せられた設計の制約と特定のアプリケーションに依存する。当業者は、特定のアプリケーションごとに、様々な方法で開示された機能性を実装しうるが、このような実装の決定は、本発明の範囲からの逸脱を引き起こすものとして解釈されるべきではない。当業者であれば、ある部分、または一部分が、全体よりも少ないもの、または全体に等しいものを備えうることを理解するだろう。例えば、画素のコレクションの一部分は、それら画素のサブコレクション(sub-collection)を指しうる。
以下に、本願出願の当初の特許請求の範囲に記載された発明を付記する。
[C1]
画像中の生身の人物の顔を検出するための方法であって、
人物の顔を含むマルチスペクトル画像データを受信することと、ここで、前記マルチスペクトル画像データは、可視光画像データおよび近赤外線(NIR)画像データを備え、
前記人物の顔を検出するために、前記マルチスペクトル画像データを処理することと、
前記検出された人物の顔が生身の人物の顔であるかどうかを決定するために、前記可視光画像データ内の前記検出された人物の顔と前記NIR画像データ内の前記検出された人物の顔とを関連付けることと、
を備える、方法。
[C2]
前記可視光画像データ内の検出された前記顔と、前記NIR画像データ内の検出された前記顔との間の前記関連付けは、第1の反射率差と第2の反射率差とに少なくとも部分的に基づき、前記第1の反射率差は、前記NIR画像データの一部分における反射率値と前記可視光画像データの対応する一部分における第1の色の反射率値との間の差であり、前記第2の反射率差は、前記第1の色の前記反射率値と前記可視光画像データの前記対応する一部分における第2の色の反射率値との間の差である、C1に記載の方法。
[C3]
前記可視光画像データ内のキャプチャされた前記検出された人物の顔と、前記NIR画像データ内のキャプチャされた前記検出された人物の顔とを関連付けることは、
第1の正規化された反射率差を取得するために前記第1の反射率差を正規化することと、
第2の正規化された反射率差を取得するために前記第2の反射率差を正規化することと、
を備える、C2に記載の方法。
[C4]
前記可視光画像データ内のキャプチャされた前記検出された人物の顔と、前記NIR画像データ内のキャプチャされた前記検出された人物の顔とを関連付けることは、
前記第1の正規化された反射率差を第1の閾値および第2の閾値と比較することと、
前記第2の正規化された反射率差を第3の閾値および第4の閾値と比較することと、
をさらに備える、C3に記載の方法。
[C5]
前記第1の正規化された反射率差が、前記第1の閾値より大きく前記第2の閾値より小さいかどうかに少なくとも部分的に基づいて、および前記第2の正規化された反射率差が、前記第3の閾値より大きく前記第4の閾値より小さいかどうかに少なくとも部分的に基づいて、前記NIR画像データの前記一部分および前記可視光画像データの前記対応する一部分が、生身の人物の肌を表す画像データを含むかどうかを決定することをさらに備える、C4に記載の方法。
[C6]
生身の人物の肌を表す画像データを含む、前記検出された顔内の画素数に少なくとも部分的に基づいて、前記検出された人物の顔が生身の人物の顔であるかどうかを決定することをさらに備える、C5に記載の方法。
[C7]
前記第1の色は、実質的に緑色であり、前記第2の色は、実質的に赤色である、C3に記載の方法。
[C8]
前記第1の正規化された反射率差の第1の確率密度関数、および前記第2の正規化された反射率差の第2の確率密度関数を取得することをさらに備え、ここで、前記第1および第2の確率密度関数は、生身の人物の肌の画像データに少なくとも部分的に基づく、C3に記載の方法。
[C9]
前記NIR画像データの前記一部分および前記可視光画像データの前記対応する一部分が、生身の人物の肌を表す画像データを含む第1の確率を計算することをさらに備え、
ここで、前記第1の確率は、前記第1の確率密度関数および前記第2の確率密度関数に少なくとも部分的に基づく、C8に記載の方法。
[C10]
前記第1の正規化された反射率差の第3の確率密度関数、および前記第2の正規化された反射率差の第4の確率密度関数を取得することと、ここで、前記第3および第4の確率密度関数は、生身の人物の肌を表さない画像データに少なくとも部分的に基づき、
前記NIR画像データの前記一部分および前記可視光画像データの前記対応する一部分が、生身の人物の肌を表さない画像データを含む第2の確率を計算することと、
をさらに備え、
前記第2の確率は、前記第3の確率密度関数および前記第4の確率密度関数に少なくとも部分的に基づく、C9に記載の方法。
[C11]
前記NIR画像データの前記一部分および前記可視光画像データの前記対応する一部分が、生身の人物の肌を表す画像データを含むかどうかを決定するために、前記第1の確率および前記第2の確率を比較することをさらに備える、C10に記載の方法。
[C12]
生身の人物の肌を表す画像データを含む前記検出された顔内の画素数に少なくとも部分的に基づいて、前記検出された人物の顔が生身の人物の顔であるかどうかを決定することをさらに備える、C11に記載の方法。
[C13]
イメージング装置を用いてマルチスペクトル画像データをキャプチャすることをさらに備える、C1に記載の方法。
[C14]
マルチスペクトル画像データをキャプチャすることは、可視光画像およびNIR画像をキャプチャすることを備える、C13に記載の方法。
[C15]
前記マルチスペクトル画像データを処理することは、
前記人物の顔を検出するために、前記可視光画像を処理することと、
前記人物の顔を検出するために前記NIR画像を処理することと、
を備える、C14に記載の方法。
[C16]
画像中の生身の人物の顔を検出するためのイメージングシステムであって、前記システムは、
可視光画像データおよび近赤外線(NIR)画像データを備えるマルチスペクトル画像データをキャプチャするように構成された少なくとも1つの画像センサと、ここで、前記マルチスペクトル画像データは、人物の顔を含み、
前記人物の顔を検出するために前記マルチスペクトル画像データを分析するように構成された顔検出モジュールと、
前記検出された顔の前記マルチスペクトル画像データを分析し、前記検出された人物の顔が生身の人物の顔であるかどうかを決定するように構成された肌検証モジュールと
を備える、イメージングシステム。
[C17]
前記少なくとも1つの画像センサは、NIRイメージングセンサおよび可視光センサを備える、C16に記載のイメージングシステム。
[C18]
前記肌検証モジュールは、前記検出された人物の顔が前記キャプチャされたマルチスペクトル画像データの第1の反射率差および第2の反射率差に少なくとも部分的に基づいて、生身の人物の顔であるかどうかを決定するように構成される、C16に記載のイメージングシステム。
[C19]
前記肌検証モジュールは、
第1の正規化された反射率差を取得するために前記第1の反射率差を正規化し、
第2の正規化された反射率差を取得するために前記第2の反射率差を正規化する
ようにさらに構成される、C18に記載のイメージングシステム。
[C20]
前記肌検証モジュールは、
前記第1の正規化された反射率差を第1の閾値および第2の閾値と比較し、
前記第2の正規化された反射率差を第3の閾値および第4の閾値と比較する
ようにさらに構成される、C19に記載のイメージングシステム。
[C21]
前記肌検証モジュールは、前記第1の正規化された反射率差が、前記第1の閾値より大きく前記第2の閾値より小さいかどうかに少なくとも部分的に基づいて、および前記第2の正規化された反射率差が、前記第3の閾値より大きく前記第4の閾値より小さいかどうかに少なくとも部分的に基づいて、前記検出された人物の顔が生身の人物の顔であるかどうかを決定するようにさらに構成される、C20に記載のイメージングシステム。
[C22]
前記肌検証モジュールは、生身の人物の肌を表す画像データを含む、前記検出された顔内の画素数に少なくとも部分的に基づいて、前記検出された人物の顔が生身の人物の顔であるかどうかを決定するようにさらに構成される、C21に記載のイメージングシステム。
[C23]
前記肌検証モジュールは、前記第1の正規化された反射率差の第1の確率密度関数、および前記第2の正規化された反射率差の第2の確率密度関数を取得するようにさらに構成され、前記第1および第2の確率密度関数は、生身の人物の肌の画像データに少なくとも部分的に基づく、C19に記載のイメージングシステム。
[C24]
前記肌検証モジュールは、
前記NIR画像データの一部分および前記可視光画像データの対応する一部分が、生身の人物の肌を表す画像データを含む第1の確率を計算する
ようにさらに構成され、
前記第1の確率は、前記第1の確率密度関数および前記第2の確率密度関数に少なくとも部分的に基づく、
C23に記載のイメージングシステム。
[C25]
前記肌検証モジュールは、
前記第1の正規化された反射率差の第3の確率密度関数、および前記第2の正規化された反射率差の第4の確率密度関数を取得し、ここで、前記第3および第4の確率密度関数は、生身の人物の肌を表さない画像データに少なくとも部分的に基づき、
前記NIR画像データの前記一部分および前記可視光画像データの前記対応する一部分が、生身の人物の肌を表さない画像データを含む第2の確率を計算する
ようにさらに構成され、
前記第2の確率は、前記第3の確率密度関数および前記第4の確率密度関数に少なくとも部分的に基づく、
C24に記載のイメージングシステム。
[C26]
マルチスペクトル画像データを受信するように構成された通信モジュールをさらに備える、C16に記載のイメージングシステム。
[C27]
前記検出された顔が、生身の人物の顔であるか否かをユーザに通知するように構成されたユーザ通知モジュールをさらに備える、C16に記載のイメージングシステム。
[C28]
コンピュータ読み取り可能な命令および画像データのうちの少なくとも1つを記憶するように構成されたメモリをさらに備える、C16に記載のイメージングシステム。
[C29]
イメージングシステムであって、
人物の顔を含むマルチスペクトル画像データを受信するための手段と、ここで、前記マルチスペクトル画像データは、可視光画像データおよび近赤外線(NIR)画像データを備え、
前記人物の顔を検出するために、前記マルチスペクトル画像データを処理するための手段と、
前記検出された人物の顔が生身の人物の顔であるかどうかを決定するために、前記可視光画像データ内の前記検出された人物の顔と前記NIR画像データ内の前記検出された人物の顔とを関連付けるための手段と、
を備える、イメージングシステム。
[C30]
マルチスペクトル画像データを受信するための前記手段は、通信モジュールを備える、C29に記載のイメージングシステム。
[C31]
前記マルチスペクトル画像データを処理するための前記手段は、顔検出モジュールを備える、C29に記載のイメージングシステム。
[C32]
前記可視光画像データ内の前記検出された人物の顔と前記NIR画像データ内の前記検出された人物の顔とを関連付けるための前記手段は、肌検証モジュールを備える、C29に記載のイメージングシステム。
[C33]
マルチスペクトル画像データをキャプチャするための手段をさらに備える、C29に記載のイメージングシステム。
[C34]
マルチスペクトル画像データをキャプチャするための前記手段は、NIRイメージングセンサおよび可視光センサを備える、C33に記載のイメージングシステム。
[C35]
コードを記憶した非一時的コンピュータ読み取り可能な媒体であって、前記コードは、実行されると、
人物の顔を含むマルチスペクトル画像データを受信することと、ここで、前記マルチスペクトル画像データは、可視光画像データおよび近赤外線(NIR)画像データを備え、
前記人物の顔を検出するために、前記マルチスペクトル画像データを処理することと、
前記検出された人物の顔が生身の人物の顔であるかどうかを決定するために、前記可視光画像データ内の前記検出された人物の顔と前記NIR画像データ内の前記検出された人物の顔とを関連付けることと、
を備える方法を実行する、非一時的コンピュータ読み取り可能な媒体。
Claims (34)
- 画像中の生身の人物の顔を検出するための方法であって、
人物の顔を含むマルチスペクトル画像データを受信することと、ここで、前記マルチスペクトル画像データは、可視光画像データおよび近赤外線(NIR)画像データを備え、
前記人物の顔を検出するために、前記マルチスペクトル画像データを処理することと、
前記可視光画像データ内の前記検出された人物の顔と前記NIR画像データ内の前記検出された人物の顔とを関連付けることと、
前記可視光画像データおよび前記NIR画像データ内の人物の肌の反射率の差に少なくとも部分的に基づいて、前記検出された人物の顔が生身の人物の顔であるかどうかを決定することと、
を備え、
前記検出された人物の顔が生身の人物の顔であるかどうかの前記決定は、前記可視光画像データおよび前記NIR画像データ内の人物の肌の第1の反射率差と第2の反射率差とに少なくとも部分的に基づく、
方法。 - 前記第1の反射率差は、前記NIR画像データの一部分における反射率値と前記可視光画像データの対応する一部分における第1の色の反射率値との間の差であり、前記第2の反射率差は、前記第1の色の前記反射率値と前記可視光画像データの前記対応する一部分における第2の色の反射率値との間の差である、請求項1に記載の方法。
- 前記検出された人物の顔が生身の人物の顔であるかどうかを決定することは、
第1の正規化された反射率差を取得するために前記第1の反射率差を正規化することと、
第2の正規化された反射率差を取得するために前記第2の反射率差を正規化することと、
を備える、請求項2に記載の方法。 - 前記検出された人物の顔が生身の人物の顔であるかどうかを決定することは、
前記第1の正規化された反射率差を第1の閾値および第2の閾値と比較することと、
前記第2の正規化された反射率差を第3の閾値および第4の閾値と比較することと、
をさらに備える、請求項3に記載の方法。 - 前記検出された人物の顔が生身の人物の顔であるかどうかを決定することは、前記第1の正規化された反射率差が、前記第1の閾値より大きく前記第2の閾値より小さいかどうかに少なくとも部分的に基づいて、および前記第2の正規化された反射率差が、前記第3の閾値より大きく前記第4の閾値より小さいかどうかに少なくとも部分的に基づいて、前記NIR画像データの前記一部分および前記可視光画像データの前記対応する一部分が、生身の人物の肌を表す画像データを含むかどうかを決定することを備える、請求項4に記載の方法。
- 前記検出された人物の顔が生身の人物の顔であるかどうかを決定することは、生身の人物の肌を表す画像データを含む、前記検出された顔内の画素数に少なくとも部分的に基づく、請求項5に記載の方法。
- 前記第1の色は、実質的に緑色であり、前記第2の色は、実質的に赤色である、請求項3に記載の方法。
- 前記第1の正規化された反射率差の第1の確率密度関数、および前記第2の正規化された反射率差の第2の確率密度関数を取得することをさらに備え、ここで、前記第1および第2の確率密度関数は、生身の人物の肌の画像データに少なくとも部分的に基づく、請求項3に記載の方法。
- 前記NIR画像データの前記一部分および前記可視光画像データの前記対応する一部分が、生身の人物の肌を表す画像データを含む第1の確率を計算することをさらに備え、
ここで、前記第1の確率は、前記第1の確率密度関数および前記第2の確率密度関数に少なくとも部分的に基づく、請求項8に記載の方法。 - 前記第1の正規化された反射率差の第3の確率密度関数、および前記第2の正規化された反射率差の第4の確率密度関数を取得することと、ここで、前記第3および第4の確率密度関数は、生身の人物の肌を表さない画像データに少なくとも部分的に基づき、
前記NIR画像データの前記一部分および前記可視光画像データの前記対応する一部分が、生身の人物の肌を表さない画像データを含む第2の確率を計算することと、
をさらに備え、
ここで、前記第2の確率は、前記第3の確率密度関数および前記第4の確率密度関数に少なくとも部分的に基づく、請求項9に記載の方法。 - 前記NIR画像データの前記一部分および前記可視光画像データの前記対応する一部分が、生身の人物の肌を表す画像データを含むかどうかを決定するために、前記第1の確率および前記第2の確率を比較することをさらに備える、請求項10に記載の方法。
- 前記検出された人物の顔が生身の人物の顔であるかどうかを決定することは、生身の人物の肌を表す画像データを含む前記検出された顔内の画素数に少なくとも部分的に基づく、請求項11に記載の方法。
- イメージング装置を用いてマルチスペクトル画像データをキャプチャすることをさらに備える、請求項1に記載の方法。
- マルチスペクトル画像データをキャプチャすることは、可視光画像およびNIR画像をキャプチャすることを備える、請求項13に記載の方法。
- 前記マルチスペクトル画像データを処理することは、
前記人物の顔を検出するために、前記可視光画像を処理することと、
前記人物の顔を検出するために前記NIR画像を処理することと、
を備える、請求項14に記載の方法。 - 画像中の生身の人物の顔を検出するためのイメージングシステムであって、前記システムは、
可視光画像データおよび近赤外線(NIR)画像データを備えるマルチスペクトル画像データをキャプチャするように構成された少なくとも1つの画像センサと、ここで、前記マルチスペクトル画像データは、人物の顔を含み、
前記人物の顔を検出するために前記マルチスペクトル画像データを分析するように構成された顔検出モジュールと、
前記検出された顔の前記マルチスペクトル画像データを分析し、前記可視光画像データおよび前記NIR画像データ内の人物の肌の反射率の差に少なくとも部分的に基づいて、前記検出された人物の顔が生身の人物の顔であるかどうかを決定するように構成された肌検証モジュールと
を備え、
前記肌検証モジュールは、前記検出された人物の顔が、前記キャプチャされたマルチスペクトル画像データの第1の反射率差および第2の反射率差に少なくとも部分的に基づいて、生身の人物の顔であるかどうかを決定するように構成される、イメージングシステム。 - 前記少なくとも1つの画像センサは、NIRイメージングセンサおよび可視光センサを備える、請求項16に記載のイメージングシステム。
- 前記肌検証モジュールは、
第1の正規化された反射率差を取得するために前記第1の反射率差を正規化し、
第2の正規化された反射率差を取得するために前記第2の反射率差を正規化する
ようにさらに構成される、請求項16に記載のイメージングシステム。 - 前記肌検証モジュールは、
前記第1の正規化された反射率差を第1の閾値および第2の閾値と比較し、
前記第2の正規化された反射率差を第3の閾値および第4の閾値と比較する
ようにさらに構成される、請求項18に記載のイメージングシステム。 - 前記肌検証モジュールは、前記第1の正規化された反射率差が、前記第1の閾値より大きく前記第2の閾値より小さいかどうかに少なくとも部分的に基づいて、および前記第2の正規化された反射率差が、前記第3の閾値より大きく前記第4の閾値より小さいかどうかに少なくとも部分的に基づいて、前記検出された人物の顔が生身の人物の顔であるかどうかを決定するようにさらに構成される、請求項19に記載のイメージングシステム。
- 前記肌検証モジュールは、生身の人物の肌を表す画像データを含む、前記検出された顔内の画素数に少なくとも部分的に基づいて、前記検出された人物の顔が生身の人物の顔であるかどうかを決定するようにさらに構成される、請求項20に記載のイメージングシステム。
- 前記肌検証モジュールは、前記第1の正規化された反射率差の第1の確率密度関数、および前記第2の正規化された反射率差の第2の確率密度関数を取得するようにさらに構成され、前記第1および第2の確率密度関数は、生身の人物の肌の画像データに少なくとも部分的に基づく、請求項18に記載のイメージングシステム。
- 前記肌検証モジュールは、
前記NIR画像データの一部分および前記可視光画像データの対応する一部分が、生身の人物の肌を表す画像データを含む第1の確率を計算する
ようにさらに構成され、
ここで、前記第1の確率は、前記第1の確率密度関数および前記第2の確率密度関数に少なくとも部分的に基づく、
請求項22に記載のイメージングシステム。 - 前記肌検証モジュールは、
前記第1の正規化された反射率差の第3の確率密度関数、および前記第2の正規化された反射率差の第4の確率密度関数を取得し、ここで、前記第3および第4の確率密度関数は、生身の人物の肌を表さない画像データに少なくとも部分的に基づき、
前記NIR画像データの前記一部分および前記可視光画像データの前記対応する一部分が、生身の人物の肌を表さない画像データを含む第2の確率を計算する
ようにさらに構成され、
ここで、前記第2の確率は、前記第3の確率密度関数および前記第4の確率密度関数に少なくとも部分的に基づく、
請求項23に記載のイメージングシステム。 - マルチスペクトル画像データを受信するように構成された通信モジュールをさらに備える、請求項16に記載のイメージングシステム。
- 前記検出された顔が、生身の人物の顔であるか否かをユーザに通知するように構成されたユーザ通知モジュールをさらに備える、請求項16に記載のイメージングシステム。
- コンピュータ読み取り可能な命令および画像データのうちの少なくとも1つを記憶するように構成されたメモリをさらに備える、請求項16に記載のイメージングシステム。
- イメージングシステムであって、
人物の顔を含むマルチスペクトル画像データを受信するための手段と、ここで、前記マルチスペクトル画像データは、可視光画像データおよび近赤外線(NIR)画像データを備え、
前記人物の顔を検出するために、前記マルチスペクトル画像データを処理するための手段と、
前記可視光画像データ内の前記検出された人物の顔と前記NIR画像データ内の前記検出された人物の顔とを関連付けるための手段と、
前記可視光画像データおよび前記NIR画像データ内の人物の肌の反射率の差に少なくとも部分的に基づいて、前記検出された人物の顔が生身の人物の顔であるかどうかを決定するための手段と、
を備え、
前記検出された人物の顔が生身の人物の顔であるかどうかの前記決定は、前記可視光画像データおよび前記NIR画像データ内の人物の肌の第1の反射率差と第2の反射率差とに少なくとも部分的に基づく、イメージングシステム。 - マルチスペクトル画像データを受信するための前記手段は、通信モジュールを備える、請求項28に記載のイメージングシステム。
- 前記マルチスペクトル画像データを処理するための前記手段は、顔検出モジュールを備える、請求項28に記載のイメージングシステム。
- 前記検出された人物の顔が生身の人物の顔であるかどうかを決定するための前記手段は、肌検証モジュールを備える、請求項28に記載のイメージングシステム。
- マルチスペクトル画像データをキャプチャするための手段をさらに備える、請求項28に記載のイメージングシステム。
- マルチスペクトル画像データをキャプチャするための前記手段は、NIRイメージングセンサおよび可視光センサを備える、請求項32に記載のイメージングシステム。
- コードを記憶した非一時的コンピュータ読み取り可能な媒体であって、前記コードは、実行されると、
人物の顔を含むマルチスペクトル画像データを受信することと、ここで、前記マルチスペクトル画像データは、可視光画像データおよび近赤外線(NIR)画像データを備え、
前記人物の顔を検出するために、前記マルチスペクトル画像データを処理することと、
前記可視光画像データ内の前記検出された人物の顔と前記NIR画像データ内の前記検出された人物の顔とを関連付けることと、
前記可視光画像データおよび前記NIR画像データ内の人物の肌の反射率の差に少なくとも部分的に基づいて、前記検出された人物の顔が生身の人物の顔であるかどうかを決定することと、前記検出された人物の顔が生身の人物の顔であるかどうかの前記決定は、前記可視光画像データおよび前記NIR画像データ内の人物の肌の第1の反射率差と第2の反射率差とに少なくとも部分的に基づく、
を備える方法を実行する、非一時的コンピュータ読み取り可能な媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/533,706 US10452894B2 (en) | 2012-06-26 | 2012-06-26 | Systems and method for facial verification |
US13/533,706 | 2012-06-26 | ||
PCT/US2013/046366 WO2014004179A1 (en) | 2012-06-26 | 2013-06-18 | Systems and method for facial verification |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015528942A JP2015528942A (ja) | 2015-10-01 |
JP6242888B2 true JP6242888B2 (ja) | 2017-12-06 |
Family
ID=48793523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015520285A Active JP6242888B2 (ja) | 2012-06-26 | 2013-06-18 | 顔検証のためのシステムおよび方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10452894B2 (ja) |
EP (1) | EP2864931A1 (ja) |
JP (1) | JP6242888B2 (ja) |
KR (1) | KR20150022016A (ja) |
CN (1) | CN104364798B (ja) |
WO (1) | WO2014004179A1 (ja) |
Families Citing this family (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514435A (zh) * | 2012-06-29 | 2014-01-15 | 富士通株式会社 | 手检测方法和装置 |
US9996726B2 (en) | 2013-08-02 | 2018-06-12 | Qualcomm Incorporated | Feature identification using an RGB-NIR camera pair |
EP3118811B1 (en) * | 2014-03-13 | 2023-05-03 | Nec Corporation | Detecting device, detecting method, and recording medium |
US9396537B2 (en) * | 2014-09-09 | 2016-07-19 | EyeVerify, Inc. | Systems and methods for liveness analysis |
WO2016147272A1 (ja) | 2015-03-13 | 2016-09-22 | 日本電気株式会社 | 生体検知装置、生体検知方法、および、記録媒体 |
CN104700087B (zh) * | 2015-03-23 | 2018-05-04 | 上海交通大学 | 可见光与近红外人脸图像的相互转换方法 |
WO2016159150A1 (ja) * | 2015-03-31 | 2016-10-06 | 株式会社エクォス・リサーチ | 脈波検出装置、及び脈波検出プログラム |
JP6308161B2 (ja) | 2015-03-31 | 2018-04-11 | 株式会社エクォス・リサーチ | 脈波検出装置、及び脈波検出プログラム |
US10504228B2 (en) | 2015-05-15 | 2019-12-10 | Sony Corporation | Image processing system and method |
WO2017137435A1 (en) * | 2016-02-08 | 2017-08-17 | Koninklijke Philips N.V. | Device, system and method for skin detection |
US10424072B2 (en) | 2016-03-01 | 2019-09-24 | Samsung Electronics Co., Ltd. | Leveraging multi cues for fine-grained object classification |
JP2017191374A (ja) * | 2016-04-11 | 2017-10-19 | シャープ株式会社 | 生体判定装置、端末装置、生体判定装置の制御方法、制御プログラム |
CN105912908A (zh) * | 2016-04-14 | 2016-08-31 | 苏州优化智能科技有限公司 | 基于红外的真人活体身份验证方法 |
CN105930780A (zh) * | 2016-04-14 | 2016-09-07 | 苏州优化智能科技有限公司 | 基于近红外和面部微表情的真人活体身份验证方法 |
JP2017208616A (ja) * | 2016-05-16 | 2017-11-24 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
US10579860B2 (en) | 2016-06-06 | 2020-03-03 | Samsung Electronics Co., Ltd. | Learning model for salient facial region detection |
CN106446831B (zh) * | 2016-09-24 | 2021-06-25 | 江西欧迈斯微电子有限公司 | 一种人脸识别方法及装置 |
CN107992728B (zh) * | 2016-10-27 | 2022-05-20 | 腾讯科技(深圳)有限公司 | 人脸验证方法及装置 |
WO2018079031A1 (ja) | 2016-10-31 | 2018-05-03 | 日本電気株式会社 | 画像処理装置、画像処理方法、顔認証システム、プログラム及び記録媒体 |
CN108229325A (zh) * | 2017-03-16 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸检测方法和***、电子设备、程序和介质 |
US10515199B2 (en) * | 2017-04-19 | 2019-12-24 | Qualcomm Incorporated | Systems and methods for facial authentication |
US10657401B2 (en) * | 2017-06-06 | 2020-05-19 | Microsoft Technology Licensing, Llc | Biometric object spoof detection based on image intensity variations |
TWI630559B (zh) * | 2017-06-22 | 2018-07-21 | 佳世達科技股份有限公司 | 影像擷取裝置及影像擷取方法 |
CN109583285B (zh) * | 2017-09-29 | 2023-03-07 | 阿里巴巴集团控股有限公司 | 对象识别方法 |
US10726245B2 (en) * | 2017-12-12 | 2020-07-28 | Black Sesame International Holding Limited | Secure facial authentication system using active infrared light source and RGB-IR sensor |
CN109977741A (zh) * | 2017-12-28 | 2019-07-05 | 北京京东尚科信息技术有限公司 | 人脸识别方法、装置、***及介质 |
CN108376239B (zh) * | 2018-01-25 | 2021-10-15 | 努比亚技术有限公司 | 一种人脸识别方法、移动终端及存储介质 |
JP2018152079A (ja) * | 2018-03-23 | 2018-09-27 | 日本電気株式会社 | 検知装置 |
JP6819653B2 (ja) * | 2018-07-09 | 2021-01-27 | 日本電気株式会社 | 検知装置 |
CN109271954B (zh) * | 2018-09-29 | 2022-04-22 | 北京百度网讯科技有限公司 | 用于检测模型可靠性的方法及装置 |
CN111222380B (zh) * | 2018-11-27 | 2023-11-03 | 杭州海康威视数字技术股份有限公司 | 一种活体检测方法、装置、及其识别模型训练方法 |
CN109871773A (zh) * | 2019-01-21 | 2019-06-11 | 深圳市云眸科技有限公司 | 活体检测方法、装置及门禁机 |
FR3095064A1 (fr) | 2019-04-09 | 2020-10-16 | Cynove | Procédés et dispositifs de levée de doute biométrique |
CN110503023A (zh) * | 2019-08-19 | 2019-11-26 | 深圳市商汤科技有限公司 | 活体检测方法及装置、电子设备和存储介质 |
KR102349424B1 (ko) * | 2019-12-31 | 2022-01-11 | 주식회사 에이블에이아이 | 얼굴 인식을 사용하는 개인 식별 장치 |
JP2020074241A (ja) * | 2020-02-12 | 2020-05-14 | 日本電気株式会社 | 検知装置 |
CN112800997B (zh) * | 2020-04-10 | 2024-01-05 | 支付宝(杭州)信息技术有限公司 | 一种活体检测方法、装置及设备 |
CN111611977B (zh) * | 2020-06-05 | 2021-10-15 | 吉林求是光谱数据科技有限公司 | 基于光谱与多波段融合的人脸识别监控***及识别方法 |
CN112016478B (zh) * | 2020-08-31 | 2024-04-16 | 中国电子科技集团公司第三研究所 | 一种基于多光谱图像融合的复杂场景识别方法及*** |
DE102020214713A1 (de) | 2020-11-24 | 2022-05-25 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Unterscheiden einer realen Person von einem Surrogat |
JP2021047929A (ja) * | 2020-12-28 | 2021-03-25 | 日本電気株式会社 | 情報処理装置 |
US11657589B2 (en) * | 2021-01-13 | 2023-05-23 | Ford Global Technologies, Llc | Material spectroscopy |
WO2022150874A1 (en) * | 2021-01-13 | 2022-07-21 | Seeing Machines Limited | System and method for skin detection in images |
US11741747B2 (en) | 2021-01-13 | 2023-08-29 | Ford Global Technologies, Llc | Material spectroscopy |
US11636700B2 (en) | 2021-05-21 | 2023-04-25 | Ford Global Technologies, Llc | Camera identification |
US11967184B2 (en) | 2021-05-21 | 2024-04-23 | Ford Global Technologies, Llc | Counterfeit image detection |
US11769313B2 (en) | 2021-05-21 | 2023-09-26 | Ford Global Technologies, Llc | Counterfeit image detection |
CN113297978B (zh) * | 2021-05-26 | 2024-05-03 | 奥比中光科技集团股份有限公司 | 活体检测方法、装置及电子设备 |
CN113297977B (zh) * | 2021-05-26 | 2023-12-22 | 奥比中光科技集团股份有限公司 | 活体检测方法、装置及电子设备 |
CN113516089B (zh) * | 2021-07-27 | 2024-04-12 | 中国平安人寿保险股份有限公司 | 人脸图像识别方法、装置、设备及可读存储介质 |
Family Cites Families (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2823564B2 (ja) | 1988-05-27 | 1998-11-11 | 日本電信電話株式会社 | 生物体検知装置 |
US6496594B1 (en) | 1998-10-22 | 2002-12-17 | Francine J. Prokoski | Method and apparatus for aligning and comparing images of the face and body from different imagers |
US6424727B1 (en) | 1998-11-25 | 2002-07-23 | Iridian Technologies, Inc. | System and method of animal identification and animal transaction authorization using iris patterns |
US6820979B1 (en) | 1999-04-23 | 2004-11-23 | Neuroptics, Inc. | Pupilometer with pupil irregularity detection, pupil tracking, and pupil response detection capability, glaucoma screening capability, intracranial pressure detection capability, and ocular aberration measurement capability |
US6920236B2 (en) | 2001-03-26 | 2005-07-19 | Mikos, Ltd. | Dual band biometric identification system |
US7027619B2 (en) | 2001-09-13 | 2006-04-11 | Honeywell International Inc. | Near-infrared method and system for use in face detection |
US7469160B2 (en) | 2003-04-18 | 2008-12-23 | Banks Perry S | Methods and apparatus for evaluating image focus |
JP4387643B2 (ja) | 2002-07-31 | 2009-12-16 | 富士通株式会社 | 個人認識機能付き処理装置 |
US8190239B2 (en) | 2002-09-03 | 2012-05-29 | Fujitsu Limited | Individual identification device |
US7460696B2 (en) | 2004-06-01 | 2008-12-02 | Lumidigm, Inc. | Multispectral imaging biometrics |
GB0316631D0 (en) | 2003-07-16 | 2003-08-20 | Omniperception Ltd | Facial liveness assessment system |
EP1647936B1 (en) | 2003-07-17 | 2012-05-30 | Panasonic Corporation | Iris code generation method, individual authentication method, iris code entry device, individual authentication device, and individual certification program |
JP4254418B2 (ja) | 2003-08-18 | 2009-04-15 | Kddi株式会社 | 個人認証装置及び方法並びに携帯通信端末 |
JP4470434B2 (ja) | 2003-10-06 | 2010-06-02 | 富士ゼロックス株式会社 | 動作識別装置、及び対象物の姿勢識別装置 |
FR2864290B1 (fr) | 2003-12-18 | 2006-05-26 | Sagem | Procede et dispositif de reconnaissance d'iris |
KR100682898B1 (ko) | 2004-11-09 | 2007-02-15 | 삼성전자주식회사 | 적외선을 이용한 영상 장치 및 그의 영상 식별 방법 |
US7602942B2 (en) | 2004-11-12 | 2009-10-13 | Honeywell International Inc. | Infrared and visible fusion face recognition system |
US7469060B2 (en) | 2004-11-12 | 2008-12-23 | Honeywell International Inc. | Infrared face detection and recognition system |
US7417727B2 (en) * | 2004-12-07 | 2008-08-26 | Clean Earth Technologies, Llc | Method and apparatus for standoff detection of liveness |
EP1829479A1 (en) | 2005-02-16 | 2007-09-05 | Matsushita Electric Industrial Co., Ltd. | Biometric discrimination device, authentication device, and biometric discrimination method |
JP4696610B2 (ja) | 2005-03-15 | 2011-06-08 | オムロン株式会社 | 被写体認証装置、顔認証装置、携帯電話、及び被写体認証方法 |
US8260008B2 (en) | 2005-11-11 | 2012-09-04 | Eyelock, Inc. | Methods for performing biometric recognition of a human eye and corroboration of same |
US20070248330A1 (en) * | 2006-04-06 | 2007-10-25 | Pillman Bruce H | Varying camera self-determination based on subject motion |
EP2041696B1 (en) | 2006-07-19 | 2020-11-18 | HID Global Corporation | Multibiometric multispectral imager |
US7801339B2 (en) | 2006-07-31 | 2010-09-21 | Lumidigm, Inc. | Biometrics with spatiospectral spoof detection |
US8965063B2 (en) | 2006-09-22 | 2015-02-24 | Eyelock, Inc. | Compact biometric acquisition system and method |
US8953849B2 (en) | 2007-04-19 | 2015-02-10 | Eyelock, Inc. | Method and system for biometric recognition |
US20090060286A1 (en) | 2007-09-04 | 2009-03-05 | General Electric Company | Identification system and method utilizing iris imaging |
KR102559017B1 (ko) | 2007-09-24 | 2023-07-25 | 애플 인크. | 전자 장치 내의 내장형 인증 시스템들 |
US8411910B2 (en) | 2008-04-17 | 2013-04-02 | Biometricore, Inc. | Computationally efficient feature extraction and matching iris recognition |
US8345936B2 (en) | 2008-05-09 | 2013-01-01 | Noblis, Inc. | Multispectral iris fusion for enhancement and interoperability |
FR2931979B1 (fr) | 2008-06-02 | 2014-02-28 | Advanced Track & Trace | Procede et dispositif d'identification d'une plaque d'impression d'un document |
CN101404060B (zh) | 2008-11-10 | 2010-06-30 | 北京航空航天大学 | 一种基于可见光与近红外Gabor信息融合的人脸识别方法 |
JP4702441B2 (ja) | 2008-12-05 | 2011-06-15 | ソニー株式会社 | 撮像装置及び撮像方法 |
US8374404B2 (en) | 2009-02-13 | 2013-02-12 | Raytheon Company | Iris recognition using hyper-spectral signatures |
US8503778B2 (en) | 2009-05-14 | 2013-08-06 | National University Of Singapore | Enhancing photograph visual quality using texture and contrast data from near infra-red images |
JP2011243862A (ja) | 2010-05-20 | 2011-12-01 | Sony Corp | 撮像デバイス及び撮像装置 |
US8408821B2 (en) | 2010-10-12 | 2013-04-02 | Omnivision Technologies, Inc. | Visible and infrared dual mode imaging system |
CN101964056B (zh) | 2010-10-26 | 2012-06-27 | 徐勇 | 一种具有活体检测功能的双模态人脸认证方法和*** |
US8897522B2 (en) | 2012-05-30 | 2014-11-25 | Xerox Corporation | Processing a video for vascular pattern detection and cardiac function analysis |
US8411909B1 (en) | 2012-06-26 | 2013-04-02 | Google Inc. | Facial recognition |
WO2014028911A2 (en) | 2012-08-16 | 2014-02-20 | Potter Darrel V | Structure formed from panels joined with universal clamping brackets |
US9996726B2 (en) | 2013-08-02 | 2018-06-12 | Qualcomm Incorporated | Feature identification using an RGB-NIR camera pair |
US20160019420A1 (en) | 2014-07-15 | 2016-01-21 | Qualcomm Incorporated | Multispectral eye analysis for identity authentication |
US20160019421A1 (en) | 2014-07-15 | 2016-01-21 | Qualcomm Incorporated | Multispectral eye analysis for identity authentication |
US20170091550A1 (en) | 2014-07-15 | 2017-03-30 | Qualcomm Incorporated | Multispectral eye analysis for identity authentication |
-
2012
- 2012-06-26 US US13/533,706 patent/US10452894B2/en active Active
-
2013
- 2013-06-18 KR KR20157001834A patent/KR20150022016A/ko not_active Application Discontinuation
- 2013-06-18 WO PCT/US2013/046366 patent/WO2014004179A1/en active Application Filing
- 2013-06-18 EP EP13737464.1A patent/EP2864931A1/en not_active Withdrawn
- 2013-06-18 JP JP2015520285A patent/JP6242888B2/ja active Active
- 2013-06-18 CN CN201380030542.7A patent/CN104364798B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104364798B (zh) | 2019-04-02 |
KR20150022016A (ko) | 2015-03-03 |
US20130342702A1 (en) | 2013-12-26 |
JP2015528942A (ja) | 2015-10-01 |
CN104364798A (zh) | 2015-02-18 |
US10452894B2 (en) | 2019-10-22 |
WO2014004179A1 (en) | 2014-01-03 |
EP2864931A1 (en) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6242888B2 (ja) | 顔検証のためのシステムおよび方法 | |
US12014571B2 (en) | Method and apparatus with liveness verification | |
CN107766786B (zh) | 活性测试方法和活性测试计算设备 | |
KR102466997B1 (ko) | 라이브니스 검사 방법 및 장치 | |
KR102387571B1 (ko) | 라이브니스 검사 방법 및 장치 | |
WO2019134536A1 (zh) | 基于神经网络模型的人脸活体检测 | |
US9922238B2 (en) | Apparatuses, systems, and methods for confirming identity | |
WO2019137178A1 (zh) | 人脸活体检测 | |
US11294996B2 (en) | Systems and methods for using machine learning for image-based spoof detection | |
JP6312714B2 (ja) | 陰影検出および減衰のためのマルチスペクトル撮像システム | |
KR20190001066A (ko) | 얼굴 인증 방법 및 장치 | |
JP5076563B2 (ja) | 顔照合装置 | |
CN107798279B (zh) | 一种人脸活体检测方法及装置 | |
US11625954B2 (en) | Method and apparatus with liveness testing | |
WO2016203698A1 (ja) | 顔検出装置、顔検出システム、及び顔検出方法 | |
CN108737728A (zh) | 一种图像拍摄方法、终端及计算机存储介质 | |
CN110415113A (zh) | 金融数据处理方法、装置、服务器及可读存储介质 | |
WO2021166289A1 (ja) | データ登録装置、生体認証装置、および記録媒体 | |
CN108875472B (zh) | 图像采集装置及基于该图像采集装置的人脸身份验证方法 | |
WO2019229855A1 (ja) | 物体検出装置、物体検出システム、物体検出方法、およびプログラムを記録する記録媒体 | |
JP6878826B2 (ja) | 撮影装置 | |
CN106402717B (zh) | 一种ar播放控制方法及智能台灯 | |
KR102483647B1 (ko) | 라이브니스 검증 방법 및 장치 | |
KR20210050649A (ko) | 모바일 기기의 페이스 인증 방법 | |
Dawson et al. | Quality and Match Performance Analysis of Band-Filtered Visible RGB Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160525 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170515 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20171010 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171108 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6242888 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |