CN105488486B - 防止照片攻击的人脸识别方法及装置 - Google Patents
防止照片攻击的人脸识别方法及装置 Download PDFInfo
- Publication number
- CN105488486B CN105488486B CN201510891742.2A CN201510891742A CN105488486B CN 105488486 B CN105488486 B CN 105488486B CN 201510891742 A CN201510891742 A CN 201510891742A CN 105488486 B CN105488486 B CN 105488486B
- Authority
- CN
- China
- Prior art keywords
- image
- face
- coefficient matrix
- sample image
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
-
- 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
Abstract
本发明涉及一种防止照片攻击的人脸识别方法及装置,该方法包括提取待测目标的第一人脸图像对应的待测图像特征,并将所述待测图像特征与预设样本图像的图像特征进行相似性分析,以确定人脸识别的第一识别结果;获取所述待测目标的第二人脸图像;提取所述第二人脸图像对应的待测图像特征,并将该第二待测图像特征与所述预设样本图像的图像特征进行相似性分析,以确定人脸识别的第二识别结果;根据所述第一表示系数矩阵与所述第二表示系数矩阵判断所述待测目标是真人或照片。本发明可以实现防止照片攻击的人脸识别,增强人脸识别系统对照片恶意攻击的防御性,扩大人脸识别系统的适用范围,提高人脸识别的质量。
Description
技术领域
本发明涉及计算机视觉与图像处理领域,尤其涉及一种防止照片攻击的人脸识别方法及装置。
背景技术
现今社会各界对个人身份认证进行有效识别的需求变得越来越迫切,使得生物特征识别技术在近几十年来取得了飞速的发展。作为人的一种内在属性,人脸具有很强的自身稳定性和个体差异性,并且相比于指纹识别等方式,人脸识别因具有非强制性、非接触性和并行性等优点,而成为了自动身份验证的最理想的依据。
当前的人脸识别技术在以下几个方面有着广泛的应用:刑侦部门根据预先存储在档案系统的罪犯照片,当获取到嫌疑犯的照片或者面部特征的描述后,可以从数据库中迅速查找确认,大大提高刑侦破案的准确率和效率;在海关、机场等公共场所,使用人脸识别技术,可以实现快速、高效以及自动化的通关服务,提高通行的效率和服务的质量;在银行、公司和公共场所可设立24小时的视频监控,当有黑名单人员进入时,可以进行实时跟踪、识别和报警等。
但是,现有的人脸识别方法无法很好地解决照片恶意攻击的问题,一定程度上限制了人脸识别技术的应用范围,无法满足实际应用需求。
发明内容
基于此,本发明所要解决的技术问题是:如何提供一种能够解决真人检测问题的人脸识别方法,以满足实际应用需求。
为此目的,本发明一方面提出了一种防止照片攻击的人脸识别方法,该方法包括:
提取待测目标的第一人脸图像对应的第一待测图像特征,并将所述第一待测图像特征与预设样本图像的图像特征进行相似性分析,以确定第一表示系数矩阵,并根据所述第一表示系数矩阵,确定人脸识别的第一识别结果;
改变所述待测目标当前所处的光照条件,以获取所述待测目标的第二人脸图像;
提取所述第二人脸图像对应的第二待测图像特征,并将所述第二待测图像特征与所述预设样本图像的图像特征进行相似性分析,以确定第二表示系数矩阵,并根据所述第二表示系数矩阵,确定人脸识别的第二识别结果;
判断所述第一识别结果与所述第二识别结果是否相同,若是,则根据所述第一表示系数矩阵与所述第二表示系数矩阵之间的距离判断所述待测目标是真人或照片。
优选地,所述提取待测目标的第一人脸图像对应的第一待测图像特征之前,该方法还包括:
在所述待测目标当前所处的光照条件下,获取所述待测目标的第一人脸图像。
优选地,所述将所述第一待测图像特征与预设样本图像的图像特征进行相似性分析,以确定第一表示系数矩阵,并根据所述第一表示系数矩阵,确定人脸识别的第一识别结果,包括:
根据所述第一待测图像特征确定第一待测图像特征向量,将所述第一待测图像特征向量表示为样本图像特征矩阵与第一表示系数矩阵乘积的形式,通过L1范数最优化算法求解所述第一表示系数矩阵的最优解,所述样本图像特征矩阵为根据所述预设样本图像中的多组样本图像的图像特征确定的矩阵,所述多组样本图像为预设光照条件下获取的多个人物的人脸样本图像;
根据所述第一表示系数矩阵的最优解与所述多组样本图像的图像特征分别确定所述多组样本图像中每组样本图像对应的一幅合成人脸图像的图像特征;
分别计算所述第一待测图像特征与每幅合成人脸图像的图像特征之间的第一表示误差,并将所述第一表示误差最小的一幅合成人脸图像对应的一组人脸图像的身份作为人脸识别的第一识别结果。
优选地,所述将所述第二待测图像特征与所述预设样本图像的图像特征进行相似性分析,以确定第二表示系数矩阵,并根据所述第二表示系数矩阵,确定人脸识别的第二识别结果,包括:
根据所述第二待测图像特征确定第二待测图像特征向量,将所述第二待测图像特征向量表示为所述样本图像特征矩阵与第二表示系数矩阵乘积的形式,通过L1范数最优化算法求解所述第二表示系数矩阵的最优解;
根据所述第二表示系数矩阵的最优解与所述多组样本图像的图像特征分别确定所述多组样本图像中每组样本图像对应的一幅合成人脸图像的图像特征;
分别计算所述第二待测图像特征与每幅合成人脸图像的图像特征之间的第二表示误差,并将所述第二表示误差最小的一幅合成人脸图像对应的一组人脸图像的身份作为人脸识别的第二识别结果。
优选地,所述提取待测目标的第一人脸图像对应的第一待测图像特征之前,该方法还包括:
分别获取多个身份已知人物中每个人物处于预设光照条件下的多幅人脸样本图像作为预设样本图像,并将属于同一人物的多幅人脸样本图像作为一组预设样本图像;
提取所述预设样本图像的图像特征。
另一方面,本发明还提供了一种防止照片攻击的人脸识别装置,该装置包括:
第一人脸识别单元,用于提取待测目标的第一人脸图像对应的第一待测图像特征,并将所述第一待测图像特征与预设样本图像的图像特征进行相似性分析,以确定第一表示系数矩阵,并根据所述第一表示系数矩阵,确定人脸识别的第一识别结果;
第二人脸图像获取单元,用于改变所述待测目标当前所处的光照条件,以获取所述待测目标的第二人脸图像;
第二人脸识别单元,用于提取所述第二人脸图像对应的第二待测图像特征,并将所述第二待测图像特征与所述预设样本图像的图像特征进行相似性分析,以确定第二表示系数矩阵,并根据所述第二表示系数矩阵,确定人脸识别的第二识别结果
照片检测单元,用于判断所述第一识别结果与所述第二识别结果是否相同,若是,则根据所述第一表示系数矩阵与所述第二表示系数矩阵之间的距离判断所述待测目标是真人或照片。
优选地,该装置还包括:
第一人脸图像获取单元,用于在所述待测目标当前所处的光照条件下,获取所述待测目标的第一人脸图像。
优选地,所述第一人脸识别单元进一步用于根据所述第一待测图像特征确定第一待测图像特征向量,将所述第一待测图像特征向量表示为样本图像特征矩阵与第一表示系数矩阵乘积的形式,通过L1范数最优化算法求解所述第一表示系数矩阵的最优解,所述样本图像特征矩阵为根据所述预设样本图像中的多组样本图像的图像特征确定的矩阵,所述多组样本图像为预设光照条件下获取的多个人物的人脸样本图像;
根据所述第一表示系数矩阵的最优解与所述多组样本图像的图像特征分别确定所述多组样本图像中每组样本图像对应的一幅合成人脸图像的图像特征;
分别计算所述第一待测图像特征与每幅合成人脸图像的图像特征之间的第一表示误差,并将所述第一表示误差最小的一幅合成人脸图像对应的一组人脸图像的身份作为人脸识别的第一识别结果。
优选地,所述第二人脸识别单元进一步用于根据所述第二待测图像特征确定第二待测图像特征向量,将所述第二待测图像特征向量表示为所述样本图像特征矩阵与第二表示系数矩阵乘积的形式,通过L1范数最优化算法求解所述第二表示系数矩阵的最优解;
根据所述第二表示系数矩阵的最优解与所述多组样本图像的图像特征分别确定所述多组样本图像中每组样本图像对应的一幅合成人脸图像的图像特征;
分别计算所述第二待测图像特征与每幅合成人脸图像的图像特征之间的第二表示误差,并将所述第二表示误差最小的一幅合成人脸图像对应的一组人脸图像的身份作为人脸识别的第二识别结果。
优选地,该装置还包括:
样本图像获取单元,用于分别获取多个身份已知人物中每个人物处于预设光照条件下的多幅人脸样本图像作为预设样本图像,并将属于同一人物的多幅人脸样本图像作为一组预设样本图像;
样本图像特征提取单元,用于提取所述预设样本图像的图像特征。
本发明可以实现防止照片攻击的人脸识别,增强对照片恶意攻击的防御性,防止人脸识别中的照片攻击,提高人脸识别的质量和适用范围,满足实际应用需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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示出了本发明一个实施例的防止照片攻击的人脸识别方法的流程图;
图2示出了本发明另一个实施例的防止照片攻击的人脸识别方法的流程图;
图3示出了本发明一个实施例的防止照片攻击的人脸识别过程示意图;
图4示出了本发明一个实施例的待识别的人脸图像在数据库上的表示系数;
图5示出了本发明一个实施例的改变光照条件后同一待识别的人的人脸图像在数据库上的表示系数;
图6示出了本发明一个实施例的防止照片攻击的人脸识别装置的结构框图;
图7示出了本发明另一个实施例的防止照片攻击的人脸识别装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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示出了本发明一个实施例的防止照片攻击的人脸识别方法的流程图;如图1所示,该方法包括:
S1:提取待测目标的第一人脸图像对应的第一待测图像特征,并将所述第一待测图像特征与预设样本图像的图像特征进行相似性分析,以确定第一表示系数矩阵,并根据所述第一表示系数矩阵,确定人脸识别的第一识别结果;
S2:改变所述待测目标当前所处的光照条件,以获取所述待测目标的第二人脸图像;
S3:提取所述第二人脸图像对应的第二待测图像特征,并将所述第二待测图像特征与所述预设样本图像的图像特征进行相似性分析,以确定第二表示系数矩阵,并根据所述第二表示系数矩阵,确定人脸识别的第二识别结果;
S4:判断所述第一识别结果与所述第二识别结果是否相同,若是,则根据所述第一表示系数矩阵与所述第二表示系数矩阵之间的距离判断所述待测目标是真人或照片。
本实施例中所提取的图像特征可包含颜色特征、纹理特征等等可以体现图像个体差异的特征,在本实施例中不做限制。
本实施例的防止照片攻击的人脸识别方法过程简单、容易实现,可以实现防止照片攻击的人脸识别,增强对照片恶意攻击的防御性,提高人脸识别的质量和适用范围,满足实际应用需求。
图2示出了本发明另一个实施例的防止照片攻击的人脸识别方法的流程图;如图2所示,步骤S1之前,该方法还可包括:
S0:在所述待测目标当前所处的光照条件下,获取所述待测目标的第一人脸图像。
在此基础上,步骤S1中将所述第一待测图像特征与预设样本图像的图像特征进行相似性分析,以确定第一表示系数矩阵,并根据所述第一表示系数矩阵,确定人脸识别的第一识别结果,优选地包括:
S11:根据所述第一待测图像特征确定第一待测图像特征向量,将所述第一待测图像特征向量表示为样本图像特征矩阵与第一表示系数矩阵乘积的形式,通过L1范数最优化算法求解所述第一表示系数矩阵的最优解,所述样本图像特征矩阵为根据所述预设样本图像中的多组样本图像的图像特征确定的矩阵,所述多组样本图像为预设光照条件下获取的多个人物的人脸样本图像;
S12:根据所述第一表示系数矩阵的最优解与所述多组样本图像的图像特征分别确定所述多组样本图像中每组样本图像对应的一幅合成人脸图像的图像特征;
S13:分别计算所述第一待测图像特征与每幅合成人脸图像的图像特征之间的第一表示误差,并将所述第一表示误差最小的一幅合成人脸图像对应的一组人脸图像的身份作为人脸识别的第一识别结果。
进一步地,步骤S3中将所述第二待测图像特征与所述预设样本图像的图像特征进行相似性分析,以确定第二表示系数矩阵,并根据所述第二表示系数矩阵,确定人脸识别的第二识别结果,优选地包括:
S31:根据所述第二待测图像特征确定第二待测图像特征向量,将所述第二待测图像特征向量表示为所述样本图像特征矩阵与第二表示系数矩阵乘积的形式,通过L1范数最优化算法求解所述第二表示系数矩阵的最优解;
S32:根据所述第二表示系数矩阵的最优解与所述多组样本图像的图像特征分别确定所述多组样本图像中每组样本图像对应的一幅合成人脸图像的图像特征;
S33:分别计算所述第二待测图像特征与每幅合成人脸图像的图像特征之间的第二表示误差,并将所述第二表示误差最小的一幅合成人脸图像对应的一组人脸图像的身份作为人脸识别的第二识别结果。
可选地,在上述所有实施例的基础上,为了完成防止照片攻击的人脸识别的准备工作,首先要建立样本数据库。具体地,步骤S1中提取待测目标的第一人脸图像对应的第一待测图像特征之前,该方法还包括:
A0:分别获取多个身份已知人物中每个人物处于预设光照条件下的多幅人脸样本图像作为预设样本图像,并将属于同一人物的多幅人脸样本图像作为一组预设样本图像;
A1:提取所述预设样本图像的图像特征。
图3示出了本发明一个实施例的防止照片攻击的人脸识别过程示意图;如图3所示,在样本采集阶段,采集预设光照条件下的人脸图像作为数据库模板,以建立人脸数据库。开始识别的时候,首先对待识别图像进行特征提取(例如提取图像的灰度特征),然后将该待识别图像的特征表示为数据库中预设光照条件下人脸图像特征的线性组合。由于同一个人的人脸图像之间具有较强的相关性,而不同人之间的相关性较小,因此数据库中与待识别图像是同一人的人脸图像具有较大的表示系数(即相似性系数),而不同人的人脸图像的表示系数几乎为0;由此可以通过分析待识别图像在数据库上的表示系数,可以完成人脸识别;
进一步地,通过用户的简单配合,即可完成真人检测,具体的步骤是:用户进行第二次人脸识别,这两次的识别过程中,更改识别时的光照条件,因此虽然两次识别结果都为同一个人,但是由于光照条件的变化,两次识别的系数之间有相对的变化,通过比较两次识别结果在同一个人样本上表示系数是否发生变化(变化幅度),即可完成防止照片攻击的人脸识别。
具体实施过程如下:
在预设光照条件下,将人脸数据库中的每个人对应多张(例如21张照片)进行编号;
然后,对数据库中每个人的21张预设光照下的图像分别进行特征提取,将所提取的特征记为:
fi=[fi1 fi2 fi3 fi4 fi5 … fi21],
fij=[fij1 fij2 … fijr-1 fijr]T,j=1,2,…21,
其中i为数据库中第i个人的编号,r为每张人脸提取的特征维数;如果数据库中有n个人,则整个数据库的信息可以用矩阵F=[f1 f2 … fn]表示。
对于一个待识别的人脸图像x,提取其特征为fx;将fx用数据库中的图像线性表示,则有:
fx=W×F=W×[f1 f2 … fn],
=W×[f11 f12 … fn21]
通过求解可得
W=[w1 w2 … wn21]。
由于待识别的人脸图像x只与数据库中是同一个人(假设此人为i)的人脸图像具有较高的相似性,因此W中绝大部分元素都接近于0,只有在i的特征向量对应的系数处,有较大的值,通过比较表示系数,可以完成了人脸识别的过程。
具体的比较过程如下:
计算待识别人脸图像x与数据库中每一组图像在求解的系数W下的表示误差,如与数据库中第i个人之间的表示误差为:
其中wij对应表示系数W中第i个人第j张样本特征的表示系数,fij为第i个人第j张样本图像的特征。
将表示误差最小的一组图像对应的身份最为识别结果。
进一步地,在完成人脸识别过程后,假设待识别图像在数据库中属于该人的21张人脸图像上的表示系数为W1=[w11 w12 … w121];
提示用户改变当前的光照条件,再进行一次人脸识别,如果两次识别结果为同一个人,并且这一次的表示系数为W2=[w21 w22 … w221],再比较W1和W2的距离,如采用欧氏距离:
如果当前识别的为真人,则由于光照方向的变化,人脸表面的光照分布发生变化,并且不同区域的变化程度不同,因此两次识别的表示系数会发生变化,参见图4和图5;而如果当前识别的是照片,则照片上的人脸光照分布整体发生变化,而经过直方图均衡后,这种变化就被处理掉,两次识别的表示系数不发生变化。因此,如果两次识别的W1和W2之间的距离d大于某个阈值,就认为当前识别的为真人(活体),否则为照片,至此完成了防止照片攻击的人脸识别的整个过程。
本实施例的防止照片攻击的人脸识别方法步骤简单、容易实现,可以增强对照片恶意攻击的防御性,还可以减少不同光照条件对人脸识别准确率的影响,从而提高人脸识别的质量和适用范围,满足实际应用需求。
图6示出来本发明一个实施例的防止照片攻击的人脸识别装置的结构框图;如图6所示,该装置包括第一人脸识别单元11、第二人脸图像获取单元12、第二人脸识别单元13以及照片检测单元14;
所述的第一人脸识别单元11,用于提取待测目标的第一人脸图像对应的第一待测图像特征,并将所述第一待测图像特征与预设样本图像的图像特征进行相似性分析,以确定第一表示系数矩阵,并根据所述第一表示系数矩阵,确定人脸识别的第一识别结果;
所述的第二人脸图像获取单元12,用于改变所述待测目标当前所处的光照条件,以获取所述待测目标的第二人脸图像;
所述的第二人脸识别单元13,用于提取所述第二人脸图像对应的第二待测图像特征,并将所述第二待测图像特征与所述预设样本图像的图像特征进行相似性分析,以确定第二表示系数矩阵,并根据所述第二表示系数矩阵,确定人脸识别的第二识别结果
所述的照片检测单元14,用于判断所述第一识别结果与所述第二识别结果是否相同,若是,则根据所述第一表示系数矩阵与所述第二表示系数矩阵之间的距离判断所述待测目标是真人或照片。
本实施例所述的防止照片攻击的人脸识别方法和装置可以用于执行上述方法实施例,其原理和技术效果类似,此处不再赘述。
图7示出了本发明另一个实施例的防止照片攻击的人脸识别装置的结构框图。如图7所示,该装置还可包括第一人脸图像获取单元10,用于在所述待测目标当前所处的光照条件下,获取所述待测目标的第一人脸图像。
作为本实施例的优选,所述的第一人脸识别单元11进一步用于根据所述第一待测图像特征确定第一待测图像特征向量,将所述第一待测图像特征向量表示为样本图像特征矩阵与第一表示系数矩阵乘积的形式,通过L1范数最优化算法求解所述第一表示系数矩阵的最优解,所述样本图像特征矩阵为根据所述预设样本图像中的多组样本图像的图像特征确定的矩阵,所述多组样本图像为预设光照条件下获取的多个人物的人脸样本图像;然后根据所述第一表示系数矩阵的最优解与所述多组样本图像的图像特征分别确定所述多组样本图像中每组样本图像对应的一幅合成人脸图像的图像特征;进而分别计算所述第一待测图像特征与每幅合成人脸图像的图像特征之间的第一表示误差,并将所述第一表示误差最小的一幅合成人脸图像对应的一组人脸图像的身份作为人脸识别的第一识别结果。
在此基础上,所述的第二人脸识别单元13进一步用于根据所述第二待测图像特征确定第二待测图像特征向量,将所述第二待测图像特征向量表示为所述样本图像特征矩阵与第二表示系数矩阵乘积的形式,通过L1范数最优化算法求解所述第二表示系数矩阵的最优解;然后根据所述第二表示系数矩阵的最优解与所述多组样本图像的图像特征分别确定所述多组样本图像中每组样本图像对应的一幅合成人脸图像的图像特征;进而分别计算所述第二待测图像特征与每幅合成人脸图像的图像特征之间的第二表示误差,并将所述第二表示误差最小的一幅合成人脸图像对应的一组人脸图像的身份作为人脸识别的第二识别结果。
在上述实施例的基础上,该装置还可优选地包括样本图像获取单元15和样本图像特征提取单元16;
所述的样本图像获取单元15,用于分别获取多个身份已知人物中每个人物处于预设光照条件下的多幅人脸样本图像作为预设样本图像,并将属于同一人物的多幅人脸样本图像作为一组预设样本图像;
所述的样本图像特征提取单元16,用于提取所述预设样本图像的图像特征。
本实施例所述的防止照片攻击的人脸识别方法和装置可以用于执行上述方法实施例,其原理和技术效果类似,此处不再赘述。对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明的方法及装置可以完成真人判别,防止恶意照片攻击行为,扩大人脸识别的质量和适用范围。
以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种防止照片攻击的人脸识别方法,其特征在于,包括:
提取待测目标的第一人脸图像对应的第一待测图像特征,并将所述第一待测图像特征与预设样本图像的图像特征进行相似性分析,以确定第一表示系数矩阵,并根据所述第一表示系数矩阵,确定人脸识别的第一识别结果;
改变所述待测目标当前所处的光照条件,以获取所述待测目标的第二人脸图像;
提取所述第二人脸图像对应的第二待测图像特征,并将所述第二待测图像特征与所述预设样本图像的图像特征进行相似性分析,以确定第二表示系数矩阵,并根据所述第二表示系数矩阵,确定人脸识别的第二识别结果;
判断所述第一识别结果与所述第二识别结果是否相同,若是,则根据所述第一表示系数矩阵与所述第二表示系数矩阵之间的距离判断所述待测目标是真人或照片。
2.如权利要求1所述的防止照片攻击的人脸识别方法,其特征在于,所述提取待测目标的第一人脸图像对应的第一待测图像特征之前,该方法还包括:
在所述待测目标当前所处的光照条件下,获取所述待测目标的第一人脸图像。
3.如权利要求1所述的防止照片攻击的人脸识别方法,其特征在于,所述将所述第一待测图像特征与预设样本图像的图像特征进行相似性分析,以确定第一表示系数矩阵,并根据所述第一表示系数矩阵,确定人脸识别的第一识别结果,包括:
根据所述第一待测图像特征确定第一待测图像特征向量,将所述第一待测图像特征向量表示为样本图像特征矩阵与第一表示系数矩阵乘积的形式,通过L1范数最优化算法求解所述第一表示系数矩阵的最优解,所述样本图像特征矩阵为根据所述预设样本图像中的多组样本图像的图像特征确定的矩阵,所述多组样本图像为预设光照条件下获取的多个人物的人脸样本图像;
根据所述第一表示系数矩阵的最优解与所述多组样本图像的图像特征分别确定所述多组样本图像中每组样本图像对应的一幅合成人脸图像的图像特征;
分别计算所述第一待测图像特征与每幅合成人脸图像的图像特征之间的第一表示误差,并将所述第一表示误差最小的一幅合成人脸图像对应的一组人脸图像的身份作为人脸识别的第一识别结果。
4.如权利要求3所述的防止照片攻击的人脸识别方法,其特征在于,所述将所述第二待测图像特征与所述预设样本图像的图像特征进行相似性分析,以确定第二表示系数矩阵,并根据所述第二表示系数矩阵,确定人脸识别的第二识别结果,包括:
根据所述第二待测图像特征确定第二待测图像特征向量,将所述第二待测图像特征向量表示为所述样本图像特征矩阵与第二表示系数矩阵乘积的形式,通过L1范数最优化算法求解所述第二表示系数矩阵的最优解;
根据所述第二表示系数矩阵的最优解与所述多组样本图像的图像特征分别确定所述多组样本图像中每组样本图像对应的一幅合成人脸图像的图像特征;
分别计算所述第二待测图像特征与每幅合成人脸图像的图像特征之间的第二表示误差,并将所述第二表示误差最小的一幅合成人脸图像对应的一组人脸图像的身份作为人脸识别的第二识别结果。
5.如权利要求1至4中任意一项所述的防止照片攻击的人脸识别方法,其特征在于,所述提取待测目标的第一人脸图像对应的第一待测图像特征之前,该方法还包括:
分别获取多个身份已知人物中每个人物处于预设光照条件下的多幅人脸样本图像作为预设样本图像,并将属于同一人物的多幅人脸样本图像作为一组预设样本图像;
提取所述预设样本图像的图像特征。
6.一种防止照片攻击的人脸识别装置,其特征在于,包括:
第一人脸识别单元,用于提取待测目标的第一人脸图像对应的第一待测图像特征,并将所述第一待测图像特征与预设样本图像的图像特征进行相似性分析,以确定第一表示系数矩阵,并根据所述第一表示系数矩阵,确定人脸识别的第一识别结果;
第二人脸图像获取单元,用于改变所述待测目标当前所处的光照条件,以获取所述待测目标的第二人脸图像;
第二人脸识别单元,用于提取所述第二人脸图像对应的第二待测图像特征,并将所述第二待测图像特征与所述预设样本图像的图像特征进行相似性分析,以确定第二表示系数矩阵,并根据所述第二表示系数矩阵,确定人脸识别的第二识别结果
照片检测单元,用于判断所述第一识别结果与所述第二识别结果是否相同,若是,则根据所述第一表示系数矩阵与所述第二表示系数矩阵之间的距离判断所述待测目标是真人或照片。
7.如权利要求6所述的防止照片攻击的人脸识别装置,其特征在于,该装置还包括:
第一人脸图像获取单元,用于在所述待测目标当前所处的光照条件下,获取所述待测目标的第一人脸图像。
8.如权利要求6所述的防止照片攻击的人脸识别装置,其特征在于,所述第一人脸识别单元进一步用于根据所述第一待测图像特征确定第一待测图像特征向量,将所述第一待测图像特征向量表示为样本图像特征矩阵与第一表示系数矩阵乘积的形式,通过L1范数最优化算法求解所述第一表示系数矩阵的最优解,所述样本图像特征矩阵为根据所述预设样本图像中的多组样本图像的图像特征确定的矩阵,所述多组样本图像为预设光照条件下获取的多个人物的人脸样本图像;
根据所述第一表示系数矩阵的最优解与所述多组样本图像的图像特征分别确定所述多组样本图像中每组样本图像对应的一幅合成人脸图像的图像特征;
分别计算所述第一待测图像特征与每幅合成人脸图像的图像特征之间的第一表示误差,并将所述第一表示误差最小的一幅合成人脸图像对应的一组人脸图像的身份作为人脸识别的第一识别结果。
9.如权利要求8所述的防止照片攻击的人脸识别装置,其特征在于,所述第二人脸识别单元进一步用于根据所述第二待测图像特征确定第二待测图像特征向量,将所述第二待测图像特征向量表示为所述样本图像特征矩阵与第二表示系数矩阵乘积的形式,通过L1范数最优化算法求解所述第二表示系数矩阵的最优解;
根据所述第二表示系数矩阵的最优解与所述多组样本图像的图像特征分别确定所述多组样本图像中每组样本图像对应的一幅合成人脸图像的图像特征;
分别计算所述第二待测图像特征与每幅合成人脸图像的图像特征之间的第二表示误差,并将所述第二表示误差最小的一幅合成人脸图像对应的一组人脸图像的身份作为人脸识别的第二识别结果。
10.如权利要求6至9中任意一项所述的防止照片攻击的人脸识别装置,其特征在于,该装置还包括:
样本图像获取单元,用于分别获取多个身份已知人物中每个人物处于预设光照条件下的多幅人脸样本图像作为预设样本图像,并将属于同一人物的多幅人脸样本图像作为一组预设样本图像;
样本图像特征提取单元,用于提取所述预设样本图像的图像特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510891742.2A CN105488486B (zh) | 2015-12-07 | 2015-12-07 | 防止照片攻击的人脸识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510891742.2A CN105488486B (zh) | 2015-12-07 | 2015-12-07 | 防止照片攻击的人脸识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105488486A CN105488486A (zh) | 2016-04-13 |
CN105488486B true CN105488486B (zh) | 2018-10-30 |
Family
ID=55675458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510891742.2A Active CN105488486B (zh) | 2015-12-07 | 2015-12-07 | 防止照片攻击的人脸识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105488486B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809154A (zh) * | 2016-05-10 | 2016-07-27 | 清华大学 | 人脸识别方法及装置 |
CN106095998B (zh) * | 2016-06-21 | 2019-07-05 | 广东小天才科技有限公司 | 应用于智能终端的精准搜题方法及装置 |
US10296998B2 (en) | 2016-11-10 | 2019-05-21 | Mcafee, Llc | Optical feedback for visual recognition authentication |
CN107463875A (zh) * | 2017-07-03 | 2017-12-12 | 金讯系统管理有限公司 | 一种判断人员身份的方法和装置 |
CN108491785B (zh) * | 2018-03-19 | 2020-07-28 | 网御安全技术(深圳)有限公司 | 一种人工智能图像辨识攻击防御系统 |
CN111310575B (zh) * | 2020-01-17 | 2022-07-08 | 腾讯科技(深圳)有限公司 | 一种人脸活体检测的方法、相关装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1834987A (zh) * | 2005-03-15 | 2006-09-20 | 欧姆龙株式会社 | 被拍体验证设备、方法及程序、脸部验证设备和便携电话 |
KR20100125985A (ko) * | 2009-05-22 | 2010-12-01 | 한국인식산업(주) | 적외선 가변조명을 이용한 사진위조 판별방법 및 카메라 장치 |
JPWO2009107237A1 (ja) * | 2008-02-29 | 2011-06-30 | グローリー株式会社 | 生体認証装置 |
CN102622588A (zh) * | 2012-03-08 | 2012-08-01 | 无锡数字奥森科技有限公司 | 双验证人脸防伪方法及装置 |
CN103793690A (zh) * | 2014-01-27 | 2014-05-14 | 天津科技大学 | 一种基于皮下血流探测的人体生物活体检测方法及应用 |
CN104239856A (zh) * | 2014-09-04 | 2014-12-24 | 电子科技大学 | 基于Gabor特征和自适应线性回归的人脸识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4531086B2 (ja) * | 2007-10-31 | 2010-08-25 | パイロットインキ株式会社 | 熱変色性筆記具 |
US20130100266A1 (en) * | 2011-10-25 | 2013-04-25 | Kenneth Edward Salsman | Method and apparatus for determination of object topology |
-
2015
- 2015-12-07 CN CN201510891742.2A patent/CN105488486B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1834987A (zh) * | 2005-03-15 | 2006-09-20 | 欧姆龙株式会社 | 被拍体验证设备、方法及程序、脸部验证设备和便携电话 |
JPWO2009107237A1 (ja) * | 2008-02-29 | 2011-06-30 | グローリー株式会社 | 生体認証装置 |
KR20100125985A (ko) * | 2009-05-22 | 2010-12-01 | 한국인식산업(주) | 적외선 가변조명을 이용한 사진위조 판별방법 및 카메라 장치 |
CN102622588A (zh) * | 2012-03-08 | 2012-08-01 | 无锡数字奥森科技有限公司 | 双验证人脸防伪方法及装置 |
CN103793690A (zh) * | 2014-01-27 | 2014-05-14 | 天津科技大学 | 一种基于皮下血流探测的人体生物活体检测方法及应用 |
CN104239856A (zh) * | 2014-09-04 | 2014-12-24 | 电子科技大学 | 基于Gabor特征和自适应线性回归的人脸识别方法 |
Non-Patent Citations (2)
Title |
---|
Robust Face Recognition under Various Illumination Conditions;Matsumoto A, Shirai Y, Shimada N;《IEICE -Transactions on Information and Systems》;20061230;全文 * |
基于改进局部二元模式的变光照人脸识别;徐建强, 李小平, 董宏建;《International Conference on Computational Intelligence & Industrial Application》;20101230;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105488486A (zh) | 2016-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105488486B (zh) | 防止照片攻击的人脸识别方法及装置 | |
CN109583342B (zh) | 基于迁移学习的人脸活体检测方法 | |
Chakraborty et al. | An overview of face liveness detection | |
US6944318B1 (en) | Fast matching systems and methods for personal identification | |
CN105518709B (zh) | 用于识别人脸的方法、系统和计算机程序产品 | |
CN102682309B (zh) | 一种基于模板学习的人脸注册方法及装置 | |
KR100974293B1 (ko) | 얼굴 인식 방법 및 시스템 | |
CN109101871A (zh) | 一种基于深度和近红外信息的活体检测装置、检测方法及其应用 | |
CN105740781B (zh) | 一种三维人脸活体检测的方法和装置 | |
CN105335726B (zh) | 人脸识别置信度获取方法和系统 | |
WO2016084072A1 (en) | Anti-spoofing system and methods useful in conjunction therewith | |
CN101027678A (zh) | 基于单个图像的多生物统计系统及方法 | |
RU2670798C1 (ru) | Способ аутентификации пользователя по радужной оболочке глаз и соответствующее устройство | |
CN113033519B (zh) | 活体检测方法、估算网络处理方法、装置和计算机设备 | |
WO2021217764A1 (zh) | 一种基于偏振成像的人脸活体检测方法 | |
CN107491728A (zh) | 一种基于边缘计算模型的人脸侦测方法及装置 | |
CN109255319A (zh) | 针对静态照片的人脸识别支付信息防伪方法 | |
Eum et al. | Face recognizability evaluation for ATM applications with exceptional occlusion handling | |
US7653219B2 (en) | System and method for image attribute recording an analysis for biometric applications | |
Beham et al. | Anti-spoofing enabled face recognition based on aggregated local weighted gradient orientation | |
EP1020811A2 (en) | Fast matching systems and methods for personal identification | |
Masaoud et al. | A review paper on ear recognition techniques: models, algorithms and methods | |
Zhang et al. | Face occlusion detection using cascaded convolutional neural network | |
JP2002208011A (ja) | 画像照合処理システムおよび画像照合方法 | |
CN106548112A (zh) | 一种身份识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |