CN106156757B - 结合活体检测技术的人脸识别方法及人脸识别系统 - Google Patents

结合活体检测技术的人脸识别方法及人脸识别系统 Download PDF

Info

Publication number
CN106156757B
CN106156757B CN201610621134.4A CN201610621134A CN106156757B CN 106156757 B CN106156757 B CN 106156757B CN 201610621134 A CN201610621134 A CN 201610621134A CN 106156757 B CN106156757 B CN 106156757B
Authority
CN
China
Prior art keywords
video
signal sequences
module
normalized
gray
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
CN201610621134.4A
Other languages
English (en)
Other versions
CN106156757A (zh
Inventor
万四爽
华锦芝
何朔
张莉敏
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.)
China Unionpay Co Ltd
Original Assignee
China Unionpay 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 China Unionpay Co Ltd filed Critical China Unionpay Co Ltd
Priority to CN201610621134.4A priority Critical patent/CN106156757B/zh
Publication of CN106156757A publication Critical patent/CN106156757A/zh
Application granted granted Critical
Publication of CN106156757B publication Critical patent/CN106156757B/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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • 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
    • G06V10/30—Noise filtering
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

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)

Abstract

本发明涉及一种人脸识别方法，包括：从第一视频中提取若干帧，分别识别出人脸区域图像，并组成第二视频；对第二视频进行欧拉视频放大处理；针对第二视频中每一帧图像，分别进行RGB通道分离，并分别计算三个单通道图像中各像素的灰度统计值，以形成对应于第二视频的三个信号序列；分别对三个信号序列进行归一化处理；对三个归一化信号序列进行FFT变换，并分别计算相应的功率谱密度；分别确定三个归一化信号序列的最大功率谱密度是否对应于相同或相近频率，如果是，则验证通过第一视频。其在满足识别准确率的前提下，不仅能够给用户更好的用户体验，还能够有效提升识别效率。

Description

结合活体检测技术的人脸识别方法及人脸识别系统
技术领域
本发明涉及人脸识别技术领域。
背景技术
目前，在安全系统、门禁系统乃至电脑、手机等移动装置中，广泛采用了人脸识别技术来识别用户、保护用户信息安全，人脸识别在越来越多的身份识别、实名认证的场合都得到应用。
然而，不法分子利用伪冒的人脸图像试图通过验证，这给当前的人脸识别技术带来了严峻挑战。
对此，人脸识别技术通常与活体检测技术相结合，来防止利用人脸图片或者人脸模型而进行的伪冒行为。目前常用的活体检测技术主要需要用户按照特定要求来进行比如张嘴、抬头、晃脑等动作，这给用户的体验并不是很好。
因此，本领域技术人员期望获得一种改进的人脸识别方法，其在有效防止人脸伪冒的同时，也能给用户带来良好的体验。
发明内容
本发明的一个目的在于提供一种结合活体检测技术的人脸识别方法，其不需要用户进行附加动作就能够有效防止人脸伪冒。
为实现上述目的，本发明提供一种技术方案如下：
一种人脸识别方法，用于对包括人脸图像的第一视频进行处理，包括如下步骤：a)、从第一视频中提取若干帧，分别识别出人脸区域图像，并以相应的人脸区域图像组成第二视频；b)、对第二视频进行欧拉视频放大处理；c)、针对第二视频中每一帧图像，分别进行RGB通道分离，以形成三个单通道图像，并分别计算三个单通道图像中各像素的灰度统计值，以形成对应于第二视频的三个信号序列；d)、分别对三个信号序列进行归一化处理，以得到三个归一化信号序列；e)、对三个归一化信号序列进行FFT变换，并分别计算相应的功率谱密度；f)、分别确定三个归一化信号序列的最大功率谱密度是否对应于相同或相近频率，如果是，则验证通过第一视频。
优选地，在步骤d)之后、步骤e)之前还包括如下滤波步骤：针对三个归一化信号序列，分别基于正常人的心率范围来进行带通滤波处理。
优选地，滤波步骤采用的带通滤波器通过的上限、下限频率分别为4Hz、0.67Hz。
本发明还公开了一种人脸识别系统，包括如下模块：视频获取模块，用于从包括人脸图像的第一视频提取若干帧，分别识别出人脸区域图像，并以相应的人脸区域图像组成第二视频；欧拉视频处理模块，与视频获取模块通信，用于对第二视频进行欧拉视频放大处理；RGB通道分离模块，与欧拉视频处理模块通信，用于针对第二视频中每一帧图像，分别进行RGB通道分离，以形成三个单通道图像，并分别计算三个单通道图像中各像素的灰度统计值，以形成对应于第二视频的三个信号序列；归一化模块，与RGB通道分离模块通信，用于对三个信号序列进行归一化处理，以得到三个归一化信号序列；FFT变换模块，与归一化模块通信，用于对三个归一化信号序列进行FFT变换，并分别计算相应的功率谱密度；以及活体判定模块，与FFT变换模块通信，用于分别确定三个归一化信号序列的最大功率谱密度是否对应于相同或相近频率，如果是，则验证通过第一视频。
本发明提供的人脸识别系统方法及系统，结合了活体检测技术，在人脸识别过程中能够捕捉人脸面部图像随着心跳跳动引起的血液流动而带来的变化，进而可以判断当前用户是否为伪冒的人脸。相比现有技术中其他人脸识别方式，本发明在同样满足识别准确率的前提下，不仅能够给用户更好的用户体验，还能够有效提升识别效率。
附图说明
图1示出本发明第一实施例提供的人脸识别方法的流程示意图。
图2示出本发明第二实施例提供的人脸识别系统的模块结构示意图。
具体实施方式
如图1所示，本发明第一实施例提供一种结合活体检测技术的人脸识别方法，其包括如下各步骤：
步骤S10、从第一视频中提取若干帧，分别识别出人脸区域图像，并以相应的人脸区域图像组成第二视频。
具体地，第一视频是对人脸进行摄录所得到的视频，其全部或多数帧中均包括人脸图像。
该步骤中，通过人脸检测算法识别出第一视频中每一帧中的人脸区域(感兴趣区域)，随后，以每一帧相应的人脸区域图像组成第二视频。通常，人脸区域的大小为第一视频中帧图像宽度的60％左右、高度的80％-100％左右。显然，第二视频包含的数据量明显小于第一视频。
进一步地，在形成第二视频的过程中，若从第一视频中某一帧识别出的人脸区域图像为模糊或倾斜的(以致无法识别出人脸区域)，则抛弃该帧；在此情况下，也可以使用前一(或后一)帧数据来代替，而该帧不视为有效帧。重复进行从第一视频中提取帧、并分别识别相应人脸区域的步骤，直到能够获取到足够的有效帧来组成第二视频以进行后续分析处理。
步骤S11、对第二视频进行欧拉视频放大处理。
欧拉视频放大技术可以扑捉视频中人类难以觉察的极其微小的颜色或动作变化，通过对不同变化的变动频率进行分析处理，最终让人们可以直接观察到这些微变化，并将这些变化进行任意放大处理。举例来说，利用这项技术人们可以直接从视频中观察血液循环、脉搏变化(如图)或婴儿呼吸等情况。
该步骤中，通过对第二视频进行欧拉视频放大处理，可以捕捉用户(第一视频所摄录的人脸)的面部血液随心跳变化而流动的情况。
步骤S12、针对第二视频中每一帧图像，分别进行RGB通道分离，以形成三个单通道图像，并分别计算三个单通道图像中各像素的灰度统计值，以形成对应于第二视频的三个信号序列。
具体地，对第二视频中每一帧图像，分别采用RGB分离算法，形成红色(R)、绿色(G)及蓝色(B)三个单通道图像，再分别计算三个单通道图像中感兴趣区域(人脸区域)内像素的灰度统计值，这样就形成了对应每一帧的三个信号(R、G、B信号)值。对第二视频每一帧图像进行上述处理后，就能够形成对应于第二视频的三个原始信号序列。
步骤S13、分别对三个信号序列进行归一化处理，以得到三个归一化信号序列。
归一化处理可以将三个信号序列分布到一致的范围内，以便于统计分析。
具体地，分别采用如下公式对三个信号序列进行归一化处理：
其中，i取值为1、2、3，分别代表R、G、B三个通道，t为对应于当前帧的编号，xi(t)为相应原始信号序列中对应于当前帧的灰度统计值，μi为xi(t)在第二视频时长内的均值，σi为xi(t)在第二视频时长内的标准差。x′i(t)为经归一化得到的信号值，其对应于编号为t的视频帧。具体地，在第二视频时长内的各视频帧的x′1(t)组成红色通道(R)归一化信号序列，在第二视频时长内的各视频帧的x′2(t)组成绿色通道(G)归一化信号序列，在第二视频时长内的各视频帧的x′3(t)组成蓝色通道(B)归一化信号序列。
步骤S14、对三个归一化信号序列进行FFT变换，并分别计算相应的功率谱密度。
该步骤中，对红色(R)、绿色(G)以及蓝色(B)归一化信号序列分别进行快速傅立叶变换(FFT)，并分别计算它们相应的功率谱密度(psd)。其中，功率谱密度的定义是单位频带内的“功率”(均方值)，其可以具体化为一条功率谱密度值—频率值的关系曲线。
步骤S15、分别确定三个归一化信号序列的最大功率谱密度是否对应于相同或相近频率。如果是，则验证通过第一视频，如果否，则判定第一视频为仿冒。
作为最后一个步骤，步骤S15分别确定三个归一化信号序列的最大功率谱密度是否对应于相同或相近频率。具体地，例如，可以选取G通道归一化信号序列中最大功率谱密度处对应的频率(为方便起见，以下称作G频率)作为用户(第一视频所摄录的人脸)心跳的估计值，再分别将R通道、B通道归一化信号序列中最大功率谱密度处对应的频率(以下分别称作R频率、B频率)与心跳估计值进行比较，如果R频率、B频率均与心跳估计值相同或相近，则确定第一视频中的用户为真实人脸，从而验证通过第一视频，反之，则确定该用户为仿冒人脸，并对第一视频作为否定性验证结果。
在对上述第一实施例进一步改进的情况下，在步骤S13之后、步骤S14之前还包括一个滤波步骤：针对三个归一化信号序列，分别基于正常人的心率范围来进行带通滤波处理，以调整信号波形和消除噪声影响。
进一步地，考虑到正常人的心率范围是[40,240]，这个单位是每分钟的心率数，此时的对应频率范围为0.67Hz(＝40bpm/60sec)至4Hz(＝240bpm/60sec)。因此，滤波步骤采用的带通滤波器允许通过的上限、下限频率分别为4Hz、0.67Hz，通过带通滤波器能够滤除低频的呼吸信号和高频的噪声信号。
可以理解，采用上述带通滤波器后，本发明提供的人脸识别方法将明显降低所需处理的数据量，并有效屏蔽呼吸信号、噪声信号对判定结果可能存在的不利影响，这不仅提高了运算速度，也能够保证判定结果的准确性。
上述第一实施例及其改进实施方式，通过在人脸识别过程中捕捉人脸面部图像随着心跳跳动引起的血液流动而变化的信号，可以判断当前用户具有心跳从而判断当前识别的对象并非伪冒的人脸。这相比现有技术中其他人脸识别方式要求用户完成特定附加动作而言，在同样满足识别准确率的前提下，不仅能够给用户更好的用户体验，还能够提升识别效率。
如图2所示，本发明第二实施例提供一种人脸识别系统20，其包括视频获取模块201、欧拉视频处理模块202、RGB通道分离模块203、归一化模块204、FFT变换模块205以及活体判定模块206。该人脸识别系统20还摄录人脸视频，或从外部摄录装置获取人脸视频作为输入，以活体判定模块206进行判定得到的结果作为输出。
其中，视频获取模块201从包括人脸图像的第一视频(人脸识别系统20摄录或从外部获取)提取若干帧，分别识别出人脸区域图像，并以相应的人脸区域图像组成第二视频。
欧拉视频处理模块202与视频获取模块通信201，用于对第二视频进行欧拉视频放大处理。
RGB通道分离模块203与欧拉视频处理模块202通信，用于针对第二视频中每一帧图像，分别进行RGB通道分离，以形成三个单通道图像，并分别计算三个单通道图像中各像素的灰度统计值，以形成对应于第二视频的三个原始信号序列。
归一化模块204与RGB通道分离模块203通信，用于对三个信号序列进行归一化处理，以得到三个归一化信号序列。
FFT变换模块205与归一化模块204通信，用于对三个归一化信号序列进行FFT变换，并分别计算相应的功率谱密度(psd)。
活体判定模块206与FFT变换模块205通信，用于分别确定三个归一化信号序列的最大功率谱密度是否对应于相同或相近频率，如果是，则输出肯定性的验证结果，反之，输出否定性验证结果。
上述各模块的具体操作分别与上述第一实施例中各步骤相呼应。
优选情况下，人脸识别系统20还包括一带通滤波器，带通滤波器接入归一化模块204与FFT变换模块205之间，其基于正常人的心率范围对三个归一化信号序列分别进行带通滤波处理，从而可以有效屏蔽呼吸信号、噪声信号对判定结果可能存在的不利影响。
上述说明仅针对于本发明的优选实施例，并不在于限制本发明的保护范围。本领域技术人员可作出各种变形设计，而不脱离本发明的思想及附随的权利要求。

Claims (8)

1.一种人脸识别方法，用于对包括人脸图像的第一视频进行处理，包括如下步骤：
a)、从所述第一视频中提取若干帧，分别识别出人脸区域图像，并以相应的所述人脸区域图像组成第二视频；
b)、对所述第二视频进行欧拉视频放大处理；
c)、针对所述第二视频中每一帧图像，分别进行RGB通道分离，以形成三个单通道图像，并分别计算所述三个单通道图像中各像素的灰度统计值，以形成对应于所述第二视频的三个信号序列；
d)、分别对所述三个信号序列进行归一化处理，以得到三个归一化信号序列；
e)、对所述三个归一化信号序列进行FFT变换，并分别计算相应的功率谱密度；
f)、分别确定所述三个归一化信号序列的最大功率谱密度是否对应于相同或相近频率，如果是，则验证通过所述第一视频。
2.根据权利要求1所述的方法，其特征在于，在所述步骤d)之后、步骤e)之前还包括如下滤波步骤：
针对所述三个归一化信号序列，分别基于正常人的心率范围来进行带通滤波处理。
3.根据权利要求2所述的方法，其特征在于，所述滤波步骤采用的带通滤波器通过的上限、下限频率分别为4Hz、0.67Hz。
4.根据权利要求1所述的方法，其特征在于，所述步骤e)具体包括：
分别采用如下公式对所述三个信号序列进行归一化处理：
其中i取值为1、2、3，分别代表R、G、B三个通道，t为对应于当前帧的编号，xi(t)为相应所述信号序列中对应于当前帧的所述灰度统计值，μi为xi(t)在所述第二视频时长内的均值，σi为xi(t)在所述第二视频时长内的标准差。
5.根据权利要求1所述的方法，其特征在于，所述灰度统计值为所述各像素的灰度均值或灰度中间值。
6.根据权利要求1至5中任一项所述的方法，其特征在于，所述步骤a)具体包括：
若从所述第一视频中某一帧识别出的所述人脸区域图像为模糊或倾斜的，则抛弃该帧。
7.一种人脸识别系统，包括如下模块：
视频获取模块，用于从包括人脸图像的第一视频提取若干帧，分别识别出人脸区域图像，并以相应的所述人脸区域图像组成第二视频；
欧拉视频处理模块，与所述视频获取模块通信，用于对所述第二视频进行欧拉视频放大处理；
RGB通道分离模块，与所述欧拉视频处理模块通信，用于针对所述第二视频中每一帧图像，分别进行RGB通道分离，以形成三个单通道图像，并分别计算所述三个单通道图像中各像素的灰度统计值，以形成对应于所述第二视频的三个信号序列；
归一化模块，与所述RGB通道分离模块通信，用于对所述三个信号序列进行归一化处理，以得到三个归一化信号序列；
FFT变换模块，与所述归一化模块通信，用于对所述三个归一化信号序列进行FFT变换，并分别计算相应的功率谱密度；以及
活体判定模块，与所述FFT变换模块通信，用于分别确定所述三个归一化信号序列的最大功率谱密度是否对应于相同或相近频率，如果是，则验证通过所述第一视频。
8.根据权利要求7所述的系统，其特征在于，其还包括一带通滤波器，所述带通滤波器接入所述归一化模块与所述FFT变换模块之间，用于基于正常人的心率范围对所述三个归一化信号序列分别进行带通滤波处理。
CN201610621134.4A 2016-08-02 2016-08-02 结合活体检测技术的人脸识别方法及人脸识别系统 Active CN106156757B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610621134.4A CN106156757B (zh) 2016-08-02 2016-08-02 结合活体检测技术的人脸识别方法及人脸识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610621134.4A CN106156757B (zh) 2016-08-02 2016-08-02 结合活体检测技术的人脸识别方法及人脸识别系统

Publications (2)

Publication Number Publication Date
CN106156757A CN106156757A (zh) 2016-11-23
CN106156757B true CN106156757B (zh) 2019-08-09

Family

ID=57328290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610621134.4A Active CN106156757B (zh) 2016-08-02 2016-08-02 结合活体检测技术的人脸识别方法及人脸识别系统

Country Status (1)

Country Link
CN (1) CN106156757B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106725410A (zh) * 2016-12-12 2017-05-31 努比亚技术有限公司 一种心率检测方法和终端
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
CN108345818B (zh) * 2017-01-23 2021-08-31 北京中科奥森数据科技有限公司 一种人脸活体检测方法及装置
CN107609474B (zh) * 2017-08-07 2020-05-01 深圳市科迈爱康科技有限公司 肢体动作识别方法、装置、机器人及存储介质
DE112018005610T5 (de) * 2017-10-18 2020-07-02 Sony Semiconductor Solutions Corporation Identifikationseinrichtung und elektronische einrichtung
CN108509857A (zh) * 2018-03-06 2018-09-07 达闼科技（北京）有限公司 人脸活体检测方法、电子设备和计算机程序产品
CN108549884A (zh) * 2018-06-15 2018-09-18 天地融科技股份有限公司 一种活体检测方法及装置
CN109101949A (zh) * 2018-08-29 2018-12-28 广州洪荒智能科技有限公司 一种基于彩色视频信号频域分析的人脸活体检测方法
CN109117820A (zh) * 2018-08-30 2019-01-01 上海爱优威软件开发有限公司 一种基于图像的活体识别方法及系统
CN110674675A (zh) * 2019-08-02 2020-01-10 杭州电子科技大学 一种行人面部反欺诈方法
CN112861588B (zh) * 2019-11-28 2024-03-08 杭州萤石软件有限公司 一种活体检测的方法、装置
CN111695515B (zh) * 2020-06-12 2024-06-28 百度在线网络技术（北京）有限公司 视频图像的检测方法、装置、电子设备及存储介质
CN111881726B (zh) * 2020-06-15 2022-11-25 马上消费金融股份有限公司 一种活体检测方法、装置及存储介质
CN112149580B (zh) * 2020-09-25 2024-05-14 江苏邦融微电子有限公司 一种区分真实人脸与照片的图像处理方法
CN112364329A (zh) * 2020-12-09 2021-02-12 山西三友和智慧信息技术股份有限公司 一种结合心率检测的人脸认证系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101999900A (zh) * 2009-08-28 2011-04-06 南京壹进制信息技术有限公司 一种应用于人脸识别的活体检测方法及系统
CN103116763A (zh) * 2013-01-30 2013-05-22 宁波大学 一种基于hsv 颜色空间统计特征的活体人脸检测方法
CN104545864A (zh) * 2014-12-25 2015-04-29 中国科学院深圳先进技术研究院 心理调节方法和装置
CN105227316A (zh) * 2015-09-01 2016-01-06 深圳市创想一登科技有限公司 基于人脸图像身份验证的移动互联网账号登录系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016126472A (ja) * 2014-12-26 2016-07-11 株式会社東芝 心拍数検出装置及びそれを用いた顔認識システム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101999900A (zh) * 2009-08-28 2011-04-06 南京壹进制信息技术有限公司 一种应用于人脸识别的活体检测方法及系统
CN103116763A (zh) * 2013-01-30 2013-05-22 宁波大学 一种基于hsv 颜色空间统计特征的活体人脸检测方法
CN104545864A (zh) * 2014-12-25 2015-04-29 中国科学院深圳先进技术研究院 心理调节方法和装置
CN105227316A (zh) * 2015-09-01 2016-01-06 深圳市创想一登科技有限公司 基于人脸图像身份验证的移动互联网账号登录系统及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Heart rate measurement based on a time-lapse image;Chihiro Takano et al;《Medical Engineering&Physics》;20071031;第29卷(第8期);853-857 *
人脸活体检测关键技术研究;刘华成;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150315;第2015年卷(第3期);I138-2693 *
人脸视频中心率测量算法的研究与实现;王晓晖;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160215;第2016年卷(第2期);正文第3.1-3.2、3.3、4.4.4节 *
人脸识别中的活体检测方法研究;罗浩;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160415;第2016年卷(第4期);I138-976 *

Also Published As

Publication number Publication date
CN106156757A (zh) 2016-11-23

Similar Documents

Publication Publication Date Title
CN106156757B (zh) 结合活体检测技术的人脸识别方法及人脸识别系统
Nowara et al. Ppgsecure: Biometric presentation attack detection using photopletysmograms
Hernandez-Ortega et al. Time analysis of pulse-based face anti-spoofing in visible and NIR
CN109640821B (zh) 用于面部检测/识别系统的方法和装置
Li et al. Remote heart rate measurement from face videos under realistic situations
JP6146078B2 (ja) 生体検知装置、顔認証装置、撮像装置、生体検知方法及び生体検知プログラム
KR101776124B1 (ko) 생리학적 신호 처리
CN108921041A (zh) 一种基于rgb和ir双目摄像头的活体检测方法及装置
US20160317041A1 (en) System and methods for measuring physiological parameters
US9642579B2 (en) System and method for converting an input signal into an output signal
Chen et al. Your face your heart: Secure mobile face authentication with photoplethysmograms
CN107392177A (zh) 一种人体身份识别验证方法及其装置
CN110200640B (zh) 基于双模态传感器的非接触式情绪识别方法
WO2011127487A4 (en) Method and system for measurement of physiological parameters
WO2016172923A1 (zh) 视频检测方法、视频检测系统以及计算机程序产品
CN110569760B (zh) 一种基于近红外和远程光电体积描记术的活体检测方法
CN109359634A (zh) 一种基于双目摄像机的人脸活体检测方法
Li et al. Video is all you need: Attacking PPG-based biometric authentication
CN109409343A (zh) 一种基于活体检测的人脸识别方法
KR102468654B1 (ko) 보정된 이미지 기반 심박 추정 방법 및 그 장치
CN112364329A (zh) 一种结合心率检测的人脸认证系统及方法
Mehta et al. CPulse: Heart rate estimation from RGB videos under realistic conditions
KR101870226B1 (ko) 위조 바이오 정보 검출 장치 및 방법
KR101496852B1 (ko) 지정맥 인증 시스템
CN112861588A (zh) 一种活体检测的方法、装置

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