CN105912986B - 一种活体检测方法和系统 - Google Patents

一种活体检测方法和系统 Download PDF

Info

Publication number
CN105912986B
CN105912986B CN201610203579.0A CN201610203579A CN105912986B CN 105912986 B CN105912986 B CN 105912986B CN 201610203579 A CN201610203579 A CN 201610203579A CN 105912986 B CN105912986 B CN 105912986B
Authority
CN
China
Prior art keywords
detected
face
image data
sub
structure light
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
Application number
CN201610203579.0A
Other languages
English (en)
Other versions
CN105912986A (zh
Inventor
范浩强
印奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Megvii Technology Co Ltd
Beijing Maigewei Technology Co Ltd
Original Assignee
Beijing Megvii Technology Co Ltd
Beijing Maigewei Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Megvii Technology Co Ltd, Beijing Maigewei Technology Co Ltd filed Critical Beijing Megvii Technology Co Ltd
Priority to CN201610203579.0A priority Critical patent/CN105912986B/zh
Publication of CN105912986A publication Critical patent/CN105912986A/zh
Priority to US15/411,036 priority patent/US10380443B2/en
Application granted granted Critical
Publication of CN105912986B publication Critical patent/CN105912986B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/164—Detection; Localisation; Normalisation using holistic 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
    • G06V40/16—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V10/141—Control of illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/431—Frequency domain transformation; Autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/12—Acquisition of 3D measurements of objects
    • G06V2201/121—Acquisition of 3D measurements of objects using special illumination

Abstract

本发明涉及能够实现人体活体检测的活体检测方法和使用该活体检测方法的活体检测系统。所述活体检测方法，包括：用结构光照射待检测对象；获取所述结构光照射下所述待检测对象的第一人脸图像数据；基于所述第一人脸图像数据，确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数；以及基于所述检测参数和预先确定的参数阈值，确定所述待检测对象是否为活体。

Description

一种活体检测方法和系统
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、深度相机等的图像采集设备或者诸如DLP投影仪的复杂的主动光源，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。此外，例如检测图像中是否有照片的边框的其他方法准确性和鲁棒性都难以满足实际需求。
发明内容
鉴于上述问题而提出了本公开。本公开提供了一种能够实现人体活体检测的活体检测方法和使用该活体检测方法的活体检测系统，其通过使用静态的结构光光源，基于人脸对于结构光的亚表面散射来判断是活体人脸还是诸如3D人脸模型或者面具的攻击者，对用户的配合要求低，提高了人脸识别系统的准确性、易用性和用户体验。
根据本公开的一个实施例，提供了一种活体检测方法，包括：用结构光照射待检测对象；获取所述结构光照射下所述待检测对象的第一人脸图像数据；基于所述第一人脸图像数据，确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数；以及基于所述检测参数和预先确定的参数阈值，确定所述待检测对象是否为活体。
此外，根据本公开的一个实施例的活体检测方法，其中还包括：在用结构光照射待检测对象之前，连续捕获待检测对象的监视图像；利用预先训练的人脸检测单元检测所述监视图像，以获得监视结果；当所述监视结果指示所述监视图像中存在脸部图像时，开启结构光光源发射所述结构光照射所述待检测对象。
此外，根据本公开的一个实施例的活体检测方法，其中所述检测参数为所述第一人脸图像数据在预定区域内的梯度强度和与在所述预定区域内的图像总体亮度值的比值。
此外，根据本公开的一个实施例的活体检测方法，其中还包括：利用预先训练的人脸关键点检测单元在所述第一人脸图像数据上确定多个预定人脸关键点，根据所述多个预定人脸关键点确定所述预定区域。
此外，根据本公开的一个实施例的活体检测方法，其中基于所述第一人脸图像数据，确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数包括：将所述第一人脸图像数据分为多个子图像区域；将每个子图像区域的子图像数据进行傅里叶变换，以获得所述每个子图像区域的子图像傅里叶变换系数；对于所述每个子图像区域，计算子图像傅里叶变换系数在预定频率范围内的平方和与子图像傅里叶变换最低频率系数的平方的比例；以及计算所述多个子图像区域中所述比例的平均值作为所述检测参数。
此外，根据本公开的一个实施例的活体检测方法，其中基于所述检测参数和预先确定的参数阈值，确定所述待检测对象是否为活体包括：如果所述检测参数大于第一参数阈值并且小于第二参数阈值，则确定所述待检测对象通过活体检测；否则，则确定所述待检测对象不通过活体检测。
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：结构光光源模块，用于发射结构光照射待检测对象；图像数据获取模块，用于获取所述结构光照射下所述待检测对象的第一人脸图像数据；以及活体检测模块，基于所述第一人脸图像数据，确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数，并且基于所述检测参数和预先确定的参数阈值，确定所述待检测对象是否为活体。
此外，根据本公开的另一个实施例的活体检测系统，其中在所述结构光光源模块发射结构光照射待检测对象之前，所述图像数据获取模块连续捕获待检测对象的监视图像，所述活体检测模块利用预先训练的人脸检测单元检测所述监视图像，以获得监视结果，当所述监视结果指示所述监视图像中存在脸部图像时，所述活体检测模块控制开启所述结构光光源模块发射所述结构光照射所述待检测对象。
此外，根据本公开的另一个实施例的活体检测系统，其中所述检测参数为所述第一人脸图像数据在预定区域内的梯度强度和与在所述预定区域内的图像总体亮度值的比值。
此外，根据本公开的另一个实施例的活体检测系统，其中所述活体检测模块利用预先训练的人脸关键点检测单元在所述第一人脸图像数据上确定多个预定人脸关键点，根据所述多个预定人脸关键点确定所述预定区域。
此外，根据本公开的另一个实施例的活体检测系统，其中所述活体检测模块将所述第一人脸图像数据分为多个子图像区域；将每个子图像区域的子图像数据进行傅里叶变换，以获得所述每个子图像区域的子图像傅里叶变换系数；对于所述每个子图像区域，计算子图像傅里叶变换系数在预定频率范围内的平方和与子图像傅里叶变换最低频率系数的平方的比例；以及计算所述多个子图像区域中所述比例的平均值作为所述检测参数。
此外，根据本公开的另一个实施例的活体检测系统，其中如果所述检测参数大于第一参数阈值并且小于第二参数阈值，则所述活体检测模块确定所述待检测对象通过活体检测；否则，则所述活体检测模块确定所述待检测对象不通过活体检测。
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，使得所述计算机执行以下步骤：获取所述结构光照射下所述待检测对象的第一人脸图像数据；基于所述第一人脸图像数据，确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数；以及基于所述检测参数和预先确定的参数阈值，确定所述待检测对象是否为活体。
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是概述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3A和3B是示意性图示根据本发明实施例的活体检测过程的示意图。
图4是进一步图示根据本发明第一实施例的活体检测方法的流程图。
图5是进一步图示根据本发明第二实施例的活体检测方法的流程图。
图6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是概述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，用结构光照射待检测对象。
在本发明的一个实施例中，所述结构光是在诸如红外波段(例如，850nm) 的波长上的具有一定结构的明暗条纹的光。所述明暗条纹为竖线状条纹，条纹间距配置为匹配待检测对象的尺寸。例如，在所述待检测对象为人脸的情况下，所述明暗条纹的条纹间距为2mm左右。在本发明的一个实施例中，可以通过在一字线激光器之前放置特定光栅(例如，161线/英寸)来产生所述结构光。
此外，如下将参照附图进一步描述的，在根据本发明实施例的活体检测方法中，无需一直用结构光光源照射检测区域，而是在初步检测到检测区域中存在脸部图像后，再开启所述结构光光源模块。
此后，处理进到步骤S102。
在步骤S102中，获取所述结构光照射下所述待检测对象的第一人脸图像数据。在本发明的一个实施例中，经由图像数据获取模块获取所述结构光照射下所述待检测对象的第一人脸图像数据。经由图像数据获取模块获取第一人脸图像数据包括但不限于，在所述结构光照射下，由物理位置上分离配置的图像数据获取模块采集人脸图像数据之后，经由有线或者无线方式，活体检测系统中的其他模块或组件接收从所述图像数据获取模块发送的第一人脸图像数据。可替代地，图像数据获取模块可以与活体检测系统中的其他模块或组件物理上位于同一位置甚至位于同一机壳内部，活体检测系统中的其他模块或组件经由内部总线接收从所述图像数据获取模块发送的第一人脸图像数据。
此后，处理进到步骤S103。
在步骤S103中，基于第一人脸图像数据，确定指示结构光在待检测对象脸部的亚表面散射程度的检测参数。在本发明的一个实施例中，利用指示结构光在待检测对象脸部的亚表面散射程度的检测参数来执行活体检测。这是由于结构光入射待检测对象表面后，由待检测对象内部结构决定入射后的结构光经由待检测对象内部散射后的散射程度。人的活体组织、构成面具的纸张或硅胶对于入射后的结构光会呈现不同的亚表面散射程度。如下将参照附图详细描述的，在本发明的一个实施例中，利用人脸图像数据在预定区域内的梯度强度和与在所述预定区域内的图像总体亮度值的比值作为指示亚表面散射程度的检测参数。可替代地，在本发明的一个实施例中，将第一人脸图像数据分为多个子图像区域，并对每个子图像区域的子图像数据进行傅里叶变换以获得每个子图像区域的子图像傅里叶变换系数，对于每一个子图像区域，计算对应的子图像傅里叶变换系数在预定频率范围内的平方和与对应的子图像傅里叶变换最低频率系数的平方的比例，并将多个子图像区域中计算得到的比例的平均值作为所述检测参数。
此后，处理进到步骤S104。
在步骤S104中，基于检测参数和预先确定的参数阈值，确定待检测对象是否为活体。在本发明的一个实施例中，基于人活体组织对于入射后的结构光的亚表面散射特性，设置参数阈值。如下将参照附图详细描述的，设置的参数阈值可以为阈值区间，当在步骤S103中获取的检测参数落入该阈值区间中时，则确定待检测对象为活体。
上述根据本发明实施例的活体检测方法，其通过使用静态的结构光光源，基于人脸对于结构光的亚表面散射程度来判断是活体人脸还是诸如3D人脸模型或者面具的攻击者，从而对用户的配合要求低，提高了人脸识别系统的准确性、易用性和用户体验。
以下，将参照图2进一步描述执行上述活体检测方法的一种活体检测系统。
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包括结构光光源模块21、图像数据获取模块22和活体检测模块23。所述活体检测模块23进一步包括人脸检测单元231和人脸关键点检测单元232。
具体地，所述结构光光源模块21用于发射结构光照射待检测对象。如上所述，可以通过在一字线激光器之前放置特定光栅(例如，161线/英寸)来配置所述结构光光源模块21。如此配置的所述结构光光源模块21可以发射在诸如红外波段(例如，850nm)的波长上的具有一定结构的明暗条纹的光。所述明暗条纹为竖线状条纹，条纹间距配置为匹配待检测对象的尺寸。例如，在所述待检测对象为人脸的情况下，所述明暗条纹的条纹间距为2mm左右。
所述图像数据获取模块22用于获取所述结构光照射下所述待检测对象的第一人脸图像数据。如上所述，所述图像数据获取模块22可以与其后的所述活体检测模块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。在所述图像数据获取模块22与其后的所述活体检测模块23物理上分离的情况下，所述图像数据获取模块22进一步经由有线或者无线方式将获取的第一人脸图像数据发送给其后的模块。在所述图像数据获取模块22与其后的所述活体检测模块23物理上位于同一位置甚至位于同一机壳内部的情况下，所述图像数据获取模块22经由内部总线将获取的第一人脸图像数据发送给其后的模块。在经由有线或者无线方式或者经由内部总线发送所述第一人脸图像数据之前，可以将其预定格式进行编码和压缩为图像数据包，以减少发送需要占用的通信量和带宽。
所述活体检测模块23用于基于所述第一人脸图像数据，确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数，并且基于所述检测参数和预先确定的参数阈值，确定所述待检测对象是否为活体。
如上所述，在根据本发明实施例的活体检测方法中，无需一直用结构光光源照射检测区域，而是在初步检测到检测区域中存在脸部图像后，再开启所述结构光光源模块21。所述活体检测模块23中包括的人脸检测单元231 用于初步检测检测区域中是否存在脸部图像。在本发明的一个实施例中，在所述结构光光源模块21发射结构光照射待检测对象之前，所述图像数据获取模块22连续捕获待检测对象的监视图像，所述活体检测模块23利用预先训练的所述人脸检测单元231检测所述监视图像，以获得监视结果。例如，所述人脸检测单元231可以由Haar级联分类器配置。当所述监视结果指示所述监视图像中存在脸部图像时，所述活体检测模块23控制开启所述结构光光源模块21发射所述结构光照射所述待检测对象。
此外，在本发明的一个实施例中，所述活体检测模块23利用所述第一人脸图像数据在预定区域内的梯度强度和与在所述预定区域内的图像总体亮度值的比值作为指示亚表面散射程度的检测参数。具体地，所述活体检测模块 23中包括的人脸关键点检测单元232用于在所述第一人脸图像数据上确定多个预定人脸关键点，根据所述多个预定人脸关键点确定所述预定区域。例如，所述人脸关键点检测单元232可以由卷积神经网络配置，以得到诸如眼睛、鼻子、嘴巴、轮廓等的关键点。以下，将参照示意图和流程图进一步详细描述基于关键点确定预定区域，以及在预定区域内的梯度强度和与在所述预定区域内的图像总体亮度值的比值作为指示亚表面散射程度的检测参数的检测处理过程。
图3A和3B是示意性图示根据本发明实施例的活体检测过程的示意图。
如图3A所示，在用结构光照射待检测对象之前，连续捕获待检测对象的监视图像。同时，利用预先训练的人脸检测单元231检测所述监视图像，以获得监视结果。当所述监视结果指示所述监视图像中存在脸部图像F时(对应的人脸图像数据为I1)，开启结构光光源模块21发射所述结构光照射所述待检测对象。
如图3B所示，在用结构光照射待检测对象之后，由图像数据获取模块22获取所述结构光照射下所述待检测对象的第一人脸图像数据I2。为了确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数，利用预先训练的人脸关键点检测单元232在所述第一人脸图像数据上确定多个预定人脸关键点，根据所述多个预定人脸关键点确定所述预定区域D。如图3B 所示，基于关键点确定矩形区域作为所述预定区域D(如图3B中所示的虚线表示的区域D)。在本发明的一个实施例中，所述预定区域D(x,y)在x0<＝x<＝x1， y0<＝y<＝y1的范围内，其中x0、x1为人脸在图像上的最左和最右位置的横坐标， y0是人脸的最下方位置的纵坐标，y1是人的两眼中心与鼻子的中点的位置的纵坐标。容易理解是，所述预定区域的选取不限于此。
以下，将参照图4和图5进一步详细描述根据本发明第一实施例和第二实施例的活体检测方法。
图4是进一步图示根据本发明第一实施例的活体检测方法的流程图。如图4所示，根据本发明第一实施例的活体检测方法包括以下步骤。
在步骤S401中，连续捕获待检测对象的监视图像。在本发明第一实施例中，在开启所述结构光光源模块21之前，由所述图像数据获取模块22连续捕获待检测对象的监视图像。此后，处理进到步骤S402。
在步骤S402中，利用预先训练的人脸检测单元检测监视图像，以获得监视结果。在本发明第一实施例中，所述活体检测模块23中包括的人脸检测单元231监视步骤S401中的图像数据，以获得关于其中是否存在脸部图像的监视结果。此后，处理进到步骤S403。
在步骤S403中，判断是否存在脸部图像。
如果在步骤S403中获得否定结果，即所述监视图像中不存在脸部图像，则处理返回步骤S401，以便继续连续捕获待检测对象的监视图像和执行监视。
相反地，如果在步骤S403中获得肯定结果，即所述监视图像中存在脸部图像(对应的人脸图像数据为I1)，则处理进到步骤S404。需要注意的是，在所述监视图像中存在脸部图像的情况下，该脸部图像可能是由人脸面具或3D 人脸模型等攻击者的图像，从而需要进一步执行活体检测。
在步骤S404中，开启结构光光源模块21发射结构光照射待检测对象。此后，处理进到步骤S405。
在步骤S405中，获取结构光照射下待检测对象的第一人脸图像数据。由所述图像数据获取模块22获取结构光照射下待检测对象的第一人脸图像数据I2。在本发明的一个实施例中，可以在获取了第一人脸图像数据I2后关闭所述结构光光源模块21。此后，处理进到步骤S406。
在步骤S406中，在第一人脸图像数据上确定多个预定人脸关键点。如上参照图3B所述，利用预先训练的人脸关键点检测单元232在所述第一人脸图像数据上确定多个预定人脸关键点，所述关键点包括但不限于眼睛、鼻子、嘴巴、轮廓等。此后，处理进到步骤S407。
在步骤S407中，根据多个预定人脸关键点确定预定区域。如上参照图 3B所述，在本发明第一实施例中，所述预定区域D(x,y)在x0<＝x<＝x1， y0<＝y<＝y1的范围内，其中x0、x1为人脸在图像上的最左和最右位置的横坐标， y0是人脸的最下方位置的纵坐标，y1是人的两眼中心与鼻子的中点的位置的纵坐标。此后，处理进到步骤S408。
在步骤S408中，获取所述第一人脸图像在所述预定区域内的梯度强度和与在所述预定区域内的图像总体亮度值的比值作为检测参数。其中，所述检测参数指示结构光在所述待检测对象脸部的亚表面散射程度。
具体地，利用以下等式(1)计算第一人脸图像数据I2的梯度强度I2_m：
I2_m(i,j)＝sqrt(I2(i,j)-I2(i+1,j))2+(I2(i,j)-I2(i,j+1))2 等式(1)
I2(i,j)表示图像数据I2在(i,j)处的像素值。
在步骤S407中确定所述预定区域D(x,y)x0<＝x<＝x1，y0<＝y<＝y1后，利用以下等式(2)计算所述第一人脸图像数据I2在该预定区域中的梯度强度之和：
其中T是预先确定的阈值参数。如果(i,j)处的像素值大于该阈值参数T，则对应的像素点(i,j)的图像数据将被视为诸如边缘等的噪声干扰，对于被视为噪声干扰的像素点(i,j)，统一将像素点(i,j)数据取值为该阈值参数T，进而结合等式(2)，计算得到所述第一人脸图像数据I2在该预定区域中的梯度强度之和M。
此外，利用以下等式(3)计算该预定区域中图像总体亮度值：
注意到，在如等式(3)表示的预定区域中图像总体亮度值中，从结构光照射下的图像亮度值中减去了没有结构光照射下的图像亮度，从而得到结构光本身对于图像亮度的影响。
进一步地，在本发明第一实施例中，利用以下等式(4)计算预定区域内的梯度强度和与在所述预定区域内的图像总体亮度值的比值作为检测参数u：
u＝M/B 等式(4)
此后，处理进到步骤S409。
在步骤S409中，判断所述检测参数u是否大于第一参数阈值TH1并且小于第二参数阈值TH2。所述检测参数u的大小反映结构光在预定区域内亚表面散射的强弱。亚表面散射越强烈时，图像梯度越小，从而扩散程度越小。一般的纸或塑料等材质制成的面具的亚表面散射程度远弱于人脸，而一般的硅胶等材质的面具的亚表面散射程度远强于人脸。也就是说，如果所述检测参数u小于第一参数阈值TH1，则指示待检测对象是纸或塑料等材质制成的面具。如果所述检测参数u大于第二参数阈值TH2，则指示待检测对象是硅胶等材质制成的面具。只有所述检测参数u落入第一参数阈值TH1和第二参数阈值TH2之间，才指示待检测对象是活体人脸。
也就是说，如果在步骤S409获得肯定结果，即所述检测参数u落入第一参数阈值TH1和第二参数阈值TH2之间，则处理进到步骤S410，确定待检测对象为活体。
相反地，如果在步骤S409获得否定结果，即所述检测参数u小于第一参数阈值TH1或者大于第二参数阈值TH2，则处理进到步骤S411，确定待检测对象为非活体。
图5是进一步图示根据本发明第二实施例的活体检测方法的流程图。如图5所示，根据本发明第二实施例的活体检测方法包括以下步骤。
图5中示出的步骤S501到S505分别与以上参照图4描述的步骤S401 到S405相同，在此将省略其重复描述。此后，处理进到步骤S506。
在步骤S506中，将前述步骤S501到S505中获得的第一人脸图像数据分为多个子图像区域。在本发明的第二实施例中，将人脸图像数据分为L×L 的n个子区域，设每个子区域内的图像为J。此后，处理进到步骤S507。
在步骤S507中，获得每个子图像区域的子图像傅里叶变换系数。在本发明的第二实施例中，利用以下等式(5)计算每个子图像区域的子图像傅里叶变换系数：
此后，处理进到步骤S508。
在步骤S508中，对于每个子图像区域，计算该子图像区域对应的子图像傅里叶变换系数在预定频率范围内的平方和与对应的子图像傅里叶变换最低频率系数的平方的比例。在本发明的第二实施例中，利用以下等式(6)计算每个子图像区域内的对应的子图像傅里叶变换系数在预定频率范围内的平方和与对应的子图像傅里叶变换最低频率系数的平方的比例：
其中，p1、q1、q2是预先确定的频率范围。此后，处理进到步骤S509。
在步骤S509中，计算多个子图像区域中比例的平均值作为检测参数。在本发明的第二实施例中，利用以下等式(7)计算多个子图像区域中比例的平均值作为检测参数：
此后，处理进到步骤S510。
在步骤S510中，判断所述检测参数u是否大于第三参数阈值TH3并且小于第四参数阈值TH4。在本发明的第二实施例中，把所有子区域内的比例系数的平均值u做为对扩散程度的一个度量，即所述检测参数。与以上参照图4描述的第一实施例类似，如果它在两个预先确定的阈值之间，那么认为待检测对象为活体。
也就是说，如果在步骤S510获得肯定结果，即所述检测参数u落入第三参数阈值TH3和第四参数阈值TH4之间，则处理进到步骤S511，确定待检测对象为活体。
相反地，如果在步骤S510获得否定结果，即所述检测参数u小于第三参数阈值TH3或者大于第四参数阈值TH4，则处理进到步骤S512，确定待检测对象为非活体。
图6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6所示，根据本发明实施例的活体检测系统6包括：处理器61、存储器62、以及在所述存储器62的中存储的计算机程序指令63。
所述计算机程序指令63在所述处理器61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63被所述处理器61运行时，可以使得活体检测系统6执行以下步骤：获取所述结构光照射下所述待检测对象的第一人脸图像数据；基于所述第一人脸图像数据，确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数；以及基于所述检测参数和预先确定的参数阈值，确定所述待检测对象是否为活体。
此外，在所述计算机程序指令63被所述处理器61运行时，还使得所述活体检测系统6执行：在用结构光照射待检测对象之前，连续捕获待检测对象的监视图像；利用预先训练的人脸检测单元检测所述监视图像，以获得监视结果；当所述监视结果指示所述监视图像中存在脸部图像时，开启结构光光源发射所述结构光照射所述待检测对象。
此外，在所述计算机程序指令63被所述处理器61运行时，还使得所述活体检测系统6执行：利用预先训练的人脸关键点检测单元在所述第一人脸图像数据上确定多个预定人脸关键点，根据所述多个预定人脸关键点确定所述预定区域。所述检测参数为所述第一人脸图像数据在预定区域内的梯度强度和与在所述预定区域内的图像总体亮度值的比值。
此外，在所述计算机程序指令63被所述处理器61运行使得所述活体检测系统6执行的基于所述第一人脸图像数据，确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数的步骤包括：将所述第一人脸图像数据分为多个子图像区域；将每个子图像区域的子图像数据进行傅里叶变换，以获得所述每个子图像区域的子图像傅里叶变换系数；对于所述每个子图像区域，计算子图像傅里叶变换系数在预定频率范围内的平方和与子图像傅里叶变换最低频率系数的平方的比例；以及计算所述多个子图像区域中所述比例的平均值作为所述检测参数。
此外，在所述计算机程序指令63被所述处理器61运行时使得所述活体检测系统6执行的基于所述检测参数和预先确定的参数阈值，确定所述待检测对象是否为活体的步骤包括：如果所述检测参数大于第一参数阈值并且小于第二参数阈值，则确定所述待检测对象通过活体检测；否则，则确定所述待检测对象不通过活体检测。
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确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数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基于所述检测参数和预先确定的参数阈值确定所述待检测对象是否为活体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 (10)

1.一种活体检测方法，包括：
用结构光照射待检测对象；
获取所述结构光照射下所述待检测对象的第一人脸图像数据；
基于所述第一人脸图像数据，确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数；以及
基于所述检测参数和预先确定的参数阈值，确定所述待检测对象是否为活体，
其中所述检测参数为所述第一人脸图像数据在预定区域内的梯度强度和与在所述预定区域内的图像总体亮度值的比值，所述预定区域内的图像总体亮度值为从所述结构光照射下的图像亮度值中减去了没有所述结构光照射下的图像亮度值。
2.一种活体检测方法，包括：
用结构光照射待检测对象；
获取所述结构光照射下所述待检测对象的第一人脸图像数据；
基于所述第一人脸图像数据，确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数；以及
基于所述检测参数和预先确定的参数阈值，确定所述待检测对象是否为活体，
其中基于所述第一人脸图像数据，确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数包括：
将所述第一人脸图像数据分为多个子图像区域；
将每个子图像区域的子图像数据进行傅里叶变换，以获得所述每个子图像区域的子图像傅里叶变换系数；
对于所述每个子图像区域，计算子图像傅里叶变换系数在预定频率范围内的平方和与子图像傅里叶变换最低频率系数的平方的比例；以及
计算所述多个子图像区域中所述比例的平均值作为所述检测参数。
3.如权利要求1所述的活体检测方法，其中还包括：
在用结构光照射待检测对象之前，连续捕获待检测对象的监视图像；
利用预先训练的人脸检测单元检测所述监视图像，以获得监视结果；
当所述监视结果指示所述监视图像中存在脸部图像时，开启结构光光源发射所述结构光照射所述待检测对象。
4.如权利要求1所述的活体检测方法，其中还包括：
利用预先训练的人脸关键点检测单元在所述第一人脸图像数据上确定多个预定人脸关键点，根据所述多个预定人脸关键点确定所述预定区域。
5.如权利要求1到4的任一项所述的活体检测方法，其中基于所述检测参数和预先确定的参数阈值，确定所述待检测对象是否为活体包括：
如果所述检测参数大于第一参数阈值并且小于第二参数阈值，则确定所述待检测对象通过活体检测；
否则，则确定所述待检测对象不通过活体检测。
6.一种活体检测系统，包括：
结构光光源模块，用于发射结构光照射待检测对象；
图像数据获取模块，用于获取所述结构光照射下所述待检测对象的第一人脸图像数据；以及
活体检测模块，基于所述第一人脸图像数据，确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数，并且基于所述检测参数和预先确定的参数阈值，确定所述待检测对象是否为活体，
其中所述检测参数为所述第一人脸图像数据在预定区域内的梯度强度和与在所述预定区域内的图像总体亮度值的比值，所述预定区域内的图像总体亮度值为从所述结构光照射下的图像亮度值中减去了没有所述结构光照射下的图像亮度值。
7.一种活体检测系统，包括：
结构光光源模块，用于发射结构光照射待检测对象；
图像数据获取模块，用于获取所述结构光照射下所述待检测对象的第一人脸图像数据；以及
活体检测模块，基于所述第一人脸图像数据，确定指示所述结构光在所述待检测对象脸部的亚表面散射程度的检测参数，并且基于所述检测参数和预先确定的参数阈值，确定所述待检测对象是否为活体，
其中所述活体检测模块将所述第一人脸图像数据分为多个子图像区域；将每个子图像区域的子图像数据进行傅里叶变换，以获得所述每个子图像区域的子图像傅里叶变换系数；对于所述每个子图像区域，计算子图像傅里叶变换系数在预定频率范围内的平方和与子图像傅里叶变换最低频率系数的平方的比例；以及计算所述多个子图像区域中所述比例的平均值作为所述检测参数。
8.如权利要求6所述的活体检测系统，其中在所述结构光光源模块发射结构光照射待检测对象之前，所述图像数据获取模块连续捕获待检测对象的监视图像，
所述活体检测模块利用预先训练的人脸检测单元检测所述监视图像，以获得监视结果，
当所述监视结果指示所述监视图像中存在脸部图像时，所述活体检测模块控制开启所述结构光光源模块发射所述结构光照射所述待检测对象。
9.如权利要求6所述的活体检测系统，其中所述活体检测模块利用预先训练的人脸关键点检测单元在所述第一人脸图像数据上确定多个预定人脸关键点，根据所述多个预定人脸关键点确定所述预定区域。
10.如权利要求6到9的任一项所述的活体检测系统，其中如果所述检测参数大于第一参数阈值并且小于第二参数阈值，则所述活体检测模块确定所述待检测对象通过活体检测；
否则，则所述活体检测模块确定所述待检测对象不通过活体检测。
CN201610203579.0A 2016-04-01 2016-04-01 一种活体检测方法和系统 Active CN105912986B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201610203579.0A CN105912986B (zh) 2016-04-01 2016-04-01 一种活体检测方法和系统
US15/411,036 US10380443B2 (en) 2016-04-01 2017-01-20 Liveness detection method, liveness detection system, and computer program product

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610203579.0A CN105912986B (zh) 2016-04-01 2016-04-01 一种活体检测方法和系统

Publications (2)

Publication Number Publication Date
CN105912986A CN105912986A (zh) 2016-08-31
CN105912986B true CN105912986B (zh) 2019-06-07

Family

ID=56744514

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610203579.0A Active CN105912986B (zh) 2016-04-01 2016-04-01 一种活体检测方法和系统

Country Status (2)

Country Link
US (1) US10380443B2 (zh)
CN (1) CN105912986B (zh)

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11373449B1 (en) * 2016-10-13 2022-06-28 T Stamp Inc. Systems and methods for passive-subject liveness verification in digital media
CN106778525B (zh) * 2016-11-25 2021-08-10 北京旷视科技有限公司 身份认证方法和装置
CN106778559A (zh) * 2016-12-01 2017-05-31 北京旷视科技有限公司 活体检测的方法及装置
US10796178B2 (en) 2016-12-15 2020-10-06 Beijing Kuangshi Technology Co., Ltd. Method and device for face liveness detection
CN106599872A (zh) * 2016-12-23 2017-04-26 北京旷视科技有限公司 用于验证活体人脸图像的方法和设备
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
CN106845395A (zh) * 2017-01-19 2017-06-13 北京飞搜科技有限公司 一种基于人脸识别进行活体检测的方法
CN108573203B (zh) * 2017-03-17 2021-01-26 北京旷视科技有限公司 身份认证方法和装置及存储介质
CN108875452A (zh) * 2017-05-11 2018-11-23 北京旷视科技有限公司 人脸识别方法、装置、系统和计算机可读介质
CN107729833B (zh) * 2017-10-10 2021-03-09 Oppo广东移动通信有限公司 人脸检测方法及相关产品
CN107832712A (zh) * 2017-11-13 2018-03-23 深圳前海微众银行股份有限公司 活体检测方法、装置和计算机可读存储介质
CN108304828B (zh) * 2018-03-08 2021-03-30 西安知微传感技术有限公司 一种三维活体人脸识别装置及方法
CN108446628A (zh) * 2018-03-19 2018-08-24 广东欧珀移动通信有限公司 屏幕控制方法、装置、移动终端及计算机可读存储介质
CN108446638B (zh) * 2018-03-21 2021-08-24 Oppo广东移动通信有限公司 身份验证方法、装置、存储介质及电子设备
CN108537152B (zh) * 2018-03-27 2022-01-25 百度在线网络技术（北京）有限公司 用于检测活体的方法和装置
US11496315B1 (en) 2018-05-08 2022-11-08 T Stamp Inc. Systems and methods for enhanced hash transforms
CN108764121B (zh) * 2018-05-24 2021-03-02 释码融和（上海）信息科技有限公司 用于检测活体对象的方法、计算设备及可读存储介质
CN109190522B (zh) * 2018-08-17 2021-05-07 浙江捷尚视觉科技股份有限公司 一种基于红外相机的活体检测方法
CN109299677A (zh) * 2018-09-07 2019-02-01 西安知微传感技术有限公司 一种人脸识别活体判断方法及系统
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
US11170242B2 (en) 2018-12-26 2021-11-09 Advanced New Technologies Co., Ltd. Spoof detection using dual-band fluorescence
CN109766849B (zh) * 2019-01-15 2023-06-20 深圳市凯广荣科技发展有限公司 一种活体检测方法、检测装置及自助终端设备
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
US11301586B1 (en) 2019-04-05 2022-04-12 T Stamp Inc. Systems and processes for lossy biometric representations
CN110135370B (zh) 2019-05-20 2022-09-09 北京百度网讯科技有限公司 人脸活体检测的方法及装置、电子设备、计算机可读介质
EP3973697A4 (en) * 2019-07-26 2023-03-15 Hewlett-Packard Development Company, L.P. CHANGING STRUCTURED LIGHT PROJECTED BASED ON IDENTIFIED POINTS IN A CAPTURED IMAGE
CN110598571A (zh) * 2019-08-15 2019-12-20 中国平安人寿保险股份有限公司 活体检测方法、装置及计算机可读存储介质
CN110705417A (zh) * 2019-09-24 2020-01-17 杭州驭光光电科技有限公司 人头计数方法及光投射装置
TWI722872B (zh) 2020-04-17 2021-03-21 技嘉科技股份有限公司 人臉辨識裝置以及人臉辨識方法
US11694480B2 (en) * 2020-07-27 2023-07-04 Samsung Electronics Co., Ltd. Method and apparatus with liveness detection
CN111680672B (zh) * 2020-08-14 2020-11-13 腾讯科技（深圳）有限公司 人脸活体检测方法、系统、装置、计算机设备和存储介质
CN111811667A (zh) * 2020-08-27 2020-10-23 创新奇智(北京)科技有限公司 温度检测方法、装置、电子设备及可读存储介质
CN112115925A (zh) * 2020-11-18 2020-12-22 鹏城实验室 人脸识别方法、装置及计算机可读存储介质
CN113111808B (zh) * 2021-04-20 2022-03-29 山东大学 基于机器视觉的异常行为检测方法及系统
CN114973426B (zh) * 2021-06-03 2023-08-15 中移互联网有限公司 活体检测方法、装置及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5077803A (en) * 1988-09-16 1991-12-31 Fujitsu Limited Biological detecting system and fingerprint collating system employing same
CN1842296A (zh) * 2004-08-03 2006-10-04 松下电器产业株式会社 活体判别装置和使用该装置的认证装置以及活体判别方法
CN105138996A (zh) * 2015-09-01 2015-12-09 北京上古视觉科技有限公司 一种具有活体检测功能的虹膜识别系统
CN105184246A (zh) * 2015-08-28 2015-12-23 北京旷视科技有限公司 活体检测方法和活体检测系统
CN105243376A (zh) * 2015-11-06 2016-01-13 北京汉王智远科技有限公司 一种活体检测方法和装置
CN105637532A (zh) * 2015-06-08 2016-06-01 北京旷视科技有限公司 活体检测方法、活体检测系统以及计算机程序产品

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1829479A1 (en) * 2005-02-16 2007-09-05 Matsushita Electric Industrial Co., Ltd. Biometric discrimination device, authentication device, and biometric discrimination method
US7701588B2 (en) * 2006-04-11 2010-04-20 Santec Corporation Swept source type optical coherent tomography system
EP2111251B1 (en) * 2007-01-19 2018-09-12 Joseph Neev Devices for generation of subsurface micro-disruptions for biomedical applications
US9182221B2 (en) * 2011-06-13 2015-11-10 Canon Kabushiki Kaisha Information processing apparatus and information processing method
US9292916B2 (en) * 2011-08-09 2016-03-22 Hid Global Corporation Methods and systems for estimating genetic characteristics from biometric measurements
CN105960264B (zh) * 2014-02-05 2019-11-05 皇家飞利浦有限公司 对光疗处置期间的生命体征的基于相机的监测
US10079827B2 (en) * 2015-03-16 2018-09-18 Ricoh Company, Ltd. Information processing apparatus, information processing method, and information processing system
US11055511B2 (en) * 2015-03-31 2021-07-06 Nec Corporation Biological pattern information processing device, biological pattern information processing method, and program
EP3279862A4 (en) * 2015-03-31 2018-12-12 Nec Corporation Biological pattern information processing device, biological pattern information processing method and program
RU2715521C2 (ru) * 2015-06-16 2020-02-28 Айверифай Инк. Системы и способы для обнаружения обманных объектов и анализа жизненности
JP6443842B2 (ja) * 2015-06-19 2018-12-26 パナソニックＩｐマネジメント株式会社 顔検出装置、顔検出システム、及び顔検出方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5077803A (en) * 1988-09-16 1991-12-31 Fujitsu Limited Biological detecting system and fingerprint collating system employing same
CN1842296A (zh) * 2004-08-03 2006-10-04 松下电器产业株式会社 活体判别装置和使用该装置的认证装置以及活体判别方法
CN105637532A (zh) * 2015-06-08 2016-06-01 北京旷视科技有限公司 活体检测方法、活体检测系统以及计算机程序产品
CN105184246A (zh) * 2015-08-28 2015-12-23 北京旷视科技有限公司 活体检测方法和活体检测系统
CN105138996A (zh) * 2015-09-01 2015-12-09 北京上古视觉科技有限公司 一种具有活体检测功能的虹膜识别系统
CN105243376A (zh) * 2015-11-06 2016-01-13 北京汉王智远科技有限公司 一种活体检测方法和装置

Also Published As

Publication number Publication date
US20170286788A1 (en) 2017-10-05
US10380443B2 (en) 2019-08-13
CN105912986A (zh) 2016-08-31

Similar Documents

Publication Publication Date Title
CN105912986B (zh) 一种活体检测方法和系统
CN105518711B (zh) 活体检测方法、活体检测系统以及计算机程序产品
US11030437B2 (en) Liveness detection method and liveness detection system
US10997809B2 (en) System and method for provisioning a facial recognition-based system for controlling access to a building
US10614291B2 (en) Living body detection method, living body detection system and computer program product
US9202121B2 (en) Liveness detection
CN106778518B (zh) 一种人脸活体检测方法及装置
CN102483851B (zh) 用于突起面部特征识别的方法和装置
Kose et al. Reflectance analysis based countermeasure technique to detect face mask attacks
WO2016084072A1 (en) Anti-spoofing system and methods useful in conjunction therewith
CN103514440A (zh) 面部识别
CN103514439A (zh) 面部识别
CN108573203A (zh) 身份认证方法和装置及存储介质
CN101556717A (zh) 一种atm智能安保系统及监测方法
CN110046564B (zh) 一种多光谱活体指纹识别设备及识别方法
CN111104847A (zh) 使用多图像采集设备进行欺骗检测的方法和系统
CN105959592A (zh) 一种自适应光线的生物计量信息采集装置和方法
WO2016172923A1 (zh) 视频检测方法、视频检测系统以及计算机程序产品
CN108875338A (zh) 解锁方法、装置和系统及存储介质
CN109145716B (zh) 基于脸部识别的登机口检验平台
KR20150128510A (ko) 라이브니스 검사 방법과 장치，및 영상 처리 방법과 장치
CN102867214B (zh) 区域范围内人数统计管理方法
Betta et al. Uncertainty evaluation in face recognition algorithms
CN109409325B (zh) 一种识别方法和电子设备
Crenna et al. Implementation of perceptual aspects in a face recognition algorithm

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
CB02 Change of applicant information

Address after: 100080 room A, block, No. 2 South Road, Haidian District Academy of Sciences, Beijing, China

Applicant after: MEGVII INC.

Applicant after: Beijing maigewei Technology Co., Ltd.

Address before: 100080 room A, block, No. 2 South Road, Haidian District Academy of Sciences, Beijing, China

Applicant before: MEGVII INC.

Applicant before: Beijing aperture Science and Technology Ltd.

GR01 Patent grant
GR01 Patent grant