CN105637532B - 活体检测方法、活体检测系统以及计算机程序产品 - Google Patents
活体检测方法、活体检测系统以及计算机程序产品 Download PDFInfo
- Publication number
- CN105637532B CN105637532B CN201580000335.6A CN201580000335A CN105637532B CN 105637532 B CN105637532 B CN 105637532B CN 201580000335 A CN201580000335 A CN 201580000335A CN 105637532 B CN105637532 B CN 105637532B
- Authority
- CN
- China
- Prior art keywords
- matrix data
- pixel points
- detected
- image
- image matrix
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Processing (AREA)
Abstract
本发明涉及能够实现人体活体检测的活体检测方法、活体检测系统以及计算机程序产品。所述活体检测方法包括:使用激光光源照射待检测对象的脸部;捕获经由所述激光光源照射的待检测对象的脸部的图像;计算所述待检测对象的脸部的图像的光斑面积;以及比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体。
Description
技术领域
本公开涉及活体检测领域,更具体地,本公开涉及能够实现人体活体检测的活体检测方法、活体检测系统以及计算机程序产品。
背景技术
目前,人脸识别系统越来越多地应用于安防、金融等领域中需要身份验证的场景,诸如银行远程开户、门禁系统、远程交易操作验证等。在这些高安全级别的应用领域中,除了确保被验证者的人脸相似度符合数据库中存储的底库数据外,首先需要被验证者是一个合法的生物活体。也就是说,人脸识别系统需要能够防范攻击者使用照片、3D人脸模型或者面具等方式进行攻击。
解决上述问题的方法通常称为活体检测,其目的是判断获取到的生物特征是否来自一个有生命、在现场的、真实的人。目前市场上的技术产品中还没有公认成熟的活体验证方案,已有的活体检测技术要么依赖特殊的硬件设备(诸如红外相机、深度相机),要么只能防范简单的静态照片攻击。此外,现有的活体检测系统大多是配合式的,即需要被测试人员根据系统指示做出相应动作或者停留在原地不动一段时间,如此将影响用户体验和活体检测效率。
发明内容
鉴于上述问题而提出了本公开。本公开提供了一种活体检测方法、活体检测系统以及计算机程序产品,其基于人体皮肤对于光产生亚表面散射,从而在接收到光线后会产生较大的光斑,而照片、屏幕、面具等物品的亚表面散射相比之下很弱,只会形成较小光斑的原理,实现了一种非配合式活体检测,从而有效地区分出正常用户与照片、视频和面具攻击者,并且无需用户的特殊配合,增加了活体检测系统的安全性和易用度。
根据本公开的一个实施例,提供了一种活体检测方法,包括:使用激光光源照射待检测对象的脸部;捕获经由所述激光光源照射的待检测对象的脸部的图像;计算所述待检测对象的脸部的图像的光斑面积;以及比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体。
此外,根据本公开的一个实施例的活体检测方法,其中所述计算所述待检测对象的脸部的图像的光斑面积包括:获取所述待检测对象的脸部的图像的图像矩阵数据;基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积。
此外,根据本公开的一个实施例的活体检测方法,其中所述激光光源为产生点状光斑的光源,并且所述激光光源与所述待检测对象的位置相对固定。
此外,根据本公开的一个实施例的活体检测方法,其中所述激光光源为产生多个点状光斑的光源,并且所述激光光源与所述待检测对象的位置相对变化,所述捕获经由所述光源照射的待检测对象的脸部的图像包括:捕获经由所述激光光源照射的待检测对象的脸部的图像,确定所述图像中对应于所述待检测对象的预定区域的区域图像作为所述待检测对象的脸部的图像。
此外,根据本公开的一个实施例的活体检测方法,其中所述激光光源为可调整光线出射方向的激光光源,并且所述激光光源与所述待检测对象的位置相对变化,所述获取所述待检测对象的脸部的图像的图像矩阵数据包括:获取经由所述激光光源照射的待检测对象的脸部的初步图像矩阵数据;基于第一预定灰度阈值,对所述初步图像矩阵数据执行二值化转换,以将所述初步图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述初步图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,以获得二值化初步图像矩阵数据;确定所述二值化初步图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;确定所述初步图像中对应于所述待检测对象的脸部的预定区域的第二重心位置;调整所述激光光源照射的光线出射方向,以使得所述第一重心位置与所述第二重心位置重合,获取经由调整所述光线出射方向的所述激光光源照射的待检测对象的脸部的图像的图像矩阵数据。
此外,根据本公开的一个实施例的活体检测方法,还包括:基于第二预定灰度阈值,对所述图像矩阵数据执行所述二值化转换,以将所述图像矩阵数据中具有大于等于所述第二预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述图像矩阵数据中具有小于所述第二预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,获得第二二值化图像矩阵数据;如果所述第二二值化图像矩阵数据中所述第一类像素点的数目超过预定第一预定数目阈值,则停止照射。
此外,根据本公开的一个实施例的活体检测方法,还包括:基于第三预定灰度阈值,对所述图像矩阵数据执行所述二值化转换,以将所述图像矩阵数据中具有大于等于所述第三预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述图像矩阵数据中具有小于所述第三预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,获得第三二值化图像矩阵数据;计算所述第三二值化图像矩阵数据中所述第一类像素点的所对应的第三重心位置;如果所述第三重心位置在预定第一区域阈值外,则停止照射。
此外,根据本公开的一个实施例的活体检测方法,还包括:确定所述图像矩阵数据中对应于所述待检测对象的脸部的预定区域的预定像素点区域;计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;如果所述第一重心位置在所述预定像素点区域内,则停止照射。
此外,根据本公开的一个实施例的活体检测方法,还包括:比较所述光斑面积与第二预定面积阈值,如果所述光斑面积大于所述第二预定面积阈值,则停止照射。
此外,根据本公开的一个实施例的活体检测方法,还包括:确定所述图像矩阵数据中对应于所述待检测对象的脸部的预定点的预定像素点;计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;计算所述第一重心位置与所述预定像素点的距离,如果所述距离小于预定距离阈值,则停止照射。
此外,根据本公开的一个实施例的活体检测方法,还包括:计算相互连通的所述第一类像素点所对应的多个光斑面积;如果所述多个光斑面积中的一个大于第二预定面积阈值或者所述多个光斑面积中的每一个小于第三预定面积阈值,则停止照射。
根据本公开的另一个实施例,提供了一种活体检测系统,包括:激光光源单元,用于发射照射光线以照射待检测对象的脸部;图像捕获单元,用于捕获经由所述激光光源单元照射的待检测对象的脸部的图像;活体检测单元,用于确定所述待检测对象是否为活体,其中,所述活体检测单元计算所述待检测对象的脸部的图像的光斑面积,并且比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体。
此外,根据本公开的另一个实施例的活体检测系统,其中所述活体检测单元获取所述待检测对象的脸部的图像的图像矩阵数据;基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积。
此外,根据本公开的另一个实施例的活体检测系统,其中所述激光光源单元为产生点状光斑的光源单元,并且所述激光光源单元与所述待检测对象的位置相对固定。
此外,根据本公开的另一个实施例的活体检测系统,其中所述激光光源单元为产生多个点状光斑的光源单元,并且所述激光光源单元与所述待检测对象的位置相对变化,所述图像捕获单元捕获经由所述激光光源单元照射的待检测对象的脸部的图像,所述活体检测单元确定所述图像中对应于所述待检测对象的预定区域的区域图像作为所述待检测对象的脸部的图像。
此外,根据本公开的另一个实施例的活体检测系统,其中所述激光光源单元为可调整光线出射方向的激光光源,并且所述激光光源与所述待检测对象的位置相对变化,所述活体检测单元获取经由所述激光光源单元照射的待检测对象的脸部的初步图像矩阵数据;基于第一预定灰度阈值,对所述初步图像矩阵数据执行二值化转换,以将所述初步图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述初步图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,以获得二值化初步图像矩阵数据;确定所述二值化初步图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;确定所述初步图像中对应于所述待检测对象的脸部的预定区域的第二重心位置;所述活体检测单元控制所述激光光源单元调整所述光线出射方向,以使得所述第一重心位置与所述第二重心位置重合,获取经由调整所述光线出射方向的所述激光光源单元照射的待检测对象的脸部的图像矩阵数据。
此外,根据本公开的另一个实施例的活体检测系统,其中所述活体检测单元还用于:基于第二预定灰度阈值,对所述图像矩阵数据执行所述二值化转换,以将所述图像矩阵数据中具有大于等于所述第二预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述图像矩阵数据中具有小于所述第二预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,获得第二二值化图像矩阵数据;如果所述第二二值化图像矩阵数据中所述第一类像素点的数目超过预定第一预定数目阈值,则控制所述激光光源单元停止照射。
此外,根据本公开的另一个实施例的活体检测系统,其中所述活体检测单元还用于:基于第三预定灰度阈值,对所述图像矩阵数据执行所述二值化转换,以将所述图像矩阵数据中具有大于等于所述第三预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述图像矩阵数据中具有小于所述第三预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,获得第三二值化图像矩阵数据;计算所述第三二值化图像矩阵数据中所述第一类像素点的所对应的第三重心位置;如果所述第三重心位置在预定第一区域阈值外,则控制所述激光光源单元停止照射。
此外,根据本公开的另一个实施例的活体检测系统,其中所述活体检测单元还用于:确定所述图像矩阵数据中对应于所述待检测对象的脸部的预定区域的预定像素点区域;计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;如果所述第一重心位置在所述预定像素点区域内,则控制所述激光光源单元停止照射。
此外,根据本公开的另一个实施例的活体检测系统,其中所述活体检测单元还用于:比较所述光斑面积与第二预定面积阈值,如果所述光斑面积大于所述第二预定面积阈值,则控制所述激光光源单元停止照射。
此外,根据本公开的另一个实施例的活体检测系统,其中所述活体检测单元还用于:确定所述图像矩阵数据中对应于所述待检测对象的脸部的预定点的预定像素点;计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;计算所述第一重心位置与所述预定像素点的距离,如果所述距离小于预定距离阈值,则控制所述多点状光源单元停止照射。
此外,根据本公开的另一个实施例的活体检测系统,其中所述活体检测单元还用于:计算相互连通的所述第一类像素点所对应的多个光斑面积;如果所述多个光斑面积中的一个大于第二预定面积阈值或者所述多个光斑面积中的每一个小于第三预定面积阈值,则控制所述激光光源单元停止照射。
根据本公开的又一个实施例,提供了一种计算机程序产品,包括计算机可读存储介质,在所述计算机可读存储介质上存储了计算机程序指令,所述计算机程序指令在被计算机运行时执行以下步骤:获取经由激光光源照射的待检测对象的脸部的图像;计算所述待检测对象的脸部的图像的光斑面积;以及比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体。
要理解的是,前面的一般描述和下面的详细描述两者都是示例性的,并且意图在于提供要求保护的技术的进一步说明。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是图示根据本发明实施例的活体检测方法的流程图。
图2是图示根据本发明实施例的活体检测系统的功能性框图。
图3是进一步图示根据本发明实施例的第一示例活体检测系统的示意图。
图4是进一步图示根据本发明实施例的第一示例活体检测方法的流程图。
图5是进一步图示根据本发明实施例的第二示例活体检测系统的示意图。
图6是进一步图示根据本发明实施例的第二示例活体检测方法的流程图。
图7是进一步图示根据本发明实施例的第三示例活体检测系统的示意图。
图8是进一步图示根据本发明实施例的第三示例活体检测方法的流程图。
图9是图示根据本发明实施例的活体检测系统的示意性框图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本公开中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
以下,将参考附图详细描述本发明的优选实施例。
图1是图示根据本发明实施例的活体检测方法的流程图。如图1所示,根据本发明实施例的活体检测方法包括以下步骤。
在步骤S101中,使用激光光源照射待检测对象的脸部。如下将详细描述的,在本发明的一个实施例中,所述激光光源可以为产生点状光斑的光源,或者所述激光光源为产生多个点状光斑的光源。可替代地,所述激光光源为可调整光线出射方向的激光光源。此后,处理进到步骤S102。
在步骤S102中,捕获经由激光光源照射的待检测对象的脸部的图像。如下将详细描述的,待检测对象的脸部的图像中将包括亚表面散射形成的光斑。此后,处理进到步骤S103。
在步骤S103中,计算待检测对象的脸部的图像的光斑面积S。如下将详细描述计算光斑面积的具体处理过程。根据所采用的激光光源的不同,光斑面积可能表示点状光斑的面积,也可能表示条状光斑的粗细。此后,处理进到步骤S104。
在步骤S104中,判断在步骤S103中计算的光斑面积S是否大于第一预定面积阈值T1。所述第一预定面积阈值T1是预先以大量人脸图像作为正样本以及以照片、视频回放、纸片面具以及3D模型图像作为负样本,使用深度学习,支撑向量机等统计学习方法所确定设置的。
如果在步骤S104中获得肯定结果,即光斑面积S大于第一预定面积阈值T1,则处理进到步骤S105。在步骤S105中,确定待检测对象为活体。
相反地,如果在步骤S104中获得否定结果,即光斑面积S不大于第一预定面积阈值T1,则处理进到步骤S106。在步骤S106中,确定待检测对象为非活体。
在上述根据本发明的实施例的活体检测方法中,基于人体皮肤对于光产生亚表面散射,从而在接收到光线后会产生较大的光斑,而照片、屏幕、面具等物品的亚表面散射相比之下很弱,只会形成较小光斑的原理。其中,在光照条件相同的情况下,预定面积阈值应小于人体皮肤对于光产生亚表面散射形成的光斑,而大于照片、屏幕、面具等物品的亚表面散射形成的光斑。预定面积阈值的实际具体数值可以根据实际情况进行设定,在此并不进行限定。通过判断所获得的光斑面积与预定面积阈值的大小关系,将具有大于预定面积阈值的光斑面积的待检测对象确定为活体。
此外,在根据本发明的实施例的活体检测方法中,由于使用激光光源,并且不需要限制用户的动作配合,所以需要设置安全控制机制,以便避免出现激光光源照射待检测对象的眼睛,或者待检测对象偏离检测区域等特殊情况的出现。
上述根据本发明实施例的活体检测方法,通过检测待检测对象经由激光光源照射后的亚表面散射光斑大小进行活体检测,从而可以有效地防范照片、3D人脸模型和面具攻击。
以下,将参照图2进一步描述执行上述活体检测方法的活体检测系统。
图2是图示根据本发明实施例的活体检测系统的功能性框图。如图2所示,根据本发明实施例的活体检测系统20包括激光光源单元21、图像捕获单元22和活体检测单元23。所述激光光源单元21、图像捕获单元22和活体检测单元23例如可以由诸如硬件、软件、固件以及它们的任意可行的组合配置。
具体地,所述激光光源单元21用于发射照射光线以照射待检测对象的脸部。在本发明的一个实施例中,激光光源可以是一个功率5mw,输出波长850nm的点状激光器。激光光源布置的位置和角度可以保证其能够照射检测对象的脸部的合适部位,诸如嘴唇、面颊、鼻子等面部皮肤较为暴露和平整的地方。如上所述,所述激光光源单元21可以为产生点状光斑的光源,或者所述激光光源单元21为产生多个点状光斑的光源。可替代地,所述激光光源单元21为可调整光线出射方向的激光光源。
所述图像捕获单元22用于捕获经由所述激光光源单元21照射的待检测对象的脸部的图像。在本发明的一个实施例中,所述图像捕获单元22对应于所述激光光源单元21配置。例如,所述图像捕获单元22为配置有850nm窄带滤光片的CCD成像模组,所述图像捕获单元22的曝光参数其能够捕获亚表面散射所形成的光斑。所述图像捕获单元22可以与其后的活体检测单元23物理上分离,或者物理上位于同一位置甚至位于同一机壳内部。在所述图像捕获单元22与其后的活体检测单元23物理上分离的情况下,所述图像捕获单元22进一步经由有线或者无线方式将获取的待检测对象的脸部的图像发送给其后的所述活体检测单元23。在所述图像捕获单元22与其后的所述活体检测单元23物理上位于同一位置甚至位于同一机壳内部的情况下,所述活体检测单元23经由内部总线将所述待检测对象的脸部的图像发送给所述活体检测单元23。在经由有线或者无线方式或者经由内部总线发送所述视频数据之前,可以将其预定格式进行编码和压缩为视频数据包,以减少发送需要占用的通信量和带宽。
所述活体检测单元23用于确定所述待检测对象是否为活体。具体地,所述活体检测单元23计算所述待检测对象的脸部的图像的光斑面积S,并且比较所述光斑面积S与第一预定面积阈值T1,如果所述光斑面积S大于所述第一预定面积阈值T1,则确定所述待检测对象为活体。
以上,参照图1和图2概述了根据本发明实施例的活体检测方法和活体检测系统。以下,将参照图3到图8进一步描述根据本发明实施例的第一到第三示例活体检测方法和活体检测系统。
图3是进一步图示根据本发明实施例的第一示例活体检测系统的示意图。
如图3所示,活体检测系统20与待检测对象30的位置相对固定。例如,图3所示的活体检测系统20为工作距离较近的人脸打卡器。具体地,图3所示的活体检测系统20中的激光光源单元21为产生点状光斑的光源单元,并且所述激光光源单元21与所述待检测对象30的位置相对固定。所述激光光源单元21发射照射光线以照射待检测对象的脸部,例如照射嘴唇、面颊、鼻子等。所示图像捕获单元22捕获经由所述激光光源单元21照射的待检测对象的脸部的图像。所示活体检测单元23确定所述待检测对象是否为活体。
图4是进一步图示根据本发明实施例的第一示例活体检测方法的流程图。如图4所示,根据本发明实施例的第一示例活体检测方法应用于图3所示的根据本发明实施例的第一示例活体检测系统,其包括以下步骤。
在步骤S401中,使用激光光源照射待检测对象的脸部。在本发明实施例的第一示例中,所述激光光源可以为产生点状光斑的光源。此后,处理进到步骤S402。
在步骤S402中,捕获经由激光光源照射的待检测对象的脸部的图像。此后,处理进到步骤S403。
在步骤S403中,获取所述待检测对象的脸部的图像的图像矩阵数据。在本发明实施例的第一示例中,所述待检测对象的脸部的图像的图像矩阵数据可以表示为I[x,y]。此后,处理进到步骤S404。
在步骤S404中,基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值。第一二值化图像矩阵数据可以表示为:
其中,t1为第一预定灰度阈值。此后,处理进到步骤S405。
在步骤S405中,确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点。在本发明的一个实施例中,对于第一二值化图像矩阵数据Ib应用宽度优先搜索(BFS)算法计算联通分量,选择最大数目的联通分量。此后,处理进到步骤S406。
在步骤S406中,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积S。此后,处理进到步骤S407。
在步骤S407中,判断在步骤S406中计算的光斑面积S是否大于第一预定面积阈值T1。所述第一预定面积阈值T1是预先以大量人脸图像作为正样本以及以照片、视频回放、纸片面具以及3D模型图像作为负样本,使用深度学习,支撑向量机等统计学习方法所确定设置的。
如果在步骤S407中获得肯定结果,即光斑面积S大于第一预定面积阈值T1,则处理进到步骤S408。在步骤S408中,确定待检测对象为活体。
相反地,如果在步骤S407中获得否定结果,即光斑面积S不大于第一预定面积阈值T1,则处理进到步骤S409。在步骤S409中,确定待检测对象为非活体。
如上所述,为了避免出现激光光源照射待检测对象的眼睛,或者待检测对象偏离检测区域等特殊情况,根据本发明实施例的第一示例活体检测系统中设置安全控制机制。
第一安全控机制
在捕获经由所述激光光源照射的待检测对象的脸部的图像之后,类似于上述步骤S404的处理,基于第二预定灰度阈值t2,对所述图像矩阵数据执行所述二值化转换,以将所述图像矩阵数据中具有大于等于所述第二预定阈值t2的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述图像矩阵数据中具有小于所述第二预定阈值t2的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,获得第二二值化图像矩阵数据。如果所述第二二值化图像矩阵数据中所述第一类像素点的数目超过预定第一预定数目阈值s1,即不正常地出现多个亮点,则停止照射。
第二安全控机制
在捕获经由所述激光光源照射的待检测对象的脸部的图像之后,类似于上述步骤S404的处理,基于第三预定灰度阈值t3,对所述图像矩阵数据执行所述二值化转换,以将所述图像矩阵数据中具有大于等于所述第三预定阈值t3的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述图像矩阵数据中具有小于所述第三预定阈值t3的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,获得第三二值化图像矩阵数据。计算所述第三二值化图像矩阵数据中所述第一类像素点的所对应的第三重心位置(mx,my)。如果所述第三重心位置(mx,my)在预定第一区域阈值外(即,mx≥mx1或mx≤mx0;my≥my1或my≤my0),即亮点落在预定的图像采集区域外,则停止照射。
第三安全控机制
在捕获经由所述激光光源照射的待检测对象的脸部的图像之后,确定所述图像矩阵数据中对应于所述待检测对象的脸部的预定区域的预定像素点区域。例如,使用预先训练好的人脸检测器(诸如Haar Cascade)来获取脸部以及左右眼的位置。类似于上述步骤S404的处理,计算最大数目的相互连通的所述第一类像素点所对应的第一重心位置。如果所述第一重心位置在所述预定像素点区域(即,左右眼区域)内,则停止照射。
根据本发明实施例的第一示例活体检测系统,配置有产生点状光斑的光源单元,在光源单元与待检测对象相对位置固定的场景中使用,其利用活体皮肤和其他材质的亚表面散射性质的不同进行活体检测,能够有效地防御照片、视频、面积攻击,并且无需用户特殊配合,增加了活体检测系统的安全性和易用度。
图5是进一步图示根据本发明实施例的第二示例活体检测系统的示意图。
如图5所示,活体检测系统50与待检测对象30的位置相对不固定。例如,图5所示的活体检测系统50为工作距离比图3中的人脸打卡器更远的门禁系统。所述激光光源51为产生多个点状光斑的光源,并且所述激光光源51与所述待检测对象30的位置相对变化。在本发明的一个实施例中,所述激光光源51由一个功率500mW、波长850nm激光器与光栅配置。通过光栅,激光器投射出多个点状光斑,均匀地散步在待检测对象30可能存在的范围,并且各个点的光斑范围不重合。所示图像捕获单元52捕获经由所述激光光源单元51照射的待检测对象的脸部的图像。所示活体检测单元53确定所述待检测对象是否为活体。
图6是进一步图示根据本发明实施例的第二示例活体检测方法的流程图。如图6所示,根据本发明实施例的第二示例活体检测方法应用于图5所示的根据本发明实施例的第二示例活体检测系统,其包括以下步骤。
图6中图示的步骤S601到S605分别与上述图4中图示的步骤S401到S405相同,在此将省略其重复描述。
在通过二值化待检测对象的脸部的图像,确定第一二值化图像矩阵数据中最大数目的相互连通的第一类像素点之后,在步骤S06中,判断该最大数目的相互连通的第一类像素点是否位于所述待检测对象的脸部的预定区域中。由于根据本发明实施例的第二示例活体检测系统中所述激光光源51为产生多个点状光斑的光源,如果在步骤S606中获得肯定结果,则表明所述激光光源51产生的多个点状光斑中的一个落入诸如嘴唇、脸颊、鼻子的合适区域内,则处理进到步骤S607。
在步骤S607中,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积S。此后,处理进到步骤S608。
在步骤S608中,判断在步骤S607中计算的光斑面积S是否大于第一预定面积阈值T1。所述第一预定面积阈值T1是预先以大量人脸图像作为正样本以及以照片、视频回放、纸片面具以及3D模型图像作为负样本,使用深度学习,支撑向量机等统计学习方法所确定设置的。
如果在步骤S608中获得肯定结果,即光斑面积S大于第一预定面积阈值T1,则处理进到步骤S609。在步骤S609中,确定待检测对象为活体。
相反地,如果在步骤S608中获得否定结果,即光斑面积S不大于第一预定面积阈值T1,则处理进到步骤S610。在步骤S610中,确定待检测对象为非活体。
返回步骤S606,如果在步骤S606中获得否定结果,即表明所述激光光源51产生的多个点状光斑没有落入诸如嘴唇、脸颊、鼻子的合适区域内,则处理返回步骤S602,以便继续捕获经由激光光源照射的待检测对象的脸部的图像。
与图3和图4所示的第一示例相同,根据本发明实施例的第二示例活体检测系统中也设置安全控制机制。
第一安全控机制
与上述第一示例的第一安全机制相同,在捕获经由所述激光光源照射的待检测对象的脸部的图像之后,类似于上述步骤S404的处理,基于第二预定灰度阈值t2,对所述图像矩阵数据执行所述二值化转换,以将所述图像矩阵数据中具有大于等于所述第二预定阈值t2的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述图像矩阵数据中具有小于所述第二预定阈值t2的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,获得第二二值化图像矩阵数据。如果所述第二二值化图像矩阵数据中所述第一类像素点的数目超过预定第一预定数目阈值s1,即不正常地出现多个亮点,则停止照射。
第二安全控机制
在步骤S607中计算获得所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积S之后,将所述光斑面积S与第二预定面积阈值T2比较,第二预定面积阈值T2大于第一预定面积阈值T1。如果存在所述光斑面积S大于第二预定面积阈值T2,即表示存在过大面积的光斑,则停止照射。
第三安全控机制
与上述第一示例的第三安全机制相类似,在捕获经由所述激光光源照射的待检测对象的脸部的图像之后,确定所述图像矩阵数据中对应于所述待检测对象的脸部的预定区域的预定像素点区域。例如,使用预先训练好的人脸检测器(诸如Haar Cascade)来获取脸部以及左右眼的位置。进一步地,类似于上述步骤S605的处理,确定距离左右眼最近的光斑的位置,计算最近的光斑距离左右眼的距离D。如果距离D小于预定距离阈值d,即表示光斑距离待检测对象的眼部过近,则停止照射。
根据本发明实施例的第二示例活体检测系统,配置有产生多个点状光斑的光源单元,在光源单元与待检测对象相对位置不固定的场景中使用,其利用活体皮肤和其他材质的亚表面散射性质的不同进行活体检测,能够有效地防御照片、视频、面积攻击,并且无需用户特殊配合,增加了活体检测系统的安全性和易用度。
图7是进一步图示根据本发明实施例的第三示例活体检测系统的示意图。
如图7所示,活体检测系统70与待检测对象30的位置相对不固定,并且相互位置可以存在较大变化。例如,图7所示的活体检测系统70为工作距离比图3中的人脸打卡器和图5中的门禁系统更远的门禁系统或者监控系统。所述激光光源单元71为可调整光线出射方向的激光光源。在本发明的一个实施例中,所述激光光源71由一个功率20mW、波长850nm激光器与出射方向驱动单元(未图示)配置。活体检测单元73可以根据图像捕获单元72捕获经由所述激光光源单元71照射的待检测对象的脸部的初步图像,使用预先训练好的人脸检测器(诸如Haar Cascade)来获取脸部以及脸部的合适部位的位置,以及当前光斑的位置。通过活体检测单元73(可替代地,可以是单独配置的光斑位置跟踪单元)控制出射方向驱动单元调整所述激光光源单元71的光线出射方向,以使得光斑位置落在合适部位的位置。
图8是进一步图示根据本发明实施例的第三示例活体检测方法的流程图。如图8所示,根据本发明实施例的第三示例活体检测方法应用于图7所示的根据本发明实施例的第三示例活体检测系统,其包括以下步骤。
在步骤S801中,使用激光光源照射待检测对象的脸部。在本发明实施例的第三示例中,所述激光光源为可调整光线出射方向的激光光源。此后,处理进到步骤S802。
在步骤S802中,获取经由所述激光光源照射的待检测对象的脸部的初步图像矩阵数据。此后,处理进到步骤S803。
在步骤S803中,类似于步骤S404中的处理,基于第一预定灰度阈值,对所述初步图像矩阵数据执行二值化转换,以将所述初步图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述初步图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,以获得二值化初步图像矩阵数据。此后,处理进到步骤S804。
在步骤S804中,确定所述二值化初步图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置。在本发明的一个实施例中,所述二值化初步图像矩阵数据中最大数目的相互连通的所述第一类像素点的第一重心位置是当前光斑所在位置。此后,处理进到步骤S805。
在步骤S805中,确定所述初步图像中对应于所述待检测对象的脸部的预定区域的第二重心位置。在本发明的一个实施例中,脸部的预定区域的第二重心位置是脸部合适部位的位置。此后,处理进到步骤S806。
在步骤S806中,调整所述激光光源照射的光线出射方向,以使得所述第一重心位置与所述第二重心位置重合。即,调整所述激光光源照射的光线出射方向,使得光斑位置落入脸部合适部位上。此后,处理进到步骤S807。
在步骤S807中,获取经由调整所述光线出射方向的所述激光光源照射的待检测对象的脸部的图像的图像矩阵数据。在步骤S807中获取的待检测对象的脸部的图像的图像矩阵数据是最终用于活体检测的图像矩阵数据。
此后,处理进到如图4所示的步骤S404,并且执行如上参照图4所示的步骤S404到S409,以基于待检测对象的脸部的图像的图像矩阵数据执行活体检测。
与图3到图6所示的第一和第二示例相同,根据本发明实施例的第三示例活体检测系统中也设置安全控制机制。
例如,在步骤S807之后,计算相互连通的所述第一类像素点所对应的多个光斑面积。如果所述多个光斑面积中的一个大于第二预定面积阈值T2或者所述多个光斑面积中的每一个小于第三预定面积阈值T3,即存在过大或者过小的光斑,则停止照射。
此外,可以确定待检测对象的脸部的图像的平均像素值,如果平均像素值不在预先设置的范围内,即存在图像整体过亮或者过暗的情况,则停止照射。
进一步地,还可以确定待检测对象的脸部的图像脸部的大小,如果脸部的大小不在预先设置的范围内,即存在脸部的大小过大或者过小的情况,则停止照射。
根据本发明实施例的第三示例活体检测系统,配置有可调整光线出射方向的光源单元以追踪待检测对象的合适部位,在光源单元与待检测对象相对位置不固定并且距离较远的场景中使用,其利用活体皮肤和其他材质的亚表面散射性质的不同进行活体检测,能够有效地防御照片、视频、面积攻击,并且无需用户特殊配合,增加了活体检测系统的安全性和易用度。
图9是图示根据本发明实施例的活体检测系统的示意性框图。如图9所示,根据本发明实施例的活体检测系统9包括:处理器91、存储器92、以及在所述存储器92的中存储的计算机程序指令93。
所述计算机程序指令93在所述处理器91运行时可以实现根据本发明实施例的活体检测系统的各个功能模块的功能,并且/或者可以执行根据本发明实施例的活体检测方法的各个步骤。
具体地,在所述计算机程序指令93被所述处理器91运行时执行以下步骤:获取经由视频数据采集装置采集的视频数据;捕获经由所述激光光源照射的待检测对象的脸部的图像;计算所述待检测对象的脸部的图像的光斑面积;以及比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体。
此外,在所述计算机程序指令93被所述处理器91运行时执行所述计算所述待检测对象的脸部的图像的光斑面积的步骤包括:获取所述待检测对象的脸部的图像的图像矩阵数据;基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积。
此外,在所述计算机程序指令93被所述处理器91运行时执行获取经由所述光源照射的待检测对象的脸部的图像的步骤包括:获取经由所述激光光源照射的待检测对象的脸部的图像,确定所述图像中对应于所述待检测对象的预定区域的区域图像作为所述待检测对象的脸部的图像。
此外,在所述计算机程序指令93被所述处理器91运行时执行所述获取所述待检测对象的脸部的图像的图像矩阵数据的步骤包括:获取经由所述激光光源照射的待检测对象的脸部的初步图像矩阵数据;基于第一预定灰度阈值,对所述初步图像矩阵数据执行二值化转换,以将所述初步图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述初步图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,以获得二值化初步图像矩阵数据;确定所述二值化初步图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;确定所述初步图像中对应于所述待检测对象的脸部的预定区域的第二重心位置;调整所述激光光源照射的光线出射方向,以使得所述第一重心位置与所述第二重心位置重合,获取经由调整所述光线出射方向的所述激光光源照射的待检测对象的脸部的图像的图像矩阵数据。
根据本发明实施例的活体检测系统中的各模块可以通过根据本发明实施例的活体检测系统中的处理器运行在存储器中存储的计算机程序指令来实现,或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。
所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合,例如一个计算机可读存储介质包含用于随机地生成动作指令序列的计算机可读的程序代码,另一个计算机可读存储介质包含用于进行人脸活动识别的计算机可读的程序代码。
所述计算机可读存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。
在上面详细描述的本发明的示例实施例仅仅是说明性的,而不是限制性的。本领域技术人员应该理解,在不脱离本发明的原理和精神的情况下,可对这些实施例进行各种修改,组合或子组合,并且这样的修改应落入本发明的范围内。
Claims (23)
1.一种活体检测方法,包括:
使用激光光源照射待检测对象的脸部;
捕获经由所述激光光源照射的待检测对象的脸部的图像;
计算所述待检测对象的脸部的图像的光斑面积;以及
比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述计算所述待检测对象的脸部的图像的光斑面积包括:
获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,
其中,所述活体检测方法还包括:
基于第二预定灰度阈值,对所述图像矩阵数据执行所述二值化转换,以将所述图像矩阵数据中具有大于等于所述第二预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述图像矩阵数据中具有小于所述第二预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,获得第二二值化图像矩阵数据;
如果所述第二二值化图像矩阵数据中所述第一类像素点的数目超过预定第一预定数目阈值,则停止照射。
2.一种活体检测方法,包括:
使用激光光源照射待检测对象的脸部;
捕获经由所述激光光源照射的待检测对象的脸部的图像;
计算所述待检测对象的脸部的图像的光斑面积;以及
比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述计算所述待检测对象的脸部的图像的光斑面积包括:
获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,
其中,所述活体检测方法还包括:
基于第三预定灰度阈值,对所述图像矩阵数据执行所述二值化转换,以将所述图像矩阵数据中具有大于等于所述第三预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述图像矩阵数据中具有小于所述第三预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,获得第三二值化图像矩阵数据;
计算所述第三二值化图像矩阵数据中所述第一类像素点的所对应的第三重心位置;
如果所述第三重心位置在预定第一区域外,则停止照射。
3.一种活体检测方法,包括:
使用激光光源照射待检测对象的脸部;
捕获经由所述激光光源照射的待检测对象的脸部的图像;
计算所述待检测对象的脸部的图像的光斑面积;以及
比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述计算所述待检测对象的脸部的图像的光斑面积包括:
获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,
其中,所述活体检测方法还包括:
确定所述图像矩阵数据中对应于所述待检测对象的脸部的预定区域的预定像素点区域;
计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;
如果所述第一重心位置在所述预定像素点区域内,则停止照射。
4.如权利要求1到3的任一项所述的活体检测方法,其中所述激光光源为产生点状光斑的光源,并且所述激光光源与所述待检测对象的位置相对固定。
5.一种活体检测方法,包括:
使用激光光源照射待检测对象的脸部;
捕获经由所述激光光源照射的待检测对象的脸部的图像;
计算所述待检测对象的脸部的图像的光斑面积;以及
比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述计算所述待检测对象的脸部的图像的光斑面积包括:
获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,其中所述激光光源为产生多个点状光斑的光源,并且所述激光光源与所述待检测对象的位置相对变化,所述捕获经由所述光源照射的待检测对象的脸部的图像包括:
捕获经由所述激光光源照射的待检测对象的脸部的图像,确定所述图像中对应于所述待检测对象的预定区域的区域图像作为所述待检测对象的脸部的图像。
6.如权利要求5所述的活体检测方法,还包括:
比较所述光斑面积与第二预定面积阈值,如果所述光斑面积大于所述第二预定面积阈值,则停止照射。
7.如权利要求5所述的活体检测方法,还包括:
确定所述图像矩阵数据中对应于所述待检测对象的脸部的预定点的预定像素点;
计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;
计算所述第一重心位置与所述预定像素点的距离,如果所述距离小于预定距离阈值,则停止照射。
8.一种活体检测方法,包括:
使用激光光源照射待检测对象的脸部;
捕获经由所述激光光源照射的待检测对象的脸部的图像;
计算所述待检测对象的脸部的图像的光斑面积;以及
比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述计算所述待检测对象的脸部的图像的光斑面积包括:
获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,其中所述激光光源为可调整光线出射方向的激光光源,并且所述激光光源与所述待检测对象的位置相对变化,所述获取所述待检测对象的脸部的图像的图像矩阵数据包括:
获取经由所述激光光源照射的待检测对象的脸部的初步图像矩阵数据;
基于第一预定灰度阈值,对所述初步图像矩阵数据执行二值化转换,以将所述初步图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述初步图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,以获得二值化初步图像矩阵数据;
确定所述二值化初步图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;
确定所述初步图像中对应于所述待检测对象的脸部的预定区域的第二重心位置;
调整所述激光光源照射的光线出射方向,以使得所述第一重心位置与所述第二重心位置重合,获取经由调整所述光线出射方向的所述激光光源照射的待检测对象的脸部的图像的图像矩阵数据。
9.如权利要求8所述的活体检测方法,还包括:
计算相互连通的所述第一类像素点所对应的多个光斑面积;
如果所述多个光斑面积中的一个大于第二预定面积阈值或者所述多个光斑面积中的每一个小于第三预定面积阈值,则停止照射。
10.一种活体检测系统,包括:
激光光源单元,用于发射照射光线以照射待检测对象的脸部;
图像捕获单元,用于捕获经由所述激光光源单元照射的待检测对象的脸部的图像;
活体检测单元,用于确定所述待检测对象是否为活体,
其中,所述活体检测单元计算所述待检测对象的脸部的图像的光斑面积,并且比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述活体检测单元获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,
其中所述活体检测单元还用于:
基于第二预定灰度阈值,对所述图像矩阵数据执行所述二值化转换,以将所述图像矩阵数据中具有大于等于所述第二预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述图像矩阵数据中具有小于所述第二预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,获得第二二值化图像矩阵数据;
如果所述第二二值化图像矩阵数据中所述第一类像素点的数目超过预定第一预定数目阈值,则控制所述激光光源单元停止照射。
11.一种活体检测系统,包括:
激光光源单元,用于发射照射光线以照射待检测对象的脸部;
图像捕获单元,用于捕获经由所述激光光源单元照射的待检测对象的脸部的图像;
活体检测单元,用于确定所述待检测对象是否为活体,
其中,所述活体检测单元计算所述待检测对象的脸部的图像的光斑面积,并且比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述活体检测单元获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,
其中所述活体检测单元还用于:
基于第三预定灰度阈值,对所述图像矩阵数据执行所述二值化转换,以将所述图像矩阵数据中具有大于等于所述第三预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述图像矩阵数据中具有小于所述第三预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,获得第三二值化图像矩阵数据;
计算所述第三二值化图像矩阵数据中所述第一类像素点的所对应的第三重心位置;
如果所述第三重心位置在预定第一区域外,则控制所述激光光源单元停止照射。
12.一种活体检测系统,包括:
激光光源单元,用于发射照射光线以照射待检测对象的脸部;
图像捕获单元,用于捕获经由所述激光光源单元照射的待检测对象的脸部的图像;
活体检测单元,用于确定所述待检测对象是否为活体,
其中,所述活体检测单元计算所述待检测对象的脸部的图像的光斑面积,并且比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述活体检测单元获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,
其中所述活体检测单元还用于:
确定所述图像矩阵数据中对应于所述待检测对象的脸部的预定区域的预定像素点区域;
计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;
如果所述第一重心位置在所述预定像素点区域内,则控制所述激光光源单元停止照射。
13.如权利要求10到12的任一项所述的活体检测系统,其中所述激光光源单元为产生点状光斑的光源单元,并且所述激光光源单元与所述待检测对象的位置相对固定。
14.一种活体检测系统,包括:
激光光源单元,用于发射照射光线以照射待检测对象的脸部;
图像捕获单元,用于捕获经由所述激光光源单元照射的待检测对象的脸部的图像;
活体检测单元,用于确定所述待检测对象是否为活体,
其中,所述活体检测单元计算所述待检测对象的脸部的图像的光斑面积,并且比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述活体检测单元获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,
其中所述激光光源单元为产生多个点状光斑的光源单元,并且所述激光光源单元与所述待检测对象的位置相对变化,
所述图像捕获单元捕获经由所述激光光源单元照射的待检测对象的脸部的图像,
所述活体检测单元确定所述图像中对应于所述待检测对象的预定区域的区域图像作为所述待检测对象的脸部的图像。
15.如权利要求14所述的活体检测系统,其中所述活体检测单元还用于:
比较所述光斑面积与第二预定面积阈值,如果所述光斑面积大于所述第二预定面积阈值,则控制所述激光光源单元停止照射。
16.如权利要求14所述的活体检测系统,其中所述活体检测单元还用于:
确定所述图像矩阵数据中对应于所述待检测对象的脸部的预定点的预定像素点;
计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;
计算所述第一重心位置与所述预定像素点的距离,如果所述距离小于预定距离阈值,则控制所述产生多个点状光斑的光源单元停止照射。
17.一种活体检测系统,包括:
激光光源单元,用于发射照射光线以照射待检测对象的脸部;
图像捕获单元,用于捕获经由所述激光光源单元照射的待检测对象的脸部的图像;
活体检测单元,用于确定所述待检测对象是否为活体,
其中,所述活体检测单元计算所述待检测对象的脸部的图像的光斑面积,并且比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述活体检测单元获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,
其中所述激光光源单元为可调整光线出射方向的激光光源,并且所述激光光源与所述待检测对象的位置相对变化,
所述活体检测单元获取经由所述激光光源单元照射的待检测对象的脸部的初步图像矩阵数据;基于第一预定灰度阈值,对所述初步图像矩阵数据执行二值化转换,以将所述初步图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述初步图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,以获得二值化初步图像矩阵数据;确定所述二值化初步图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;确定所述初步图像中对应于所述待检测对象的脸部的预定区域的第二重心位置;
所述活体检测单元控制所述激光光源单元调整所述光线出射方向,以使得所述第一重心位置与所述第二重心位置重合,获取经由调整所述光线出射方向的所述激光光源单元照射的待检测对象的脸部的图像矩阵数据。
18.如权利要求17所述的活体检测系统,其中所述活体检测单元还用于:
计算相互连通的所述第一类像素点所对应的多个光斑面积;
如果所述多个光斑面积中的一个大于第二预定面积阈值或者所述多个光斑面积中的每一个小于第三预定面积阈值,则控制所述激光光源单元停止照射。
19.一种计算机可读存储介质,在所述计算机可读存储介质上存储了计算机程序指令,所述计算机程序指令在被计算机运行时执行以下步骤:
获取经由激光光源照射的待检测对象的脸部的图像;
计算所述待检测对象的脸部的图像的光斑面积;以及
比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述计算所述待检测对象的脸部的图像的光斑面积包括:
获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,
其中,所述计算机程序指令在被计算机运行时还执行:
基于第二预定灰度阈值,对所述图像矩阵数据执行所述二值化转换,以将所述图像矩阵数据中具有大于等于所述第二预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述图像矩阵数据中具有小于所述第二预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,获得第二二值化图像矩阵数据;
如果所述第二二值化图像矩阵数据中所述第一类像素点的数目超过预定第一预定数目阈值,则停止照射。
20.一种计算机可读存储介质,在所述计算机可读存储介质上存储了计算机程序指令,所述计算机程序指令在被计算机运行时执行以下步骤:
获取经由激光光源照射的待检测对象的脸部的图像;
计算所述待检测对象的脸部的图像的光斑面积;以及
比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述计算所述待检测对象的脸部的图像的光斑面积包括:
获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,
其中,所述计算机程序指令在被计算机运行时还执行:
基于第三预定灰度阈值,对所述图像矩阵数据执行所述二值化转换,以将所述图像矩阵数据中具有大于等于所述第三预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述图像矩阵数据中具有小于所述第三预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,获得第三二值化图像矩阵数据;
计算所述第三二值化图像矩阵数据中所述第一类像素点的所对应的第三重心位置;
如果所述第三重心位置在预定第一区域阈值外,则停止照射。
21.一种计算机可读存储介质,在所述计算机可读存储介质上存储了计算机程序指令,所述计算机程序指令在被计算机运行时执行以下步骤:
获取经由激光光源照射的待检测对象的脸部的图像;
计算所述待检测对象的脸部的图像的光斑面积;以及
比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述计算所述待检测对象的脸部的图像的光斑面积包括:
获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,
其中,所述计算机程序指令在被计算机运行时还执行:
确定所述图像矩阵数据中对应于所述待检测对象的脸部的预定区域的预定像素点区域;
计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;
如果所述第一重心位置在所述预定像素点区域内,则停止照射。
22.一种计算机可读存储介质,在所述计算机可读存储介质上存储了计算机程序指令,所述计算机程序指令在被计算机运行时执行以下步骤:
获取经由激光光源照射的待检测对象的脸部的图像;
计算所述待检测对象的脸部的图像的光斑面积;以及
比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述计算所述待检测对象的脸部的图像的光斑面积包括:
获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,
其中所述激光光源为产生多个点状光斑的光源,并且所述激光光源与所述待检测对象的位置相对变化,所述获取经由激光光源照射的待检测对象的脸部的图像包括:
捕获经由所述激光光源照射的待检测对象的脸部的图像,确定所述图像中对应于所述待检测对象的预定区域的区域图像作为所述待检测对象的脸部的图像。
23.一种计算机可读存储介质,在所述计算机可读存储介质上存储了计算机程序指令,所述计算机程序指令在被计算机运行时执行以下步骤:
获取经由激光光源照射的待检测对象的脸部的图像;
计算所述待检测对象的脸部的图像的光斑面积;以及
比较所述光斑面积与第一预定面积阈值,如果所述光斑面积大于所述第一预定面积阈值,则确定所述待检测对象为活体,
其中所述计算所述待检测对象的脸部的图像的光斑面积包括:
获取所述待检测对象的脸部的图像的图像矩阵数据;
基于第一预定灰度阈值,对所述图像矩阵数据执行二值化转换,以将所述图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的第一类像素点,将所述图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的第二类像素点,获得第一二值化图像矩阵数据,所述第一灰度值大于所述第二灰度值;
确定所述第一二值化图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的面积作为所述光斑面积,
其中所述激光光源为可调整光线出射方向的激光光源,并且所述激光光源与所述待检测对象的位置相对变化,所述获取所述待检测对象的脸部的图像的图像矩阵数据包括:
获取经由所述激光光源照射的待检测对象的脸部的初步图像矩阵数据;
基于第一预定灰度阈值,对所述初步图像矩阵数据执行二值化转换,以将所述初步图像矩阵数据中具有大于等于所述第一预定阈值的灰度值的像素点转换为具有第一灰度值的所述第一类像素点,将所述初步图像矩阵数据中具有小于所述第一预定阈值的灰度值的像素点转换为具有第二灰度值的所述第二类像素点,以获得二值化初步图像矩阵数据;
确定所述二值化初步图像矩阵数据中最大数目的相互连通的所述第一类像素点,计算所述最大数目的相互连通的所述第一类像素点所对应的第一重心位置;
确定所述初步图像中对应于所述待检测对象的脸部的预定区域的第二重心位置;
调整所述激光光源照射的光线出射方向,以使得所述第一重心位置与所述第二重心位置重合,获取经由调整所述光线出射方向的所述激光光源照射的待检测对象的脸部的图像的图像矩阵数据。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2015/080963 WO2016197297A1 (zh) | 2015-06-08 | 2015-06-08 | 活体检测方法、活体检测系统以及计算机程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105637532A CN105637532A (zh) | 2016-06-01 |
CN105637532B true CN105637532B (zh) | 2020-08-14 |
Family
ID=56050768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580000335.6A Active CN105637532B (zh) | 2015-06-08 | 2015-06-08 | 活体检测方法、活体检测系统以及计算机程序产品 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10614291B2 (zh) |
CN (1) | CN105637532B (zh) |
WO (1) | WO2016197297A1 (zh) |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912986B (zh) | 2016-04-01 | 2019-06-07 | 北京旷视科技有限公司 | 一种活体检测方法和系统 |
CN107992794B (zh) * | 2016-12-30 | 2019-05-28 | 腾讯科技(深圳)有限公司 | 一种活体检测方法、装置和存储介质 |
CN108363939B (zh) * | 2017-01-26 | 2022-03-04 | 阿里巴巴集团控股有限公司 | 特征图像的获取方法及获取装置、用户认证方法 |
KR102387571B1 (ko) * | 2017-03-27 | 2022-04-18 | 삼성전자주식회사 | 라이브니스 검사 방법 및 장치 |
CN107451556B (zh) * | 2017-07-28 | 2021-02-02 | Oppo广东移动通信有限公司 | 检测方法及相关产品 |
WO2019171827A1 (ja) * | 2018-03-08 | 2019-09-12 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US10438477B1 (en) * | 2018-03-16 | 2019-10-08 | Sean Michael Siembab | Surrounding intelligent motion sensor |
US10867506B2 (en) * | 2018-03-16 | 2020-12-15 | Sean Michael Siembab | Surrounding intelligent motion sensor with adaptive recognition |
JP7131118B2 (ja) * | 2018-06-22 | 2022-09-06 | 富士通株式会社 | 認証装置、認証プログラム、認証方法 |
CN112639802A (zh) * | 2018-09-18 | 2021-04-09 | Oppo广东移动通信有限公司 | 用于生成伪结构光照射面部的方法、系统及存储介质 |
CN111046703B (zh) * | 2018-10-12 | 2023-04-18 | 杭州海康威视数字技术股份有限公司 | 人脸防伪检测方法、装置及多目相机 |
US10885363B2 (en) | 2018-10-25 | 2021-01-05 | Advanced New Technologies Co., Ltd. | Spoof detection using structured light illumination |
US10783388B2 (en) * | 2018-10-26 | 2020-09-22 | Alibaba Group Holding Limited | Spoof detection using multiple image acquisition devices |
CN111310528B (zh) * | 2018-12-12 | 2022-08-12 | 马上消费金融股份有限公司 | 一种图像检测方法、身份验证方法、支付方法及装置 |
US11170242B2 (en) | 2018-12-26 | 2021-11-09 | Advanced New Technologies Co., Ltd. | Spoof detection using dual-band fluorescence |
US10970574B2 (en) | 2019-02-06 | 2021-04-06 | Advanced New Technologies Co., Ltd. | Spoof detection using dual-band near-infrared (NIR) imaging |
US11328043B2 (en) | 2019-03-15 | 2022-05-10 | Advanced New Technologies Co., Ltd. | Spoof detection by comparing images captured using visible-range and infrared (IR) illuminations |
CN110059638A (zh) * | 2019-04-19 | 2019-07-26 | 中控智慧科技股份有限公司 | 一种身份识别方法及装置 |
CN110720105A (zh) * | 2019-09-11 | 2020-01-21 | 深圳市汇顶科技股份有限公司 | 人脸防伪检测方法、装置、芯片、电子设备和计算机可读介质 |
CN110781770B (zh) * | 2019-10-08 | 2022-05-06 | 高新兴科技集团股份有限公司 | 基于人脸识别的活体检测方法、装置及设备 |
US11250282B2 (en) * | 2019-11-14 | 2022-02-15 | Nec Corporation | Face spoofing detection using a physical-cue-guided multi-source multi-channel framework |
CN113096059B (zh) * | 2019-12-19 | 2023-10-31 | 合肥君正科技有限公司 | 一种车内监控相机排除夜晚光源干扰遮挡检测的方法 |
US20210334505A1 (en) * | 2020-01-09 | 2021-10-28 | AuthenX Inc. | Image capturing system and method for capturing image |
US11468712B2 (en) * | 2020-01-09 | 2022-10-11 | AuthenX Inc. | Liveness detection apparatus, system and method |
CN111401223B (zh) * | 2020-03-13 | 2023-09-19 | 北京新氧科技有限公司 | 一种脸型对比方法、装置及设备 |
JP7383542B2 (ja) * | 2020-03-24 | 2023-11-20 | 株式会社東芝 | 光検出器及び距離計測装置 |
CN113468920A (zh) * | 2020-03-31 | 2021-10-01 | 深圳市光鉴科技有限公司 | 基于人脸光斑图像的活体检测方法、系统、设备及介质 |
CN111814659B (zh) * | 2020-07-07 | 2024-03-29 | 杭州海康威视数字技术股份有限公司 | 一种活体检测方法、和系统 |
CN112633181B (zh) * | 2020-12-25 | 2022-08-12 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、系统、装置、设备和介质 |
CN115205246B (zh) * | 2022-07-14 | 2024-04-09 | 中国南方电网有限责任公司超高压输电公司广州局 | 换流阀电晕放电紫外图像特征提取方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102395995A (zh) * | 2009-04-13 | 2012-03-28 | 富士通株式会社 | 活体信息登记装置、活体信息登记方法和活体信息登记用计算机程序以及活体认证装置、活体认证方法和活体认证用计算机程序 |
CN102860845A (zh) * | 2012-08-30 | 2013-01-09 | 中国科学技术大学 | 活体动物体内的细胞的捕获、操控方法及相应的装置 |
CN103393401A (zh) * | 2013-08-06 | 2013-11-20 | 中国科学院光电技术研究所 | 一种双波前矫正器活体人眼视网膜高分辨力成像系统 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE68919394T2 (de) * | 1988-09-16 | 1995-03-30 | Fujitsu Ltd | System zum Detektieren eines biologischen Gegenstandes und dieses System verwendendes Fingerabdruckvergleichssystem. |
JPH10105707A (ja) * | 1996-09-25 | 1998-04-24 | Sony Corp | 画像照合装置 |
EP1192582A1 (en) * | 1999-06-24 | 2002-04-03 | BRITISH TELECOMMUNICATIONS public limited company | Personal identification |
JP2003075135A (ja) | 2001-08-31 | 2003-03-12 | Nec Corp | 指紋画像入力装置および指紋画像による生体識別方法 |
CN1209073C (zh) * | 2001-12-18 | 2005-07-06 | 中国科学院自动化研究所 | 基于活体虹膜的身份识别方法 |
CA2479664A1 (en) * | 2004-09-24 | 2006-03-24 | Edythe P. Lefeuvre | Method and system for detecting image orientation |
JP2007193729A (ja) * | 2006-01-23 | 2007-08-02 | Seiko Epson Corp | 印刷装置、画像処理装置、印刷方法、および画像処理方法 |
JP4951291B2 (ja) | 2006-08-08 | 2012-06-13 | 株式会社日立メディアエレクトロニクス | 生体認証装置 |
CN100573553C (zh) | 2007-01-18 | 2009-12-23 | 中国科学院自动化研究所 | 基于薄板样条形变模型的活体指纹检测方法 |
WO2010082942A1 (en) * | 2008-02-01 | 2010-07-22 | Canfield Scientific, Incorporated | Automatic mask design and registration and feature detection for computer-aided skin analysis |
JP5365407B2 (ja) * | 2009-08-17 | 2013-12-11 | ソニー株式会社 | 画像取得装置及び画像取得方法 |
JP5507181B2 (ja) * | 2009-09-29 | 2014-05-28 | 富士フイルム株式会社 | 放射線画像撮影装置及び放射線画像撮影装置の動作方法 |
CN102129558B (zh) | 2011-01-30 | 2012-11-21 | 哈尔滨工业大学 | 基于普尔钦斑分析的虹膜采集方法 |
KR20140002034A (ko) * | 2011-05-12 | 2014-01-07 | 애플 인크. | 존재 감지 |
JP5831018B2 (ja) * | 2011-07-29 | 2015-12-09 | 富士通株式会社 | 生体認証装置及び生体認証装置における利用者の手の位置の調整方法 |
FR2981769B1 (fr) * | 2011-10-25 | 2013-12-27 | Morpho | Dispositif anti-fraude |
JP5896792B2 (ja) * | 2012-03-09 | 2016-03-30 | キヤノン株式会社 | 非球面計測方法、非球面計測装置および光学素子加工装置 |
JP5859934B2 (ja) * | 2012-09-04 | 2016-02-16 | 富士フイルム株式会社 | 放射線撮影システム並びにその作動方法、および放射線画像検出装置並びにその作動プログラム |
JP6091866B2 (ja) * | 2012-11-30 | 2017-03-08 | 株式会社キーエンス | 計測顕微鏡装置、画像生成方法及び計測顕微鏡装置操作プログラム並びにコンピュータで読み取り可能な記録媒体 |
JP6041669B2 (ja) * | 2012-12-28 | 2016-12-14 | キヤノン株式会社 | 撮像装置及び撮像システム |
JP6303332B2 (ja) * | 2013-08-28 | 2018-04-04 | 富士通株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
US9661215B2 (en) * | 2014-04-22 | 2017-05-23 | Snapaid Ltd. | System and method for controlling a camera based on processing an image captured by other camera |
US20170119298A1 (en) * | 2014-09-02 | 2017-05-04 | Hong Kong Baptist University | Method and Apparatus for Eye Gaze Tracking and Detection of Fatigue |
-
2015
- 2015-06-08 CN CN201580000335.6A patent/CN105637532B/zh active Active
- 2015-06-08 WO PCT/CN2015/080963 patent/WO2016197297A1/zh active Application Filing
- 2015-06-08 US US15/580,210 patent/US10614291B2/en not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102395995A (zh) * | 2009-04-13 | 2012-03-28 | 富士通株式会社 | 活体信息登记装置、活体信息登记方法和活体信息登记用计算机程序以及活体认证装置、活体认证方法和活体认证用计算机程序 |
CN102860845A (zh) * | 2012-08-30 | 2013-01-09 | 中国科学技术大学 | 活体动物体内的细胞的捕获、操控方法及相应的装置 |
CN103393401A (zh) * | 2013-08-06 | 2013-11-20 | 中国科学院光电技术研究所 | 一种双波前矫正器活体人眼视网膜高分辨力成像系统 |
Non-Patent Citations (1)
Title |
---|
活体虹膜识别的关键技术研究;何孝富;《中国博士学位论文全文数据库信息科技辑》;20071015(第2007年第04期);第I136-9页 * |
Also Published As
Publication number | Publication date |
---|---|
US20180165512A1 (en) | 2018-06-14 |
CN105637532A (zh) | 2016-06-01 |
WO2016197297A1 (zh) | 2016-12-15 |
US10614291B2 (en) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105637532B (zh) | 活体检测方法、活体检测系统以及计算机程序产品 | |
US10621454B2 (en) | Living body detection method, living body detection system, and computer program product | |
CN107451510B (zh) | 活体检测方法和活体检测系统 | |
US9524421B2 (en) | Differentiating real faces from representations | |
Zhou et al. | Transforming traditional iris recognition systems to work in nonideal situations | |
US20130089241A1 (en) | Security improvements for iris recognition systems | |
CN104680128B (zh) | 一种基于四维分析的生物特征识别方法和系统 | |
KR102317180B1 (ko) | 3차원 깊이정보 및 적외선정보에 기반하여 생체여부의 확인을 행하는 얼굴인식 장치 및 방법 | |
US11436867B2 (en) | Remote biometric identification and lighting | |
CN109213610B (zh) | 数据处理方法、装置、计算机可读存储介质和电子设备 | |
KR20110026214A (ko) | 얼굴 검출 장치 및 방법 | |
KR101310040B1 (ko) | 적응적 조명조절을 이용한 얼굴 인식장치 및 그 방법 | |
Das et al. | Face liveness detection based on frequency and micro-texture analysis | |
Garud et al. | Face liveness detection | |
Ohki et al. | Efficient spoofing attack detection against unknown sample using end-to-end anomaly detection | |
KR101704717B1 (ko) | 홍채 인식 장치 및 그 동작 방법 | |
US9390325B2 (en) | Apparatus for recognizing iris and operating method thereof | |
CN114387674A (zh) | 活体检测方法、系统、设备、存储介质及程序产品 | |
KR102151851B1 (ko) | 적외선 영상 기반 얼굴 인식 방법 및 이를 위한 학습 방법 | |
CN109145772B (zh) | 数据处理方法、装置、计算机可读存储介质和电子设备 | |
WO2023229498A1 (en) | Biometric identification system and method for biometric identification | |
KR102439216B1 (ko) | 인공지능 딥러닝 모델을 이용한 마스크 착용 얼굴 인식 방법 및 서버 | |
RU2791821C1 (ru) | Биометрическая идентификационная система и способ биометрической идентификации | |
JP6896307B1 (ja) | 画像判定方法および画像判定装置 | |
KR20000032853A (ko) | 3차원 마스킹법에 의한 형상인식시스템 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant after: MEGVII INC. Applicant after: Beijing maigewei Technology Co., Ltd. Address before: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant before: MEGVII INC. Applicant before: Beijing aperture Science and Technology Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |