TWI616822B - 在以影像爲基礎的生物統計中之臉部欺騙偵測技術 - Google Patents
在以影像爲基礎的生物統計中之臉部欺騙偵測技術 Download PDFInfo
- Publication number
- TWI616822B TWI616822B TW104132539A TW104132539A TWI616822B TW I616822 B TWI616822 B TW I616822B TW 104132539 A TW104132539 A TW 104132539A TW 104132539 A TW104132539 A TW 104132539A TW I616822 B TWI616822 B TW I616822B
- Authority
- TW
- Taiwan
- Prior art keywords
- images
- edges
- image sequence
- face
- edge
- Prior art date
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
-
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/40—Spoof detection, e.g. liveness detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本文中描述用於以影像為基礎的生物統計中之臉部欺騙偵測的系統及技術。可對一影像序列中之第一複數個影像中一臉部之一表示產生一標記。該標記對應於該臉部之一臉部特徵。可遍及該影像序列之第二複數個影像來識別該臉部之一環境的一環境特徵。該標記與該影像序列中之該環境特徵之間的一相關可經量化以產生一同步性量度。可回應於該同步性量度滿足一閾值而指示一欺騙嘗試。
Description
本文中所描述之實施例大體上係關於生物統計電腦鑑認,且更具體而言係關於以影像為基礎的生物統計中之臉部欺騙偵測。
用於鑑認目的之臉部辨識允許使用者使用其臉部來鑑認電腦系統。大體而言,使用者之臉部經捉取並分析以產生並儲存特徵集以在設定程序期間獨特地識別使用者。在使用者希望在將來鑑認嘗試中使用其臉部時,影像攝錄器將捉取使用者之臉部的表示,並對該臉部之表示進行分析以判定其是否與所儲存特徵集充分匹配。當做出使用者之臉部的當前影像捉取與所儲存特徵集之間的足夠匹配時,對於電腦系統鑑認出使用者。
依據本發明之一實施例,係特地提出一種用於以影像為基礎的生物統計中之臉部欺騙偵測的系統,該方法
包含:一生物統計特徵偵測器,其用以產生用於一影像序列中之第一複數個影像中一臉部之一表示的一標記,該標記對應於一臉部特徵;一環境特徵偵測器,其用以遍及該影像序列中之第二複數個影像來識別該臉部之一環境的一環境特徵;一同步性偵測器,其量化該影像序列中之該標記與該環境特徵之間的一相關以產生一同步性量度;以及一欺騙指示控制器,其回應於該同步性量度滿足一閾值而指示一欺騙嘗試。
100‧‧‧系統
105‧‧‧電腦系統
110‧‧‧視野
115‧‧‧使用者
120‧‧‧環境特徵偵測器
125‧‧‧生物統計特徵偵測器
130‧‧‧同步性偵測器
135‧‧‧欺騙指示控制器
200‧‧‧影像捉取介面
205‧‧‧對話方塊
210‧‧‧檢視埠
215‧‧‧使用者臉部
220‧‧‧裝置
300、400‧‧‧影像分析
305‧‧‧實況臉部之標記/眼睛線標記
310‧‧‧欺騙臉部的標記/眼睛線標記
315‧‧‧邊緣
405、410‧‧‧次級標記
415‧‧‧凸包
500、600‧‧‧方法
505~525、605~690‧‧‧操作
700‧‧‧機器
702‧‧‧硬體處理器
704‧‧‧主記憶體
706‧‧‧靜態記憶體
708‧‧‧互連件
710‧‧‧顯示單元
712‧‧‧文字數字輸入裝置
714‧‧‧使用者介面(UI)導航裝置
716‧‧‧儲存裝置
718‧‧‧信號產生裝置
720‧‧‧網路介面裝置
721‧‧‧感測器
722‧‧‧機器可讀媒體
724‧‧‧指令
726‧‧‧通訊網路
728‧‧‧輸出控制器
在未必按比例繪製之附圖中,相似數字在不同視圖中可描述類似組件。具有不同字母後綴之相似數字可表示類似組件之不同個例。附圖大體上說明(舉例而言但不限於)在本發明文件中論述之各種實施例。
圖1為根據實施例的用於以影像為基礎的生物統計中之臉部欺騙偵測的系統之實例的方塊圖。
圖2說明根據實施例的用於以影像為基礎的生物統計中之臉部欺騙偵測之影像捉取介面的實例。
圖3說明根據實施例的用於以影像為基礎的生物統計中之臉部欺騙偵測之影像分析的實例。
圖4說明根據實施例的用於以影像為基礎的生物統計中之臉部欺騙偵測之另一影像分析的實例。
圖5說明根據實施例的用於以影像為基礎的生物統計中之臉部欺騙偵測的方法之實例的流程圖。
圖6說明根據實施例的用於以影像為基礎的生物
統計中之臉部欺騙偵測的方法之實例的流程圖。
圖7為說明一或多個實施例可實施所在之機器的實例之方塊圖。
一些當前臉部辨識解決方案易於由(例如)顯示於電話、平板電腦等上之照片欺騙(例如,偽造)。舉例而言,個人可經由平板電腦影像攝錄器或自雇員臉書(employee face-book)獲取使用者的圖像,將該圖像顯示於裝置上,且將裝置固持於用以捉取臉部表示的影像攝錄器前方以供鑑認,藉此在無使用者之准許情況下使用使用者的臉部。因此,個人已欺騙了使用者之真實臉部以避開基於臉部的鑑認程序。
為了防止臉部欺騙,可(單獨或組合地)使用兩種類型之反欺騙技術:1)詢問使用者以執行某些任務(例如,調用可難以預測的動態使用者涉入以使欺騙複雜化);或2)分析影像捉取的上下文(例如,環境)以判定所捉取影像是否表示「實況」使用者。兩種技術可區分實況使用者與傳真,但僅請求更多使用者輸入可呈現一些使用者體驗挑戰(例如,如何表示請求,對於使用者以遵循請求的難題,執行請求上的過多時間等)。然而,分析捉取影像的上下文可避免與交互程度更高之技術相關聯的使用者體驗挑戰。
所描述組件及技術藉由分析臉部影像捉取上下文而提供臉部欺騙保護而不涉入挑戰回應使用者動作。舉
例而言,影像獲取之上下文可包括遍及影像序列分析臉部與環境特徵(例如,背景)的相對運動。因此,若臉部之所捉取表示包括與背景特徵(例如,行動裝置之邊緣)同步的移動,則可判定臉部為欺騙嘗試。另外,已知裝置邊緣(例如,主體、螢幕等)的標誌等高線可經判定,且在(例如)臉部由數位裝置之邊緣限界時進一步暗示欺騙。
臉部捉取上下文的實例可包括以下特徵中之一或多者以執行以影像為基礎的生物統計中之臉部欺騙偵測。電話或平板電腦之邊緣可自視訊圖框來捉取。在一實例中,增益、曝光或伽瑪中的至少一者受到控制(例如,由影像攝錄器或其他捉取裝置)以使得邊緣為更易偵測的(例如,藉由增加對比度)。在一實例中,視訊圖框可由雜訊濾波器處理以減小環境雜訊(例如,以使得邊緣偵測或臉部偵測更容易)。
所捉取邊緣可經檢查以判定其是否類似於已知數位裝置在(例如)閾值內的等高線。視訊圖框可經分析以判定臉部是否存在於移動邊緣的框架中,包括臉部的眼睛是否被找到。舉例而言,眼睛可由連接兩個眼睛的線來標示出。凸包可移動邊緣之一組拐角來產生。注意到,眼睛標記是在凸包內且因此可能在等高線與移動邊緣匹配的裝置內的時間。眼睛標記在凸包內確定,眼睛及邊緣兩者由於臉部在電話或平板電腦內而一起移動。因此,正在進行欺騙嘗試。
若臉部並未包括於移動框架內,則該臉部由於正
當原因(例如,除進行欺騙嘗試外的原因)可為固持或使用電話(例如,偏離至側面)的實況使用者。然而,邊緣移動可仍經監視以在影像序列內追蹤裝置移動。當視訊品質為低的且邊緣可能在每一框架中不能偵測時,此情形可為有益的。因此,可(例如)藉由注意到裝置邊緣上次被偵測到的地方而在裝置邊緣不能偵測或肯定地偵測到的圖框中推斷出裝置邊緣之位置。在此情境下,顯現於係在所推斷圖框內之區域中的臉部(例如,因為邊緣並未與臉部一起在圖框內被偵測到)可仍被稱作欺騙嘗試。如上文所提到,一起移動之邊緣或其他特徵可經追蹤以自先前所捉取影像推斷移動實體至不可找到實體之所捉取影像的位置。經同步移動可關於旋轉、按比例調整或平移移動中的任一者來追蹤。在一實例中,捉取此等移動特徵並推斷移動特徵在其並未顯現所在之所捉取影像中的位置被稱作捉取部分移動特徵。
若未偵測到臉部,則執行關於視訊圖框(例如,所有偵測到的邊緣)之所有移動是否經同步的檢查。可觀測特徵自視訊圖框的完全或幾乎完全同步移動可指示,整個經捉取影像具有靜態表示(例如,圖像)。即,顯示於平板電腦等上之圖像中的材料完全填充影像攝錄器的視野。
移動可在所捉取影像之序列上進行偵測。在一實例中,至少三十個按順序的所捉取影像用以判定臉部或環境特徵移動中的任一者或兩者。欺騙指示準則可包括以下各者:1)若臉部存在且在經偵測裝置(例如,已知裝置的邊緣等高線)內部,則指示欺騙,除非在一實例中眼睛及裝置
邊緣並非皆一起移動;2)若臉部存在但並非在裝置內部,則判定臉部移動是否與其他環境特徵同步-當(例如)裝置固持得過於靠近影像攝錄器以檢視裝置邊緣時,此情形可允許背景影像特徵的偵測-且在眼睛及可偵測移動邊緣皆一起移動(例如,在閾值內)時指示欺騙嘗試;3)若臉部並不存在且至少兩個裝置邊緣一起移動,則當邊緣在之後所捉取影像中不可見時,兩個裝置邊緣加標籤為部分移動邊緣並在之後所捉取影像中推斷裝置顯示器的邊界,且若將來偵測到之臉部是在裝置之所推斷邊界內則指示欺騙。
圖1為根據實施例的用於以影像為基礎的生物統計中之臉部欺騙偵測的系統100之實例的方塊圖。在一實例中,系統100可包括具有影像捉取裝置之電腦系統105,該影像捉取裝置具有經配置以捉取使用者115之臉部之表示的視野110。電腦系統105可包括環境特徵偵測器120、生物統計特徵偵測器125、同步性偵測器130及欺騙指示控制器135。環境特徵偵測器120、生物統計特徵偵測器125、同步性偵測器130或欺騙指示控制器135中的任一者或全部可使用如下文所界定的電路群組整個或部分地實施。
電腦系統105可(例如)自影像捉取裝置或其他源(例如,次級裝置)獲得影像序列。影像序列可包括含有使用者之臉部之表示的第一複數個影像,及影像序列中包括臉部之環境之表示的第二複數個影像。在此實例中,臉部之環境包括影像序列中之影像中除臉部外的資訊(例如,傢俱、桌上型項目、裝置等)。在一實例中,第一複數個影像
具有不同於該等第二複數個影像的成員資格。即,一些影像可顯現於一個集合且不顯現於另一集合中。舉例而言,第一複數個影像可不包括第二複數個影像的成員。然而,在一實例中,在影像序列內,第一複數個影像與第二複數個影像在時間上重疊。在一實例中,第二複數個影像中自第一複數個影像遺失的成員在時間上先於第一複數個影像。在一實例中,影像捉取組件可首先獲得原始影像序列(例如,如在光感測器處接收到)。
在一實例中,影像捉取組件可修改原始影像序列或影像捉取程序,以產生影像序列(例如)以增加邊緣、臉部或臉部特徵偵測的容易性。在一實例中,修改可包括調整增益、曝光或伽瑪中的至少一者。在一實例中,修改可包括將雜訊濾波器應用至原始影像序列。
環境特徵偵測器120可經配置以遍及第二複數個影像而識別臉部之環境的特徵。在一實例中,環境之特徵可包括在第二複數個影像中偵測到的邊緣。在一實例中,邊緣受約束至移動邊緣(例如,遍及所獲得之影像可識別的邊緣,該等所獲得影像佔用關於在影像序列之影像內應用的座標系統不同的方位)。在一實例中,移動邊緣之拐角(例如,一起移動之邊緣的交叉點)可藉由環境特徵偵測器120來識別。環境特徵偵測器120可產生此等拐角之凸包(例如,包圍包括拐角之最小區域的形狀)。在一實例中,環境特徵偵測器120可使用或含有已知裝置邊緣組態的目錄以判定環境特徵是否表示已知裝置。在一實例中,邊緣子集
可與已知裝置之顯示區域進行比較以便辨別裝置與其顯示器。此情形可有助於藉由消除(例如)反射性並非產生性(例如,顯示)裝置表面中臉部特徵偵測來避免誤報(false-positive)欺騙嘗試。
生物統計特徵偵測器125可分析影像序列並在第一複數個影像中識別使用者臉部的表示。在一實例中,生物統計特徵偵測器125可產生臉部表示之標記。標記對應於臉部之特徵-實例可包括眼睛、鼻子、口部、耳朵或藉由此等特徵界定的點,諸如眼睛之質心、與每一眼睛之中心交叉的線等。在一實例中,第一複數個影像中影像之間的標記的改變可指示臉部之表示之移動上的改變。即,在此實例中,標記以如下方式構建:其反映臉部定向之基礎改變、表示遍及影像的平移或其他巨型(例如,與諸如移動之眼睛眉毛、朝上口部等之微移動相對的整個臉部)移動特性。在一實例中,標記為臉部表示之眼睛之中心之間的線。在一實例中,標記包括眼睛之間的線的中心點。其他臉部特徵可以類似樣式使用,諸如垂直地二等分臉部的線、眼睛與鼻子之間的三角形、下頜輪廓等。
同步性偵測器130可經配置以量化影像序列中標記與環境之特徵之間的相關,以產生同步性量度。同步性量度為環境之標記及特徵遍及影像之序列一起移動的程度。舉例而言,同步性偵測器130可比較標記之水平平移與移動邊緣之集合的水平平移,且記錄平移相關的程度。此相關程度以所產生的同步性量度來體現。在一實例中,同
步性量度為布林(Boolean)值以指示是否存在經同步移動。在一實例中,同步性量度為與閾值進行比較的值。因此,若值滿足同步性的閾值(例如,在閾值以上或以下),則可判定標記與特徵正遍及影像序列以同步方式移動。在一實例中,若標記並非在上述凸包內,則同步性量度減小。在一實例中,此減小為特定的以便在閾值以下。在一實例中,若標記並非在已知裝置的顯示區域內,則同步性量度減小。
在一實例中,同步性偵測器130可自先前資料推斷特徵之任一標記的位置。舉例而言,若一起移動之一組邊緣指示裝置,但未找到臉部,則裝置之上一已知位置可應用至找到臉部但未找到該組邊緣的之隨後影像。此情形可解釋有時邊緣或臉部並非總是可偵測到的低品質視訊。定位技術可經應用以增強所推斷裝置方位的可信度。舉例而言,在影像之邊緣處偵測到且移動的裝置可判定為已移出視野110,且因此自將來推斷省略,直至接收到更多資料。類似地,在辨識出臉部之前不可偵測到歷時某臨限時段的裝置亦可自將來推斷省略(例如,因為其可能已移動得過快而不能暫存其脫離視野110的運動)。欺騙指示控制器135可經配置以接受同步性量度,且提供關於是否已進行了欺騙嘗試的指示。在一實例中,該指示可包括將已進行了欺騙嘗試的訊息發送至鑑認組件。在一實例中,該指示可包括使得鑑認嘗試失敗。在一實例中,該指示可包括向使用者提供(例如)在其工作電腦處進行了欺騙嘗試的通知。
圖2說明根據實施例的用於以影像為基礎的生物
統計中之臉部欺騙偵測之影像捉取介面200的實例。介面200可包括對話方塊205使用者介面。對話方塊205可包括檢視埠210中的影像序列。如圖所示,檢視埠210包括影像序列中含有使用者臉部215以及裝置220之表示與臉部之另一表示的影像。
圖3說明根據實施例的用於以影像為基礎的生物統計中之臉部欺騙偵測之影像分析300的實例。說明於圖2中之影像可經分析以辨別環境特徵之相對移動及臉部的表示。如所說明,虛線為非移動邊緣,點線為影像中的曲線,且實線為移動邊緣。分析300可偵測所表示臉部,且產生實況臉部之標記305及欺騙臉部的標記310。另外,分析300可判定邊緣315正移動至一起並包圍一區域。因此,自分析300,可判定標記310是在移動邊緣315內,且因此此臉部為可能的欺騙嘗試,該可能的欺騙嘗試應被加旗標或以其他方式使使用者鑑認失敗。對比而言,標記305並非在邊緣315內,且因此不可容易地評定為欺騙嘗試。然而,若標記305同步地移動至移動邊緣315,則可判定影像中之所有事項為使用者之環境的傳真-儘管在所說明實例中,此情形不大可能,此是因為邊緣中的一些相對於移動邊緣315並非移動的。
說明於圖3中的實例包括實況臉部及欺騙臉部兩者。應注意,欺騙臉部的偵測將單獨地導致欺騙嘗試指示。另外,當實況臉部及其他臉部兩者(例如,圖像)存在時,兩者之間的辨別可藉由簡單地消除其他臉部而限制候選臉部
以供鑑認。
圖4說明根據實施例的用於以影像為基礎的生物統計中之臉部欺騙偵測之另一影像分析400的實例。圖3之移動邊緣可包括比用於執行分析必要之複雜度高的複雜度(例如,如說明於圖3中之裝置邊緣內的顯示邊緣)。另外,只要標記為可判定的,便可不必要判定臉部表示之定向。分析400藉由基於來自移動邊緣之一組拐角產生凸包415而提供此等簡化。如圖所示,凸包415涵蓋包括裝置邊緣的區域,顯示邊緣之複雜度藉由操作來排除。另外,標記(例如,305或310)可經改變為次級標記(例如,次級標記405或410中的一者),在此實例中,圖3之眼睛線標記305及310之中點處的點。因此,分析400准許關於次級標記(例如,405或410)是否在凸包415內的直接判定,如同次級標記410及凸包415情況下的狀況一般,但並非次級標記405及凸包415情況下的狀況。分析400允許偵測移動裝置內之臉部限制(confine)的同步之概念足以確定臉部與裝置之間的經同步移動。此方法具有正在裝置上播放的視訊可包括臉部表示的優勢,該臉部表示可能不與裝置之邊緣準確地同步(例如,裝置邊緣的四吋向左移動及臉部的一吋向右移動)但仍可判定為由裝置顯示。
圖5說明根據實施例的用於以影像為基礎的生物統計中之臉部欺騙偵測的方法500之實例的流程圖。方法500之操作可由諸如上文關於圖1所說明之組件的電腦硬體或藉由如下文關於圖7描述之電路群組來執行。
在可選操作505處,可獲得來自影像攝錄器之影像序列。在一實例中,可首先獲得原始影像序列。原始影像序列可經修改以產生影像序列。在一實例中,修改可包括對增益、曝光或伽瑪中之至少一者的改變以增強邊緣偵測。在一實例中,修改可包括將雜訊濾波器應用至原始影像序列以產生影像序列。序列可包括第一複數個影像,該第一複數個影像包括臉部之表示,且第二複數個影像包括臉部之環境的表示。在一實例中,影像序列可包括至少30個影像。
在操作510處,可產生臉部之表示的標記。標記可對應於在臉部之表示可識別的臉部特徵。在一實例中,標記可經選擇,使得標記在第一複數個影像中之影像之間的改變指示臉部之表示之移動上的改變。在一實例中,標記包括自臉部表示之眼睛之間引出的線。
在操作515處,臉部之環境的環境特徵可遍及第二複數個影像來識別。在一實例中,環境特徵包括一組邊緣。在一實例中,該組邊緣為移動邊緣。因此,即使兩個邊緣在第二複數個影像中偵測到,但若邊緣中的一者並非移動邊緣,則該邊緣將自該組邊緣排除。在一實例中,該組邊緣一起移動。因此,給出在第二複數個影像中偵測到四個移動邊緣,且僅兩個邊緣一起移動(例如,相同平移或旋轉),則該組邊緣將限於彼等兩個邊緣。當然,額外組邊緣可自其他所偵測邊緣構建,且如同此組邊緣一般獨立地進行分析。在一實例中,特徵識別可包括該組邊緣之一組
拐角的凸包。在此實例中,邊緣拐角為該組邊緣中邊緣的交叉點。在一實例中,該組邊緣經由已知裝置之邊緣組態的目錄而經匹配至已知裝置。在一實例中,該組邊緣的子集經匹配之已知裝置的顯示區域。
在操作520處,標記與環境特徵之間的相關可關於遍及影像序列之運動而經量化以產生同步性量度。在一實例中,在標記在凸包外部之處,減小同步性度量。在一實例中,第一複數個影像並不包括第二複數個影像的成員,遺失成員時間上先於第一複數個影像且包括描畫區域輪廓之移動邊緣的判定靜止點,且標記係在成員之後的移動邊緣不能被偵測到的影像之區域內,標記判定為在同步性量度的凸包內。因此,自之前資料推斷出裝置位置,且臉部經判定為來源於裝置,儘管裝置(或其邊緣)在找到臉部表示的特定影像中未偵測到。在一實例中,在已知裝置之顯示區域內搜尋標記,從而在找到標記情況下增加同步性量度且否則減少同步性量度。因此,方法500可辨別由裝置顯示的影像與可能由殼體、帶槽框或裝置之其他非顯示器部分反射之影像。
在操作525處,可回應於同步性量度滿足閾值來指示欺騙嘗試。在一實例中,指示欺騙嘗試可包括使得鑑認嘗試失敗。在一實例中,指示欺騙嘗試可包括向鑑認組件通知欺騙嘗試。在一實例中,通知可包括可信度量測。舉例而言,給出在所推斷移動邊緣內偵測到之標記的以上實例,欺騙嘗試之百分數確定性可(例如)基於上次注意到邊
緣的時間與同一空間中標記之顯現之時間之間的影像的數目來傳達。
圖6說明根據實施例的用於以影像為基礎的生物統計中之臉部欺騙偵測的方法600之實例的流程圖。
在操作605處,方法600開始。在一實例中,方法600由基於臉部之鑑認程序調用以使用使用者之臉部來鑑認使用者。在操作605處,可獲取(例如,接收、擷取等)有序號的影像資料(例如,視訊)。
在操作610處,獲得視訊圖框。視訊圖框為有序號影像資料中的影像。
在操作615處,處理視訊圖框。處理可包括視訊圖框的此類操作,如調整亮度、對比度、色彩等。
在操作620處,執行邊緣偵測以找尋視訊圖框中的邊緣及邊緣特性。邊緣是否正在移動連同長度、定向等為實例邊緣特性。
在操作630處,使用操作620之邊緣特性進行關於移動邊緣是否存在於視訊圖框內的判定。若存在移動邊緣,則方法600進行至操作635。若存在非移動邊緣,則方法600進行至操作665。
在操作625處,對視訊圖框執行臉部偵測分析。臉部偵測分析可包括識別視訊圖框中的一或多個臉部。在一實例中,用於一或多個臉部的臉部特徵亦經由臉部分析來識別。臉部特徵可包括眼睛、鼻子、口部、疤痕、染色、毛髮覆蓋度等。
在操作640處,進行關於在操作625之臉部分析中是否找到眼睛的判定。若是,則方法600進行至操作635。若否,則方法進行至操作650。
在操作635處,可執行對視訊圖框的進一步處理操作。此等操作可包括雜訊減小。雜訊減小可包括將視訊圖框轉換成相關資料經保持且不相關資料經省略的替代性表示。上文關於圖3及圖4中之兩者來描述此實例。
在操作645處,進行關於眼睛是否在移動邊緣內(例如,由移動邊緣完全或部分包圍的區域)之判定。若是,則方法600進行至操作655。若否,則方法600進行至操作650。
在操作650處,進行關於在視訊圖框中偵測到(例如,諸如由操作620處之分析)之至少一些邊緣是否一起移動的判定。在一實例中,一起移動之邊緣可經分組以指示裝置。在一實例中,比較邊緣與已知裝置組配以確定邊緣群組是否表示裝置。若邊緣中的至少一些一起移動,則方法600進行至操作660。若邊緣中的至少一些並未一起移動,則方法600進行至操作665。
在操作655處,進行關於移動邊緣內之眼睛(在操作645中偵測到)是否與彼等邊緣一起移動的判定。若判定為肯定的,則方法600進行至操作670。若判定為否定的,則方法600進行至操作665。雖然操作655有助於確定靜態影像限界於邊緣內,然而在實例中,此操作可被忽略(例如,操作655為可選的)且通過至操作670。藉由忽略操作655,
方法600可有可能以可能的增加之誤報欺騙嘗試判定之代價來識別欺騙嘗試中顯示於裝置上的視訊。
在操作660處,進行關於之後(例如,稍後)視訊圖框中之眼睛是否顯現於自操作650判定之預測邊緣區的判定。即,在操作650中一起移動之邊緣可在移動邊緣並不移動或甚至未偵測到的之後視訊圖框中推斷出。可關於眼睛或其他臉部特徵進行類似推斷。此類推斷解決如下影像捉取、邊緣偵測或臉部偵測難題:實際上一起移動的眼睛及移動邊緣並非偵測為一起移動。若判定為肯定的,則方法600進行至操作675。若判定為否定的,則方法600進行至操作665。
在操作665處,聲明無欺騙嘗試的判定。操作665可提供額外處理,諸如時序或同步操作以確保對於先前操作、額外鑑認相關操作的入口點等已經過了足夠時間。操作665準備未進行欺騙嘗試的指示。在一實例中,向一或多個鑑認組件準備用以最終鑑認使用者的指示。
在操作670處,產生在裝置螢幕上找到臉部的指示。此指示可包括登錄、準備欺騙嘗試指示,或通知其他鑑認組件。
在操作675處,產生進行了欺騙嘗試的指示。此指示可包括登錄、準備欺騙嘗試指示,或通知其他鑑認組件。
在操作680處,方法600結束,從而指示未進行欺騙嘗試。
在操作685及690處,方法600結束,從而指示進行了欺騙嘗試。
圖7說明實例機器700之方塊圖,在該實例機器上可執行本文中所論述之技術(例如,方法)中的一或多者。在替代性實施例中,機器700可操作為獨立裝置或可連接(例如,網路連接)至其他機器。在網路連接式部署中,機器700可在伺服器機器、用戶端機器或伺服器-用戶端網路環境兩者之能力中操作。在一實例中,機器700可充當同級間(P2P)(或其他分佈式)網路環境中之同級機器。機器700可為個人電腦(PC)、平板PC、機上盒(STB)、個人數位助理(PDA)、行動電話、網路器具、網路路由器、開關或橋接器,或能夠進行(依序或以其他方式)指定待由彼機器採取之動作的指令之任何機器。另外,雖然僅說明單一機器,但術語「機器」亦將被視為包括個別地或聯合地進行指令集(或多個集合)以執行本文中所論述之方法中之任何一或多者(諸如,雲端計算、軟體即服務(SaaS)、其他電腦叢集組配)的任何機器集合。
如本文中所描述,實例可包括邏輯或數個組件或機制或可由前述各者操作。電路集(亦稱為一電路群組或數個電路群組)為以包括硬體(例如,單一電路、閘、邏輯等)之有形實體實施的電路之集合。電路集合成員資格可隨時間及基礎硬體可變性為靈活的。電路集合包括在操作時可單獨或組合地執行指定操作的成員。在一實例中,電路集合之硬體可經恆定地設計以施行特定操作(例如,固線式)。
在一實例中,電路集合之硬體可包括可變地連接之包括電腦可讀媒體之實體組件(例如,進行單元、電晶體、單一電路等),該電腦可讀媒體實體上經修改(例如,恆定集中式粒子的磁性、電、可移動置放等)以編碼特定操作的指令。在連接實體組件中,硬體構成之基礎電性質(例如)自絕緣體至導體改變或反之亦然。指令使得嵌入式硬體(例如,進行單元或加載機制)經由可變連接而產生硬體中電路集合的成員,以當在操作中時施行特定操作的部分。因此,電腦可讀媒體在裝置正在操作時通訊地耦接至電路集合成員的其他組件。在一實例中,實體組件中的任一者可用於一個以上電路集合中的一個以上成員中。舉例而言,在操作下,進行單元在一個時間點處可用於第一電路集合的第一電路中,且由第一電路集合中之第二電路或由第二電路集合中的第三電路在不同時間重新使用。
機器(例如,電腦系統)700可包括硬體處理器702(例如,中央處理單元(CPU)、圖形處理單元(GPU)、硬體處理器核心,或其任何組合)、主記憶體704及靜態記憶體706,該等元件中之一些元件或全部可經由互連件(例如,匯流排)708彼此通訊。機器700可進一步包括顯示單元710、文字數字輸入裝置712(例如,鍵盤),及使用者介面(UI)導航裝置714(例如,滑鼠)。在一實例中,顯示單元710、輸入裝置712及UI導航裝置714可為觸控式螢幕顯示器。機器700可另外包括儲存裝置(例如,驅動單元)716、信號產生裝置718(例如,揚聲器)、網路介面裝置720及一或多個感測器
721,諸如全球定位系統(GPS)感測器、羅盤、加速度計或其他感測器。機器700可包括輸出控制器728,諸如串行(例如,通用串列匯流排(USB)、並行或其他有線或無線(例如,紅外(IR)、近場通訊(NFC)等)連接以傳達或控制一或多個周邊裝置(例如,印表機、讀卡器等)。
儲存裝置716可包括機器可讀媒體722,其上儲存體現本文中所描述之技術或功能中的任何一或多者或由該任何一或多者利用的一或多個資料結構集合或指令724集(例如,軟體)。該等指令724在其由機器700進行期間亦可完全或至少部分駐留於主記憶體704內、駐留於靜態記憶體706內或駐留於硬體處理器702內。在一實例中,硬體處理器702、主記憶體704、靜態記憶體706或儲存裝置716中之一者或任何組合可構成機器可讀媒體。
雖然機器可讀媒體722說明為單一媒體,但術語「機器可讀媒體」可包括經組配以儲存一或多個指令724之單一媒體或多個媒體(例如,集中式或分佈式資料庫及/或相關聯之快取記憶體及伺服器)。
術語「機器可讀媒體」可包括如下任何媒體:能夠儲存、編碼或攜載用於由機器700進行,且使機器700執行本發明之技術中的任何一或多者之指令,或能夠儲存、編碼或攜載由此等指令使用或與此等指令相關聯之資料結構。非限制性機器可讀媒體實例可包括固態記憶體,及光學及磁性媒體。在一實例中,集中式機器可讀媒體包含機器可讀媒體,其具有具恆定(例如,停置)塊狀物的複數個粒
子。因此,集中式機器可讀媒體並非暫態傳播信號。集中式機器可讀媒體之特定實例可包括:非依電性記憶體(諸如半導體記憶體裝置(例如,電可規劃唯讀記憶體(EPROM)、電可抹除可規劃唯讀記憶體(EEPROM))及快閃記憶體裝置);磁性磁碟(諸如,內部硬碟及抽取式磁碟);磁光碟;以及CD-ROM及DVD-ROM磁碟。
指令724可進一步利用多個傳送協定中之任一者(例如,訊框中繼、網際網路協定(IP)、傳輸控制協定(TCP)、使用者資料報協定(UDP)、超文字傳送協定(HTTP)等)經由網路介面裝置720使用傳輸媒體在通訊網路726上傳輸或接收。實例通訊網路可包括區域網路(LAN)、廣域網路(WAN)、封包資料網路(例如,網際網路)、行動電話網路(例如,蜂巢式網路)、簡易老式電話(POTS)網路及無線資料網路(例如,被稱為Wi-Fi®之電機電子工程師學會(IEEE)802.11系列標準、稱為WiMax®之IEEE 802.16系列標準)、IEEE 802.15.4系列標準、同級間(P2P)網路,以及其他網路。在一實例中,網路介面裝置720可包括一或多個實體插口(例如,乙太網路、同軸或電話插口)或一或多個天線以連接至通訊網路726。在一實例中,網路介面裝置720可包括複數個天線以使用單輸入多輸出(SIMO)、多輸入多輸出(MIMO)或多輸入單輸出(MISO)技術中之至少一者進行無線通訊。術語「傳輸媒體」應被視為包括能夠儲存、編碼或攜載指令以由機器700進行之任何無形媒體,且包括數位或類比通訊信號或用以促進此類軟體之通訊之其他無形媒
體。
實例1包括標的物(諸如方法、用於執行動作之構件、包括在由機器執行時使得該機器執行動作之指令的機器可讀媒體,或執行的設備),該標的物包含:一生物統計特徵偵測器,其產生一影像序列中之第一複數個影像中一臉部之一表示的一標記,該標記對應於一臉部特徵;一環境特徵偵測器,其遍及該影像序列中之第二複數個影像來識別該臉部之一環境的一環境特徵;一同步性偵測器,其量化該影像序列中之該標記與該環境特徵之間的一相關以產生一同步性量度;以及一欺騙指示控制器,其回應於該同步性量度滿足一閾值而指示一欺騙嘗試。
在實例2中,實例1之標的物可包括,其中該標記為該臉部之該表示中的眼睛之間的一線。
在實例3中,實例1至2中任一項之標的物可包括,其中該環境特徵包括在該等第二複數個影像中偵測到的邊緣。
在實例4中,實例1至3中任一項之標的物可包括,其中該等邊緣為移動邊緣。
在實例5中,實例1至4中任一項之標的物可包括,其中該等邊緣界定一凸包。
在實例6中,實例1至5中任一項之標的物可包括,其中該凸包並不包括該標記,從而導致該同步性量度減小。
在實例7中,實例1至6中任一項之標的物可包括,其中該環境特徵偵測器比較該等邊緣與裝置邊緣組態的一目錄以判定該等邊緣是否表示一已知裝置。
在實例8中,實例1至7中任一項之標的物可包括,其中該等邊緣對應於一已知裝置,且其中邊緣之一子集對應於該已知裝置的一顯示區域。
在實例9中,實例1至8中任一項之標的物可包括,其中該顯示區域並不包括該標記,從而導致該同步性量度減小。
在實例10中,實例1至9中任一項之標的物可包括,其中該等第一複數個影像並不包括該等第二複數個影像之一成員,其中該成員時間上先於該等第一複數個影像且包括該等移動邊緣的一判定靜止點,該等移動邊緣描畫一區域的輪廓,且其中該標記是在一影像之區域內,該區域中在該成員之後未偵測到該等移動邊緣,該標記判定為在該同步性量度的該凸包內。
在實例11中,實例1至10中任一項之標的物可包括一影像捉取組件,其用以:自一影像攝錄器獲得一原始影像序列;以及修改該原始影像序列以產生該影像序列,該修改包括改變增益、曝光或伽瑪中的至少一者以增強邊緣偵測。
在實例12中,實例1至11中任一項之標的物可包括,其中修改該原始影像序列包括影像捉取組件以將雜訊濾波器應用至該原始影像序列以產生該影像序列。
在實例13中,實例1至12中任一項之標的物可包括,其中該圖框序列為至少30個圖框。
實例14包括標的物(諸如方法、用於執行動作之構件、包括在由機器執行時使得該機器執行動作之指令的機器可讀媒體,或執行的設備),該標的物包含:使用一第一電路群組產生一影像序列中之第一複數個影像中一臉部之一表示的一標記,該標記對應於一臉部特徵;使用一第二電路群組遍及該影像序列之第二複數個影像來識別該臉部之一環境的一環境特徵;使用一第三電路群組來量化該影像序列中之該標記與該環境特徵之間的一相關以產生一同步性量度;以及使用一第四電路群組來回應於該同步性量度滿足一閾值而指示一欺騙嘗試。
在實例15中,實例14之標的物可包括,其中該標記為該臉部之該表示中的眼睛之間的一線。
在實例16中,實例14至15中任一項之標的物可包括,其中該環境特徵包括在該等第二複數個影像中偵測到的邊緣。
在實例17中,實例14至16中任一項之標的物可包括,其中該等邊緣為移動邊緣。
在實例18中,實例14至17中任一項之標的物可包括,其中該等邊緣界定一凸包。
在實例19中,實例14至18中任一項之標的物可包括,其中該凸包並不包括該標記,從而導致該同步性量度減小。
在實例20中,實例14至19中任一項之標的物可包括,其中比較該等邊緣與裝置邊緣組態的一目錄以判定該等邊緣是否表示一已知裝置。
在實例21中,實例14至20中任一項之標的物可包括,其中該等邊緣對應於一已知裝置,且其中邊緣之一子集對應於該已知裝置的一顯示區域。
在實例22中,實例14至21中任一項之標的物可包括,其中該顯示區域並不包括該標記,從而導致該同步性量度減小。
在實例23中,實例14至22中任一項之標的物可包括,其中該等第一複數個影像並不包括該等第二複數個影像之一成員,其中該成員時間上先於該等第一複數個影像且包括該等移動邊緣的一判定靜止點,該等移動邊緣描畫一區域的輪廓,且其中該標記是在一影像之區域內,該區域中在該成員之後未偵測到該等移動邊緣,該標記判定為在該同步性量度的該凸包內。
在實例24中,實例14至23中任一項之標的物可包括:自一影像攝錄器獲得一原始影像序列;以及修改該原始影像序列以產生該影像序列,該修改包括改變增益、曝光或伽瑪中的至少一者以增強邊緣偵測。
在實例25中,實例14至24中任一項之標的物可包括,其中修改包括將雜訊濾波器應用至該原始影像序列以產生該影像序列。
在實例26中,實例14至25中任一項之標的物可包
括,其中該圖框序列為至少30個圖框。
以上詳細描述包括對附圖之參考,該等附圖形成該詳細描述之一部分。圖式借助於說明展示可實踐的特定實施例。此等實施例在本文中亦稱作「實例」。此等實例可包括除所展示或描述之彼等元件之外的元件。然而,本發明人亦預期到僅提供所展示或描述之彼等元件的實例。此外,本發明人亦預期到使用相對於特定實例(或其一或多個態樣),抑或相對於本文中所展示或描述之其他實例(或其一或多個態樣)而展示或描述之彼等元件的任何組合或排列的實例(或其一或多個態樣)。
在此文件中,如在專利文件中所常見,術語「一」獨立於「至少一個」或「一或多個」之任何其他例項或用法而用以包括一個或一個以上。在此文件中,術語「或」用於指非排他性或,使得除非另有指示,否則「A或B」包括「A而非B」、「B而非A」以及「A及B」。在所附申請專利範圍中,術語「包括」及「其中(in which)」用作各別術語「包含」及「其中(wherein)」的通俗英文(plain-English)等效物。又,在以下申請專利範圍中,術語「包括」及「包含」為開放式的,即,包括除申請專利範圍中在此術語之後列出的彼等之外的元件的系統、裝置、物品或程序仍被視為在該申請專利範圍之範疇內。此外,在以下申請專利範圍中,術語「第一」、「第二」及「第三」等僅用作標籤,且並不意欲對其對象施加數值要求。
以上描述意欲為說明性的而非約束性的。舉例而
言,上述實例(或其一或多個態樣)可彼此組合地使用。諸如由一般熟習此項技術者在檢閱上文之描述之後可使用其他實施例。【摘要】應允許讀者快速地確定技術揭示內容之本質,且在其將不用以解釋或限制申請專利範圍之範疇或含義的理解情況下提交。又,在以上【實施方式】中,可將各種特徵分組在一起以使本發明簡單化。此不應解釋為意欲未主張之所揭示特徵對任何請求項而言皆為必需的。相反地,本發明之標的物可在於比特定所揭示實施例的所有特徵少的特徵。因此,以下申請專利範圍據此併入【實施方式】中,其中每一技術方案就其自身而言作為單獨實施例。應參考所附申請專利範圍連同該申請專利範圍所具有的等效物之全部範疇來確定實施例的範疇。
Claims (24)
- 一種用於以影像為基礎的生物統計中之臉部欺騙偵測的系統,該系統包含:一生物統計特徵偵測器,其用以產生用於一影像序列中之第一複數個影像中一臉部之一表示的一標記,該標記對應於一臉部特徵;一環境特徵偵測器,其用以在遍及該影像序列中之第二複數個影像之中來識別該臉部之一環境的一環境特徵,其中該環境特徵包括在該等第二複數個影像中所偵測的邊緣,其中該等邊緣為移動邊緣,且其中該等邊緣界定一凸包;一同步性偵測器,其量化該影像序列中之該標記與該環境特徵之間的一相關以產生一同步性量度,其中該凸包不包括該標記導致該同步性量度減小;以及一欺騙指示控制器,其用以回應於該同步性量度滿足一閾值而指示一欺騙嘗試。
- 如請求項1之系統,其中該標記為該臉部之該表示中的眼睛之間的一線。
- 如請求項1之系統,其中該等第一複數個影像不包括該等第二複數個影像之一成員,其中該成員時間上先於該等第一複數個影像且包括對該等移動邊緣的一判定靜止點,該等移動邊緣描畫一區域的輪廓,且其中該標記是在針對一影像之該區域內,該區域中在該成員之後未 偵測到該等移動邊緣,該標記係判定為在用於該同步性量度的該凸包內。
- 如請求項1之系統,其中該環境特徵偵測器係用以比較該等邊緣與裝置邊緣組態的一目錄以判定該等邊緣是否表示一已知裝置。
- 如請求項4之系統,其中該等邊緣對應於一已知裝置,且其中邊緣之一子集對應於該已知裝置的一顯示區域,且其中該顯示區域不包括該標記導致該同步性量度減小。
- 如請求項1之系統,其包含一影像捉取組件用以:獲得來自一影像攝錄器之一原始影像序列;以及修改該原始影像序列以產生該影像序列,該修改包括改變增益、曝光或伽瑪中的至少一者以增強邊緣偵測。
- 如請求項6之系統,其中修改該原始影像序列包括該影像捉取組件用以將一雜訊濾波器應用至該原始影像序列以產生該影像序列。
- 如請求項1之系統,其中該影像序列為至少30個影像。
- 一種用於以影像為基礎的生物統計中之臉部欺騙偵測的方法,該方法包含:使用一第一電路群組來產生用於一影像序列中之第一複數個影像中一臉部之一表示的一標記,該標記對應於一臉部特徵;使用一第二電路群組在遍及該影像序列中之第二 複數個影像之中來識別該臉部之一環境的一環境特徵,其中該環境特徵包括在該等第二複數個影像中所偵測的邊緣,其中該等邊緣為移動邊緣,且其中該等邊緣界定一凸包;使用一第三電路群組來量化該影像序列中之該標記與該環境特徵之間的一相關以產生一同步性量度,其中該凸包不包括該標記導致該同步性量度減小;以及使用一第四電路群組來回應於該同步性量度滿足一閾值而指示一欺騙嘗試。
- 如請求項9之方法,其中該標記為該臉部之該表示中的眼睛之間的一線。
- 如請求項9之方法,其中該等第一複數個影像不包括該等第二複數個影像之一成員,其中該成員時間上先於該等第一複數個影像且包括對該等移動邊緣的一判定靜止點,該等移動邊緣描畫一區域的輪廓,且其中該標記是在針對一影像之該區域內,該區域中在該成員之後未偵測到該等移動邊緣,該標記係判定為在用於該同步性量度的該凸包內。
- 如請求項9之方法,其中該等邊緣係與裝置邊緣組態的一目錄進行比較以判定該等邊緣是否表示一已知裝置。
- 如請求項12之方法,其中該等邊緣對應於一已知裝置,且其中邊緣之一子集對應於該已知裝置的一顯示區域,且其中該顯示區域不包括該標記導致該同步性量度減小。
- 如請求項9之方法,其包含:獲得來自一影像攝錄器之一原始影像序列;以及修改該原始影像序列以產生該影像序列,該修改包括改變增益、曝光或伽瑪中的至少一者以增強邊緣偵測。
- 如請求項14之方法,其中修改該原始影像序列包括將一雜訊濾波器應用至該原始影像序列以產生該影像序列。
- 如請求項9之方法,其中該影像序列為至少30個影像。
- 一種包括指令之至少一個機器可讀媒體,其非為一暫時性傳播信號,該等指令在由一機器執行時致使該機器進行如下操作:使用一第一電路群組來產生用於一影像序列中之第一複數個影像中一臉部之一表示的一標記,該標記對應於一臉部特徵;使用一第二電路群組在遍及該影像序列中之第二複數個影像之中來識別該臉部之一環境的一環境特徵,其中該環境特徵包括在該等第二複數個影像中所偵測的邊緣,其中該等邊緣為移動邊緣,且其中該等邊緣界定一凸包;使用一第三電路群組來量化該影像序列中之該標記與該環境特徵之間的一相關以產生一同步性量度,其中該凸包不包括該標記導致該同步性量度減小;以及使用一第四電路群組來回應於該同步性量度滿足一閾值而指示一欺騙嘗試。
- 如請求項17之至少一個機器可讀媒體,其中該標記為該臉部之該表示中的眼睛之間的一線。
- 如請求項17之至少一個機器可讀媒體,其中該等第一複數個影像不包括該等第二複數個影像之一成員,其中該成員時間上先於該等第一複數個影像且包括對該等移動邊緣的一判定靜止點,該等移動邊緣描畫一區域的輪廓,且其中該標記是在針對一影像之該區域內,該區域中在該成員之後未偵測到該等移動邊緣,該標記係判定為在用於該同步性量度的該凸包內。
- 如請求項17之至少一個機器可讀媒體,其中該等邊緣與裝置邊緣組態的一目錄進行比較以判定該等邊緣是否表示一已知裝置。
- 如請求項20之至少一個機器可讀媒體,其中該等邊緣對應於一已知裝置,且其中邊緣之一子集對應於該已知裝置的一顯示區域,且其中該顯示區域不包括該標記導致該同步性量度減小。
- 如請求項17之至少一個機器可讀媒體,其中該等操作包含:獲得來自一影像攝錄器之一原始影像序列;以及修改該原始影像序列以產生該影像序列,該修改包括改變增益、曝光或伽瑪中的至少一者以增強邊緣偵測。
- 如請求項22之至少一個機器可讀媒體,其中修改該原始影像序列包括該影像捉取組件以將一雜訊濾波器應用至 該原始影像序列以產生該影像序列。
- 如請求項17之至少一個機器可讀媒體,其中該影像序列為至少30個影像。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462079020P | 2014-11-13 | 2014-11-13 | |
US62/079,020 | 2014-11-13 | ||
PCT/US2014/071646 WO2016076898A1 (en) | 2014-11-13 | 2014-12-19 | Facial spoofing detection in image based biometrics |
??PCT/US14/71646 | 2014-12-19 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201617973A TW201617973A (zh) | 2016-05-16 |
TWI616822B true TWI616822B (zh) | 2018-03-01 |
Family
ID=55954808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104132539A TWI616822B (zh) | 2014-11-13 | 2015-10-02 | 在以影像爲基礎的生物統計中之臉部欺騙偵測技術 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9690998B2 (zh) |
EP (1) | EP3218842A4 (zh) |
CN (1) | CN107077589B (zh) |
TW (1) | TWI616822B (zh) |
WO (1) | WO2016076898A1 (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9854159B2 (en) * | 2012-07-20 | 2017-12-26 | Pixart Imaging Inc. | Image system with eye protection |
US10154040B2 (en) | 2014-08-26 | 2018-12-11 | Elwha Llc | Systems, methods, and devices for gathering display device usage data |
US20160063318A1 (en) * | 2014-08-26 | 2016-03-03 | Elwha Llc | Systems, methods, and devices for tracking attention of viewers of a display device |
US9690998B2 (en) | 2014-11-13 | 2017-06-27 | Intel Corporation | Facial spoofing detection in image based biometrics |
US9928603B2 (en) * | 2014-12-31 | 2018-03-27 | Morphotrust Usa, Llc | Detecting facial liveliness |
US9934443B2 (en) * | 2015-03-31 | 2018-04-03 | Daon Holdings Limited | Methods and systems for detecting head motion during an authentication transaction |
US10452935B2 (en) * | 2015-10-30 | 2019-10-22 | Microsoft Technology Licensing, Llc | Spoofed face detection |
CN106897658B (zh) * | 2015-12-18 | 2021-12-14 | 腾讯科技(深圳)有限公司 | 人脸活体的鉴别方法和装置 |
CN105913024B (zh) * | 2016-04-12 | 2019-05-24 | 上海交通大学 | 基于lap算子的抵抗重放攻击的安卓手机终端检测方法 |
FR3053499B1 (fr) * | 2016-06-29 | 2018-06-29 | Safran Identity & Security | Procede et dispositif de detection de fraude par examen a deux focales distinctes lors d'une reconnaissance automatique d'un visage |
US11308188B2 (en) * | 2017-12-29 | 2022-04-19 | KeyLemon S.A | Method used in a mobile equipment with a trusted execution environment for authenticating a user based on his face |
JP7277569B2 (ja) * | 2018-05-04 | 2023-05-19 | グーグル エルエルシー | 検出されたジェスチャおよび凝視に基づく自動化アシスタントの機能の呼び出し |
KR20230173211A (ko) | 2018-05-04 | 2023-12-26 | 구글 엘엘씨 | 감지된 입 움직임 및/또는 시선을 기반으로 자동화된 어시스턴트 적응 |
EP4130941A1 (en) | 2018-05-04 | 2023-02-08 | Google LLC | Hot-word free adaptation of automated assistant function(s) |
CN109492551B (zh) * | 2018-10-25 | 2023-03-24 | 腾讯科技(深圳)有限公司 | 活体检测方法、装置及应用活体检测方法的相关*** |
US10878950B1 (en) | 2019-08-09 | 2020-12-29 | HealthBlock, Inc. | Verifying data accuracy in privacy-preserving computations |
US10635837B1 (en) | 2019-04-30 | 2020-04-28 | HealthBlock, Inc. | Dynamic data protection |
US11354940B2 (en) * | 2020-03-31 | 2022-06-07 | Konica Minolta Business Solutions U.S.A., Inc. | Method and apparatus for foreground geometry and topology based face anti-spoofing |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200906198A (en) * | 2007-07-31 | 2009-02-01 | Sunplus Technology Co Ltd | Method and system for transmitting video frame |
US20110188712A1 (en) * | 2010-02-04 | 2011-08-04 | Electronics And Telecommunications Research Institute | Method and apparatus for determining fake image |
US20130188840A1 (en) * | 2012-01-20 | 2013-07-25 | Cyberlink Corp. | Liveness detection system based on face behavior |
TW201426524A (zh) * | 2012-12-27 | 2014-07-01 | Qisda Corp | 電子裝置之畫面旋轉方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050281440A1 (en) | 2004-06-18 | 2005-12-22 | Pemer Frederick A | Iris feature detection and sensor-based edge detection |
CN101873414B (zh) * | 2010-05-17 | 2012-02-08 | 清华大学 | 一种基于分层结构的事件视频检测*** |
CN101908140A (zh) * | 2010-07-29 | 2010-12-08 | 中山大学 | 一种在人脸识别中应用的活体检测方法 |
EP2453383A1 (en) | 2010-11-12 | 2012-05-16 | ST-Ericsson SA | Facial features detection |
US8798391B2 (en) | 2011-05-23 | 2014-08-05 | Infosys Limited | Method for pre-processing an image in facial recognition system |
EP2590140A1 (en) | 2011-09-05 | 2013-05-08 | Morpho, Inc. | Facial authentication system, facial authentication method, and facial authentication program |
CN102722891B (zh) * | 2012-06-12 | 2014-08-27 | 大连理工大学 | 一种图像显著度检测的方法 |
WO2014033050A1 (en) | 2012-08-31 | 2014-03-06 | Solvay Sa | Transition metal complexes comprising asymmetric tetradentate ligands |
US9058519B2 (en) * | 2012-12-17 | 2015-06-16 | Qualcomm Incorporated | System and method for passive live person verification using real-time eye reflection |
CN103208002B (zh) * | 2013-04-10 | 2016-04-27 | 桂林电子科技大学 | 基于手轮廓特征的手势识别控制方法和*** |
CN103544481A (zh) * | 2013-10-24 | 2014-01-29 | 深圳市飞瑞斯科技有限公司 | 一种基于人脸识别的道路卡口监控方法及*** |
US9690998B2 (en) | 2014-11-13 | 2017-06-27 | Intel Corporation | Facial spoofing detection in image based biometrics |
-
2014
- 2014-12-19 US US14/779,842 patent/US9690998B2/en active Active
- 2014-12-19 WO PCT/US2014/071646 patent/WO2016076898A1/en active Application Filing
- 2014-12-19 EP EP14905926.3A patent/EP3218842A4/en not_active Withdrawn
- 2014-12-19 CN CN201480082925.3A patent/CN107077589B/zh active Active
-
2015
- 2015-10-02 TW TW104132539A patent/TWI616822B/zh not_active IP Right Cessation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200906198A (en) * | 2007-07-31 | 2009-02-01 | Sunplus Technology Co Ltd | Method and system for transmitting video frame |
US20110188712A1 (en) * | 2010-02-04 | 2011-08-04 | Electronics And Telecommunications Research Institute | Method and apparatus for determining fake image |
US20130188840A1 (en) * | 2012-01-20 | 2013-07-25 | Cyberlink Corp. | Liveness detection system based on face behavior |
TW201426524A (zh) * | 2012-12-27 | 2014-07-01 | Qisda Corp | 電子裝置之畫面旋轉方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3218842A1 (en) | 2017-09-20 |
EP3218842A4 (en) | 2018-08-22 |
US20160328621A1 (en) | 2016-11-10 |
CN107077589A (zh) | 2017-08-18 |
US9690998B2 (en) | 2017-06-27 |
CN107077589B (zh) | 2021-02-09 |
TW201617973A (zh) | 2016-05-16 |
WO2016076898A1 (en) | 2016-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI616822B (zh) | 在以影像爲基礎的生物統計中之臉部欺騙偵測技術 | |
US10360442B2 (en) | Spoofing detection in image biometrics | |
US10198645B2 (en) | Preventing face-based authentication spoofing | |
JP6732317B2 (ja) | 顔活動検出方法および装置、ならびに電子デバイス | |
US10049287B2 (en) | Computerized system and method for determining authenticity of users via facial recognition | |
JP2020194608A (ja) | 生体検知装置、生体検知方法、および、生体検知プログラム | |
US20170048244A1 (en) | Liveness detection | |
US20170046583A1 (en) | Liveness detection | |
US9811649B2 (en) | System and method for feature-based authentication | |
CN106937532B (zh) | 用于检测真正用户的***和方法 | |
US11373449B1 (en) | Systems and methods for passive-subject liveness verification in digital media | |
JPWO2009004916A1 (ja) | なりすまし検知システム、なりすまし検知方法およびなりすまし検知用プログラム | |
EP3219101A1 (en) | 3d enhanced image correction | |
US20230306792A1 (en) | Spoof Detection Based on Challenge Response Analysis | |
KR20220123118A (ko) | 모션 센서 데이터에 기록된 사용자, 동작 및 장치에 특유한 특징을 구분하기 위한 시스템 및 방법 | |
US11715330B2 (en) | Liveness detection in an interactive video session | |
JP2021185458A (ja) | 生体判定装置および生体判定方法 | |
US20240205239A1 (en) | Methods and systems for fraud detection using relative movement of facial features | |
EP4300446A1 (en) | Methods and systems for detecting fraud during biometric identity verification | |
WO2022172430A1 (ja) | 判定方法、判定プログラム、及び情報処理装置 | |
WO2023100772A1 (ja) | 認証装置、プログラム、及び認証方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |