CN104598882B - 用于生物特征验证的电子欺骗检测的方法和系统 - Google Patents
用于生物特征验证的电子欺骗检测的方法和系统 Download PDFInfo
- Publication number
- CN104598882B CN104598882B CN201510017144.2A CN201510017144A CN104598882B CN 104598882 B CN104598882 B CN 104598882B CN 201510017144 A CN201510017144 A CN 201510017144A CN 104598882 B CN104598882 B CN 104598882B
- Authority
- CN
- China
- Prior art keywords
- measurement
- eyes
- image
- multiple images
- boundary mark
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000010200 validation analysis Methods 0.000 title abstract description 7
- 210000001508 eye Anatomy 0.000 claims abstract description 232
- 238000005259 measurement Methods 0.000 claims abstract description 119
- 230000033001 locomotion Effects 0.000 claims abstract description 63
- 230000008859 change Effects 0.000 claims abstract description 44
- 230000003287 optical effect Effects 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 24
- 230000009466 transformation Effects 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 21
- 230000001133 acceleration Effects 0.000 claims description 16
- 238000005286 illumination Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001711 saccadic effect Effects 0.000 claims description 5
- 238000005303 weighing Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 11
- 230000004313 glare Effects 0.000 abstract description 6
- 230000002792 vascular Effects 0.000 description 33
- 230000006399 behavior Effects 0.000 description 30
- 210000001747 pupil Anatomy 0.000 description 29
- 238000004891 communication Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 21
- 230000008602 contraction Effects 0.000 description 16
- 210000004204 blood vessel Anatomy 0.000 description 13
- 230000004044 response Effects 0.000 description 10
- 210000005252 bulbus oculi Anatomy 0.000 description 8
- 210000000744 eyelid Anatomy 0.000 description 7
- 210000001232 limbus corneae Anatomy 0.000 description 7
- 230000025474 response to light stimulus Effects 0.000 description 6
- 210000003786 sclera Anatomy 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 241000218691 Cupressaceae Species 0.000 description 5
- 230000003466 anti-cipated effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000017531 blood circulation Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 210000003462 vein Anatomy 0.000 description 4
- 241000150100 Margo Species 0.000 description 3
- 210000003484 anatomy Anatomy 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 230000010349 pulsation Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 2
- 239000000571 coke Substances 0.000 description 2
- 210000000795 conjunctiva Anatomy 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 210000000720 eyelash Anatomy 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 239000002004 ayurvedic oil Substances 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 239000000806 elastomer Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 201000010260 leiomyoma Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 239000011241 protective layer Substances 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000002784 sclerotic effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012421 spiking Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000005308 sum rule Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/40—Spoof detection, e.g. liveness detection
-
- 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
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- 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
- G06F2221/2141—Access rights, e.g. capability lists, access control lists, access tables, access matrices
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Ophthalmology & Optometry (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)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请案涉及用于生物特征验证的电子欺骗检测的方法和系统。本说明书描述与基于眼睛的图像的生物特征验证有关的技术。一般来说,本说明书中所描述的标的物的一个方面可体现于方法中,所述方法包含获得主体的包含眼睛的视图的图像。所述方法可进一步包含基于所述眼睛在多个所述图像中出现时所述眼睛的所检测的移动来确定行为度量;基于从传感器到各自具有不同相应焦距的多个所述图像中出现的界标的距离来确定空间度量;以及基于所述眼睛的表面上的表面眩光或镜面反射模式的所检测的改变来确定反射度量。所述方法可进一步包含基于所述行为、空间和反射度量来确定分数;以及基于所述分数拒绝或接受一个或一个以上图像。
Description
分案申请的相关信息
本案是分案申请。该分案的母案是申请日为2013年7月2日、申请号为201310276022.6、发明名称为“用于生物特征验证的电子欺骗检测的方法和系统”的发明专利申请案。
技术领域
本发明涉及基于眼睛的图像的生物特征验证。
背景技术
常常需要将对房产或资源的进入限于特定个体。生物特征识别系统可用以验证个体的身份以准许或不允许进入资源。举例来说,虹膜扫描仪可由生物特征安全系统使用以基于个体的虹膜中的独特结构来识别个体。
发明内容
本说明书描述与基于眼睛的图像的生物特征验证有关的技术。一般来说,本说明书中所描述的标的物的一个方面可体现于一方法中,所述方法包含获得主体的包含眼睛的视图的两个或两个以上图像,其中所述图像共同包含多个焦距。所述方法可进一步包含至少基于所述眼睛在多个所述图像中出现时所述眼睛的所检测的移动来确定行为度量。所述行为度量可为对所检测的移动和定时与所述眼睛的预期移动的偏差的测量。所述方法可进一步包含至少基于从传感器到各自具有不同相应焦距的多个所述图像中出现的界标的距离来确定空间度量。所述方法可进一步包含至少基于所述眼睛在多个所述图像中出现时所述眼睛的表面上的表面眩光或镜面反射模式的所检测的改变来确定反射度量,其中所述反射度量为对所述眼睛的所述表面上的眩光或镜面反射膜片的改变的测量。所述方法可进一步包含至少基于所述行为、空间和反射度量来确定分数。所述方法可进一步包含基于所述分数拒绝或接受一个或一个以上图像。
一般来说,本说明书中所描述的标的物的一个方面可体现于一系统中,所述系统包含经配置以俘获主体的包含眼睛的视图的两个或两个以上图像的传感器,其中所述图像共同包含多个焦距。所述系统可进一步包含照明元件,其与由所述传感器进行的对一个或一个以上图像的所述俘获同步地提供光刺激。所述系统可进一步包含用于至少基于所述眼睛在多个所述图像中出现时所述眼睛的所检测的移动来确定行为度量的构件。所述行为度量为对所检测的移动和定时与所述眼睛的预期移动的偏差的测量。所述系统可进一步包含经配置以至少基于从传感器到各自具有不同相应焦距的多个所述图像中出现的界标的距离来确定空间度量的模块。所述系统可进一步包含经配置以至少基于所述眼睛在多个所述图像中出现时所述眼睛的表面上的表面眩光或镜面反射模式的所检测的改变来确定反射度量的模块,其中所述反射度量为对所述眼睛的所述表面上的眩光或镜面反射膜片的改变的测量。所述系统可进一步包含经配置以至少基于所述行为、空间和反射度量来确定分数的模块。所述系统可进一步包含经配置以基于所述分数拒绝或接受一个或一个以上图像的接口。
一般来说,本说明书中所描述的标的物的一个方面可体现于一系统中,所述系统包含数据处理设备和耦合到所述数据处理设备的存储器。所述存储器上存储有指令,所述指令在由所述数据处理设备执行时致使所述数据处理设备执行包含获得主体的包含眼睛的视图的两个或两个以上图像的操作,其中所述图像共同包含多个焦距。所述操作可进一步包含至少基于所述眼睛在多个所述图像中出现时所述眼睛的所检测的移动来确定行为度量。所述行为度量可为对所检测的移动和定时与所述眼睛的预期移动的偏差的测量。所述操作可进一步包含至少基于从传感器到各自具有不同相应焦距的多个所述图像中出现的界标的距离来确定空间度量。所述操作可进一步包含至少基于所述眼睛在多个所述图像中出现时所述眼睛的表面上的表面眩光或镜面反射模式的所检测的改变来确定反射度量,其中所述反射度量为对所述眼睛的所述表面上的眩光或镜面反射膜片的改变的测量。所述操作可进一步包含至少基于所述行为、空间和反射度量来确定分数。所述操作可进一步包含基于所述分数拒绝或接受一个或一个以上图像。
一般来说,本说明书中所描述的标的物的一个方面可体现于一非瞬时电脑可读媒体中,所述非瞬时电脑可读媒体存储包含可由处理装置执行的指令的软件,所述指令在此执行之后,随即致使所述处理装置执行包含获得主体的包含眼睛的视图的两个或两个以上图像的操作,其中所述图像共同包含多个焦距。所述操作可进一步包含至少基于所述眼睛在多个所述图像中出现时所述眼睛的所检测的移动来确定行为度量。所述行为度量可为对所检测的移动和定时与所述眼睛的预期移动的偏差的测量。所述操作可进一步包含至少基于从传感器到各自具有不同相应焦距的多个所述图像中出现的界标的距离来确定空间度量。所述操作可进一步包含至少基于所述眼睛在多个所述图像中出现时所述眼睛的表面上的表面眩光或镜面反射模式的所检测的改变来确定反射度量,其中所述反射度量为对所述眼睛的所述表面上的眩光或镜面反射膜片的改变的测量。所述操作可进一步包含至少基于所述行为、空间和反射度量来确定分数。所述操作可进一步包含基于所述分数拒绝或接受一个或一个以上图像。
这些以及其它实施例可各自任选地包含以下特征中的一者或一者以上。确定行为度量可包含确定响应于光刺激的瞳孔收缩的开始、持续时间、速度或加速度。所述光刺激可包含闪光脉冲。所述光刺激可包含由显示器进行的光输出的强度的改变。所述确定所述行为度量可包含确定响应于外部刺激的注视点转变的开始、持续时间或加速度。所述外部刺激可包含用于指示用户定向注视点的提示。所述外部刺激可包含显示器中所描绘的在所述显示器内移动的对象。所述空间度量可为对所述主体与二维平面的偏差的测量。所述空间度量可为对所述主体与预期三维形状的偏差的测量。确定所述空间度量可包含确定多个所述图像中出现的两个或两个以上界标的视差。半色调可在使用减少的动态范围俘获的图像中检测到,且所述图像可至少部分基于所述半色调而被拒绝。确定所述行为度量可包含在所述眼睛在多个所述图像中出现时检测所述眼睛的血流量。确定所述分数可包含使用受训练函数近似器来确定所述分数。所述界标可为所述图像中所描绘的脸的部分。确定所述反射度量可包含在俘获所述图像中的一者或一者以上时以脉冲形式发出闪光,从而照亮所述主体,检测所述图像中的来自所述闪光的所述眼睛上的眩光的出现,以及测量所述闪光的所述脉冲与所述图像中的所述眼睛上的对应眩光的所述出现之间的时间差。确定所述反射度量可包含在俘获所述图像中的一者或一者以上时以脉冲形式发出闪光以照亮所述主体,及通过测量所述图像中的来自所述闪光的所述眼睛上的眩光的模式均匀性来检测所述眼睛的眼白的精细三维纹理。控制聚焦的传感器设置可在所述图像中的两者或两者以上的俘获期间调整为多个不同设置。可比较在不同聚焦设置的情况下俘获的所述图像以确定这些图像是否反映其相应聚焦设置。控制曝光的传感器设置可在所述图像中的两者或两者以上的俘获期间调整为多个不同设置。可比较在不同曝光设置的情况下俘获的所述图像以确定这些图像是否反映其相应曝光设置。控制白平衡的传感器设置可在所述图像中的两者或两者以上的俘获期间调整为多个不同设置。可比较在不同白平衡设置的情况下俘获的所述图像以确定这些图像是否反映其相应白平衡设置。
可实施本发明的特定实施例以不实现以下优势中的任一者、实现以下优势中的一者或一者以上。一些实施方案可通过可靠地验证个体来提供安全性。一些实施方案可防止使用不是真人眼睛的对象对基于眼睛生物特征的验证系统进行电子欺骗。
本发明的一个或一个以上实施例的细节陈述于附图及以下描述中。从描述、图式和权利要求书将明白本发明的其它特征、方面和优势。
附图说明
图1是人眼的解剖结构的图。
图2是包含展示眼睛的眼白的脉管系统的部分的实例图像的图。
图3是经分段以进行分析的实例图像的图。
图4是经配置以至少部分基于眼睛的眼白的一个或一个以上图像来验证个体的实例安全系统的框图。
图5为实例在线环境的框图。
图6是用于基于眼睛的眼白的一个或一个以上图像来验证个体的实例过程的流程图,其中对用于验证的所获得图像中的眼睛的真实度进行检查。
图7是用于确定眼睛的一个或一个以上图像的真实度分数的实例过程的流程图。
图8A是用于基于瞳孔响应于光刺激的收缩来确定行为度量的实例过程的流程图。
图8B是用于基于响应于外部刺激的虹膜的注视点转变来确定行为度量的实例过程的流程图。
图9展示可用以实施此处所描述的技术的计算机装置和移动计算机装置的实例。
具体实施方式
个体的眼睛的眼白中的可见脉管系统的特有特征可用来识别或验证个体。举例来说,可获得且分析用户眼睛的眼白的图像以比较眼睛的特征与参考记录,以便验证用户且准许或不允许用户进入资源。敌人或入侵者可企图通过将除了真人眼睛之外的某物(例如,授权用户的脸的图像或授权用户的眼睛的塑性模型)呈现给安全系统的光传感器来对使用此验证方法的安全系统进行电子欺骗。可通过配置安全系统以分析所获得图像从而区分真人眼睛的图像与道具的图像而使某些电子欺骗企图落空。
可计算一个或一个以上真实度度量,其反映真人眼睛预期展现的可不由某些电子欺骗企图展现的性质。举例来说,可在图像获取过程期间向用户施加刺激,且图像中所描绘的眼睛的响应可用度量来量化,与真人眼睛对那些刺激的预期响应相比较。在一些实施方案中,可在多个焦距处对所获得图像进行检查以确定图像中所描绘的眼睛是否为三维的(例如,眼睛是否具有看起来定位在与同单一平面产生偏差的传感器相隔一段距离处的界标)。在一些实施方案中,可确定与眼睛的反射有关的度量。真人眼睛具有由其三维形状和其精细表面纹理和湿度导致的独特反射性质,其可能不由许多电子欺骗攻击道具展现。举例来说,闪光装置可用以在图像获取过程的部分期间照亮主体,且可分析主体的眼睛上的闪光脉冲的反射的定时和质量以确定其是否确为实时成像的真人眼球。
在一些实施方案中,可组合多个真实度度量以确定反映图像描绘真人眼睛而不是(例如)模型图像或眼睛的二维图像的可能性的真实度分数或决定。举例来说,受训练函数近似器(例如,神经网络)可用以基于多个真实度度量来确定真实度分数。接着可基于真实度分数接受或拒绝所获得图像。在一些实施方案中,可在真实度分数指示图像不描绘真人眼睛时报告电子欺骗企图。
图1是人眼100的解剖结构的图。所述图是眼睛的截面,其中解剖结构的放大图102靠近眼睛的角膜缘边界,所述角膜缘边界分离有色虹膜110与眼睛的周围眼白。眼睛的眼白包含复杂的脉管结构,其不仅易于从眼睛外部看到且可扫描,而且脉管结构是唯一的且在个体间不同。因此,主要归因于结膜和巩膜外层的脉管系统,眼睛的眼白的这些脉管结构可加以扫描且有利地用作生物特征。可使用此生物特征来验证特定个体,或识别未知的个体。
眼睛的眼白具有若干层。巩膜120为眼睛的不透明纤维性保护层,其含有胶原蛋白和弹性纤维。巩膜120由巩膜外层130覆盖,巩膜外层130具有穿过其中和其上的相当大量的血管和静脉。巩膜外层130由球结膜140覆盖,球结膜140为与眼睑150或在眼睑张开时与环境介接的薄透明隔膜。血管和静脉穿过眼睛的眼白的所有这些层,且可在眼睛的图像中检测到。眼睛还包含睫毛160,睫毛160有时可能使眼睛的眼白的多个部分在图像中模糊不清。
图2是包含展示眼睛的眼白的脉管系统的部分的实例图像200的图。此图像200可用集成到计算装置中的传感器(例如,相机)俘获,所述计算装置例如智能电话、平板计算机、电视、膝上型计算机或个人计算机。举例来说,可通过显示器或音频提示来提示用户在俘获图像时看向左方,因此将眼睛的眼白到虹膜右方的较大区域暴露到传感器的视野。类似地,可提示用户在俘获图像时向右看、向上看、向下看、向前看等。所述实例图像包含虹膜220的视图,其中瞳孔210处于其中心。虹膜220延伸到眼睛的角膜缘边界225。眼睛的眼白230在眼睛的角膜缘边界225外部。眼睛的眼白的粗略脉管系统240在图像100中可见。此脉管系统240可为个体所特有的。在一些实施方案中,脉管系统240的特有特征可用作识别、检验或验证个别用户的基础。
图3是包含展示两只眼睛的眼白的脉管系统的部分的实例图像300的图,所述图像经分段以进行分析。可以多种方式获得所俘获图像310。所俘获图像310可经预处理及分段以隔离出图像内的兴趣区,且增强眼睛的眼白中的脉管系统的视图。举例来说,兴趣区可为形成覆盖眼睛的一些或所有眼白的栅格的平铺式部分。可例如通过识别角膜缘边界和眼睑的边缘来隔离出对应于右眼眼白的在虹膜左方的部分320。类似地,可隔离出对应于左眼眼白的在虹膜左方的部分322。可例如通过从图像数据选择使眼睛的眼白的脉管系统与周围眼白部分之间的对比度最大的分量色彩来使用预处理来增强此区中的脉管系统的视图。在一些实施方案中,可将图像的这些部分320、322进一步分段成形成栅格330、332的平铺块,所述栅格330、332将眼睛的眼白的暴露表面区域划分成较小区以用于分析目的。这些兴趣区中的脉管系统的特征可用来识别、检验或验证个体。
图4是经配置以至少部分基于眼睛410的眼白的一个或一个以上图像来验证个体的实例安全系统400的框图。安全系统400的用户可将其眼睛410呈现给光传感器420。以此方式,可俘获眼睛410的眼白的一个或一个以上图像。数码相机、三维(3D)相机和光场传感器是可使用的光传感器的实例。光传感器420可使用多种技术,例如数字电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)。在一些实施方案中,可经由在显示器424上显示的消息来提示用户摆出某些姿势以暴露眼睛410的眼白的多个部分且促进图像获取。举例来说,可提示用户定向其注视点以便将其眼睛410的虹膜向左转动、向右转动、向左上方转动,以及向右上方转动。在未展示的一些实施方案中,可通过经由扬声器播放的消息、通过指示灯(例如,LED)来提示用户采用某些姿势,或根本不提示。
在一些实施方案中,传感器420可经配置以检测眼睛410何时已恰当地定位于传感器的视野中。或者,在计算装置430上实施的软件或硬件可分析由光传感器420产生的一个或一个以上图像以确定眼睛410是否已恰当定位。在一些实施方案中,用户可通过用户接口(例如,按钮、键盘、小键盘、触摸板,或触摸屏)手动地指示眼睛410何时恰当地定位。
在计算装置430上实施的验证模块440可经由光传感器420获得眼睛的眼白的一个或一个以上图像。在一些实施方案中,计算装置430与光传感器420集成或电子耦合到光传感器420。在一些实施方案中,计算装置430可通过无线接口(例如,天线)与光传感器420通信。
验证模块440处理经由光传感器420获得的图像以控制对安全装置450的访问。举例来说,验证模块440可实施相对于图6描述的验证过程。在一些实施方案中,安全装置450可包含影响来自验证模块440的访问控制指令的致动器460(例如,锁定机构)。
计算装置可以多种方式与安全装置450集成或介接。举例来说,安全装置450可为汽车,光传感器420可为集成到汽车的方向盘或仪表盘中的相机,且计算装置430可集成到汽车中且电连接到相机和充当安全致动器460的点火锁定系统。用户可将其眼睛的眼白的视图呈现给相机以便被验证为汽车的经授权驾驶员且起动引擎。
在一些实施方案中,安全装置450可为房地产钥匙盒,光传感器420可为与用户的移动装置(例如,智能电话或平板装置)集成的相机,且验证模块440的处理可部分地由用户的移动装置且部分地由与钥匙盒集成的控制电力锁定机构的计算装置来执行。两个计算装置可经由无线接口来通信。举例来说,用户(例如,给出房产展示的房地产经纪人)可使用其移动装置上的相机来获得一个或一个以上图像且基于所述图像提交数据到钥匙盒以便被验证为经授权用户且被准许使用钥匙盒中存放的钥匙。
在一些实施方案中,安全装置450为控制进入房产的闸门或门。光传感器420可集成到门或闸门中或定位于靠近门或闸门的墙壁或围墙上。计算装置430可定位于光传感器420和门或闸门中充当致动器460的电力锁定机构附近,且可经由无线接口与所述光传感器420和所述电力锁定机构通信。在一些实施方案中,安全装置450可为来福枪,且光传感器420可与附接到来福枪的瞄准镜集成。计算装置430可集成到来福枪的枪托中,且可电连接到光传感器420和充当致动器460的扳机或撞针锁定机构。在一些实施方案中,安全装置450可为一件租赁设备(例如,自行车)。
计算装置430可包含处理装置432(例如,如相对于图9所描述)和机器可读存储库或数据库434。在一些实施方案中,机器可读存储库可包含闪存存储器。机器可读存储库434可用以存储一个或一个以上参考记录。参考记录可包含从安全装置450的经注册或经授权用户的眼睛的眼白的一个或一个以上图像导出的数据。在一些实施方案中,参考记录包含完整参考图像。在一些实施方案中,参考记录包含从参考图像提取的特征。在一些实施方案中,参考记录包含从参考图像提取的经加密特征。在一些实施方案中,参考记录包含由从参考图像提取的特征加密的识别密钥。为建立新用户的参考记录,可执行登记或注册过程。登记过程可包含俘获新注册用户的眼睛的眼白的一个或一个以上参考图像。在一些实施方案中,可使用验证系统400的光传感器420和处理装置430来执行登记过程。
图5为展示其中可实施本文所描述的技术的网络环境500的实例的框图。网络环境500包含经配置以经由网络511与第一服务器系统512和/或第二服务器系统514通信的计算装置502、504、506、508、510。计算装置502、504、506、508、510具有与其相关联的相应用户522、524、526、528、530。第一和第二服务器系统512、514各自包含计算装置516、517和机器可读存储库或数据库518、519。实例环境500可包含未展示的数以千计的网站、计算装置和服务器。
网络511可包含大的计算机网络,其实例包含连接数个移动计算装置、固定计算装置和服务器系统的局域网(LAN)、广域网(WAN)、蜂窝式网络,或其组合。包含于网络511中的网络可提供在各种模式或协议下的通信,其实例包含传输控制协议/因特网协议(TCP/IP)、全球移动通信系统(GSM)语音呼叫、短电子消息服务(SMS)、增强型消息接发服务(EMS),或多媒体消息接发服务(MMS)消息接发、以太网、码分多址(CDMA)、时分多址(TDMA)、个人数字蜂窝(PDC)、宽频码分多址(WCDMA)、CDMA2000,或通用分组无线电系统(GPRS),以及其它者。通信可经由射频收发器而发生。另外,可例如使用蓝牙(BLUETOOTH)、WiFi或其它此种收发器系统来发生短程通信。
计算装置502、504、506、508、510使得相应用户522、524、526、528、530能够访问并观看文档,例如包含于网站中的网页。举例来说,计算装置502的用户522可使用网页浏览器来观看网页。可通过服务器系统512、服务器系统514或另一服务器系统(未展示)来将网页提供到计算装置502。
在实例环境500中,计算装置502、504、506说明为桌上型计算装置,计算装置508说明为膝上型计算装置508,且计算装置510说明为移动计算装置。然而,注意,计算装置502、504、506、508、510可包含例如桌上型计算机、膝上型计算机、手持式计算机、具有嵌入于其中和/或耦合到其的一个或一个以上处理器的电视、平板计算装置、个人数字助理(PDA)、蜂窝式电话、网络器具、相机、智能电话、增强型通用分组无线电业务(EGPRS)移动电话、媒体播放器、导航装置、电子消息接发装置、游戏控制台,或这些数据处理装置或其它适当数据处理装置中的两者或两者以上的组合。在一些实施方案中,计算装置可包含为机动车辆(例如,汽车、应急车辆(例如,消防车、救护车)、公共汽车)的部分。
与计算装置502、504、506、508、510交互的用户可通过验证自身且经由网络511发出指令或命令而与例如由服务器系统512托管的安全交易服务523交互。安全交易可包含例如电子商务购买、金融交易(例如,在线银行交易、信用卡或银行卡交易、会员奖励积分兑现),或在线投票。安全交易服务可包含验证模块525,所述验证模块525协调从交易的安全服务器侧对用户的验证。在一些实施方案中,验证模块525可从用户装置(例如,计算装置502、504、506、508、510)接收图像数据,其包含用户(例如,用户522、524、526、528、530)的眼睛的一个或一个以上图像。验证模块可接着处理所述图像数据以通过确定所述图像数据是否匹配经辨识用户身份的参考记录来验证用户,所述参考记录先前已基于在登记会话期间收集的图像数据而建立。
在一些实施方案中,已提交服务请求的用户可被重定向到在单独服务器系统514上运行的验证模块540。验证模块540可维持安全交易服务523的经注册或经登记用户的参考记录,且还可包含其它安全交易服务的用户的参考记录。验证模块540可使用加密网络通信(例如,使用公共密钥加密协议)建立与各种安全交易服务(例如,安全交易服务523)的安全会话,以向安全交易服务指示用户是否被验证为已注册或登记的用户。极类似于验证模块525,验证模块540可从请求用户的计算装置(例如,计算装置502、504、506、508、510)接收图像数据,且可处理所述图像数据以验证所述用户。在一些实施方案中,验证模块可确定从用户接收的图像的真实度分数,且可基于所述真实度分数来接受或拒绝所述图像。当图像被当作呈现除真人眼睛之外的某物的电子欺骗企图而拒绝时,验证模块540可发送网络通信消息来向安全交易服务523或有关当局报告电子欺骗企图。
验证模块540可实施为在处理设备(例如,一个或一个以上计算装置(如图9中所说明的计算机系统))上执行的软件、硬件或软件与硬件的组合。
用户装置(例如,计算装置510)可包含验证应用程序550。验证应用程序550可促进将用户验证为经注册或经登记用户身份以经由网络511访问安全服务(例如,安全交易服务523)。举例来说,验证应用程序550可为用于与服务器侧验证模块(例如,验证模块540)交互的移动应用程序或另一类型的客户端应用程序。验证应用程序550可驱动传感器(例如,连接到用户计算装置或与用户计算装置集成的相机)以俘获用户的一个或一个以上图像(例如,用户530),其包含用户的眼睛的眼白的视图。验证应用程序550可提示(例如,经由显示器或扬声器)用户摆姿势以进行图像俘获。举例来说,可提示用户面向传感器,且将其注视点定向到左方或右方,以将眼睛的眼白的大部分暴露到传感器。
在一些实施方案中,验证应用程序550经由网络511将所俘获图像数据传输到远程服务器(例如,服务器系统512或514)上的验证模块(例如,验证模块525或540)。收集来自用户的图像数据可促进登记和建立用户的参考记录。收集来自用户的图像数据还可促进对照参考记录来验证用户身份。
在一些实施方案中,可通过验证应用程序550执行对图像数据的额外处理以用于验证目的,且所述处理的结果可传输到验证模块(例如,验证模块525或540)。以此方式,验证功能可以适合于特定应用的方式分布于客户端与服务器侧处理之间。举例来说,在一些实施方案中,验证应用程序550确定所俘获图像的真实度分数,且拒绝具有指示电子欺骗攻击的真实度分数的任何图像。如果真实度分数指示真人眼睛,那么可基于所接受的图像将图像数据传输到服务器侧验证模块(例如,验证模块525或540)以进行进一步分析。
在一些实施方案中,验证应用程序访问用户身份的参考记录,且进行完全验证过程,随后将结果(例如,用户被接受还是被拒绝)报告给服务器侧验证模块。
验证应用程序550可实施为在处理设备(例如,一个或一个以上计算装置(如图9中所说明的计算机系统))上执行的软件、硬件或软件与硬件的组合。
图6是用于基于眼睛的眼白的一个或一个以上图像验证个体的实例过程600的流程图。确定所获得图像的真实度分数,且使用所述真实度分数来接受或拒绝所述图像。当检测并接受具有真人眼睛的图像时,对图像进行进一步分析以通过从图像提取特征并比较所述特征与参考记录来确定匹配分数。接着基于所述匹配分数来接受或拒绝用户。
举例来说,可由图4的计算装置430中的验证模块440来实施过程600。在一些实施方案中,计算装置430为包含经配置以执行过程600的动作的一个或一个以上处理器的数据处理设备。举例来说,数据处理设备可为计算装置(例如,如图9中所说明)。在一些实施方案中,过程600可全部或部分由验证应用程序550实施,验证应用程序550由用户计算装置(例如,计算装置510)执行。举例来说,用户计算装置可为移动计算装置(例如,图9的移动计算装置950)。在一些实施方案中,过程600可全部或部分由验证模块540实施,验证模块540由用户服务器系统(例如,服务器系统514)执行。在一些实施方案中,服务器系统514为包含经配置以执行过程600的动作的一个或一个以上处理器的数据处理设备。举例来说,数据处理设备可为计算装置(例如,如图9中所说明)。在一些实施方案中,计算机可读媒体可包含指令,所述指令在由计算装置(例如,计算机系统)执行时致使装置执行处理器600的动作。
获得602眼睛的一个或一个以上图像。所述图像包含在眼睛的角膜缘边界外部的眼睛的脉管系统的一部分的视图。所获得的图像可为单色的,或表示于各种色彩空间(例如,RGB、SRGB、HSV、HSL或YCbCr)中。在一些实施方案中,可使用光传感器(例如,数码相机、3D相机,或光场传感器)获得图像。所述传感器可对各种波长范围中的光敏感。举例来说,所述传感器可对光的可见光谱敏感。在一些实施方案中,传感器与可以脉冲形式发出以照亮传感器的视图中的物体的闪光或手电筒配对。图像的俘获可与闪光的脉动同步或用闪光的脉动进行时间锁定。在一些实施方案中,传感器俘获一系列图像,所述系列图像可用来跟踪物体在传感器的视野内的运动。所述传感器可包含控制图像俘获的一个或一个以上设置(例如,焦距、闪光强度、曝光,及白平衡)。图像可共同包含多个焦距。举例来说,可俘获一系列图像,每一图像是用传感器的不同焦距设置俘获的,和/或一些传感器(例如,光场传感器)可俘获聚焦于距传感器多个距离处的图像。在一些实施方案中,可通过经由网络接口(例如,服务器系统514的网络接口)而接受来获得502一个或一个以上图像。
可接着确定604所述一个或一个以上图像的真实度分数。在一些实施方案中,将图像数据元素(例如,体元、像素、射线,或红、绿或蓝通道值)直接输入到受训练函数近似器,所述受训练函数近似器输出真实度分数。可使用对应于与理想分数(例如,真人眼睛为1,且电子欺骗道具为0)配对的真人眼睛和电子欺骗道具两者的训练图像的数据来训练函数近似器。所述函数近似器或分类器用一组模型参数对从输入数据(即,训练图像数据或特征)到输出数据(即,所得真实度分数或二进制决定)的映射进行建模。使用应用于训练数据的训练算法来选择模型参数值。举例来说,函数近似器可基于以下模型:线性回归、沃尔泰拉级数、维纳级数、径向基核函数、核方法、多项式方法、分段线性模型、贝叶斯分类器、k最邻近分类器、神经网络、支持向量机,或混沌函数近似器。其它模型是可能的。在一些实施方案中,真实度分数可为二进制的。
在一些实施方案中,基于一个或一个以上真实度度量来确定604真实度分数,所述一个或一个真实度度量又是基于所获得图像确定的。相对于图7描述此过程的一些实例。
举例来说,可通过验证模块440、验证应用程序550、验证模块525或验证模块540来确定604真实度分数。
对真实度分数进行检查606以确定图像是否可能包含真人眼睛的视图。在一些实施方案中,可将真实度分数与阈值进行比较。
如果真实度分数指示真人眼睛的低可能性以及因此电子欺骗攻击的高可能性,那么拒绝608一个或一个以上图像。在一些实施方案中,接着可报告610电子欺骗攻击。在一些实施方案中,通过显示器或扬声器(例如,用警报声音或闪光显示器)来报告610电子欺骗攻击。在一些实施方案中,通过使用网络接口经由网络传输一个或一个以上消息来报告610电子欺骗攻击。用户接着可拒绝630且不允许访问安全装置或服务。
在一些实施方案(未图示)中,可执行检查以检验从特定传感器俘获所获得图像,且特定传感器尚未被电子欺骗图像数据的提交绕过。举例来说,在图像俘获期间,可调整一个或一个以上传感器配置设置以在图像中的两者或两者以上的俘获期间采取不同设置。预期在所获得图像数据中反映这些不同设置。如果在具有不同设置的图像之间的图像数据改变,那么其可指示传感器已被电子欺骗攻击绕过。举例来说,可以此方式调整控制聚焦、曝光时间或白平衡的传感器配置设置。如果未检测到所获得图像数据的对应改变,那么可拒绝608所获得图像。
如果真实度分数指示图像中描绘真人眼睛的高可能性,那么接受616一个或一个以上图像,且其经受进一步分析以完成验证过程。
可对所述一个或一个以上图像进行分段620以识别包含眼睛的眼白中的脉管系统的最佳视图的兴趣区。在一些实施方案中,可识别所述一个或一个以上图像中的解剖界标(例如,虹膜、其中心及角膜缘边界、眼角,及眼睑的边缘)。可基于其相对于所识别的解剖界标的位置来识别并选择图像内的兴趣区。举例来说,兴趣区可位于眼睛的眼白中虹膜左方、右方、上方或下方。在一些实施方案中,所选择的兴趣区经平铺以形成覆盖眼睛的眼白的较大部分的栅格。在一些实施方案中,图像的所选择区是不连续的(例如,相邻区可重叠,或相邻区之间可具有空间)。所选择的兴趣区可对应于从参考图像(参考记录中的数据是基于所述参考图像)选择的兴趣区。
在一些实施方案中,通过将曲线拟合在眼睑的在巩膜上的所选择部分上,且接着外插并发现那些曲线的相交点来找出眼角。如果归因于巩膜过近(例如,归因于注视方向)的事实而不能发现一个相交点(眼角),那么可导出来自同一眼角区域但来自相反注视方向照片的模板并将其应用于手边图像中的有问题的眼角邻域,且可将最大相关位置标记为眼角。
在一些实施方案中,通过自适应性阈值方法来找出眼睑,所述自适应性阈值方法从图像中找出眼睛的眼白,其与眼睑接界。可通过形态学操作(例如,凸包)来校正巩膜遮罩自身以去除像差。
在一些实施方案中,从巩膜遮罩找出边缘边界,其为巩膜结束之处,因为其终止于虹膜边缘边界处。
在一些实施方案中,经由多种方法找出虹膜中心。如果眼睛色彩明亮,那么可找出瞳孔的中心作为虹膜中心。如果虹膜过暗,那么找出拟合到边缘边界和其中心的椭圆形的中心,或将其确定为围绕虹膜中心收敛的正常射线(即,垂直于边缘边界的切线的线)的焦点,或以上方法的组合。
可对图像区进行预处理622以增强图像内的脉管系统的视图。在一些实施方案中,预处理622包含色彩图像增强和对比度受限自适应性直方图均衡化(CLAHE),其增强强度图像的对比度。CLAHE在图像的小的区(称为平铺块)中操作。每一平铺块的对比度被增强,使得输出的直方图大致匹配由特定分布(例如,均匀分布、指数分布或瑞雷分布)指定的直方图。接着使用双线性内插来组合相邻平铺块,以消除人为造成的边界。在一些实施方案中,可通过选择红、绿或蓝色分量中在血管与背景之间具有最佳对比度的一者来增强图像。绿色分量可为优选的,因为其可在血管与背景之间提供最佳对比度。
在一些实施方案中,预处理622包含应用多尺度增强过滤方案来增强图像的强度,由此促进脉管结构的检测和后续提取特征。可凭经验确定过滤器的参数,以便考虑到血管的围长的变化。所使用的算法可具有良好曲线敏感性、良好曲线特异性且抑制其它形状的对象。所述算法可基于图像的二阶导数。首先,由于二阶导数对噪声敏感,因此用高斯函数来对图像片段进行卷积。高斯函数的参数σ可对应于血管的厚度。接下来,对于每一图像数据元素,可建立海森矩阵,且可计算特征值λl和λ2。在每一海森矩阵中,将矩阵脊定义为图像在曲率方向上具有极值处的点。曲率方向为图像的二阶导数的特征向量,其对应于最大绝对特征值λ。特征值的正负号确定其为局部最小值λ>0还是最大值λ<0。接着使用所计算的特征值来用以下方程式过滤血管线:
I_line(λ1,λ2)=|λ1|-|λ2|(如果λl<0),且I_line(λ1,λ2)=0(如果λ1≥0)
血管的直径变化,但算法假定直径在区间[d0,d1]内。可在尺度范围[d0/4,d1/4]中使用高斯平滑过滤器。可基于以下平滑尺度将此过滤重复N次:
σ1=d0/4,σ2=r*σ1,σ2=r^2*σ1,...σ2=r^(N-1)*σ1=d1/4
此最终输出可为来自N个尺度的所有个别过滤器的输出的最大值。
确定624每一图像区的特征,其反映在用户的眼睛的所述区中可见的脉管系统的结构或特性。在一些实施方案中,可使用细节检测方法来提取用户的脉管系统的特征。细节检测过程的实例描述于第7,327,860号美国专利中。
在一些实施方案中,可部分通过将对应于那些图像区的纹理特征的一组过滤器应用于图像区来确定624特征。举例来说,可部分通过将各种角度处的一组复数伽柏过滤器应用于图像来确定特征。可凭经验确定过滤器的参数,以便考虑到血管的间隔、定向和围长的变化。图像的纹理特征可测量为兴趣区中的尖锐可见脉管系统的量。可用尖锐可见脉管系统的面积对兴趣区的面积的比率来确定此质量。伽柏过滤的图像的相位当使用阈值来二进制化时可促进检测且揭示尖锐可见脉管系统。
当伽柏过滤器核经配置成西格玛=2.5像素,频率=6且伽马=1时,复数伽柏过滤的图像的相位反映不同角度处的脉管模式。频率的选择可取决于脉管之间的距离,其又取决于分辨率和图像获取系统与主体之间的距离。对于图像,这些参数可为不变的。举例来说,可针对在远离眼睛6到12厘米的距离处使用特定传感器(例如,智能手机上的后部相机)俘获的眼睛图像导出核参数,且经分段的巩膜区可重调大小为(例如,401x501像素)的分辨率以用于分析。可见眼睛表面脉管系统可散布在眼睛的眼白上的所有方向上。举例来说,伽柏核可在六个不同角度(角度=0、30、60、90、120和150度)上对准。伽柏过滤的图像的相位可在–π到+π弧度范围内变化。高于0.25及低于-0.25弧度的相位值可对应于脉管结构。为了使用取阈值来二进制化相位图像,高于0.25或低于-0.25的相位的所有值可设定为1,且剩余值设定为0。这可导致对应相位图像中的尖锐脉管系统结构。可针对由不同角度处的所有六个伽柏核的应用程序产生的图像执行此操作。可添加所有六个二进制化图像以揭示精细且清晰的脉管结构。在一些实施方案中,二进制化相位图像的元素的向量可用作用于比较图像与参考记录的特征向量。在一些实施方案中,图像兴趣区之间的纹理特征的差异可用作特征向量。由兴趣区的区域划分的二进制化图像区域的所有1的总和可反映可见脉管系统的程度。
基于特征和来自参考记录的对应特征来确定626匹配分数。参考记录可包含至少部分基于在用户的登记或注册过程期间俘获的一个或一个以上参考图像的数据。在一些实施方案中,匹配分数可确定626为从一个或一个以上所获得图像提取的特征向量与来自参考记录的特征向量之间的距离(例如,欧几里德距离、相关系数、改进豪斯多夫距离、马氏距离、布雷格曼发散、余弦相似度、库尔贝克-莱布勒距离和延森-香农发散)。在一些实施方案中,可通过将从一个或一个以上所获得图像提取的特征和来自参考记录的特征输入到受训练函数近似器来确定626匹配分数。
在一些实施方案中,基于相同脉管系统的多个图像的匹配分数来确定626基于质量的融合匹配分数。在一些实施方案中,多个图像的匹配分数通过将匹配分数一起与相应地取决于多个图像中的每一者所确定的质量分数的权重加权线性组合地相加来组合。可用以基于多个图像的相应质量分数组合多个图像的匹配分数的技术的其它实例包含分层混合、求和规则、乘积规则、闸控融合、德普斯特-沙佛组合和堆叠式推广以及其它者。
在一些实施方案中,由验证模块(例如,计算装置430上运行的验证模块440)确定626匹配分数。
可对匹配分数进行检查628以确定一个或一个以上所获得图像与参考记录之间的匹配是否存在。举例来说,匹配分数可与阈值进行比较。匹配可反映在一个或一个以上所获得图像中描绘其眼睛的用户与关联于参考记录的个体相同的高可能性。
如果不存在匹配,那么可拒绝630用户。结果,可不允许用户访问安全装置或服务(例如,安全装置450或安全交易装置523)。在一些实施方案中,可通过展示于显示器上或通过扬声器播放的消息通知用户所述拒绝630。在一些实施方案中,可通过经由网络传输反映被拒绝的用户的状态的消息来影响拒绝。举例来说,验证模块540在拒绝用户530之后可随即使用服务器系统514的网络接口将拒绝消息传输到安全交易服务器523。验证模块540在此情形下还可将拒绝消息发送到用户计算装置510。
如果存在匹配,那么可接受632用户。结果,可准许用户访问安全装置或服务(例如,安全装置450或安全交易装置523)。在一些实施方案中,可通过展示于显示器上或通过扬声器播放的消息通知用户所述接受632。在一些实施方案中,可通过经由网络传输反映被接受的用户的状态的消息来影响接受。举例来说,验证模块540在接受用户530之后可随即使用服务器系统514的网络接口将接受消息传输到安全交易服务器523。验证模块540在此情形下还可将接受消息发送到用户计算装置510。
图7是用于确定眼睛的一个或一个以上图像的真实度分数的实例过程700的流程图。针对图像确定710一个或一个以上真实度度量,且基于一个或一个以上真实度度量确定730真实度分数。
举例来说,可由图4的计算装置430中的验证模块440来实施过程700。在一些实施方案中,计算装置430为包含经配置以执行过程700的动作的一个或一个以上处理器的数据处理设备。举例来说,数据处理设备可为计算装置(例如,如图9中所说明)。在一些实施方案中,过程700可全部或部分由验证应用程序550实施,验证应用程序550由用户计算装置(例如,计算装置510)执行。举例来说,用户计算装置可为移动计算装置(例如,图9的移动计算装置950)。在一些实施方案中,过程700可全部或部分由验证模块540实施,验证模块540由用户服务器系统(例如,服务器系统514)执行。在一些实施方案中,服务器系统514为包含经配置以执行过程700的动作的一个或一个以上处理器的数据处理设备。举例来说,数据处理设备可为计算装置(例如,如图9中所说明)。在一些实施方案中,计算机可读媒体可包含指令,所述指令在由计算装置(例如,计算机系统)执行时致使装置执行处理器700的动作。
处理器700在接收一个或一个以上图像以用于处理时开始702。举例来说,可将一个或一个以上图像编码为数据图像元素(例如,像素、体元、射线或红、绿或蓝通道值)的二维、三维或四维阵列。
接着可基于一个或一个以上图像确定710一个或一个以上真实度度量。在此实例中,基于眼睛在多个图像中出现时眼睛的所检测的移动确定712行为度量。所述行为度量可为对所检测的移动和定时与所述眼睛的预期移动的偏差的测量。
在一些实施方案中,在俘获图像时向主体施加光刺激(例如,闪光脉冲、LCD显示器的改变亮度)。响应于这些光刺激,预期真人眼睛的瞳孔收缩以适应照明的改变。此外,预期瞳孔随时间流逝以特定方式收缩,其具有取决于用户反应时间的开始时间、达到新的稳态瞳孔直径所需要的收缩移动的持续时间、收缩的平均速度以及收缩运动的特定加速度曲线。通过检验在光刺激的开始之前及之后所俘获的图像序列,可确定所检测运动的一个或一个以上参数,且将其与所预期运动的一个或一个以上参数进行比较。响应于光刺激的与所预期运动的实质偏差可指示相机视图中的主体不是真人眼睛,且发生电子欺骗攻击。相对于图8A描述此实施方案的实例。
在一些实施方案中,可通过在图像俘获期间向主体施加外部刺激(例如,指示用户定向其注视点的提示或展示用户以其眼睛跟随的移动对象的显示器)行为度量以及跟踪可能引起的注视点转变来确定712行为度量。响应于这些外部刺激,预期真人眼睛随着时间流逝以特定方式移动。所预期注视点转变运动的一些参数可包含取决于用户的反应时间的开始时间、达到新的稳态注视方向所需要的注视点转变移动的持续时间、平均速度和注视点转变运动的特定加速度曲线。通过检验在外部刺激的开始之前及之后所俘获的图像序列,可确定所检测运动的一个或一个以上参数,且将其与所预期运动的一个或一个以上参数进行比较。响应于外部刺激的与所预期运动的实质偏差可指示相机视图中的主体不是真人眼睛,且发生电子欺骗攻击。相对于图8B描述此实施方案的实例。
在一些实施方案中,确定712行为度量可包含检测眼睛的眼白的脉管系统(例如,巩膜外层中的脉管系统)中的血流量。可分析图像的序列以检测眼睛的眼白中的静脉和血管的随时间流逝而发生的色调改变和可见宽度改变。预期真人眼睛的脉管系统展现血管宽度和色调的对应于用户脉冲的规则改变。与所预期血流模式的实质偏差可指示相机视图中的主体不是真人眼睛,且发生电子欺骗攻击。
举例来说,考虑两个分支点或锐弯管之间的脉管系统的区段。彼血管的管状体在心通过其来泵送血液时改变形状和色彩。在一些实施方案中,可在10秒周期内俘获300个帧或图像。可一个俘获例子接一个俘获例子地注册图像区。接着可通过比较随时间流逝沿血管的兴趣点的物理维度(2d或3d)以及随时间流逝那些血管的色彩来测量血流量。以此方式,可检测与脉冲一致的改变。举例来说,测量“脉冲”信号是否类似于将不与自然循环系统一致的方波。如果测量“脉冲”信号由在人类用户(可能甚至特定用户)的正常范围内随时间流逝在规则时间间隔处的尖峰信号(血管扩张和适当色彩改变两者)组成,那么输入可能对应于真实脉冲。可确定测量脉冲信号与所预期脉冲信号之间的距离以评估主体是真人眼睛而非电子欺骗攻击的可能性。
在一些实施方案中,所预期运动参数特定于特定用户,且在登记会话期间确定且作为特定用户的参考记录的部分进行存储。在一些实施方案中,针对基于用户数据或离线研究的大量收集的人口来确定所预期运动参数。
举例来说,可由验证模块或应用程序(例如,验证模块440)来确定712行为度量。
在此实例中,基于从传感器到各自具有不同相应焦距的多个图像中出现的界标的距离来确定714空间度量。焦距为从传感器到其视野中完美聚焦的点的距离。出于某些原因,可通过调整传感器的聚焦配置设置来针对不同图像调整焦距。举例来说,可识别界标(例如,虹膜、眼角、鼻子、耳朵或背景对象),且其位于具有不同焦距的多个图像中。特定图像中的界标表示具有聚焦程度,所述聚焦程度取决于对应于界标的对象距离传感器的视野中的焦点有多远。聚焦程度为对界标的图像被光传感器中的光学效应模糊的程度的测量(例如,归因于因孔隙形状的衍射和卷积)。特定图像中的界标的聚焦程度可通过确定界标附近的图像信号的高频率分量来估计。当界标聚焦时,预期其附近有较多高频率分量。当界标的聚焦程度低时,预期较小的高频率分量。通过比较图像中的界标的聚焦程度与不同焦距,可估计从传感器到界标的距离。在一些实施方案中,估计多个界标距传感器(例如,相机)的距离以形成传感器视图中的主体的拓扑图(由一组三维界标位置组成)。由相机检视的空间中的这些界标的位置可通过确定反映与模型的偏差的空间度量(例如,一个或一个以上界标的所检测位置与一个或一个以上界标的对应模型化位置之间的均方差)来与模型进行比较。
在一些实施方案中,空间度量为对主体与二维平面的偏差的测量。一个可能的电子欺骗策略为将经注册用户的眼睛的二维图像(例如,照片)呈现给传感器。然而,不同于真实眼睛中和周围的界标,二维图像中界标(例如,眼睛、鼻子、嘴和耳朵)的位置将在二维平面中出现。举例来说,多个界标的位置可拟合于最近二维平面,且界标与此拟合平面的平均距离可确定为空间度量。此空间度量的高值可指示三维主体和主体是真人眼睛的较高可能性,而低值可指示主体是二维电子欺骗攻击的较高可能性。
在一些实施方案中,空间度量为对主体与预期三维形状的偏差的测量。包含对应于包含用户的真人眼睛的主体的所预期形状的界标的位置的三维模型可用于与所检测界标位置进行比较。在一些实施方案中,特定用户的脸上的界标的相对位置可在登记会话期间确定,且用以产生作为参考记录的部分存储的三维模型。在一些实施方案中,用户人口的三维模型可基于许多人的测量或研究的集合来确定。各种类型的度量可用作空间度量以比较所检测界标位置与所预期形状(例如,欧几里德距离、相关系数、改进豪斯多夫距离、马氏距离、布雷格曼发散、库尔贝克-莱布勒距离和延森-香农发散)。
在一些实施方案中,确定714所述空间度量包括确定多个图像中出现的两个或两个以上界标的视差。视差为归因于观察者的位置的改变的所观察对象的明显移位。从主体上的不同角度截取的多个图像可导致图像内的界标看起来移动不同量,这是因为其与传感器的距离的差异。可测量此视差效应且将其用作反映传感器视图中的主体的三维性质的空间度量。如果图像中的所有界标经历由传感器的相对运动引起的相同明显移位,即,界标的视差效应的差异小,那么由相机检视的主体具有为二维电子欺骗攻击的较高可能性。在一些实施方案中,传感器在图像俘获期间围绕主体移动以从相对于主体的不同定向收集图像数据。举例来说,单一相机可轻微旋转或滑动,或不同位置处的多个相机可用于图像俘获。在一些实施方案中,提示用户移动以便改变主体和传感器的相对定向。在一些实施方案中,假定传感器将相对于主体自然地移动。举例来说,在传感器为手持式用户装置(例如,智能手机或平板计算机)中的相机的情况下,传感器可归因于无意识的触觉运动而相对于用户的脸自然地移动。
举例来说,可由验证模块或应用程序(例如,验证模块440)来确定714空间度量。
在此实例中,基于眼睛在多个图像中出现时眼睛的表面上的表面眩光或镜面反射模式的所检测的改变来确定716反射度量。反射度量可为对眼睛的表面上的眩光或镜面反射膜片的改变的测量。在传感器的视图中的眼睛的照明改变时,归因于眼睛和光源的相对运动或归因于动态光源(例如,闪光灯、LCD屏或其它照明元件),眼睛上可见的眩光和镜面反射模式通过出现、消失、生长、收缩或移动而预期改变。在一些实施方案中,在图像俘获期间由光刺激(例如,闪光脉冲)或外部刺激(例如,指示用户改变注视方向的提示)引起照明改变。举例来说,可由取对比度增强图像的阈值来检测眩光(包含其边界)以找到最白点。通过确定716测量所检测的改变与所预期改变的偏差的反射度量,图像中的眼睛上的眩光或镜面反射模式的所检测的改变可与这些模式中的所预期改变进行比较。
寻找此眩光的区域和形状的改变。还可查看眩光膜片的周长对面积的比率。
在一些实施方案中,可在俘获图像中的一者或一者以上时以脉冲形式发出闪光,从而照亮主体。可在眼睛在图像中出现时在眼睛上检测到来自闪光的眩光。闪光的脉动可与图像俘获同步,使得可测量以脉冲形式发出闪光的时间与对应眩光在图像中出现的时间之间的时间差。反射度量可基于此时间差。与闪光脉冲与对应眩光或镜面反射的开始的所预期同步或时间锁定的大偏差可指示电子欺骗攻击。举例来说,重放攻击使用俘获情形的预先记录的视频。预先记录的视频的眩光改变不可能在当前会话期间与实时闪光事件时间锁定。另一实例为将眼睛的印记图像呈现给传感器,在此情况下,眩光可以不自然均匀的方式散布在印记图像上,或可归因于所检视表面上的湿气的缺乏而不可察觉地改变。如果未检测到对应眩光或镜面反射,那么反射度量可确定为对应于闪光与所检测的眩光或镜面反射之间的不良同步或时间锁定缺乏的任意大数目。
在一些实施方案中,可在随着照明的强度增加而揭示由眼睛的眼白的较大量的精细三维纹理引起的眩光模式的均匀性改变时检测照明改变。举例来说,可在俘获图像中的一者或一者以上时以脉冲形式发出闪光,从而以较高强度照亮主体。眼睛的眼白的精细三维纹理可通过测量闪光脉冲开始之前和之后图像中的眼睛上的眩光的模式的均匀性来检测。举例来说,镜面反射模式的眩光的均匀性可测量为眩光的周长对面积的比率。此数目比2/R大得越多,眩光就越不成圆形且越不均匀(R是眩光膜片的估计的半径)。在一些实施方案中,训练函数近似器(例如,神经网络)以使用具有照明元件(例如,闪光灯)的传感器在从真人眼球记录的镜面反射模式与合成眼球(例如,3D印记眼球)之间进行区分。
举例来说,可由验证模块或应用程序(例如,验证模块440)来确定716反射度量。
在一些实施方案(未图示)中,可确定710额外真实度度量。举例来说,可确定反映传感器视图中的眼睛的扫视运动的程度的度量。眼睛的虹膜可在图像序列中划出界标,使得可跟踪其位置或定向。可分析位置或定向的此序列以通过对与正常扫视运动相关联的特定频率下的运动进行过滤来确定扫视运动的程度。
在一些实施方案中,可确定710反映所俘获图像中半色调的程度的真实度度量。半色调为可用于电子欺骗攻击中的数字印记图像的假象,且因此其存在可指示电子欺骗攻击的高可能性。举例来说,可使用传感器(例如,相机)的减少的动态范围来俘获一个或一个以上图像,使得在所检测的光的强度上的较精细分辨率在其在所俘获图像中出现的范围中得以实现。以此方式,可放大强度或色标以揭示所检测的图像信号的电平的更细微改变。如果所俘获图像为真人眼睛,那么预期所检测的色彩或强度值的范围将继续连续地变化。相对比地,电子欺骗图像(例如,呈现给传感器的数码照片)可展现对应于半色调的大的不连续跳跃。可以各种方式测量图像中半色调的程度(例如,作为图像区中所评估的海森矩阵的平均或最大特征值,或作为图像信号的高频率分量)。在一些实施方案中,拒绝具有高于阈值的半色调度量的图像。在一些实施方案中,产生图像中的灰影的直方图,且测量灰度级区间(例如,256个区间)之间的分布的均匀性。
在一些实施方案中,并列地确定710真实度度量。在一些实施方案中,连续地确定710真实度度量。
接着可基于一个或一个以上真实度度量来确定730真实度分数。在一些实施方案中,通过将一个或一个以上真实度度量输入到受训练函数近似器中来确定真实度分数。
可使用对应于真人眼睛和已被正确地标记以提供所要输出信号的各种电子欺骗攻击的训练图像的数据来训练函数近似器。所述函数近似器用一组模型参数对从输入数据(即,训练图像真实度度量)到输出数据(即,真实度分数)的映射进行建模。使用应用于训练数据的训练算法来选择模型参数值。举例来说,函数近似器可基于以下模型:线性回归、沃尔泰拉级数、维纳级数、径向基核函数、核方法、多项式方法、分段线性模型、贝叶斯分类器、k最邻近分类器、神经网络、支持向量机,或混沌函数近似器。在一些实施方案中,真实度分数可为二进制的。
举例来说,可基于一个或一个以上真实度度量由验证模块或应用程序(例如,验证模块440)来确定730真实度分数。
所得真实度分数接着可被返回740,且可以多种方式由验证系统(例如,验证系统400)使用。举例来说,真实度分数可用以接受或拒绝一个或一个以上图像。
图8A是用于基于瞳孔响应于光刺激的收缩来确定行为度量的实例过程800的流程图。向由传感器(例如,光传感器420)检视的场景施加810一个或一个以上光刺激。举例来说,光刺激可包含闪光脉冲或显示器(例如,LCD显示器)亮度的改变。由传感器在光刺激开始之前和之后俘获812图像序列。举例来说,可在包含光刺激开始的时间间隔(例如,2、5或10秒)内以规则间隔的时间(例如,10、30或60Hz)俘获图像序列。
在一些实施方案中,在每一所俘获图像中确定814在所俘获图像中的每一者中划出界标的瞳孔和瞳孔的直径。可确定814相对于在光刺激的开始之前俘获的一个或一个以上图像中测量的瞳孔的开始直径的直径。
可分析响应于光刺激而测量的瞳孔直径的所得序列以确定816响应于光刺激的瞳孔收缩的一个或一个以上运动参数。在一些实施方案中,瞳孔收缩的运动参数可包含相对于光刺激的开始的收缩运动的开始时间。开始为光刺激的开始与收缩运动的开始之间的时间延迟。在一些实施方案中,瞳孔收缩的运动参数可包含收缩运动的持续时间。持续时间为当瞳孔直径达到新的稳态值(例如,在此之后直径在最小时间间隔内不改变)时收缩运动的开始与收缩运动的结束之间的时间长度。在一些实施方案中,瞳孔收缩的运动参数可包含瞳孔收缩的速度。举例来说,速度可确定为由其间的时间间隔的长度划分的两个时间点之间的瞳孔直径的差异。在一些实施方案中,瞳孔收缩的运动参数可包含收缩周期的不同时间片段中的瞳孔收缩的加速度。举例来说,加速度可确定为两个时间间隔之间的速度的差异。
行为度量可确定818为一个或一个以上所确定运动参数与一个或一个以上所预期运动参数之间的距离。举例来说,行为度量可包含真人眼睛的所检测开始时间与所预期开始时间之间的差异。举例来说,行为度量可包含真人眼睛的瞳孔收缩的所检测持续时间与所预期持续时间之间的差异。在一些实施方案中,瞳孔直径的序列与瞳孔直径的所预期序列通过确定两个序列之间的距离(例如,欧几里德距离、相关系数、改进豪斯多夫距离、马氏距离、布雷格曼发散、库尔贝克-莱布勒距离和延森-香农发散)来进行比较。在一些实施方案中,收缩运动的瞳孔收缩速度的序列与瞳孔收缩速度的所预期序列通过确定速度的两个序列之间的距离来进行比较。在一些实施方案中,收缩运动的瞳孔收缩加速度的序列与瞳孔收缩加速度的所预期序列通过确定加速度的两个序列之间的距离来进行比较。
举例来说,过程800可由控制光传感器(例如,光传感器420)和照明元件的验证模块或应用程序(例如,验证模块440)来实施。
图8B是用于基于响应于外部刺激的虹膜的注视点转变来确定行为度量的实例过程820的流程图。向由传感器(例如,光传感器420)检视的用户施加830一个或一个以上外部刺激。举例来说,外部刺激可包含在图像俘获期间指示用户定向其注视点(例如,向右看、向左看、向上看、向下看、向前看)的提示。提示可为视觉的、听觉的和/或触觉的。在一些实施方案中,外部刺激可包含在显示器内移动的用户眼睛所跟随的对象。
由传感器在外部刺激开始之前和之后俘获832图像序列。举例来说,可在包含外部刺激开始的时间间隔(例如,2、5或10秒)内以规则间隔的时间(例如,10、30或60Hz)俘获图像序列。
在一些实施方案中,在每一所俘获图像中确定在所俘获图像中的每一者中划出界标的虹膜和虹膜的位置或定向834。可确定834相对于在外部刺激的开始之前俘获的一个或一个以上图像中测量的虹膜的开始位置的位置。
可分析响应于外部刺激而测量的虹膜位置的所得序列以确定836响应于外部刺激的注视点转变的一个或一个以上运动参数。在一些实施方案中,注视点转变的运动参数可包含相对于外部刺激的开始的注视点转变运动的开始时间。开始为外部刺激的开始与注视点转变运动的开始之间的时间延迟。在一些实施方案中,注视点转变的运动参数可包含注视点转变运动的持续时间。持续时间为当虹膜达到新的稳态位置(例如,在此之后虹膜在最小时间间隔内不移动)时注视点转变运动的开始与注视点转变运动的结束之间的时间长度。在一些实施方案中,注视点转变的运动参数可包含注视点转变的速度。举例来说,速度可确定为由其间的时间间隔的长度划分的两个时间点之间的虹膜位置的差异。在一些实施方案中,注视点转变的运动参数可包含注视点转变的加速度。举例来说,加速度可确定为两个时间间隔之间的速度的差异。
行为度量可确定为一个或一个以上所确定运动参数与一个或一个以上所预期运动参数之间的距离838。举例来说,行为度量可包含真人眼睛的所检测开始时间与所预期开始时间之间的差异。举例来说,行为度量可包含真人眼睛的瞳孔收缩的所检测持续时间与所预期持续时间之间的差异。在一些实施方案中,虹膜位置的序列与虹膜位置的所预期序列通过确定两个序列之间的距离(例如,欧几里德距离、相关系数、改进豪斯多夫距离、马氏距离、布雷格曼发散、库尔贝克-莱布勒距离和延森-香农发散)来进行比较。在一些实施方案中,注视点转变运动的转变速度的序列与转变速度的所预期序列通过确定速度的两个序列之间的距离来进行比较。在一些实施方案中,收缩运动的注视点转变加速度的序列与注视点转变加速度的所预期序列通过确定加速度的两个序列之间的距离来进行比较。
举例来说,过程820可由控制光传感器(例如,光传感器420)和提示装置(例如,显示器、扬声器或触觉反馈装置)的验证模块或应用程序(例如,验证模块440)来实施。
图9展示通用计算机装置900和通用移动计算装置950的实例,其可与此处所描述的技术一起使用。意欲计算装置900表示各种形式的数字计算机,例如膝上型计算机、桌上型计算机、工作站、个人数字助理、服务器、刀片服务器、大型机和其它适当计算机。意欲计算装置950表示各种形式的移动装置,例如个人数字助理、蜂窝式电话、智能手机和其它类似计算装置。此处所展示的组件、其连接及关系以及其功能意谓仅示范性的,且不意谓限制本文件中所描述和/或主张的本发明的实施方案。
计算装置900包含处理器902、存储器904、存储装置906、连接到存储器904和高速扩展端口910的高速接口908以及连接到低速总线914和存储装置906的低速接口912。组件902、904、906、908、910和912中的每一者使用各种总线互连,且可安装在共同母板上或以其它适当方式安装。处理器902可处理计算装置900内的用于执行的指令,包含存储于存储器904中或存储于存储装置906上的指令以将GUI的图形信息显示在外部输入/输出装置(例如耦合到高速接口908的显示器916)上。在其它实施方案中,可在适当时与多个存储器和存储器类型一起使用多个处理器和/或多个总线。而且,可连接多个计算装置900,其中每一装置提供必要操作的部分(例如,作为服务器组、一群刀片服务器或多处理器系统)。
存储器904将信息存储在计算装置900内。在一个实施方案中,存储器904为一个或一个以上易失性存储器单元。在另一实施方案中,存储器904为一个或一个以上非易失性存储器单元。存储器904还可为另一形式的计算机可读媒体,例如磁盘或光盘。
存储装置906能够提供用于计算装置900的大量存储。在一个实施方案中,存储装置906可为或含有计算机可读媒体,例如软盘装置、硬盘装置、光盘装置或磁带装置、闪存存储器或其它类似固态存储器装置,或包含存储区域网络中的装置或其它配置的装置阵列。计算机程序产品可有形地体现于信息载体中。计算机程序产品还可含有指令,所述指令在执行时执行一个或一个以上方法,例如上文所描述的方法。举例来说,信息载体为计算机或机器可读媒体,例如存储器904、存储装置906或处理器902上的存储器。
高速控制器908管理计算装置900的宽带密集操作,而低速控制器912管理较低宽带密集操作。功能的此分配仅为示范性的。在一个实施方案中,高速控制器908耦合到存储器904、显示器916(例如,通过图形处理器或加速器),耦合到高速扩展端口910,其可接受各种扩展卡(未图示)。在实施方案中,低速控制器912耦合到存储装置906和低速扩展端口914。可包含各种通信端口(例如,USB、蓝牙、以太网、无线以太网)的低速扩展端口可(例如)通过网络适配器,耦合到一个或一个以上输入/输出装置,例如键盘、定位装置、扫描仪或网络连接装置,例如交换器或路由器。
如图中所展示,计算装置900可以多种不同形式实施。举例来说,计算装置900可实施为标准服务器920或多次实施于一群此等服务器中。计算装置900还可实施为机架式服务器系统924的部分。另外,计算装置900可实施于例如膝上型计算机922等个人计算机中。或者,来自计算装置900的组件可与移动装置(未图示)中的其它组件(例如,装置950)组合。此等装置中的每一者可含有计算装置900、950中的一者或一者以上,且整个系统可由彼此通信的多个计算装置900、950组成。
计算装置950包含处理器952、存储器964、例如显示器954、通信接口966和收发器968等输入/输出装置以及其它组件。装置950还可具备例如微型硬盘或其它装置等存储装置以提供额外存储。组件950、952、964、954、966和968中的每一者使用各种总线互连,且组件中的若干者可安装在共同母板上或以其它适当方式安装。
处理器952可执行计算装置950内的指令,包含存储于存储器964中的指令。处理器可实施为包含单独和多个模拟和数字处理器的芯片的芯片组。举例来说,处理器可提供装置950的其它组件的协调,例如用户接口的控制、由装置950执行的应用程序以及由装置950进行的无线通信。
处理器952可与用户通过控制接口958和耦合到显示器954的显示器接口956通信。举例来说,显示器954可为TFT LCD(薄膜晶体管液晶显示器)或OLED(有机发光二级管)显示器或其它适当显示技术。显示器接口956可包括用于驱动显示器954将图形和其它信息呈现给用户的适当电路。控制接口958可从用户接收命令,且对其进行转换以提交到处理器952。另外,可提供与处理器952通信的外部接口962,以便使得装置950能够与其它装置进行附近区域通信。举例来说,外部接口962在一些实施方案中可提供有线通信,或在其它实施方案中提供无线通信,且还可使用多个接口。
存储器964将信息存储在计算装置950内。存储器964可实施为一个或一个以上计算机可读媒体、一个或一个以上易失性存储器单元或一个或一个以上非易失性存储器单元中的一者或一者以上。还可提供扩展存储器974,且其通过扩展接口972连接到装置950,扩展接口972可包含(例如)SIMM(单列直插式存储器模块)卡接口。此扩展存储器974可提供用于装置950的额外存储空间,或还可存储用于装置950的应用程序或其它信息。具体来说,扩展存储器974可包含进行或补充上文所描述的过程的指令,且还可包含安全信息。因此,(例如)可提供扩展存储器974作为装置950的安全模块,且可用准许安全使用装置950的指令来编程。另外,可通过SIMM卡来提供安全应用程序以及额外信息,例如以不可控方式将识别信息置放在SIMM卡上。
举例来说,存储器可包含闪存存储器和/或NVRAM存储器,如下文所论述。在一个实施方案中,计算机程序产品有形地体现于信息载体中。计算机程序产品含有指令,所述指令在执行时执行一个或一个以上方法,例如上文所描述的方法。信息载体为计算机或机器可读媒体,例如存储器964、扩展存储器974、处理器952上的存储器或可(例如)经由收发器968或外部接口962接收的传播信号。
装置950可经由通信接口966进行无线通信,通信接口966在必要时可包含数字信号处理电路。通信接口966可提供在各种模式或协议(例如,GSM语音呼叫、SMS、EMS或MMS消息接发、CDMA、TDMA、PDC、WCDMA、CDMA2000或GPRS以及其它协议)下的通信。此通信可(例如)经由无线电频率收发器968而发生。另外,可例如使用蓝牙、WiFi或其它此种收发器(未图示)来发生短程通信。另外,GPS(全球定位系统)接收器模块970可将额外导航和位置相关无线数据提供到装置950,所述无线数据可在适当时由运行于装置950上的应用程序使用。
装置950还可使用音频编解码器960以听觉方式通信,音频编解码器960可从用户接收口头信息,且将其转换成可用的数字信息。音频编解码器960同样可(例如,通过(例如)装置950的手持机中的扬声器)产生用户的可听到的声音。此声音可包含来自语音电话呼叫的声音,可包含记录的声音(例如,语音消息、音乐文件等),且还可包含由操作于装置950上的应用程序产生的声音。
如图中所展示,计算装置950可以多种不同形式实施。举例来说,计算装置950可实施为蜂窝式电话980。计算装置950还可实施为智能手机982、个人数字助理或其它类似移动装置的部分。
此处所描述的系统和技术的各种实施方案可在数字电子电路、集成电路、特别设计的ASIC(专用集成电路)、计算机硬件、固件、软件和/或其组合中实现。这些各种实施方案可包含可编程系统上可执行和/或可解释的一个或一个以上计算机程序中的实施方案,所述可编程系统包含至少一可编程处理器,所述可编程处理器可出于专用或通用目的经耦合以从存储系统、至少一个输入装置和至少一个输出装置接收数据和指令,且将数据和指令传输到存储系统、至少一个输入装置和至少一个输出装置。
这些计算机程序(也被称作程序、软件、软件应用程序或代码)包含用于可编程处理器的机器指令,且可以高阶程序和/或面向对象编程语言和/或以汇编/机器语言来实施。如本文中所使用,术语“机器可读媒体”和“计算机可读媒体”指代用以将机器指令和/或数据提供到可编程处理器的任何计算机程序产品、设备和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包含接收机器指令作为机器可读信号的机器可读媒体。术语“机器可读信号”指代用以将机器指令和/或数据提供到可编程处理器的任何信号。
为了提供与用户的交互,此处所描述的系统和技术可实施于计算机上,所述计算机具有用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或LCD(液晶显示器)监视器)以及用户可将输入提供到计算机的键盘及定位装置(例如,鼠标或跟踪球)。也可使用其它种类的装置来提供与用户的交互,例如,提供到用户的反馈可为任何形式的感觉反馈(例如,视觉反馈、听觉反馈,或触觉反馈);且来自用户的输入可以任何形式接收,包含声学输入、话音或触觉输入。
此处所描述的系统和技术可实施于计算系统中,所述计算系统包含后端组件(例如,作为数据服务器),或包含中间件组件(例如,应用程序服务器),或包含前端组件(例如,具有图像用户接口的客户端计算机或用户可借以与此处描述的系统和技术的实施交互的网页浏览器),或此后端组件、中间件组件或前端组件之任何组合。可通过任何形式的数字数据通信或任何数字数据通信媒体(例如,通信网络)来互连系统的组件。通信网络的实例包含局域网(“LAN”)、广域网(“WAN”)和因特网。
计算系统可包含客户端和服务器。客户端与服务器通常在彼此远端,且通常经由通信网络交互。客户端与服务器的关系藉助于在相应计算机上运行且彼此具有客户端-服务器关系的计算机程序而发生。
已描述了若干实施例。然而,应理解,可在不脱离本发明的精神和范围的情况下进行各种修改。
另外,图中所描绘的逻辑流程并不需要所展示的特定次序或循序次序来实现所要结果。另外,可提供其它步骤,或可从所描述流程消除多个步骤,且可将其它组件添加到所描述系统,或从所描述系统移除其它组件。因此,其它实施例属于所附权利要求书的范围内。
Claims (28)
1.一种用于欺骗检测的方法,其包括:
使用光传感器来俘获主体的两个或更多图像,在此同时,在不同的时间和根据多个配置设置改变所述光传感器的焦距使得所述多个图像具有不同相应焦距,所述主体的两个或更多图像包含所述主体的眼睛的视图;
检测所述多个图像中的每一者中的界标的相应聚焦程度;
通过比较所检测的相应聚焦程度与所述相应焦距来计算第一度量;
基于所述多个图像中界标的相应聚焦程度来为两个或更多界标中的每一者计算所述界标至所述传感器的相应距离;
基于根据所述相应距离而对所述界标是否位于单一平面中的确定来计算第二度量;以及
至少基于所述第一度量和所述第二度量拒绝或接受所述图像。
2.根据权利要求1所述的方法,其中特定焦距是从所述传感器至所述传感器的视域中的被聚焦的点的距离。
3.根据权利要求1所述的方法,其中检测所述图像的所述相应聚焦程度包括测量所述图像中的界标被模糊的程度。
4.根据权利要求3所述的方法,其中测量所述图像中的所述界标被模糊的程度包括识别所述界标附近的图像的高频率分量的量。
5.根据权利要求1所述的方法,其中所述界标是虹膜、眼角、鼻子和耳朵中的一者。
6.根据权利要求1所述的方法,包括在所述俘获期间在不同时间和根据第二多个配置设置改变所述光传感器的白平衡或曝光时间,使得所述多个图像具有不同相应白平衡或不同相应曝光时间。
7.根据权利要求6所述的方法,其中至少基于所述第一度量拒绝或接受所述图像包括:检测所述多个图像中的每一者的相应白平衡或相应曝光时间;基于所检测的相应白平衡或相应曝光时间是否对应于所述第二多个配置设置的确定计算第二度量;以及基于所述第一度量和所述第二度量拒绝或接受所述图像。
8.根据权利要求1所述的方法,其中至少基于所述第一度量拒绝或接受所述图像包括:为受训练函数近似器提供所述第一度量和一个或多个所述第二度量,使用受训练图像和应用到所述受训练图像的所述第一度量和所述第二度量来训练所述受训练函数近似器;以及基于所述函数近似器的输出拒绝或接受所述图像。
9.根据权利要求8所述的方法,其中特定第二度量基于以下中的一者:当所述眼睛出现在所述多个图像中时,所述眼睛的所检测的运动与所述眼睛的所期望的运动之间的偏差的测量;以及当所述眼睛出现在所述多个图像中时在所述眼睛的平面上的眩光或镜面反射模式中的改变。
10.根据权利要求9所述的方法,其中所述眼睛的所检测的运动是扫视运动的测量。
11.根据权利要求9所述的方法,其中所述眼睛的所检测的运动是注视点转变的开始、持续时间或加速度的测量。
12.根据权利要求1所述的方法,包括在所述俘获期间在不同时间和根据第二多个配置设置改变所述主体的照明使得所述多个图像具有不同相应照明。
13.根据权利要求12所述的方法,其中至少基于所述第一度量拒绝或接受所述图像包括:检测所述多个图像中的每一者的对应照明的改变;基于所检测的照明的改变是否对应于所述第二多个配置设置的确定来计算第二度量;以及基于所述第一度量和所述第二度量拒绝或接受所述图像。
14.一种用于欺骗检测的系统,其包括编程为执行操作的数据处理装置,所述操作包括:
使用光传感器来俘获主体的两个或更多图像,在此同时,在不同的时间和根据多个配置设置改变所述光传感器的焦距使得所述多个图像具有不同相应焦距,所述主体的两个或更多图像包含所述主体的眼睛的视图;
检测所述多个图像中的每一者中的界标的相应聚焦程度;
通过比较所检测的相应聚焦程度与所述相应焦距来计算第一度量;
基于所述多个图像中界标的相应聚焦程度来为两个或更多界标中的每一者计算所述界标至所述传感器的相应距离;
基于根据所述相应距离而对所述界标是否位于单一平面中的确定来计算第二度量;以及
至少基于所述第一度量和所述第二度量拒绝或接受所述图像。
15.根据权利要求14所述的系统,其中特定焦距是从所述传感器至所述传感器的视域中的被聚焦的点的距离。
16.根据权利要求14所述的系统,其中检测所述图像的所述相应聚焦程度包括测量所述图像中的界标被模糊的程度。
17.根据权利要求16所述的系统,其中测量所述图像中的所述界标被模糊的程度包括识别所述界标附近的图像的高频率分量的量。
18.根据权利要求14所述的系统,其中所述界标是虹膜、眼角、鼻子和耳朵中的一者。
19.根据权利要求14所述的系统,包括在所述俘获期间在不同时间和根据第二多个配置设置改变所述光传感器的白平衡或曝光时间,使得所述多个图像具有不同相应白平衡或不同相应曝光时间。
20.根据权利要求19所述的系统,其中至少基于所述第一度量拒绝或接受所述图像包括:检测所述多个图像中的每一者的相应白平衡或相应曝光时间;基于所检测的相应白平衡或相应曝光时间是否对应于所述第二多个配置设置的确定计算第二度量;以及基于所述第一度量和所述第二度量拒绝或接受所述图像。
21.根据权利要求14所述的系统,其中至少基于所述第一度量拒绝或接受所述图像包括:为受训练函数近似器提供所述第一度量和一个或多个所述第二度量,使用受训练图像和应用到所述受训练图像的所述第一度量和所述第二度量来训练所述受训练函数近似器;以及基于所述函数近似器的输出拒绝或接受所述图像。
22.根据权利要求21所述的系统,其中特定第二度量基于以下中的一者:当所述眼睛出现在所述多个图像中时,所述眼睛的所检测的运动与所述眼睛的所期望的运动之间的偏差的测量;以及当所述眼睛出现在所述多个图像中时在所述眼睛的平面上的眩光或镜面反射模式中的改变。
23.根据权利要求22所述的系统,其中所述眼睛的所检测的运动是扫视运动的测量。
24.根据权利要求22所述的系统,其中所述眼睛的所检测的运动是注视点转变的开始、持续时间或加速度的测量。
25.根据权利要求14所述的系统,包括在所述俘获期间在不同时间和根据第二多个配置设置改变所述主体的照明使得所述多个图像具有不同相应照明。
26.根据权利要求25所述的系统,其中至少基于所述第一度量拒绝或接受所述图像包括:检测所述多个图像中的每一者的对应照明的改变;基于所检测的照明的改变是否对应于所述第二多个配置设置的确定来计算第二度量;以及基于所述第一度量和所述第二度量拒绝或接受所述图像。
27.一种非易失计算机可读存储媒体,其存储计算机程序,当所述计算机程序由数据处理装置执行时使得所述数据处理装置执行操作,所述操作包括:
使用光传感器来俘获主体的两个或更多图像,在此同时,在不同的时间和根据多个配置设置改变所述光传感器的焦距使得所述多个图像具有不同相应焦距,所述主体的两个或更多图像包含所述主体的眼睛的视图;
检测所述多个图像中的每一者中的界标的相应聚焦程度;
通过比较所检测的相应聚焦程度与所述相应焦距来计算第一度量;
基于所述多个图像中界标的相应聚焦程度来为两个或更多界标中的每一者计算所述界标至所述传感器的相应距离;
基于根据所述相应距离而对所述界标是否位于单一平面中的确定来计算第二度量;以及
至少基于所述第一度量和所述第二度量拒绝或接受所述图像。
28.根据权利要求27所述的计算机可读存储媒体,其中特定焦距是从所述传感器至所述传感器的视域中的被聚焦的点的距离。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/572,097 US8437513B1 (en) | 2012-08-10 | 2012-08-10 | Spoof detection for biometric authentication |
US13/572,097 | 2012-08-10 | ||
CN201310276022.6A CN103383723B (zh) | 2012-08-10 | 2013-07-02 | 用于生物特征验证的电子欺骗检测的方法和系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310276022.6A Division CN103383723B (zh) | 2012-08-10 | 2013-07-02 | 用于生物特征验证的电子欺骗检测的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104598882A CN104598882A (zh) | 2015-05-06 |
CN104598882B true CN104598882B (zh) | 2019-06-14 |
Family
ID=48183297
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510015188.1A Expired - Fee Related CN104537292B (zh) | 2012-08-10 | 2013-07-02 | 用于生物特征验证的电子欺骗检测的方法和系统 |
CN201510017144.2A Expired - Fee Related CN104598882B (zh) | 2012-08-10 | 2013-07-02 | 用于生物特征验证的电子欺骗检测的方法和系统 |
CN201310276022.6A Expired - Fee Related CN103383723B (zh) | 2012-08-10 | 2013-07-02 | 用于生物特征验证的电子欺骗检测的方法和系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510015188.1A Expired - Fee Related CN104537292B (zh) | 2012-08-10 | 2013-07-02 | 用于生物特征验证的电子欺骗检测的方法和系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310276022.6A Expired - Fee Related CN103383723B (zh) | 2012-08-10 | 2013-07-02 | 用于生物特征验证的电子欺骗检测的方法和系统 |
Country Status (8)
Country | Link |
---|---|
US (6) | US8437513B1 (zh) |
EP (1) | EP2883189B1 (zh) |
KR (1) | KR101356358B1 (zh) |
CN (3) | CN104537292B (zh) |
ES (1) | ES2859554T3 (zh) |
HK (3) | HK1211716A1 (zh) |
PL (1) | PL2883189T3 (zh) |
WO (1) | WO2014025448A1 (zh) |
Families Citing this family (208)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10037408B2 (en) | 2013-03-15 | 2018-07-31 | Jeffrey A. Matos | Apparatus for preventing unauthorized access to computer files and for securing medical records |
KR100840023B1 (ko) * | 2007-11-13 | 2008-06-20 | (주)올라웍스 | 셀프 촬영 시 얼굴의 구도를 잡도록 도와주는 방법 및시스템 |
KR101884337B1 (ko) * | 2012-04-26 | 2018-08-01 | 삼성전자주식회사 | 영상 인식 방법 및 장치 |
US8437513B1 (en) | 2012-08-10 | 2013-05-07 | EyeVerify LLC | Spoof detection for biometric authentication |
US9230158B1 (en) | 2012-12-18 | 2016-01-05 | Amazon Technologies, Inc. | Fraud detection for facial recognition systems |
US8856541B1 (en) * | 2013-01-10 | 2014-10-07 | Google Inc. | Liveness detection |
US9530052B1 (en) * | 2013-03-13 | 2016-12-27 | University Of Maryland | System and method for sensor adaptation in iris biometrics |
US9300676B2 (en) | 2013-03-15 | 2016-03-29 | Socure Inc. | Risk assessment using social networking data |
US10635167B2 (en) * | 2013-05-30 | 2020-04-28 | Umoove Services Ltd. | Smooth pursuit gaze tracking |
KR102150344B1 (ko) * | 2013-06-18 | 2020-09-01 | 델타 아이디 아이엔씨. | 홍채 인식을 위한 최적화된 이미지 형성 장치 |
WO2015054686A1 (en) * | 2013-10-11 | 2015-04-16 | Lumidigm, Inc. | Miniaturized optical biometric sensing |
US9305225B2 (en) | 2013-10-14 | 2016-04-05 | Daon Holdings Limited | Methods and systems for determining user liveness |
US9202119B2 (en) * | 2013-10-18 | 2015-12-01 | Daon Holdings Limited | Methods and systems for determining user liveness |
CN104683302A (zh) | 2013-11-29 | 2015-06-03 | 国际商业机器公司 | 认证方法、认证装置、终端设备、认证服务器及系统 |
WO2015088479A1 (en) * | 2013-12-09 | 2015-06-18 | Intel Corporation | Eye reflected content for verification of user liveliness |
US9875393B2 (en) * | 2014-02-12 | 2018-01-23 | Nec Corporation | Information processing apparatus, information processing method, and program |
US20150227735A1 (en) * | 2014-02-13 | 2015-08-13 | Robert Chappell | System and method for eye tracking authentication |
JP6417676B2 (ja) * | 2014-03-06 | 2018-11-07 | ソニー株式会社 | 情報処理装置、情報処理方法、アイウェア端末および認証システム |
WO2015157021A1 (en) | 2014-04-07 | 2015-10-15 | Eyeverify, Llc | Bio leash for user authentication |
KR20170019366A (ko) | 2014-05-16 | 2017-02-21 | 디버전트 테크놀로지스, 인크. | 차량 섀시용 모듈형 성형 접속체 및 그 사용 방법 |
WO2015181729A1 (en) | 2014-05-30 | 2015-12-03 | University Of Johannesburg | Method of determining liveness for eye biometric authentication |
US9147117B1 (en) | 2014-06-11 | 2015-09-29 | Socure Inc. | Analyzing facial recognition data and social network data for user authentication |
US9975179B2 (en) | 2014-07-02 | 2018-05-22 | Divergent Technologies, Inc. | Systems and methods for fabricating joint members |
US20160005050A1 (en) * | 2014-07-03 | 2016-01-07 | Ari Teman | Method and system for authenticating user identity and detecting fraudulent content associated with online activities |
US11256792B2 (en) | 2014-08-28 | 2022-02-22 | Facetec, Inc. | Method and apparatus for creation and use of digital identification |
US10698995B2 (en) | 2014-08-28 | 2020-06-30 | Facetec, Inc. | Method to verify identity using a previously collected biometric image/data |
CA3186147A1 (en) | 2014-08-28 | 2016-02-28 | Kevin Alan Tussy | Facial recognition authentication system including path parameters |
US10803160B2 (en) | 2014-08-28 | 2020-10-13 | Facetec, Inc. | Method to verify and identify blockchain with user question data |
US10614204B2 (en) | 2014-08-28 | 2020-04-07 | Facetec, Inc. | Facial recognition authentication system including path parameters |
US10915618B2 (en) | 2014-08-28 | 2021-02-09 | Facetec, Inc. | Method to add remotely collected biometric images / templates to a database record of personal information |
US9405967B2 (en) * | 2014-09-03 | 2016-08-02 | Samet Privacy Llc | Image processing apparatus for facial recognition |
MX2017003776A (es) | 2014-09-24 | 2018-03-23 | Princeton Identity Inc | Control de la capacidad de un dispositivo de comunicacion inalambrica en un dispositivo movil con una llave biometrica. |
US9672341B2 (en) * | 2014-10-30 | 2017-06-06 | Delta ID Inc. | Systems and methods for spoof detection in iris based biometric systems |
WO2016076914A1 (en) * | 2014-11-13 | 2016-05-19 | Intel Corporation | Facial liveness detection in image biometrics |
US10198645B2 (en) | 2014-11-13 | 2019-02-05 | Intel Corporation | Preventing face-based authentication spoofing |
US20180034852A1 (en) * | 2014-11-26 | 2018-02-01 | Isityou Ltd. | Anti-spoofing system and methods useful in conjunction therewith |
MX2017007139A (es) | 2014-12-03 | 2017-11-10 | Princeton Identity Inc | Sistema y metodo para un complemento biometrico de dispositivo movil. |
US9928603B2 (en) | 2014-12-31 | 2018-03-27 | Morphotrust Usa, Llc | Detecting facial liveliness |
US9886639B2 (en) | 2014-12-31 | 2018-02-06 | Morphotrust Usa, Llc | Detecting facial liveliness |
WO2016109841A1 (en) * | 2014-12-31 | 2016-07-07 | Morphotrust Usa, Llc | Detecting facial liveliness |
US10430652B2 (en) | 2015-01-13 | 2019-10-01 | Idemia Identity & Security France | Process and system for video spoof detection based on liveness evaluation |
US9934443B2 (en) * | 2015-03-31 | 2018-04-03 | Daon Holdings Limited | Methods and systems for detecting head motion during an authentication transaction |
JP2016208438A (ja) * | 2015-04-28 | 2016-12-08 | ソニー株式会社 | 画像処理装置及び画像処理方法 |
CN106295287B (zh) | 2015-06-10 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 活体检测方法和装置以及身份认证方法和装置 |
CN104951769B (zh) * | 2015-07-02 | 2018-11-30 | 京东方科技集团股份有限公司 | 活体识别装置、活体识别方法和活体认证系统 |
KR102407133B1 (ko) | 2015-08-21 | 2022-06-10 | 삼성전자주식회사 | 전자 장치 및 이의 콘텐트 변형 방법 |
US9857871B2 (en) | 2015-09-04 | 2018-01-02 | Sony Interactive Entertainment Inc. | Apparatus and method for dynamic graphics rendering based on saccade detection |
KR102067947B1 (ko) | 2015-09-11 | 2020-01-17 | 아이베리파이 인크. | 바이오메트릭 시스템들을 위한 안구-혈관 및 얼굴 인식을 위한 이미지 및 피쳐 품질, 이미지 강화 및 피쳐 추출, 및 얼굴 및/또는 서브-얼굴 정보와 안구-혈관의 융합 |
US10049272B2 (en) * | 2015-09-24 | 2018-08-14 | Microsoft Technology Licensing, Llc | User authentication using multiple capture techniques |
CN106557726B (zh) * | 2015-09-25 | 2020-06-09 | 北京市商汤科技开发有限公司 | 一种带静默式活体检测的人脸身份认证系统及其方法 |
DE102015116627A1 (de) * | 2015-09-30 | 2017-03-30 | Friedrich Kisters | Verfahren und Vorrichtung zur Authentifikation eines Objekts oder einer Person über ein modulartig aufgebautes Sicherheitselement |
EP3438882B1 (en) * | 2015-12-28 | 2023-07-26 | Artilux Inc. | Eye gesture tracking |
JP2019506694A (ja) | 2016-01-12 | 2019-03-07 | プリンストン・アイデンティティー・インコーポレーテッド | 生体測定分析のシステムおよび方法 |
KR101729959B1 (ko) * | 2016-01-15 | 2017-05-12 | 한국과학기술원 | 눈동자 반응을 이용한 사용자 인증 시스템 |
US10372889B2 (en) * | 2016-02-19 | 2019-08-06 | At&T Mobility Ii Llc | Event characteristic analysis for event input discrimination |
CN109074484B (zh) | 2016-03-02 | 2022-03-01 | 蒂诺克股份有限公司 | 用于有效率的面部识别的系统和方法 |
US10111103B2 (en) | 2016-03-02 | 2018-10-23 | EyeVerify Inc. | Spoof detection using proximity sensors |
IL291915B2 (en) | 2016-03-04 | 2024-03-01 | Magic Leap Inc | Reducing current leakage in AR/VR display systems |
US10728694B2 (en) | 2016-03-08 | 2020-07-28 | Tinoq Inc. | Systems and methods for a compound sensor system |
CA3017930A1 (en) | 2016-03-25 | 2017-09-28 | Magic Leap, Inc. | Virtual and augmented reality systems and methods |
CN112866575A (zh) * | 2016-03-30 | 2021-05-28 | 蒂诺克股份有限公司 | 用于用户检测和识别的系统和方法 |
US10192528B2 (en) | 2016-03-31 | 2019-01-29 | Sony Interactive Entertainment Inc. | Real-time user adaptive foveated rendering |
WO2017172695A1 (en) | 2016-03-31 | 2017-10-05 | Princeton Identity, Inc. | Systems and methods of biometric anaysis with adaptive trigger |
US10169846B2 (en) | 2016-03-31 | 2019-01-01 | Sony Interactive Entertainment Inc. | Selective peripheral vision filtering in a foveated rendering system |
US10372205B2 (en) * | 2016-03-31 | 2019-08-06 | Sony Interactive Entertainment Inc. | Reducing rendering computation and power consumption by detecting saccades and blinks |
WO2017173228A1 (en) | 2016-03-31 | 2017-10-05 | Princeton Identity, Inc. | Biometric enrollment systems and methods |
US10401952B2 (en) | 2016-03-31 | 2019-09-03 | Sony Interactive Entertainment Inc. | Reducing rendering computation and power consumption by detecting saccades and blinks |
USD987653S1 (en) | 2016-04-26 | 2023-05-30 | Facetec, Inc. | Display screen or portion thereof with graphical user interface |
US10643212B2 (en) | 2016-05-15 | 2020-05-05 | Bank Of America Corporation | Linking channel-specific systems with a user authentication hub to provide omni-channel user authentication |
US10666654B2 (en) | 2016-05-15 | 2020-05-26 | Bank Of America Corporation | Linking channel-specific systems with a user authentication hub to provide omni-channel user authentication |
KR102471916B1 (ko) | 2016-06-03 | 2022-11-29 | 엘지전자 주식회사 | 모바일 디바이스 및 그 제어 방법 |
SG11201810626YA (en) | 2016-06-09 | 2018-12-28 | Divergent Technologies Inc | Systems and methods for arc and node design and manufacture |
CN106096657B (zh) * | 2016-06-13 | 2019-04-30 | 第四范式(北京)技术有限公司 | 基于机器学习来预测数据审核目标的方法及系统 |
CA3030015A1 (en) * | 2016-07-05 | 2018-01-11 | Yecheng WU | Spoofing attack detection during live image capture |
US9965610B2 (en) * | 2016-07-22 | 2018-05-08 | Nec Corporation | Physical system access control |
KR102483642B1 (ko) | 2016-08-23 | 2023-01-02 | 삼성전자주식회사 | 라이브니스 검사 방법 및 장치 |
CN106529423A (zh) * | 2016-10-20 | 2017-03-22 | 鹄誉医疗科技(上海)有限公司 | 一种基于安卓系统的能量条人眼测距方法 |
US10452826B2 (en) * | 2016-11-10 | 2019-10-22 | EyeVerify Inc. | Verified and private portable identity |
US10430638B2 (en) * | 2016-11-10 | 2019-10-01 | Synaptics Incorporated | Systems and methods for spoof detection relative to a template instead of on an absolute scale |
US11205103B2 (en) | 2016-12-09 | 2021-12-21 | The Research Foundation for the State University | Semisupervised autoencoder for sentiment analysis |
SE1651684A1 (sv) * | 2016-12-20 | 2018-06-21 | Fingerprint Cards Ab | Fingerprint sensing system configured to determine if a finger contacts a fingerprint sensor |
WO2018125563A1 (en) * | 2016-12-30 | 2018-07-05 | Tobii Ab | Identification, authentication, and/or guiding of a user using gaze information |
US11155005B2 (en) | 2017-02-10 | 2021-10-26 | Divergent Technologies, Inc. | 3D-printed tooling and methods for producing same |
US10759090B2 (en) | 2017-02-10 | 2020-09-01 | Divergent Technologies, Inc. | Methods for producing panels using 3D-printed tooling shells |
ES2922136T3 (es) * | 2017-02-27 | 2022-09-08 | Tobii Ab | Determinación de la apertura ocular con un dispositivo de seguimiento ocular |
GB2560340A (en) * | 2017-03-07 | 2018-09-12 | Eyn Ltd | Verification method and system |
US10817722B1 (en) | 2017-03-20 | 2020-10-27 | Cross Match Technologies, Inc. | System for presentation attack detection in an iris or face scanner |
US11301703B2 (en) * | 2017-03-21 | 2022-04-12 | Sri International | Robust biometric access control based on dynamic structural changes in tissue |
US10607096B2 (en) | 2017-04-04 | 2020-03-31 | Princeton Identity, Inc. | Z-dimension user feedback biometric system |
US10898968B2 (en) | 2017-04-28 | 2021-01-26 | Divergent Technologies, Inc. | Scatter reduction in additive manufacturing |
US10703419B2 (en) | 2017-05-19 | 2020-07-07 | Divergent Technologies, Inc. | Apparatus and methods for joining panels |
US11358337B2 (en) | 2017-05-24 | 2022-06-14 | Divergent Technologies, Inc. | Robotic assembly of transport structures using on-site additive manufacturing |
CN113095124B (zh) * | 2017-06-07 | 2024-02-06 | 创新先进技术有限公司 | 一种人脸活体检测方法、装置以及电子设备 |
US11123973B2 (en) | 2017-06-07 | 2021-09-21 | Divergent Technologies, Inc. | Interconnected deflectable panel and node |
US10919230B2 (en) | 2017-06-09 | 2021-02-16 | Divergent Technologies, Inc. | Node with co-printed interconnect and methods for producing same |
US10781846B2 (en) | 2017-06-19 | 2020-09-22 | Divergent Technologies, Inc. | 3-D-printed components including fasteners and methods for producing same |
US10380418B2 (en) * | 2017-06-19 | 2019-08-13 | Microsoft Technology Licensing, Llc | Iris recognition based on three-dimensional signatures |
US10994876B2 (en) | 2017-06-30 | 2021-05-04 | Divergent Technologies, Inc. | Automated wrapping of components in transport structures |
CN107358183B (zh) * | 2017-06-30 | 2020-09-01 | Oppo广东移动通信有限公司 | 虹膜活体检测方法及相关产品 |
US11022375B2 (en) | 2017-07-06 | 2021-06-01 | Divergent Technologies, Inc. | Apparatus and methods for additively manufacturing microtube heat exchangers |
US10895315B2 (en) | 2017-07-07 | 2021-01-19 | Divergent Technologies, Inc. | Systems and methods for implementing node to node connections in mechanized assemblies |
EP3430973A1 (en) * | 2017-07-19 | 2019-01-23 | Sony Corporation | Mobile system and method |
US10940609B2 (en) | 2017-07-25 | 2021-03-09 | Divergent Technologies, Inc. | Methods and apparatus for additively manufactured endoskeleton-based transport structures |
US10751800B2 (en) | 2017-07-25 | 2020-08-25 | Divergent Technologies, Inc. | Methods and apparatus for additively manufactured exoskeleton-based transport structures |
WO2019023032A1 (en) | 2017-07-26 | 2019-01-31 | Princeton Identity, Inc. | METHODS AND SYSTEMS FOR BIOMETRIC SECURITY |
US11151235B2 (en) | 2017-08-01 | 2021-10-19 | Apple Inc. | Biometric authentication techniques |
EP3662411A1 (en) * | 2017-08-01 | 2020-06-10 | Apple Inc. | Biometric authentication techniques |
US10605285B2 (en) | 2017-08-08 | 2020-03-31 | Divergent Technologies, Inc. | Systems and methods for joining node and tube structures |
US10357959B2 (en) | 2017-08-15 | 2019-07-23 | Divergent Technologies, Inc. | Methods and apparatus for additively manufactured identification features |
US11306751B2 (en) | 2017-08-31 | 2022-04-19 | Divergent Technologies, Inc. | Apparatus and methods for connecting tubes in transport structures |
US10960611B2 (en) | 2017-09-06 | 2021-03-30 | Divergent Technologies, Inc. | Methods and apparatuses for universal interface between parts in transport structures |
US11292058B2 (en) | 2017-09-12 | 2022-04-05 | Divergent Technologies, Inc. | Apparatus and methods for optimization of powder removal features in additively manufactured components |
CN107590463A (zh) * | 2017-09-12 | 2018-01-16 | 广东欧珀移动通信有限公司 | 人脸识别方法及相关产品 |
WO2019056004A1 (en) * | 2017-09-18 | 2019-03-21 | Element, Inc. | METHODS, SYSTEMS AND MEDIA FOR DETECTING MYSTIFICATION DURING MOBILE AUTHENTICATION |
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 |
US10668816B2 (en) | 2017-10-11 | 2020-06-02 | Divergent Technologies, Inc. | Solar extended range electric vehicle with panel deployment and emitter tracking |
US10814564B2 (en) | 2017-10-11 | 2020-10-27 | Divergent Technologies, Inc. | Composite material inlay in additively manufactured structures |
CN107491775A (zh) * | 2017-10-13 | 2017-12-19 | 理光图像技术(上海)有限公司 | 人脸活体检测方法、装置、存储介质及设备 |
US11786971B2 (en) | 2017-11-10 | 2023-10-17 | Divergent Technologies, Inc. | Structures and methods for high volume production of complex structures using interface nodes |
CN107992866B (zh) * | 2017-11-15 | 2018-06-29 | 上海聚虹光电科技有限公司 | 基于视频流眼部反光点的活体检测方法 |
US10926599B2 (en) | 2017-12-01 | 2021-02-23 | Divergent Technologies, Inc. | Suspension systems using hydraulic dampers |
US11110514B2 (en) | 2017-12-14 | 2021-09-07 | Divergent Technologies, Inc. | Apparatus and methods for connecting nodes to tubes in transport structures |
US11085473B2 (en) | 2017-12-22 | 2021-08-10 | Divergent Technologies, Inc. | Methods and apparatus for forming node to panel joints |
US11534828B2 (en) | 2017-12-27 | 2022-12-27 | Divergent Technologies, Inc. | Assembling structures comprising 3D printed components and standardized components utilizing adhesive circuits |
US11420262B2 (en) | 2018-01-31 | 2022-08-23 | Divergent Technologies, Inc. | Systems and methods for co-casting of additively manufactured interface nodes |
US10751934B2 (en) | 2018-02-01 | 2020-08-25 | Divergent Technologies, Inc. | Apparatus and methods for additive manufacturing with variable extruder profiles |
US10944767B2 (en) | 2018-02-01 | 2021-03-09 | International Business Machines Corporation | Identifying artificial artifacts in input data to detect adversarial attacks |
US11224943B2 (en) | 2018-03-07 | 2022-01-18 | Divergent Technologies, Inc. | Variable beam geometry laser-based powder bed fusion |
US11267236B2 (en) | 2018-03-16 | 2022-03-08 | Divergent Technologies, Inc. | Single shear joint for node-to-node connections |
US11872689B2 (en) | 2018-03-19 | 2024-01-16 | Divergent Technologies, Inc. | End effector features for additively manufactured components |
US11254381B2 (en) | 2018-03-19 | 2022-02-22 | Divergent Technologies, Inc. | Manufacturing cell based vehicle manufacturing system and method |
US11408216B2 (en) | 2018-03-20 | 2022-08-09 | Divergent Technologies, Inc. | Systems and methods for co-printed or concurrently assembled hinge structures |
US11613078B2 (en) | 2018-04-20 | 2023-03-28 | Divergent Technologies, Inc. | Apparatus and methods for additively manufacturing adhesive inlet and outlet ports |
US11214317B2 (en) | 2018-04-24 | 2022-01-04 | Divergent Technologies, Inc. | Systems and methods for joining nodes and other structures |
US11020800B2 (en) | 2018-05-01 | 2021-06-01 | Divergent Technologies, Inc. | Apparatus and methods for sealing powder holes in additively manufactured parts |
US10682821B2 (en) | 2018-05-01 | 2020-06-16 | Divergent Technologies, Inc. | Flexible tooling system and method for manufacturing of composite structures |
WO2019216498A1 (en) * | 2018-05-08 | 2019-11-14 | Lg Electronics Inc. | Electronic device and method for controlling the same |
WO2019216499A1 (ko) * | 2018-05-08 | 2019-11-14 | 엘지전자 주식회사 | 전자 장치 및 그 제어 방법 |
US11389816B2 (en) | 2018-05-09 | 2022-07-19 | Divergent Technologies, Inc. | Multi-circuit single port design in additively manufactured node |
US10803159B2 (en) | 2018-05-14 | 2020-10-13 | Lg Electronics Inc. | Electronic device and method for controlling the same |
US10691104B2 (en) | 2018-05-16 | 2020-06-23 | Divergent Technologies, Inc. | Additively manufacturing structures for increased spray forming resolution or increased fatigue life |
US11590727B2 (en) | 2018-05-21 | 2023-02-28 | Divergent Technologies, Inc. | Custom additively manufactured core structures |
US11441586B2 (en) | 2018-05-25 | 2022-09-13 | Divergent Technologies, Inc. | Apparatus for injecting fluids in node based connections |
US11035511B2 (en) | 2018-06-05 | 2021-06-15 | Divergent Technologies, Inc. | Quick-change end effector |
JP2021527980A (ja) * | 2018-06-18 | 2021-10-14 | シーイング マシーンズ リミテッド | 高フレームレート画像前処理システム及び方法 |
EP3740949B1 (en) * | 2018-07-06 | 2022-01-26 | Veridas Digital Authentication Solutions, S.L. | Authenticating a user |
US11292056B2 (en) | 2018-07-06 | 2022-04-05 | Divergent Technologies, Inc. | Cold-spray nozzle |
US10943348B2 (en) * | 2018-07-18 | 2021-03-09 | Case Western Reserve University | Predicting response to anti-vascular endothelial growth factor therapy with computer-extracted morphology and spatial arrangement features of leakage patterns on baseline fluorescein angiography in diabetic macular edema |
WO2020018938A1 (en) | 2018-07-19 | 2020-01-23 | Magic Leap, Inc. | Content interaction driven by eye metrics |
US11269311B2 (en) | 2018-07-26 | 2022-03-08 | Divergent Technologies, Inc. | Spray forming structural joints |
WO2020036238A1 (ko) * | 2018-08-16 | 2020-02-20 | 삼성전자(주) | 전자 장치 및 그 동작방법 |
US11263418B2 (en) | 2018-08-21 | 2022-03-01 | Tinoq Inc. | Systems and methods for member facial recognition based on context information |
WO2020046815A1 (en) * | 2018-08-26 | 2020-03-05 | The Research Foundation For The State University Of New York | System and method for inter-individual discrimination based on oculomotor kinematics |
US10836120B2 (en) | 2018-08-27 | 2020-11-17 | Divergent Technologies, Inc . | Hybrid composite structures with integrated 3-D printed elements |
US11433557B2 (en) | 2018-08-28 | 2022-09-06 | Divergent Technologies, Inc. | Buffer block apparatuses and supporting apparatuses |
US11826953B2 (en) | 2018-09-12 | 2023-11-28 | Divergent Technologies, Inc. | Surrogate supports in additive manufacturing |
CN109376595B (zh) * | 2018-09-14 | 2023-06-23 | 杭州宇泛智能科技有限公司 | 基于人眼注意力的单目rgb摄像头活体检测方法及系统 |
CN109344763A (zh) * | 2018-09-26 | 2019-02-15 | 汕头大学 | 一种基于卷积神经网络的斜眼检测方法 |
US11072371B2 (en) | 2018-10-05 | 2021-07-27 | Divergent Technologies, Inc. | Apparatus and methods for additively manufactured structures with augmented energy absorption properties |
US11260582B2 (en) | 2018-10-16 | 2022-03-01 | Divergent Technologies, Inc. | Methods and apparatus for manufacturing optimized panels and other composite structures |
US10885363B2 (en) * | 2018-10-25 | 2021-01-05 | Advanced New Technologies Co., Ltd. | Spoof detection using structured light illumination |
US11504912B2 (en) | 2018-11-20 | 2022-11-22 | Divergent Technologies, Inc. | Selective end effector modular attachment device |
USD911222S1 (en) | 2018-11-21 | 2021-02-23 | Divergent Technologies, Inc. | Vehicle and/or replica |
US11449021B2 (en) | 2018-12-17 | 2022-09-20 | Divergent Technologies, Inc. | Systems and methods for high accuracy fixtureless assembly |
US10663110B1 (en) | 2018-12-17 | 2020-05-26 | Divergent Technologies, Inc. | Metrology apparatus to facilitate capture of metrology data |
US11529741B2 (en) | 2018-12-17 | 2022-12-20 | Divergent Technologies, Inc. | System and method for positioning one or more robotic apparatuses |
US11885000B2 (en) | 2018-12-21 | 2024-01-30 | Divergent Technologies, Inc. | In situ thermal treatment for PBF systems |
EP3915045A2 (en) * | 2019-02-21 | 2021-12-01 | Next Biometrics Group ASA | Method of detecting replay attacks in a fingerprint sensor system |
US11343277B2 (en) | 2019-03-12 | 2022-05-24 | Element Inc. | Methods and systems for detecting spoofing of facial recognition in connection with mobile devices |
US10985951B2 (en) | 2019-03-15 | 2021-04-20 | The Research Foundation for the State University | Integrating Volterra series model and deep neural networks to equalize nonlinear power amplifiers |
US10599934B1 (en) * | 2019-03-21 | 2020-03-24 | Alibaba Group Hoding Limited | Spoof detection using optokinetic response |
US20200314411A1 (en) * | 2019-03-29 | 2020-10-01 | Alibaba Group Holding Limited | Synchronizing an illumination sequence of illumination sources with image capture in rolling shutter mode |
US11203240B2 (en) | 2019-04-19 | 2021-12-21 | Divergent Technologies, Inc. | Wishbone style control arm assemblies and methods for producing same |
CN110210321B (zh) * | 2019-05-08 | 2020-11-24 | 华南理工大学 | 基于多维尺度变换网络与分块加权法的欠样本人脸识别方法 |
IT201900011403A1 (it) * | 2019-07-10 | 2021-01-10 | Ambarella Int Lp | Detecting illegal use of phone to prevent the driver from getting a fine |
CA3152996A1 (en) * | 2019-09-12 | 2021-03-18 | Identy Inc. | A method for obtaining data from an image of an object of a user that has a biometric characteristic of the user |
US11348375B2 (en) | 2019-10-15 | 2022-05-31 | Assa Abloy Ab | Systems and methods for using focal stacks for image-based spoof detection |
US11294996B2 (en) | 2019-10-15 | 2022-04-05 | Assa Abloy Ab | Systems and methods for using machine learning for image-based spoof detection |
US11507248B2 (en) | 2019-12-16 | 2022-11-22 | Element Inc. | Methods, systems, and media for anti-spoofing using eye-tracking |
US10928904B1 (en) | 2019-12-31 | 2021-02-23 | Logitech Europe S.A. | User recognition and gaze tracking in a video system |
US11163995B2 (en) * | 2019-12-31 | 2021-11-02 | Logitech Europe S.A. | User recognition and gaze tracking in a video system |
US11912339B2 (en) | 2020-01-10 | 2024-02-27 | Divergent Technologies, Inc. | 3-D printed chassis structure with self-supporting ribs |
US11590703B2 (en) | 2020-01-24 | 2023-02-28 | Divergent Technologies, Inc. | Infrared radiation sensing and beam control in electron beam additive manufacturing |
KR20210101049A (ko) * | 2020-02-07 | 2021-08-18 | 삼성전자주식회사 | 전자 장치 및 객체 인식 방법 |
US11479015B2 (en) | 2020-02-14 | 2022-10-25 | Divergent Technologies, Inc. | Custom formed panels for transport structures and methods for assembling same |
US11884025B2 (en) | 2020-02-14 | 2024-01-30 | Divergent Technologies, Inc. | Three-dimensional printer and methods for assembling parts via integration of additive and conventional manufacturing operations |
US11535322B2 (en) | 2020-02-25 | 2022-12-27 | Divergent Technologies, Inc. | Omni-positional adhesion device |
US11421577B2 (en) | 2020-02-25 | 2022-08-23 | Divergent Technologies, Inc. | Exhaust headers with integrated heat shielding and thermal syphoning |
US11413686B2 (en) | 2020-03-06 | 2022-08-16 | Divergent Technologies, Inc. | Methods and apparatuses for sealing mechanisms for realizing adhesive connections with additively manufactured components |
CN111860563A (zh) * | 2020-04-17 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种车辆验证方法、装置、电子设备和介质 |
SG10202005118QA (en) * | 2020-06-01 | 2021-08-30 | Alipay Labs Singapore Pte Ltd | Authentication method and system |
EP3933666A1 (en) * | 2020-07-01 | 2022-01-05 | Smart Eye AB | Anti-spoofing system |
US11275959B2 (en) | 2020-07-07 | 2022-03-15 | Assa Abloy Ab | Systems and methods for enrollment in a multispectral stereo facial recognition system |
US11850804B2 (en) | 2020-07-28 | 2023-12-26 | Divergent Technologies, Inc. | Radiation-enabled retention features for fixtureless assembly of node-based structures |
US11806941B2 (en) | 2020-08-21 | 2023-11-07 | Divergent Technologies, Inc. | Mechanical part retention features for additively manufactured structures |
WO2022051775A1 (en) | 2020-09-04 | 2022-03-10 | Abova, Inc. | Method for x-ray dental image enhancement |
US11872626B2 (en) | 2020-12-24 | 2024-01-16 | Divergent Technologies, Inc. | Systems and methods for floating pin joint design |
US11947335B2 (en) | 2020-12-30 | 2024-04-02 | Divergent Technologies, Inc. | Multi-component structure optimization for combining 3-D printed and commercially available parts |
US11928966B2 (en) | 2021-01-13 | 2024-03-12 | Divergent Technologies, Inc. | Virtual railroad |
CN116917129A (zh) | 2021-03-09 | 2023-10-20 | 戴弗根特技术有限公司 | 旋转式增材制造系统和方法 |
CN112990373B (zh) * | 2021-04-28 | 2021-08-03 | 四川大学 | 基于多尺度特征融合的卷积孪生点网络叶片轮廓拼接系统 |
US11865617B2 (en) | 2021-08-25 | 2024-01-09 | Divergent Technologies, Inc. | Methods and apparatuses for wide-spectrum consumption of output of atomization processes across multi-process and multi-scale additive manufacturing modalities |
CN113729708B (zh) * | 2021-09-10 | 2023-06-20 | 上海理工大学 | 一种基于眼动技术的谎言评判方法 |
CN113780239B (zh) * | 2021-09-27 | 2024-03-12 | 上海聚虹光电科技有限公司 | 虹膜识别方法、装置、电子设备和计算机可读介质 |
CN114756848B (zh) * | 2022-06-15 | 2022-09-02 | 国网浙江省电力有限公司 | 基于基础数据采集模型的工程数字化审计数据处理方法 |
GB202210043D0 (en) * | 2022-07-08 | 2022-08-24 | Rewire Holding Ltd | System and method |
WO2024103084A1 (en) * | 2022-11-15 | 2024-05-23 | Cerman Eren | Process and system for determining an eye position data set |
US12008089B1 (en) * | 2023-07-14 | 2024-06-11 | Thirdwave Systems Inc. | Securely isolating one or more qualified digital identifiers associated with a user when accessing a digital service |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540890A (zh) * | 2009-04-28 | 2009-09-23 | 南京航空航天大学 | 一种获得监控视频中运动人体清晰人脸图像的方法 |
CN102238370A (zh) * | 2010-04-30 | 2011-11-09 | 鸿富锦精密工业(深圳)有限公司 | 摄像装置及利用其获取清晰图像的方法 |
CN102446270A (zh) * | 2010-10-15 | 2012-05-09 | 汉王科技股份有限公司 | 基于人脸识别的监测装置及监测方法 |
CN102592136A (zh) * | 2011-12-21 | 2012-07-18 | 东南大学 | 基于几何图像中中频信息的三维人脸识别方法 |
Family Cites Families (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5291560A (en) | 1991-07-15 | 1994-03-01 | Iri Scan Incorporated | Biometric personal identification system based on iris analysis |
US5303709A (en) | 1991-12-16 | 1994-04-19 | Dreher Andreas W | Retinal eye disease diagnostic system |
US6095989A (en) | 1993-07-20 | 2000-08-01 | Hay; Sam H. | Optical recognition methods for locating eyes |
US5632282A (en) | 1993-07-20 | 1997-05-27 | Hay; S. Hutson | Ocular disease detection apparatus |
US6707484B1 (en) | 1994-07-28 | 2004-03-16 | Semiconductor Energy Laboratory Co., Ltd. | Information processing system |
JP3315648B2 (ja) * | 1998-07-17 | 2002-08-19 | 沖電気工業株式会社 | アイリスコード生成装置およびアイリス認識システム |
KR100320188B1 (ko) | 1999-03-23 | 2002-01-10 | 구자홍 | 홍채인식 시스템의 위조 판별방법 |
US6839151B1 (en) | 2000-02-02 | 2005-01-04 | Zoran Corporation | System and method for color copy image processing |
JP2003533801A (ja) * | 2000-05-16 | 2003-11-11 | スイスコム・モバイル・アクチエンゲゼルシヤフト | 生物測定学的な身元確認方法及び認証方法 |
FR2831302A1 (fr) | 2001-10-19 | 2003-04-25 | St Microelectronics Sa | Codage d'informations concentriques |
WO2003105678A2 (en) | 2002-06-12 | 2003-12-24 | Advanced Research And Technology Institute, Inc. | Method and apparatus for improving both lateral and axial resolution in ophthalmoscopy |
JP2004023733A (ja) | 2002-06-20 | 2004-01-22 | Canon Inc | 画像撮影装置及びその制御方法 |
US7668351B1 (en) | 2003-01-17 | 2010-02-23 | Kestrel Corporation | System and method for automation of morphological segmentation of bio-images |
US7474407B2 (en) | 2003-02-20 | 2009-01-06 | Applied Science Innovations | Optical coherence tomography with 3d coherence scanning |
US7336806B2 (en) | 2004-03-22 | 2008-02-26 | Microsoft Corporation | Iris-based biometric identification |
US20050281440A1 (en) | 2004-06-18 | 2005-12-22 | Pemer Frederick A | Iris feature detection and sensor-based edge detection |
US7155040B2 (en) | 2004-06-29 | 2006-12-26 | Bio-Key International, Inc. | Generation of quality field information in the context of image processing |
AU2005307724A1 (en) | 2004-11-19 | 2006-05-26 | Triad Biometrics, Llc | Methods and systems for use in biomeiric authentication and/or identification |
GB0427205D0 (en) | 2004-12-11 | 2005-01-12 | Ncr Int Inc | Biometric system |
GB2438103B8 (en) | 2005-01-14 | 2010-09-15 | Ultra Scan Corp | Multimodal fusion decision logic system. |
JPWO2006088042A1 (ja) * | 2005-02-16 | 2008-07-03 | 松下電器産業株式会社 | 生体判別装置および認証装置ならびに生体判別方法 |
US7327860B2 (en) | 2005-05-04 | 2008-02-05 | West Virginia University | Conjunctival scans for personal identification |
US8260008B2 (en) | 2005-11-11 | 2012-09-04 | Eyelock, Inc. | Methods for performing biometric recognition of a human eye and corroboration of same |
US7801335B2 (en) * | 2005-11-11 | 2010-09-21 | Global Rainmakers Inc. | Apparatus and methods for detecting the presence of a human eye |
WO2007124450A2 (en) | 2006-04-21 | 2007-11-01 | The Trustees Of The University Of Pennsylvania | Motion artifact compensation |
WO2007127157A2 (en) | 2006-04-28 | 2007-11-08 | Retica Systems, Inc. | System and method for biometric retinal identification |
KR100852629B1 (ko) * | 2006-06-02 | 2008-08-18 | 연세대학교 산학협력단 | 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법 |
US20070291277A1 (en) | 2006-06-20 | 2007-12-20 | Everett Matthew J | Spectral domain optical coherence tomography system |
PL380581A1 (pl) * | 2006-09-07 | 2008-03-17 | Naukowa I Akademicka Sieć Komputerowa | Sposób testowania żywotności oka i urządzenie do testowania żywotności oka |
US20080298642A1 (en) | 2006-11-03 | 2008-12-04 | Snowflake Technologies Corporation | Method and apparatus for extraction and matching of biometric detail |
US8279329B2 (en) | 2007-04-10 | 2012-10-02 | University Of Rochester | Structured illumination for imaging of stationary and non-stationary, fluorescent and non-fluorescent, objects |
FI20070501A0 (fi) * | 2007-06-21 | 2007-06-21 | Timo Tapani Lehto | Menetelmä ja järjestelmä ihmisen tunnistamiseksi |
US8553948B2 (en) * | 2007-09-01 | 2013-10-08 | Eyelock, Inc. | System and method for iris data acquisition for biometric identification |
US8345935B2 (en) * | 2008-03-17 | 2013-01-01 | International Business Machines Corporation | Detecting behavioral deviations by measuring eye movements |
JP5277365B2 (ja) * | 2008-04-06 | 2013-08-28 | 国立大学法人九州工業大学 | 個人認証方法及びそれに使用する個人認証装置 |
US8079711B2 (en) | 2008-04-24 | 2011-12-20 | Carl Zeiss Meditec, Inc. | Method for finding the lateral position of the fovea in an SDOCT image volume |
ES2337866B2 (es) | 2008-07-24 | 2011-02-14 | Universidad Complutense De Madrid | Reconocimiento biometrico mediante estudio del mapa de superficie delsegundo dioptrio ocular. |
US8090246B2 (en) * | 2008-08-08 | 2012-01-03 | Honeywell International Inc. | Image acquisition system |
CN101404059B (zh) * | 2008-09-24 | 2010-09-29 | 中国科学院自动化研究所 | 基于块状纹理采样的虹膜图像数据库合成方法 |
US9226798B2 (en) | 2008-10-10 | 2016-01-05 | Truevision Systems, Inc. | Real-time surgical reference indicium apparatus and methods for surgical applications |
TWI394085B (zh) * | 2008-10-28 | 2013-04-21 | Asustek Comp Inc | 辨識被攝主體之維度形態的方法 |
US8514277B2 (en) | 2008-11-05 | 2013-08-20 | Dyer Holdings, Llc | Video infrared retinal image scanner |
US8280119B2 (en) | 2008-12-05 | 2012-10-02 | Honeywell International Inc. | Iris recognition system using quality metrics |
KR20100073191A (ko) * | 2008-12-22 | 2010-07-01 | 한국전자통신연구원 | 거리 정보를 이용한 위조 얼굴 검출 방법 및 장치 |
US8768014B2 (en) | 2009-01-14 | 2014-07-01 | Indiana University Research And Technology Corp. | System and method for identifying a person with reference to a sclera image |
GB2471192B (en) | 2009-06-15 | 2011-08-17 | Honeywell Int Inc | An iris and ocular recognition system using trace transforms |
CN101923640B (zh) * | 2010-08-04 | 2013-03-20 | 北京中科虹霸科技有限公司 | 基于鲁棒纹理特征和机器学习对伪造虹膜图像判别的方法 |
US8659697B2 (en) * | 2010-11-11 | 2014-02-25 | DigitalOptics Corporation Europe Limited | Rapid auto-focus using classifier chains, MEMS and/or multiple object focusing |
CN102436591B (zh) * | 2011-11-15 | 2013-09-25 | 中国科学院自动化研究所 | 伪造虹膜图像的判别方法 |
US8235529B1 (en) | 2011-11-30 | 2012-08-07 | Google Inc. | Unlocking a screen using eye tracking information |
US8457367B1 (en) | 2012-06-26 | 2013-06-04 | Google Inc. | Facial recognition |
US8437513B1 (en) | 2012-08-10 | 2013-05-07 | EyeVerify LLC | Spoof detection for biometric authentication |
US8369595B1 (en) | 2012-08-10 | 2013-02-05 | EyeVerify LLC | Texture features for biometric authentication |
US9672341B2 (en) * | 2014-10-30 | 2017-06-06 | Delta ID Inc. | Systems and methods for spoof detection in iris based biometric systems |
-
2012
- 2012-08-10 US US13/572,097 patent/US8437513B1/en active Active
-
2013
- 2013-05-06 US US13/888,059 patent/US20140044318A1/en not_active Abandoned
- 2013-06-03 EP EP13729197.7A patent/EP2883189B1/en active Active
- 2013-06-03 PL PL13729197T patent/PL2883189T3/pl unknown
- 2013-06-03 WO PCT/US2013/043905 patent/WO2014025448A1/en active Application Filing
- 2013-06-03 ES ES13729197T patent/ES2859554T3/es active Active
- 2013-07-02 CN CN201510015188.1A patent/CN104537292B/zh not_active Expired - Fee Related
- 2013-07-02 CN CN201510017144.2A patent/CN104598882B/zh not_active Expired - Fee Related
- 2013-07-02 KR KR20130076895A patent/KR101356358B1/ko active IP Right Grant
- 2013-07-02 CN CN201310276022.6A patent/CN103383723B/zh not_active Expired - Fee Related
- 2013-10-21 US US14/059,034 patent/US8675925B2/en active Active
-
2014
- 2014-03-17 US US14/216,964 patent/US8787628B1/en active Active
- 2014-03-18 HK HK15110176.8A patent/HK1211716A1/zh unknown
- 2014-03-18 HK HK14102694.9A patent/HK1189673A1/zh unknown
- 2014-03-18 HK HK15110727.2A patent/HK1211721A1/zh unknown
- 2014-07-18 US US14/335,345 patent/US9104921B2/en active Active
-
2015
- 2015-07-02 US US14/790,863 patent/US9971920B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540890A (zh) * | 2009-04-28 | 2009-09-23 | 南京航空航天大学 | 一种获得监控视频中运动人体清晰人脸图像的方法 |
CN102238370A (zh) * | 2010-04-30 | 2011-11-09 | 鸿富锦精密工业(深圳)有限公司 | 摄像装置及利用其获取清晰图像的方法 |
CN102446270A (zh) * | 2010-10-15 | 2012-05-09 | 汉王科技股份有限公司 | 基于人脸识别的监测装置及监测方法 |
CN102592136A (zh) * | 2011-12-21 | 2012-07-18 | 东南大学 | 基于几何图像中中频信息的三维人脸识别方法 |
Also Published As
Publication number | Publication date |
---|---|
US9971920B2 (en) | 2018-05-15 |
CN104598882A (zh) | 2015-05-06 |
KR101356358B1 (ko) | 2014-01-27 |
CN103383723B (zh) | 2015-02-11 |
PL2883189T3 (pl) | 2021-09-20 |
HK1211716A1 (zh) | 2016-05-27 |
CN104537292A (zh) | 2015-04-22 |
US20140198959A1 (en) | 2014-07-17 |
US9104921B2 (en) | 2015-08-11 |
US8675925B2 (en) | 2014-03-18 |
CN104537292B (zh) | 2018-06-05 |
CN103383723A (zh) | 2013-11-06 |
US8787628B1 (en) | 2014-07-22 |
US20140044318A1 (en) | 2014-02-13 |
HK1189673A1 (zh) | 2014-06-13 |
HK1211721A1 (zh) | 2016-05-27 |
WO2014025448A1 (en) | 2014-02-13 |
US20140044321A1 (en) | 2014-02-13 |
US8437513B1 (en) | 2013-05-07 |
US20150193666A1 (en) | 2015-07-09 |
US20160132735A1 (en) | 2016-05-12 |
ES2859554T3 (es) | 2021-10-04 |
EP2883189A1 (en) | 2015-06-17 |
EP2883189B1 (en) | 2021-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104598882B (zh) | 用于生物特征验证的电子欺骗检测的方法和系统 | |
KR101495430B1 (ko) | 바이오메트릭 인증을 위한 품질 메트릭 | |
KR101309889B1 (ko) | 바이오메트릭 인증을 위한 텍스처 특징 | |
JP2019506694A (ja) | 生体測定分析のシステムおよび方法 | |
US20160019421A1 (en) | Multispectral eye analysis for identity authentication | |
US20160019420A1 (en) | Multispectral eye analysis for identity authentication | |
GB2471045A (en) | Method of authenticating individual and apparatus of authenticating individual used for the same | |
US20210256244A1 (en) | Method for authentication or identification of an individual | |
US11948402B2 (en) | Spoof detection using intraocular reflection correspondences | |
US12020512B2 (en) | Spoof detection using eye boundary analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1211721 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230111 Address after: California, USA Patentee after: JUMIO Inc. Address before: Kansas, USA Patentee before: Eye Verify LLC |
|
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190614 |