CN104143078A - 活体人脸识别方法、装置和设备 - Google Patents
活体人脸识别方法、装置和设备 Download PDFInfo
- Publication number
- CN104143078A CN104143078A CN201310169250.3A CN201310169250A CN104143078A CN 104143078 A CN104143078 A CN 104143078A CN 201310169250 A CN201310169250 A CN 201310169250A CN 104143078 A CN104143078 A CN 104143078A
- Authority
- CN
- China
- Prior art keywords
- image
- living body
- body faces
- facial image
- facial
- 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
Classifications
-
- 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
- G06V10/54—Extraction of image or video features relating to texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—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
- G06V40/40—Spoof detection, e.g. liveness detection
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2133—Verifying human interaction, e.g., Captcha
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种活体人脸识别方法、装置和设备,属于人脸识别领域。所述方法包括:获取原始图像;根据所述原始图像,获取所述原始图像中的人脸图像;对所述人脸图像进行算数均值商PDAM光照处理,获取第一图像;对所述第一图像进行傅里叶变换处理,获取所述第一图像各个像素点的变换值;根据所述第一图像各个像素点的变换值和预设分类阈值,确定所述人脸图像是否为活体人脸。本发明无需任何辅助设备和用户的辅助操作即可提高活体人脸识别的准确率,计算量小,操作简单,实时性强。
Description
技术领域
本发明涉及人脸识别领域,特别涉及一种活体人脸识别方法、装置和设备。
背景技术
随着人脸识别技术的发展,在安全登录系统中可以通过人脸识别进行身份验证,以提高系统的安全性。但在进行身份验证时,许多顶替者会通过伪造人脸来骗取身份验证,伪造人脸的手段包括使用人脸照片、人脸视频片段或伪造三维人脸模型等。为了提高安全性,需要对人脸进行活体检测,即检测人脸是否为活体人脸。
在对人脸进行活体检测时,由于伪造人脸图像已经经过二次采集,具有比活体人脸图像更多的低频分量,因此可以通过对获取到的人脸图像进行傅里叶变换处理,进而获取图像中的低频分量,并将获取到的低频分量和训练样本中活体人脸图像的低频分量和伪造人脸图像的低频分量进行比较,判断人脸图像是否包括活体人脸。
在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
分析人脸图像的低频分量的方法容易受到环境光照和采集设备分辨率的影响,在较暗光照下,真实人脸的低频分量增多,可能会被判定为伪造人脸,降低了人脸活体检测的精确度。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种活体人脸识别方法、装置和设备。所述技术方案如下:
第一方面,提供了一种活体人脸识别方法,所述方法包括:
获取原始图像,所述原始图像至少包括人脸;
根据所述原始图像,获取所述原始图像中的人脸图像;
对所述人脸图像进行算数均值商PDAM光照处理,获取第一图像;
对所述第一图像进行傅里叶变换处理,获取所述第一图像各个像素点的变换值;
根据所述第一图像各个像素点的变换值和预设分类阈值,确定所述人脸图像是否为活体人脸。
第二方面,提供了一种活体人脸识别装置,所述装置包括:
原始图像获取模块,用于获取原始图像,所述原始图像至少包括人脸;
人脸图像获取模块,用于根据所述原始图像,获取所述原始图像中的人脸图像;
PDAM处理模块,用于对所述人脸图像进行算数均值商PDAM光照处理,获取第一图像;
傅里叶变换模块,用于对所述第一图像进行傅里叶变换处理,获取所述第一图像各个像素点的变换值;
活体人脸确定模块,用于根据所述第一图像各个像素点的变换值和预设分类阈值,确定所述人脸图像是否为活体人脸。
第三方面,一种终端设备,终端设备包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取原始图像,所述原始图像至少包括人脸;
根据所述原始图像,获取所述原始图像中的人脸图像;
对所述人脸图像进行算数均值商PDAM光照处理,获取第一图像;
对所述第一图像进行傅里叶变换处理,获取所述第一图像各个像素点的变换值;
根据所述第一图像各个像素点的变换值和预设分类阈值,确定所述人脸图像是否为活体人脸。
本发明实施例提供的技术方案带来的有益效果是:
本发明实施例提供的方法、装置和设备,通过对原始图像截取的人脸图像进行PDAM光照处理和傅里叶变换处理,计算出高频分量模,根据预设分类阈值和高频分量模,确定该人脸图像是否为初步活体人脸,能够滤除掉光照的影响,无需任何辅助设备和用户的辅助操作即可提高活体人脸识别的准确率,计算量小,操作简单且实时性强。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种活体人脸识别方法的流程图;
图2是本发明实施例提供的一种活体人脸识别方法的流程图;
图3是本发明实施例提供的一种活体人脸识别装置结构示意图;
图4是本发明实施例提供的一种活体人脸识别装置结构示意图;
图5是本发明实施例提供的一种终端设备结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明实施例提供的一种活体人脸识别方法的流程图,参见图1,所述方法包括:
101:获取原始图像,该原始图像至少包括人脸;
具体地,在接收到人脸识别指令时,开启配置于终端设备的摄像设备,获取原始图像,该原始图像中至少包括人脸。
其中,该人脸识别指令可以为识别按键的点击指令,还可以为系统的登录指令等,本发明实施例对此不做限定。
102:根据该原始图像,获取该原始图像中的人脸图像;
其中,在获取到的原始图像中可以存在人脸、身体、建筑物等多个部分的图像。为了便于对该原始图像中的人脸进行识别,可以通过对人脸定位,获取该原始图像中的人脸图像,忽略掉其他部分的图像,以提高人脸识别的准确率。
103:对该人脸图像进行算数均值商PDAM光照处理,获取第一图像;
具体地,对该人脸图像中的各个像素点进行PDAM(Point Divid ArithmeticMean,算术均值商)光照处理,即计算该人脸图像中的像素均值,将各个像素点的原像素值与该像素均值的比值确定为该第一图像中各个像素点的像素值。
通过对该人脸图像进行PDAM光照处理,可以降低该人脸图像的平滑度,降低了在对该第一图像进行傅里叶变换处理后得到的低频分量。
104:对该第一图像进行傅里叶变换处理,获取该第一图像各个像素点的变换值;
具体地,对该第一图像的各个像素点进行傅里叶变换处理,获取各个像素点的傅里叶变换值。
105:根据该第一图像各个像素点的变换值和预设分类阈值,确定该人脸图像是否为活体人脸。
具体地,根据该第一图像各个像素点的变换值,计算高频分量值之和以及所有变换值之和,进一步计算出高频分量模,根据该高频分量模和该预设分类阈值进行比较,当该高频分量模大于等于该预设分类阈值时,可以认为该人脸图像为活体人脸。
其中,该预设阈值通过对暗光照下的若干个活体人脸图像和若干个伪造人脸图像的训练确定,使得根据该预设分类阈值可以判断获取到的人脸图像是否为活体人脸,即该预设分类阈值满足在高频分量模小于该预设分类阈值时,该高频分量模对应的人脸图像为伪造人脸,在高频分量模大于等于该预设分类阈值时,该高频分量模对应的人脸图像为活体人脸。
优选地,该步骤可以通过建立SVM(Support Vector Machine,支持向量机)分类器确定,即根据对若干个活体人脸图像和若干个伪造人脸图像的训练建立SVM分类器,在对该人脸图像进行识别时,根据该SVM分类器和该人脸图像的高频分量模,输出SVM分类结果,该分类结果可以确定该人脸图像是活体人脸还是伪造人脸。
与现有技术的不同之处在于,现有技术中对该人脸图像直接进行傅里叶变换处理,在暗光照下可能会将活体人脸判定为伪造人脸;而本发明实施例中先对该人脸图像进行PDAM光照处理,使得在对该人脸图像进行傅里叶变换处理后,滤除了该人脸图像的低频分量,确保活体人脸的识别不会受到光照的影响,提高了活体人脸识别的准确率。
本发明实施例提供的方法,通过获取原始图像,根据该原始图像,获取该原始图像中的人脸图像;对该人脸图像进行算数均值商PDAM光照处理,获取第一图像;对该第一图像进行傅里叶变换处理,获取该第一图像各个像素点的变换值;根据该第一图像各个像素点的变换值和预设分类阈值,确定该人脸图像是否为活体人脸。采用本发明实施例的技术方案,通过对原始图像截取的人脸图像进行PDAM光照处理和傅里叶变换处理,计算出高频分量模,根据预设分类阈值和高频分量模,确定该人脸图像是否为活体人脸,能够滤除掉光照的影响,无需任何辅助设备和用户的辅助操作即可提高活体人脸识别的准确率,计算量小,操作简单且实时性强。
可选地,在图1所示实施例技术方案的基础上,步骤105“根据该第一图像各个像素点的变换值和预设分类阈值,确定该人脸图像是否为活体人脸”还包括步骤105a、105b、105c、105d和105e:
105a:根据该第一图像各个像素点的变换值和该预设分类阈值,判断该第一图像是否为初步活体人脸图像;
具体地,根据该第一图像的各个像素点的变换值、频率阈值和分量阈值,计算高频分量变换值之和以及所有分量的变换值之和,将高频分量变换值之和与所有分量的变换值和初始分量的变换值之差的比值确定为该第一图像的高频分量模;当该高频分量模大于等于该预设分类阈值时,确定该第一图像为初步活体人脸图像,当该高频分量模小于该预设分类阈值时,确定该第一图像为初步伪造人脸图像。
其中,将频率高于该频率阈值,且变换值高于分量阈值的分量确定为高频分量,将频率为0的分量确定为初始分量。
105b:当确定该第一图像为初步活体人脸图像时,对该人脸图像进行DCT(Discrete Cosine Transform,离散余弦变换)光照处理,获取第二图像;
在伪造人脸图像的摄像设备为高分辨率的情况下,无法准确区分活体人脸和高分辨率的伪造人脸,为了避免将高分辨率的伪造人脸通过步骤105a确定为活体人脸,在确定该第一图像为初步活体人脸图像之后,对该第一图像对应的人脸图像进行DCT光照处理,获取该第二图像,进一步对该人脸图像进行判断。
与PDAM光照处理的不同之处在于,DCT光照处理能够保持原始图像的纹理特征,在滤除光照的影响的前提下,能够区分活体人脸图像和高分辨率的伪造人脸图像。
105c:抽取该第二图像的纹理特征;
其中,该纹理特征可以为方向梯度直方图HOG特征,本发明实施例对此不做限定。
105d:根据该第二图像的纹理特征和预设分类函数,获取该第二图像的分类结果;
其中,该预设分类函数通过对若干个活体人脸图像和若干个高分辨率伪造人脸图像进行训练确定,使得根据该第二图像的纹理特征和该预设分类函数得到的分类结果可以判断该人脸图像是否为活体人脸。
优选地,该预设分类函数可以由SVM分类器确定,即根据对若干个活体人脸图像和若干个高分辨率伪造人脸图像的训练建立SVM分类器,在对该人脸图像进行识别时,根据该SVM分类器和该第二图像的纹理特征,获取分类结果。
105e:根据该分类结果,确定该人脸图像是否为活体人脸。
将该分类结果与训练的若干个活体人脸图像和若干个高分辨率伪造人脸图像的分类结果进行比较,确定该人脸图像是否为活体人脸。
本发明实施例提供的方法,通过对原始图像截取的人脸图像进行PDAM光照处理和傅里叶变换处理,计算出高频分量模,根据预设分类阈值和高频分量模,确定该人脸图像是否为初步活体人脸,能够滤除掉光照的影响,无需任何辅助设备和用户的辅助操作即可提高活体人脸识别的准确率,计算量小,操作简单且实时性强;进一步地,对确定为初步活体人脸图像的人脸图像进行DCT光照处理,并抽取纹理特征,根据纹理特征和预设分类函数,确定该人脸图像是否为活体人脸,能够识别高分辨率摄像设备下的伪造人脸图像和活体人脸图像,进一步提高活体人脸识别的准确率。
可选地,根据所述原始图像,获取所述原始图像中的人脸图像,包括:
对所述原始图像进行人脸检测和眼睛定位,获取人脸位置和眼睛位置;
根据所述人脸位置和所述眼睛位置,对所述原始图像进行截取,获取所述原始图像中的人脸图像。
可选地,当确定所述第一图像为初步活体人脸图像时,对所述人脸图像进行离散余弦变换DCT光照处理,获取第二图像,包括:
当确定所述第一图像为初步活体人脸图像时,对所述人脸图像进行DCT变换处理,获取所述人脸图像各个像素点的DCT变换值;
根据所述人脸图像各个像素点的DCT变换值,对所述人脸图像进行截取,获取DCT图像;
对所述DCT图像进行反DCT变换处理,获取第二图像。
可选地,对所述人脸图像进行算数均值商PDAM光照处理,获取第一图像之前,所述方法还包括:
获取若干个活体人脸图像和若干个伪造人脸图像;
在暗光照下对若干个活体人脸图像和若干个伪造人脸图像进行训练,确定所述预设分类阈值。
可选地,根据所述第一图像各个像素点的变换值和预设分类阈值,确定所述人脸图像是否为活体人脸之前,所述方法还包括:
获取若干个活体人脸图像和若干个高分辨率伪造人脸图像;
对若干个活体人脸图像和若干个高分辨率伪造人脸图像进行训练,确定预设分类函数。
上述所有可选技术方案,可以采用任意结合形成本发明的可选实施例,在此不再一一赘述。
图2是本发明实施例提供的一种活体人脸识别方法的流程图,参见图2,所述方法包括:
201:获取原始图像,该原始图像至少包括人脸;
在该步骤201之前,所述方法还包括步骤(一)和步骤(二):
(一)获取若干个活体人脸图像和若干个伪造人脸图像,该若干个伪造人脸图像中包括若干个高分辨率伪造人脸图像;
(二)在暗光照下对若干个活体人脸图像和若干个伪造人脸图像进行训练,确定所述预设分类阈值;并对若干个活体人脸图像和若干个高分辨率伪造人脸图像进行训练,确定预设分类函数。
步骤(一)和步骤(二)通过对获取的若干个人脸图像进行训练,建立分类器,确定预设分类阈值和预设分类函数,使得在获取到需要进行活体人脸识别的原始图像时,可以根据预设分类阈值和预设分类函数对该原始图像进行判断,确定该原始图像是否为活体人脸。
随着终端设备不断获取样本图像,上述训练过程可以不断迭代,人脸图像样本的数目越大,活体人脸识别结果越准确。
其中,该预设分类阈值根据对样本图像的训练确定,但是在活体人脸识别时可以根据实际情况进行调节,当需要较高的人脸识别通过率时,可以降低该预设分类阈值,当需要较高的人脸识别防伪率时,可以增加该预设分类阈值。优选地,终端设备可以为用户提供多个不同等级的预设分类阈值,由用户根据实际需求进行选择,本发明实施例对预设分类阈值的具体选择不做限定。
202:根据该原始图像,获取该原始图像中的人脸图像;
对于该原始图像,采用adaboost和haar特征的人脸检测方法获取图像中的人脸框位置,进一步在人脸框中定位眼睛位置,最后,根据人脸眼睛位置,截取以眼睛为中心的64*64大小人脸有效区域图像,即为人脸图像。
203:对该人脸图像进行PDAM光照处理,获取第一图像;
具体地,在该人脸图像的M*N邻域中,各个像素点的像素值为IM*N,应用以下公式计算该人脸图像的像素均值Iaver:
并应用以下公式将各个像素点的原像素值与该像素均值Iaver的比值确定为该第一图像中各个像素点的像素值Ipdam:
204:对该第一图像进行傅里叶变换处理,获取该第一图像各个像素点的变换值;
具体地,应用以下公式对该第一图像进行傅里叶变换处理,获取各个像素点的变换值:M=f(Ipdam);
205:根据该第一图像各个像素点的变换值,计算该第一图像的高频分量模;
具体地,根据该第一图像各个像素点的变换值,计算高频分量值之和Mhigh和所有分量值之和Mall:
其中,i>fhigh,Mi>thres;fhigh为频率阈值,thres为分量阈值;j∈rectM*N;
将高频分量变换值之和与所有分量的变换值和初始分量的变换值之差的比值确定为该第一图像的高频分量模HFD:
其中,M0为初始分量值。
206:判断该第一图像的高频分量模是否大于或等于该预设分类阈值,如果是,执行步骤207,如果否,执行步骤212;
207:确定该第一图像为初步活体人脸图像;
优选地,为了提高识别的准确性,在确定了该第一图像的高频分量模大于或等于该预设分类阈值时,并不能够确定该人脸图像是活体人脸图像,该人脸图像也可能是具有高分辨率的伪造人脸图像,因此,需要进一步对步骤202中的人脸图像进行处理,以确定该人脸图像是否为活体人脸图像。
208:对该人脸图像进行离散余弦变换DCT光照处理,获取第二图像;
具体地,应用以下公式:对该人脸图像进行DCT变换,获取所述人脸图像各个像素点的DCT变换值;根据所述人脸图像各个像素点的DCT变换值,对所述人脸图像进行截取,获取DCT图像,再对获取到的DCT图像进行反DCT变换处理,获取第二图像,该第二图像的各个像素点的像素值为Idct。其中,对所述人脸图像进行截取时截取有效的DCT区域,该有效可以是指包含的像素点的DCT变换值平滑的区域或变换值符合预设标准的区域,该是否有效的衡量标准可以由系统随机设置或技术人员配置。
209:抽取该第二图像的纹理特征;
210:根据该第二图像的纹理特征和预设分类函数,获取该第二图像的分类结果;
211:当该分类结果表明该第二图像属于活体人脸类别时,确定该人脸图像为活体人脸,当该分类结果表明该第二图像不属于活体人脸类别时,执行步骤212;
212:确定该人脸图像为伪造人脸。
根据该分类结果,确定该人脸图像是否为活体人脸。
需要说明的是,在对若干个活体人脸和若干个高分辨率伪造人脸进行训练后,可以确定预设分类函数和分类的结果。
如以SVM分类器为例,确定预设分类函数,以及当分类结果为1时原始图像为活体人脸,分类结果为0时原始图像为伪造人脸,则根据该第二图像的纹理特征和预设分类函数,确定该第二图像的分类结果,当分类结果为1时,表示该第二图像为活体人脸图像,即确定该人脸图像为活体人脸,当分类结果为0时,表示该第二图像不是活体人脸图像,即确定该人脸图像为伪造人脸。
需要说明的是,本发明实施例的执行主体可以是终端设备,该终端设备可以是移动终端或固定终端,如移动电话或门禁识别器等,终端设备配置有摄像设备,当终端设备获取到原始图像后,对该原始图像进行活体人脸识别,当确定该原始图像为包括活体人脸的图像时,活体人脸验证通过;执行主体还可以是验证服务器,当终端设备获取到原始图像时,将该原始图像发送给该验证服务器,由该验证服务器对该原始图像进行活体人脸识别,将活体人脸识别结果发送给终端设备,当终端设备接收到的活体人脸识别结果表明该原始图像为包括活体人脸的图像时,活体人脸验证通过。
本发明实施例提供的活体人脸识别方法可以应用于统计行人流量或身份验证等场景下,而在身份验证时,如进行验证登录或门禁验证时,可以通过本发明实施例的方法验证获取的人脸图像是否为活体人脸,此外,该验证过程还包括步骤200:
200:根据获取到的人脸图像和本端已保存的人脸图像进行匹配识别,当本端存在与该人脸图像匹配的人脸图像时,匹配验证通过。
本发明实施例中,终端设备提前获取允许验证通过的用户的人脸图像,并保存在本端,而在后续进行身份验证时,需要验证获取的人脸图像是否为活体人脸,同时需要验证该人脸图像是否为允许验证通过的用户匹配的人脸图像,因此执行步骤200,即获取到该人脸图像后,和本端已保存的人脸图像进行匹配识别,具体地,遍历本端已保存的人脸图像,根据该人脸图像的纹理特征和本端的人脸图像的纹理特征进行匹配,当本端中的任一人脸图像与该人脸图像匹配时,说明该人脸图像为允许验证通过的用户的人脸图像,则匹配验证通过。该步骤200可以与活体人脸识别过程同时进行,即在获取到人脸图像之后分别进行活体人脸验证和匹配验证,当活体人脸验证和匹配验证均通过时,该人脸图像验证通过,可以进行后续的登录过程或通过门禁等;该步骤200还可以在活体人脸验证通过之后进行,即当确定该人脸图像为活体人脸时,才可以与本端已保存的人脸图像进行匹配识别,当匹配验证通过时,该人脸图像验证通过,可以进行后续的登录过程或通过门禁等。本发明实施例对活体人脸验证过程和匹配验证过程的具体时序关系不做限定。
本发明实施例提供的方法,通过对原始图像截取的人脸图像进行PDAM光照处理和傅里叶变换处理,计算出高频分量模,根据预设分类阈值和高频分量模,确定该人脸图像是否为初步活体人脸,能够滤除掉光照的影响,无需任何辅助设备和用户的辅助操作即可提高活体人脸识别的准确率,计算量小,操作简单且实时性强;进一步地,对确定为初步活体人脸图像的人脸图像进行DCT光照处理,并抽取纹理特征,根据纹理特征和预设分类函数,确定该人脸图像是否为活体人脸,能够识别高分辨率摄像设备下的伪造人脸图像,提高了身份验证系统的安全性。
图3是本发明实施例提供的一种活体人脸识别装置的结构示意图。参见图3,所述装置包括:原始图像获取模块31、人脸图像获取模块32、PDAM处理模块33、傅里叶变换模块34和活体人脸确定模块35,
其中,原始图像获取模块31用于获取原始图像,该原始图像至少包括人脸;人脸图像获取模块32与原始图像获取模块31连接,人脸图像获取模块32用于根据该原始图像,获取该原始图像中的人脸图像;PDAM处理模块33与人脸图像获取模块32连接,PDAM处理模块33,用于对该人脸图像进行算数均值商PDAM光照处理,获取第一图像;傅里叶变换模块34与PDAM处理模块33连接,傅里叶变换模块34用于对该第一图像进行傅里叶变换处理,获取该第一图像各个像素点的变换值;活体人脸确定模块35与傅里叶变换模块34连接,活体人脸确定模块35用于根据该第一图像各个像素点的变换值和预设分类阈值,确定该人脸图像是否为活体人脸。
本实施例的装置,通过采用上述模块实现网页处理的实现机制与上述相关方法实施例的实现相同,详细可以参考上述相关方法实施例的记载,在此不再赘述。
本发明实施例提供的装置,通过对原始图像截取的人脸图像进行PDAM光照处理和傅里叶变换处理,计算出高频分量模,根据预设分类阈值和高频分量模,确定该人脸图像是否为初步活体人脸,能够滤除掉光照的影响,无需任何辅助设备和用户的辅助操作即可提高活体人脸识别的准确率,计算量小,操作简单且实时性强;进一步地,能够识别高分辨率摄像设备下的伪造人脸图像和活体人脸图像,提高活体人脸识别的准确率。
图4是本发明实施例提供的一种活体人脸识别装置的结构示意图。参见图4,本实施例的装置在上述图3所示实施例的技术方案的基础上,进一步还包括如下技术方案。
在本实施例中,进一步地,所述活体人脸确定模块还包括:初步确定单元351、DCT处理单元352、特征抽取单元353、分类单元354、活体人脸确定单元355;
初步确定单元351与傅里叶变换模块34连接,初步确定单元351用于根据该第一图像各个像素点的变换值和该预设分类阈值,判断该第一图像是否为初步活体人脸图像;DCT处理单元352与初步确定单元351连接,DCT处理单元352用于当确定该第一图像为初步活体人脸图像时,对该人脸图像进行离散余弦变换DCT光照处理,获取第二图像;特征抽取单元353与DCT处理单元352连接,特征抽取单元353用于抽取该第二图像的纹理特征;分类单元354与特征抽取单元353连接,分类单元354用于根据该第二图像的纹理特征和预设分类函数,获取该第二图像的分类结果;活体人脸确定单元355与分类单元354连接,活体人脸确定单元355用于根据该分类结果,确定该人脸图像是否为活体人脸。
可选地,该人脸图像获取模块32包括:
定位单元,用于对该原始图像进行人脸检测和眼睛定位,获取人脸位置和眼睛位置;
人脸图像获取单元,用于根据该人脸位置和该眼睛位置,对该原始图像进行截取,获取该原始图像中的人脸图像。
可选地,该DCT处理单元352包括:
DCT变换子单元,用于当确定该第一图像为初步活体人脸图像时,对该人脸图像进行DCT变换处理,获取该人脸图像各个像素点的DCT变换值;
DCT图像获取子单元,用于根据该人脸图像各个像素点的DCT变换值,对该人脸图像进行截取,获取DCT图像;
反DCT变换子单元,用于对该DCT图像进行反DCT变换处理,获取第二图像。
可选地,该装置还包括:
第一若干图像获取模块,用于获取若干个活体人脸图像和若干个伪造人脸图像;
暗光照训练模块,用于在暗光照下对若干个活体人脸图像和若干个伪造人脸图像进行训练,确定该预设分类阈值。
可选地,该装置还包括:
第二若干图像获取模块,用于获取若干个活体人脸图像和若干个高分辨率伪造人脸图像;
高分辨率训练模块,用于对若干个活体人脸图像和若干个高分辨率伪造人脸图像进行训练,确定预设分类函数。
本实施例的所有可选技术方案,可以采用可以结合的方式任意结合,形成本发明的可选实施例,在此不再一一赘述。
需要说明的是:上述实施例提供的活体人脸识别的装置在活体人脸识别时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的活体人脸识别的装置与活体人脸识别的方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图5是本发明实施例提供的一种终端设备结构示意图。参见图5,该终端设备可以用于实施上述实施例中提供的活体人脸识别方法。具体来讲:
终端设备500可以包括通信单元110、包括有一个或一个以上计算机可读存储介质的存储器120、输入单元130、显示单元140、传感器150、音频电路160、WiFi(wireless fidelity,无线保真)模块170、包括有一个或者一个以上处理核心的处理器180、以及电源190等部件。本领域技术人员可以理解,图5中示出的终端设备结构并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
通信单元110可用于收发信息或通话过程中,信号的接收和发送,该通信单元110可以为RF(Radio Frequency,射频)电路、路由器、调制解调器、等网络通信设备。特别地,当通信单元110为RF电路时,将基站的下行信息接收后,交由一个或者一个以上处理器180处理;另外,将涉及上行的数据发送给基站。通常,作为通信单元的RF电路包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(Low Noise Amplifier,低噪声放大器)、双工器等。此外,通信单元110还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于GSM(Global System of Mobile communication,全球移动通讯系统)、GPRS(General Packet Radio Service,通用分组无线服务)、CDMA(CodeDivision Multiple Access,码分多址)、WCDMA(Wideband Code Division MultipleAccess,宽带码分多址)、LTE(Long Term Evolution,长期演进)、电子邮件、SMS(Short Messaging Service,短消息服务)等。存储器120可用于存储软件程序以及模块,处理器180通过运行存储在存储器120的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器120可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据终端设备500的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器120还可以包括存储器控制器,以提供处理器180和输入单元130对存储器120的访问。
输入单元130可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,输入单元130可包括触敏表面131以及其他输入设备132。触敏表面131,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面131上或在触敏表面131附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面131可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器180,并能接收处理器180发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面131。除了触敏表面131,输入单元130还可以包括其他输入设备132。具体地,其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元140可用于显示由用户输入的信息或提供给用户的信息以及终端设备500的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元140可包括显示面板141,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板141。进一步的,触敏表面131可覆盖显示面板141,当触敏表面131检测到在其上或附近的触摸操作后,传送给处理器180以确定触摸事件的类型,随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图5中,触敏表面131与显示面板141是作为两个独立的部件来实现输入和输入功能,但是在某些实施例中,可以将触敏表面131与显示面板141集成而实现输入和输出功能。
终端设备500还可包括至少一种传感器150,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板141的亮度,接近传感器可在终端设备500移动到耳边时,关闭显示面板141和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于终端设备500还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路160、扬声器161,传声器162可提供用户与终端设备500之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号,传输到扬声器161,由扬声器161转换为声音信号输出;另一方面,传声器162将收集的声音信号转换为电信号,由音频电路160接收后转换为音频数据,再将音频数据输出处理器180处理后,经RF电路110以发送给比如另一终端设备,或者将音频数据输出至存储器120以便进一步处理。音频电路160还可能包括耳塞插孔,以提供外设耳机与终端设备500的通信。
为了实现无线通信,该终端设备上可以配置有无线通信单元170,该无线通信单元170可以为WiFi模块。WiFi属于短距离无线传输技术,终端设备500通过无线通信单元170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图5示出了无线通信单元170,但是可以理解的是,其并不属于终端设备500的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器180是终端设备500的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器120内的软件程序和/或模块,以及调用存储在存储器120内的数据,执行终端设备500的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器180可包括一个或多个处理核心;优选的,处理器180可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器180中。
终端设备500还包括给各个部件供电的电源190(比如电池),优选的,电源可以通过电源管理系统与处理器180逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源190还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,终端设备500还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,终端设备的显示单元是触摸屏显示器,终端设备还包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取原始图像,所述原始图像至少包括人脸;
根据所述原始图像,获取所述原始图像中的人脸图像;
对所述人脸图像进行算数均值商PDAM光照处理,获取第一图像;
对所述第一图像进行傅里叶变换处理,获取所述第一图像各个像素点的变换值;
根据所述第一图像各个像素点的变换值和预设分类阈值,确定所述人脸图像是否为活体人脸。
可选地,还包括进行以下操作的指令:
根据所述第一图像各个像素点的变换值和所述预设分类阈值,判断所述第一图像是否为初步活体人脸图像;
当确定所述第一图像为初步活体人脸图像时,对所述人脸图像进行离散余弦变换DCT光照处理,获取第二图像;
抽取所述第二图像的纹理特征;
根据所述第二图像的纹理特征和预设分类函数,获取所述第二图像的分类结果;
根据所述分类结果,确定所述人脸图像是否为活体人脸。
可选地,还包括进行以下操作的指令:
对所述原始图像进行人脸检测和眼睛定位,获取人脸位置和眼睛位置;
根据所述人脸位置和所述眼睛位置,对所述原始图像进行截取,获取所述原始图像中的人脸图像。
可选地,还包括进行以下操作的指令:
当确定所述第一图像为初步活体人脸图像时,对所述人脸图像进行DCT变换处理,获取所述人脸图像各个像素点的DCT变换值;
根据所述人脸图像各个像素点的DCT变换值,对所述人脸图像进行截取,获取DCT图像;
对所述DCT图像进行反DCT变换处理,获取第二图像。
可选地,还包括进行以下操作的指令:
获取若干个活体人脸图像和若干个伪造人脸图像;
在暗光照下对若干个活体人脸图像和若干个伪造人脸图像进行训练,确定所述预设分类阈值。
可选地,还包括进行以下操作的指令:
获取若干个活体人脸图像和若干个高分辨率伪造人脸图像;
对若干个活体人脸图像和若干个高分辨率伪造人脸图像进行训练,确定预设分类函数。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以下结合实验对本发明的有益效果进行进一步描述。本实验建立了包含10400张图像的数据集。其中高分辨率图像下活体人脸4000张,伪造人脸6000张,较暗光照下活体人脸200张,伪造人脸200张。实验中选取3000张高分辨率图像来训练高频图像分量检测模块,100张暗光照图像来训练纹理细节检测模块。较暗光照下,活体人脸与伪造人脸图像纹理差不多,但PDAM光照后的傅立叶变换图像则差异很大。在高分辨率下,活体人脸和伪造人脸的傅立叶变换高频分量几乎没有差别,但是DCT变换处理下,却呈现出不同的图像高亮。
实验结果如下表所示。表1中图像张数为被判别为活体人脸的张数。
表1
从表1中可以看出,在较暗光照下,无PDAM光照处理时,大量的活体人脸被误判为伪造人脸,而PDAM之后这部分人脸得以纠正。尽管有部分伪造图像在PDAM之后被误判为活体人脸,但经过HOG特征下的SVM判断,伪造图像再次得以滤除。最终所得伪造人脸正确率为96.6%,而活体人脸正确率为87.8%。在人脸识别系统中,由于往往要求更高的防伪率,而且人脸验证过程为视频流,因此该正确率可以很好的满足实时人脸识别系统的要求。
进一步,本发明中所有阈值均为可调节的参数。在具体实施过程中,实施者可以根据实际需求来选择合适的阈值,以判断是选择较高的通过率,还是较高的防伪率。甚至,实施者可以定义不同等级的阈值,来让用户选择使用哪种模式更加合理。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种活体人脸识别方法,其特征在于,所述方法包括:
获取原始图像,所述原始图像至少包括人脸;
根据所述原始图像,获取所述原始图像中的人脸图像;
对所述人脸图像进行算数均值商PDAM光照处理,获取第一图像;
对所述第一图像进行傅里叶变换处理,获取所述第一图像各个像素点的变换值;
根据所述第一图像各个像素点的变换值和预设分类阈值,确定所述人脸图像是否为活体人脸。
2.根据权利要求1所述的方法,其特征在于,根据所述第一图像各个像素点的变换值和预设分类阈值,确定所述人脸图像是否为活体人脸,包括:
根据所述第一图像各个像素点的变换值和所述预设分类阈值,判断所述第一图像是否为初步活体人脸图像;
当确定所述第一图像为初步活体人脸图像时,对所述人脸图像进行离散余弦变换DCT光照处理,获取第二图像;
抽取所述第二图像的纹理特征;
根据所述第二图像的纹理特征和预设分类函数,获取所述第二图像的分类结果;
根据所述分类结果,确定所述人脸图像是否为活体人脸。
3.根据权利要求1所述的方法,其特征在于,根据所述原始图像,获取所述原始图像中的人脸图像,包括:
对所述原始图像进行人脸检测和眼睛定位,获取人脸位置和眼睛位置;
根据所述人脸位置和所述眼睛位置,对所述原始图像进行截取,获取所述原始图像中的人脸图像。
4.根据权利要求2所述的方法,其特征在于,当确定所述第一图像为初步活体人脸图像时,对所述人脸图像进行离散余弦变换DCT光照处理,获取第二图像,包括:
当确定所述第一图像为初步活体人脸图像时,对所述人脸图像进行DCT变换处理,获取所述人脸图像各个像素点的DCT变换值;
根据所述人脸图像各个像素点的DCT变换值,对所述人脸图像进行截取,获取DCT图像;
对所述DCT图像进行反DCT变换处理,获取第二图像。
5.根据权利要求1所述的方法,其特征在于,对所述人脸图像进行算数均值商PDAM光照处理,获取第一图像之前,所述方法还包括:
获取若干个活体人脸图像和若干个伪造人脸图像;
在暗光照下对若干个活体人脸图像和若干个伪造人脸图像进行训练,确定所述预设分类阈值。
6.根据权利要求1所述的方法,其特征在于,根据所述第一图像各个像素点的变换值和预设分类阈值,确定所述人脸图像是否为活体人脸之前,所述方法还包括:
获取若干个活体人脸图像和若干个高分辨率伪造人脸图像;
对若干个活体人脸图像和若干个高分辨率伪造人脸图像进行训练,确定预设分类函数。
7.一种活体人脸识别装置,其特征在于,所述装置包括:
原始图像获取模块,用于获取原始图像,所述原始图像至少包括人脸;
人脸图像获取模块,用于根据所述原始图像,获取所述原始图像中的人脸图像;
PDAM处理模块,用于对所述人脸图像进行算数均值商PDAM光照处理,获取第一图像;
傅里叶变换模块,用于对所述第一图像进行傅里叶变换处理,获取所述第一图像各个像素点的变换值;
活体人脸确定模块,用于根据所述第一图像各个像素点的变换值和预设分类阈值,确定所述人脸图像是否为活体人脸。
8.根据权利要求7所述的装置,其特征在于,所述活体人脸确定模块包括:
初步确定单元,用于根据所述第一图像各个像素点的变换值和所述预设分类阈值,判断所述第一图像是否为初步活体人脸图像;
DCT处理单元,用于当确定所述第一图像为初步活体人脸图像时,对所述人脸图像进行离散余弦变换DCT光照处理,获取第二图像;
特征抽取单元,用于抽取所述第二图像的纹理特征;
分类单元,用于根据所述第二图像的纹理特征和预设分类函数,获取所述第二图像的分类结果;
活体人脸确定单元,用于根据所述分类结果,确定所述人脸图像是否为活体人脸。
9.根据权利要求7所述的装置,其特征在于,所述人脸图像获取模块包括:
定位单元,用于对所述原始图像进行人脸检测和眼睛定位,获取人脸位置和眼睛位置;
人脸图像获取单元,用于根据所述人脸位置和所述眼睛位置,对所述原始图像进行截取,获取所述原始图像中的人脸图像。
10.根据权利要求8所述的装置,其特征在于,所述DCT处理单元包括:
DCT变换子单元,用于当确定所述第一图像为初步活体人脸图像时,对所述人脸图像进行DCT变换处理,获取所述人脸图像各个像素点的DCT变换值;
DCT图像获取子单元,用于根据所述人脸图像各个像素点的DCT变换值,对所述人脸图像进行截取,获取DCT图像;
反DCT变换子单元,用于对所述DCT图像进行反DCT变换处理,获取第二图像。
11.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第一若干图像获取模块,用于获取若干个活体人脸图像和若干个伪造人脸图像;
暗光照训练模块,用于在暗光照下对若干个活体人脸图像和若干个伪造人脸图像进行训练,确定所述预设分类阈值。
12.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第二若干图像获取模块,用于获取若干个活体人脸图像和若干个高分辨率伪造人脸图像;
高分辨率训练模块,用于对若干个活体人脸图像和若干个高分辨率伪造人脸图像进行训练,确定预设分类函数。
13.一种终端设备,其特征在于,终端设备包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取原始图像,所述原始图像至少包括人脸;
根据所述原始图像,获取所述原始图像中的人脸图像;
对所述人脸图像进行算数均值商PDAM光照处理,获取第一图像;
对所述第一图像进行傅里叶变换处理,获取所述第一图像各个像素点的变换值;
根据所述第一图像各个像素点的变换值和预设分类阈值,确定所述人脸图像是否为活体人脸。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310169250.3A CN104143078B (zh) | 2013-05-09 | 2013-05-09 | 活体人脸识别方法、装置和设备 |
PCT/CN2013/085394 WO2014180095A1 (en) | 2013-05-09 | 2013-10-17 | Systems and methods for real human face recognition |
US14/152,420 US9443155B2 (en) | 2013-05-09 | 2014-01-10 | Systems and methods for real human face recognition |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310169250.3A CN104143078B (zh) | 2013-05-09 | 2013-05-09 | 活体人脸识别方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104143078A true CN104143078A (zh) | 2014-11-12 |
CN104143078B CN104143078B (zh) | 2016-08-24 |
Family
ID=51852248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310169250.3A Active CN104143078B (zh) | 2013-05-09 | 2013-05-09 | 活体人脸识别方法、装置和设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9443155B2 (zh) |
CN (1) | CN104143078B (zh) |
WO (1) | WO2014180095A1 (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005756A (zh) * | 2015-02-10 | 2015-10-28 | 北京君正集成电路股份有限公司 | 一种人脸识别方法及装置 |
CN105243376A (zh) * | 2015-11-06 | 2016-01-13 | 北京汉王智远科技有限公司 | 一种活体检测方法和装置 |
CN105518711A (zh) * | 2015-06-29 | 2016-04-20 | 北京旷视科技有限公司 | 活体检测方法、活体检测系统以及计算机程序产品 |
CN105518713A (zh) * | 2015-02-15 | 2016-04-20 | 北京旷视科技有限公司 | 活体人脸验证方法及系统、计算机程序产品 |
CN105518710A (zh) * | 2015-04-30 | 2016-04-20 | 北京旷视科技有限公司 | 视频检测方法、视频检测系统以及计算机程序产品 |
CN107798282A (zh) * | 2016-09-07 | 2018-03-13 | 北京眼神科技有限公司 | 一种活体人脸的检测方法和装置 |
CN108124486A (zh) * | 2017-12-28 | 2018-06-05 | 深圳前海达闼云端智能科技有限公司 | 基于云端的人脸活体检测方法、电子设备和程序产品 |
CN108124488A (zh) * | 2017-12-12 | 2018-06-05 | 福建联迪商用设备有限公司 | 一种基于人脸和声纹的支付认证方法及终端 |
CN108351961A (zh) * | 2015-09-11 | 2018-07-31 | 眼验股份有限公司 | 图像及特征质量、用于眼部血管及面部识别的图像增强及特征提取及针对生物识别系统融合眼部血管与面部及/或子面部信息 |
CN108363939A (zh) * | 2017-01-26 | 2018-08-03 | 阿里巴巴集团控股有限公司 | 特征图像的获取方法及获取装置、用户认证方法 |
CN109359634A (zh) * | 2018-12-11 | 2019-02-19 | 西安第六镜网络科技有限公司 | 一种基于双目摄像机的人脸活体检测方法 |
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 |
CN109948408A (zh) * | 2017-12-21 | 2019-06-28 | 三星电子株式会社 | 活性测试方法和设备 |
CN110163174A (zh) * | 2019-05-27 | 2019-08-23 | 成都科睿埃科技有限公司 | 一种基于单目摄像头的活体人脸检测方法 |
CN110544333A (zh) * | 2019-08-13 | 2019-12-06 | 成都电科慧安科技有限公司 | 一种门禁控制系统及其控制方法 |
CN111507262A (zh) * | 2020-04-17 | 2020-08-07 | 北京百度网讯科技有限公司 | 用于检测活体的方法和装置 |
CN111539389A (zh) * | 2020-06-22 | 2020-08-14 | 腾讯科技(深圳)有限公司 | 人脸防伪识别方法、装置、设备及存储介质 |
US11100348B2 (en) | 2017-07-17 | 2021-08-24 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method of living body detection and terminal device |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10303973B2 (en) * | 2015-04-15 | 2019-05-28 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium for lighting processing on image using model data |
CN105279898A (zh) * | 2015-10-28 | 2016-01-27 | 小米科技有限责任公司 | 报警方法及装置 |
US11373449B1 (en) * | 2016-10-13 | 2022-06-28 | T Stamp Inc. | Systems and methods for passive-subject liveness verification in digital media |
CN108229325A (zh) * | 2017-03-16 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸检测方法和系统、电子设备、程序和介质 |
US11093796B2 (en) | 2017-03-29 | 2021-08-17 | International Business Machines Corporation | Entity learning recognition |
US11238271B2 (en) * | 2017-06-20 | 2022-02-01 | Hochschule Darmstadt | Detecting artificial facial images using facial landmarks |
CN107729832B (zh) * | 2017-10-10 | 2020-07-03 | Oppo广东移动通信有限公司 | 人脸检测方法及相关产品 |
US11093771B1 (en) | 2018-05-04 | 2021-08-17 | T Stamp Inc. | Systems and methods for liveness-verified, biometric-based encryption |
US11496315B1 (en) | 2018-05-08 | 2022-11-08 | T Stamp Inc. | Systems and methods for enhanced hash transforms |
CN109086728B (zh) * | 2018-08-14 | 2022-03-08 | 成都智汇脸卡科技有限公司 | 活体检测方法 |
CN109684927A (zh) * | 2018-11-21 | 2019-04-26 | 北京蜂盒科技有限公司 | 活体检测方法、装置、计算机可读存储介质和电子设备 |
CN111164610B (zh) * | 2019-01-04 | 2023-10-13 | 深圳市汇顶科技股份有限公司 | 用于增强面部识别安全性的反欺骗真脸部感测 |
US11301586B1 (en) | 2019-04-05 | 2022-04-12 | T Stamp Inc. | Systems and processes for lossy biometric representations |
CN110321790B (zh) * | 2019-05-21 | 2023-05-12 | 华为技术有限公司 | 一种对抗样本的检测方法及电子设备 |
US11967173B1 (en) | 2020-05-19 | 2024-04-23 | T Stamp Inc. | Face cover-compatible biometrics and processes for generating and using same |
CN111723714B (zh) * | 2020-06-10 | 2023-11-03 | 上海商汤智能科技有限公司 | 识别人脸图像真伪的方法、装置及介质 |
US11854239B2 (en) * | 2021-01-07 | 2023-12-26 | Canon Kabushiki Kaisha | Image processing device, imaging device, image processing method, and recording medium |
CN113065579B (zh) * | 2021-03-12 | 2022-04-12 | 支付宝(杭州)信息技术有限公司 | 对目标对象分类的方法和装置 |
CN116132084A (zh) * | 2022-09-20 | 2023-05-16 | 马上消费金融股份有限公司 | 视频流处理方法、装置及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101571594A (zh) * | 2009-06-11 | 2009-11-04 | 西安电子科技大学 | 基于曲线波变换的sar目标识别方法 |
CN102915435A (zh) * | 2012-10-23 | 2013-02-06 | 哈尔滨工程大学 | 一种基于人脸能量图的多姿态人脸识别方法 |
CN103049734A (zh) * | 2011-10-12 | 2013-04-17 | 杜惠红 | 一种在公共场所找人的方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100543764C (zh) * | 2007-12-25 | 2009-09-23 | 西南交通大学 | 一种具有光照鲁棒性的人脸特征提取方法 |
CN101604376B (zh) * | 2008-10-11 | 2011-11-16 | 大连大学 | 基于hmm-svm混合模型的人脸识别方法 |
CN102054163B (zh) * | 2009-10-27 | 2013-06-05 | 南京理工大学 | 基于单目视觉的驾驶员疲劳检测方法 |
US9082235B2 (en) * | 2011-07-12 | 2015-07-14 | Microsoft Technology Licensing, Llc | Using facial data for device authentication or subject identification |
US9075975B2 (en) * | 2012-02-21 | 2015-07-07 | Andrew Bud | Online pseudonym verification and identity validation |
CN104143079B (zh) * | 2013-05-10 | 2016-08-17 | 腾讯科技(深圳)有限公司 | 人脸属性识别的方法和系统 |
-
2013
- 2013-05-09 CN CN201310169250.3A patent/CN104143078B/zh active Active
- 2013-10-17 WO PCT/CN2013/085394 patent/WO2014180095A1/en active Application Filing
-
2014
- 2014-01-10 US US14/152,420 patent/US9443155B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101571594A (zh) * | 2009-06-11 | 2009-11-04 | 西安电子科技大学 | 基于曲线波变换的sar目标识别方法 |
CN103049734A (zh) * | 2011-10-12 | 2013-04-17 | 杜惠红 | 一种在公共场所找人的方法及系统 |
CN102915435A (zh) * | 2012-10-23 | 2013-02-06 | 哈尔滨工程大学 | 一种基于人脸能量图的多姿态人脸识别方法 |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005756A (zh) * | 2015-02-10 | 2015-10-28 | 北京君正集成电路股份有限公司 | 一种人脸识别方法及装置 |
WO2016127437A1 (zh) * | 2015-02-15 | 2016-08-18 | 北京旷视科技有限公司 | 活体人脸验证方法及系统、计算机程序产品 |
US9985963B2 (en) | 2015-02-15 | 2018-05-29 | Beijing Kuangshi Technology Co., Ltd. | Method and system for authenticating liveness face, and computer program product thereof |
CN105518713A (zh) * | 2015-02-15 | 2016-04-20 | 北京旷视科技有限公司 | 活体人脸验证方法及系统、计算机程序产品 |
WO2016172923A1 (zh) * | 2015-04-30 | 2016-11-03 | 北京旷视科技有限公司 | 视频检测方法、视频检测系统以及计算机程序产品 |
CN105518710A (zh) * | 2015-04-30 | 2016-04-20 | 北京旷视科技有限公司 | 视频检测方法、视频检测系统以及计算机程序产品 |
US9990555B2 (en) | 2015-04-30 | 2018-06-05 | Beijing Kuangshi Technology Co., Ltd. | Video detection method, video detection system and computer program product |
CN105518711A (zh) * | 2015-06-29 | 2016-04-20 | 北京旷视科技有限公司 | 活体检测方法、活体检测系统以及计算机程序产品 |
US10621454B2 (en) | 2015-06-29 | 2020-04-14 | Beijing Kuangshi Technology Co., Ltd. | Living body detection method, living body detection system, and computer program product |
CN105518711B (zh) * | 2015-06-29 | 2019-11-29 | 北京旷视科技有限公司 | 活体检测方法、活体检测系统以及计算机程序产品 |
CN108351961B (zh) * | 2015-09-11 | 2019-11-01 | 眼验股份有限公司 | 以图像为基础的生物识别系统及计算机实施方法 |
CN108351961A (zh) * | 2015-09-11 | 2018-07-31 | 眼验股份有限公司 | 图像及特征质量、用于眼部血管及面部识别的图像增强及特征提取及针对生物识别系统融合眼部血管与面部及/或子面部信息 |
CN105243376A (zh) * | 2015-11-06 | 2016-01-13 | 北京汉王智远科技有限公司 | 一种活体检测方法和装置 |
CN107798282A (zh) * | 2016-09-07 | 2018-03-13 | 北京眼神科技有限公司 | 一种活体人脸的检测方法和装置 |
CN108363939A (zh) * | 2017-01-26 | 2018-08-03 | 阿里巴巴集团控股有限公司 | 特征图像的获取方法及获取装置、用户认证方法 |
US11100348B2 (en) | 2017-07-17 | 2021-08-24 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method of living body detection and terminal device |
CN108124488A (zh) * | 2017-12-12 | 2018-06-05 | 福建联迪商用设备有限公司 | 一种基于人脸和声纹的支付认证方法及终端 |
US11971924B2 (en) | 2017-12-21 | 2024-04-30 | Samsung Electronics Co., Ltd. | Liveness test method and apparatus |
CN109948408A (zh) * | 2017-12-21 | 2019-06-28 | 三星电子株式会社 | 活性测试方法和设备 |
CN109948408B (zh) * | 2017-12-21 | 2023-08-29 | 三星电子株式会社 | 活性测试方法和设备 |
CN108124486A (zh) * | 2017-12-28 | 2018-06-05 | 深圳前海达闼云端智能科技有限公司 | 基于云端的人脸活体检测方法、电子设备和程序产品 |
CN109359634B (zh) * | 2018-12-11 | 2021-11-16 | 西安第六镜网络科技有限公司 | 一种基于双目摄像机的人脸活体检测方法 |
CN109359634A (zh) * | 2018-12-11 | 2019-02-19 | 西安第六镜网络科技有限公司 | 一种基于双目摄像机的人脸活体检测方法 |
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 |
CN110163174A (zh) * | 2019-05-27 | 2019-08-23 | 成都科睿埃科技有限公司 | 一种基于单目摄像头的活体人脸检测方法 |
CN110544333B (zh) * | 2019-08-13 | 2021-07-16 | 成都电科慧安科技有限公司 | 一种门禁控制系统及其控制方法 |
CN110544333A (zh) * | 2019-08-13 | 2019-12-06 | 成都电科慧安科技有限公司 | 一种门禁控制系统及其控制方法 |
CN111507262A (zh) * | 2020-04-17 | 2020-08-07 | 北京百度网讯科技有限公司 | 用于检测活体的方法和装置 |
CN111507262B (zh) * | 2020-04-17 | 2023-12-08 | 北京百度网讯科技有限公司 | 用于检测活体的方法和装置 |
CN111539389A (zh) * | 2020-06-22 | 2020-08-14 | 腾讯科技(深圳)有限公司 | 人脸防伪识别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2014180095A1 (en) | 2014-11-13 |
US9443155B2 (en) | 2016-09-13 |
CN104143078B (zh) | 2016-08-24 |
US20160224853A1 (en) | 2016-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104143078A (zh) | 活体人脸识别方法、装置和设备 | |
CN103632165B (zh) | 一种图像处理的方法、装置及终端设备 | |
US11074466B2 (en) | Anti-counterfeiting processing method and related products | |
WO2018121428A1 (zh) | 一种活体检测方法、装置及存储介质 | |
CN103400108A (zh) | 人脸识别方法、装置和移动终端 | |
CN105956518A (zh) | 一种人脸识别方法、装置和系统 | |
CN108875451B (zh) | 一种定位图像的方法、装置、存储介质和程序产品 | |
CN107992728B (zh) | 人脸验证方法及装置 | |
CN106296617B (zh) | 人脸图像的处理方法及装置 | |
CN108304758A (zh) | 人脸特征点跟踪方法及装置 | |
WO2019020014A1 (zh) | 解锁控制方法及相关产品 | |
CN103745193B (zh) | 一种肤色检测方法及装置 | |
CN103473494A (zh) | 一种运行应用的方法、装置和终端设备 | |
CN108259758B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN103458219A (zh) | 一种视频通话面部调整方法、装置及终端设备 | |
CN104143097A (zh) | 分类函数获取方法、人脸年龄识别方法、装置和设备 | |
CN104135609A (zh) | 辅助拍照方法、装置及终端 | |
CN103871051A (zh) | 图像处理方法、装置和电子设备 | |
US11151398B2 (en) | Anti-counterfeiting processing method, electronic device, and non-transitory computer-readable storage medium | |
CN103714161A (zh) | 图像缩略图的生成方法、装置和终端 | |
CN103530520A (zh) | 一种数据获取的方法及终端 | |
CN104966086A (zh) | 活体鉴别方法及装置 | |
CN106203254A (zh) | 一种调整拍照方向的方法及装置 | |
CN110765924A (zh) | 一种活体检测方法、装置以及计算机可读存储介质 | |
CN103530624B (zh) | 一种生成信息的方法、装置及终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180907 Address after: 100191 Beijing Haidian District Zhichun Road 49 No. 3 West 309 Patentee after: Tencent cloud computing (Beijing) limited liability company Address before: 518000 East 403 room, Sai Ge science and Technology Park, Futian District Zhenxing Road, Shenzhen, Guangdong, China, 2 Patentee before: Tencent Technology (Shenzhen) Co., Ltd. |
|
TR01 | Transfer of patent right |