CN106778574A - 用于人脸图像的检测方法和装置 - Google Patents
用于人脸图像的检测方法和装置 Download PDFInfo
- Publication number
- CN106778574A CN106778574A CN201611109652.4A CN201611109652A CN106778574A CN 106778574 A CN106778574 A CN 106778574A CN 201611109652 A CN201611109652 A CN 201611109652A CN 106778574 A CN106778574 A CN 106778574A
- Authority
- CN
- China
- Prior art keywords
- key point
- facial image
- detection
- image
- location
- 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.)
- Pending
Links
- 230000001815 facial Effects 0.000 title claims abstract description 119
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000000007 visual effect Effects 0.000 abstract description 7
- 210000000887 Face Anatomy 0.000 description 11
- 210000000214 Mouth Anatomy 0.000 description 4
- 230000000875 corresponding Effects 0.000 description 4
- 210000004709 Eyebrows Anatomy 0.000 description 2
- 210000001331 Nose Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000003128 Head Anatomy 0.000 description 1
- 210000003491 Skin Anatomy 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002452 interceptive Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; 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
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; 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
Abstract
本发明实施例公开了一种用于人脸图像的检测方法和装置，所述方法包括：获取当前时刻的第一人脸图像；获取所述第一人脸图像中的关键点的第一当前位置；根据所述关键点的第一当前位置和预设的标准人脸目标图像确定所述关键点的目标位置；展示所述关键点从第一当前位置至对应目标位置的运动过程。本发明实施例以可视反馈机制克服动作指令歧义性问题，降低了人脸检测中人脸被照片和视频攻击的几率，获得了较低的误识率和拒识率。
Description
用于人脸图像的检测方法和装置
技术领域
[0001] 本发明实施例涉及图像处理技术领域，尤其涉及一种用于人脸图像的检测方法和 装置。
背景技术
[0002] 随着计算机技术的发展，人脸验证技术日趋成熟，商业化应用愈加广泛。然而，人 脸信息很容易以照片、视频等形式进行复制，因此对合法用户人脸的假冒行为是人脸验证 系统安全的重要威胁。近年来，活体人脸检测技术取得了一些进展，现有的人脸图像的检测 方法中，往往通过脸部本身的特征与预存的特征进行匹配，根据匹配结果进行检测，互动性 差，且通过照片也可能检测成功。
[0003] 现有的方法大致可以分为三类，一是基于纹理信息的方法，该方法优点是易于实 现，并且无需用户配合，缺点是无法处理纹理较少的情况，而且对数据多样性要求较高；二 是基于动作信息的方法，该方法优点是不依赖图像纹理的状况，而且难以以二维图像进行 攻击，也无需用户配合，缺点是需要视频输入，而且视频中动作不明显时难以保证检测效 果，此外可能会被三维模具攻击;三是基于生命特征的方法，该方法优点是能同时抵抗二维 图像和三维模具的攻击，且不受图像纹理状况的影响，缺点是需要用户配合，而用户对于动 作指令的理解不同，实际反应也不一样(如被系统提示要求张嘴时，各人张嘴的程度不同）， 因此算法难以同时保证理想的误识率和拒识率。
发明内容
[0004] 有鉴于此，本发明提出一种用于人脸图像的检测方法和装置，基于可视反馈机制 克服动作指令歧义性问题，使得人脸识别的算法能够同时达到较低的误识率和拒识率。
[0005] 第一方面，本发明实施例提出了一种用于人脸图像的检测方法，所述方法包括:获 取当前时刻的第一人脸图像;获取所述第一人脸图像中的关键点的第一当前位置;根据所 述关键点的第一当前位置和预设的标准人脸目标图像确定所述关键点的目标位置;展示所 述关键点从第一当前位置至对应目标位置的运动过程。
[0006] 进一步的，所述方法还包括:获取下一时刻的第二人脸图像;获取所述第二人脸图 像中的关键点的第二当前位置;确定所述关键点的第二当前位置和所述目标位置之间的距 离;如果所述第二当前位置和所述目标位置之间的距离小于等于距离阈值，则确定本次人 脸图像的检测合法;否则继续获取后续时刻的人脸图像，直至该次人脸图像的检测合法。
[0007] 进一步的，通过
确定所述关键点的第二当前位置和所述目标位置 之间的距离;其中，N表示关键点的个数，当前第i个关键点位置为&，目标位置为yi。
[0008] 进一步的，所述方法还包括:如果连续预设次数检测人脸图像合法，则确定当前人 脸图像检测结束。
[0009] 进一步的，所述关键点包括人脸图像中的五官轮廓的关键点和/或脸庞轮廓的关 键点。
[0010] 第二方面，本发明实施例提供了一种用于人脸图像的检测装置，所述装置包括:第 一图像获取单元，用于获取当前时刻的第一人脸图像;第一位置获取单元，与所述第一图像 获取单元相连，用于获取所述第一人脸图像中的关键点的第一当前位置；目标位置确定单 元，与所述第一位置获取单元相连，用于根据所述关键点的第一当前位置和预设的标准人 脸目标图像确定所述关键点的目标位置;操作单元，与所述目标位置确定单元相连，用于展 示所述关键点从第一当前位置至对应目标位置的运动过程。
[0011] 进一步的，所述装置还包括:第二图像获取单元，与所述第一图像获取单元相连， 用于获取下一时刻的第二人脸图像;第二位置获取单元，与所述第二图像获取单元相连，用 于获取所述第二人脸图像中的关键点的第二当前位置;距离确定单元，与所述第二位置获 取单元，用于确定所述关键点的第二当前位置和所述目标位置之间的距离;检测单元，与所 述距离确定单元相连，用于如果所述第二当前位置和所述目标位置之间的距离小于等于距 离阈值，则确定本次人脸图像的检测合法;否则继续获取后续时刻的人脸图像，直至该次人 脸图像的检测合法。
[0012] 进一步的，通过 确定所述关键点的第二当前位置和所述目标位置 之间的距离;其中，N表示关键点的个数，当前第i个关键点位置Sx1，目标位置为yi。
[0013] 进一步的，所述装置还包括:判断单元，与所述检测单元相连，用于如果连续预设 次数检测人脸图像合法，则确定当前人脸图像检测结束。
[00M] 进一步的，所述关键点包括人脸图像中的五官轮廓的关键点和/或脸庞轮廓的关 键点。
[0015] 本发明实施例中，通过获取第一人脸图像中关键点的第一当前位置，并根据关键 点的第一当前位置和预设的标准人脸目标图像确定所述关键点的目标位置，展示所述关键 点从第一当前位置至对应目标位置的运动过程。以可视反馈机制克服动作指令歧义性问 题，降低了人脸检测中人脸被照片和视频攻击的几率，获得了较低的误识率和拒识率。
附图说明
[0016] 通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它 特征、目的和优点将会变得更明显：
[0017] 图1是本发明实施例一中的一种用于人脸图像的检测方法的流程图；
[0018] 图2是本发明实施例二中的一种用于人脸图像的检测方法的流程图；
[0019] 图3是本发明实施例二中的人脸图像中各关键点目标位置生成的示意图；
[0020] 图4是本发明实施例三中的一种用于人脸图像的检测装置的结构图。
具体实施方式
[0021] 下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描 述的具体实施例仅仅用于解释本发明，而非对本发明的限定。还需要说明的是，为了便于描 述，附图中仅示出了与本发明相关的部分而非全部内容。另外还需要说明的是，为了便于说 明，以下实施例中示出了与本发明相关的示例，这些示例仅作为说明本发明实施例的原理 所用，并不作为对本发明实施例的限定，同时，这些示例的具体数值会根据不同的应用环境 和装置或者组件的参数不同而不同。
[0022] 本发明实施例的人脸图像的检测方法和装置可以运行于安装有Windows (微软公 司开发的操作系统平台）、Android (谷歌公司开发的用于便携式可移动智能设备的操作系 统平台）、i〇S (苹果公司开发的用于便携式可移动智能设备的操作系统平台）、Wind〇ws Phone (微软公司开发的用于便携式可移动智能设备的操作系统平台）等操作系统的终端 中，该终端可以是台式机、笔记本电脑、移动电话、掌上电脑、平板电脑、数码相机、数码摄像 机等等中的任意一种。
[0023] 实施例一
[0024] 图1是本发明实施例一中的一种用于人脸图像的检测方法的流程图，该方法以可 视反馈机制克服动作指令歧义性问题，降低了人脸检测中人脸被照片和视频攻击的几率， 获得了较低的误识率和拒识率。该方法可以由具有人脸图像的检测功能的装置来执行，该 装置可以由软件和/或硬件方式实现，例如典型的是用户终端设备，例如手机、电脑等。本实 施例中的一种用于人脸图像的检测方法包括:步骤SI 10、步骤S120、步骤S130和步骤S140。
[0025] 步骤S110，获取当前时刻的第一人脸图像。
[0026] 具体的，通过摄像头采集当前时刻的第一人脸图像，识别人脸图像的算法可以根 据需要自定义，可选的，采集当前时刻的第一人脸图像时，可自动开启前置摄像头，将采集 到的人脸图像进行显示。
[0027] 步骤S120,获取所述第一人脸图像中的关键点的第一当前位置。
[0028] 具体的，根据第一人脸图像获取第一人脸图像中的关键点，通过关键点定位算法 可以精确定位第一人脸图像中的关键点，支持一定程度遮挡及多角度定位。第一人脸图像 中每个部位对应一种类型的关键点。基于人脸图像中的关键点的识别算法可以包括但不限 于基于样本的人脸形状学习算法、局部纹理约束的主动表观模型和基于AdaBoost学习策略 的特征定位。
[0029] 可选的，所述关键点包括人脸图像中的五官轮廓的关键点和/或脸庞轮廓的关键 点。其中，人脸图像的关键点包括眼睛、耳朵、鼻子、嘴巴和眉毛轮廓的关键点和/或脸庞轮 廓的关键点。
[0030] 步骤S130,根据所述关键点的第一当前位置和预设的标准人脸目标图像确定所述 关键点的目标位置。
[0031] 具体的，标准的人脸目标图像可以是用户根据需求预设，可选的，预设的标准人脸 目标图像至少为一个，预设的标准人脸目标图像可以是张开嘴巴45度或睁开眼睛至上下眼 皮最大间距为1厘米等。根据关键点的第一当前位置和预设的标准人脸目标图像确定关键 点的目标位置，可选的，根据人脸目标图像中的嘴巴关键点的第一当前位置(嘴巴关键点的 第一当前位置为嘴巴张开30度），结合标准人脸目标图像确定嘴巴关键点的目标位置(嘴巴 关键点的目标位置为嘴巴张开45度）。
[0032] 步骤S140,展示所述关键点从第一当前位置至对应目标位置的运动过程。
[0033] 具体的，展示关键点从第一当前位置至对应目标位置的移动过程，可选的，当嘴巴 关键点的第一当前位置为嘴巴张开30度时各关键点的位置，嘴巴各关键点的目标位置是嘴 巴张开45度的各关键点的位置，完成从关键点的第一当前位置至嘴硬目标位置的运动过 程。
[0034] 本发明实施例中，通过获取第一人脸图像中关键点的第一当前位置，并根据关键 点的第一当前位置和预设的标准人脸目标图像确定所述关键点的目标位置，展示所述关键 点从第一当前位置至对应目标位置的运动过程。以可视反馈机制克服动作指令歧义性问 题，降低了人脸检测中人脸被照片和视频攻击的几率，获得了较低的误识率和拒识率。
[0035] 实施例二
[0036] 图2是本发明实施例二中的一种用于人脸图像的检测方法的流程图，本实施例在 实施例一的基础上，该方法还包括，获取下一时刻的第二人脸图像;获取所述第二人脸图像 中的关键点的第二当前位置;确定所述关键点的第二当前位置和所述目标位置之间的距 离;如果所述第二当前位置和所述目标位置之间的距离小于等于距离阈值，则确定本次人 脸图像的检测合法;否则继续获取后续时刻的人脸图像，直至该次人脸图像的检测合法。具 体的，本发明实施例中的一种用于人脸图像的检测的方法包括:步骤S210、步骤S220、步骤 S230、步骤S240、步骤S250、步骤S260，步骤S270和步骤S280。
[0037] 步骤S210，获取当前时刻的第一人脸图像。
[0038] 步骤S220,获取所述第一人脸图像中的关键点的第一当前位置。
[0039] 步骤S230,根据所述关键点的第一当前位置和预设的标准人脸目标图像确定所述 关键点的目标位置。
[0040] 步骤S240，展示所述关键点从第一当前位置至对应目标位置的运动过程。
[0041] 步骤S250,获取下一时刻的第二人脸图像。
[0042] 具体的，在关键点从第一当前位置至对应的目标位置的运动过程中，获取下一时 刻的第二人脸图像。通过摄像头采集下一时刻的第二人脸图像，识别人脸图像的算法可以 根据需要自定义，可选的，采集下一时刻的第二人脸图像时，可自动开启前置摄像头，将采 集到的人脸图像进行显示。
[0043] 步骤S260,获取所述第二人脸图像中的关键点的第二当前位置。
[0044] 具体的，在关键点从第一当前位置至对应的目标位置的运动过程中，获取第二人 脸图像中的关键点的第二当前位置。可选的，第二人脸图像中的关键点包括人脸图像中的 五官轮廓的关键点和/或脸庞轮廓的关键点。其中，人脸图像的关键点包括眼睛、耳朵、鼻 子、嘴巴和眉毛轮廓的关键点和/或脸庞轮廓的关键点。
[0045] 步骤S270,确定所述关键点的第二当前位置和所述目标位置之间的距离。
[0046] 具体的，确定关键点的第二当前位置和目标位置之间的距离，可选的，当嘴巴关键 点的第二当前位置为嘴巴张开30度时嘴巴关键点的位置，目标位置为嘴巴张开45度时嘴巴 关键点的位置，则计算嘴巴各关键点从嘴巴张开30度的位置至嘴巴张开45度的位置之间的 距离。
[0047] 例如，图3是一种人脸图像中各关键点目标位置生成的示意图，轮廓310和轮廓320 代表的关键点位置为各目标关键点的位置，轮廓330和轮廓340代表的关键点的位置为关键 点的第二当前位置。为了明确用户下一步应当配合做的动作，系统将生成合适的关键点目 标位置，并根据这些目标位置在屏幕终端以可视化的方式绘制出目标人脸轮廓，直观形象 地提示用户下一步要做的脸部动作。为了生成合适的关键点目标位置，系统需要参考上一 步人脸关键点的检测结果，因为这些关键点的位置暗示了用户的五官特征与当前的脸部状 态，根据这些个性特征和状态可以获知哪些关键点位置更适合作为下一步的动作目标。可 选的，如图3所示，当用户目前正处于闭嘴状态(轮廓330各关键点和轮廓340各关键点组成 的目标位置），则下一步可要求用户张开嘴巴，张嘴的幅度与形状可根据用户嘴巴的宽度以 及其它特征确定，并将目标形状绘制出来(轮廓310各关键点和轮廓320各关键点组成的目 标位置），以直观明确地告知用户下一步应当做什么动作。
[0048] 优选的，通过
I确定所述关键点的第二当前位置和所述目标位置之 间的距离;其中，N表示关键点的个数，当前第i个关键点位置Sx1，目标位置为yi。
[0049] 具体的，关键点的个数为N。当前第i个关键点的位置为X1，目标位置为yi，通过
确定所述关键点的第二当前位置和所述目标位置之间的距离。可选的，当 有50个关键点时，通过计算这50个关键点中每个关键点的位置和其对应的目标位置之间的 欧式距离的和，即
[0050] 步骤S280,如果所述第二当前位置和所述目标位置之间的距离小于等于距离阈 值，则确定本次人脸图像的检测合法;否则继续获取后续时刻的人脸图像，直至该次人脸图 像的检测合法。
[0051] 具体的，设定距离阈值L，当通过
计算得来的关键点的第二当前位 置和目标位置之间的距离小于等于距离阈值L时，则确定本次人脸图像的检测合法；当通过
计算得来的关键点的第二当前位置和目标位置之间的距离大于距离阈值L 时，则检测不合法，继续获取后续时刻的人脸图像，直至该次人脸图像的检测合法。
[0052] 优选的，用于人脸图像的检测方法还包括:如果连续预设次数检测人脸图像合法， 则确定当前人脸图像检测结束。
[0053] 具体的，记录人脸图像检测合法的次数，设定连续预设次数C，如果人脸图像检测 中连续合法的次数达到连续预设次数，则确定当前人脸图像检测结束。
[0054] 本发明实施例中，通过第二人脸头像中的关键点的第二位置的获取，确定关键点 的第二当前位置和目标位置之间的距离，根据该距离与距离阈值进行比较，判断该次人脸 图像的检测是否合法，若不合法则继续获取后续时刻的人脸图像直至该次人脸图像的检测 合法。实现了对人脸图像检测中合法的判断。
[0055] 实施例三
[0056] 图4是本发明实施例三中的一种用于人脸图像的检测装置的结构图，该装置适用 于执行本发明实施例一和本发明实施例二中提供的一种用于人脸图像的检测方法，该装置 具体包括:第一图像获取单元410、第一位置获取单元420、目标位置确定单元430和操作单 元440。
[0057] 第一图像获取单元410,用于获取当前时刻的第一人脸图像。
[0058] 第一位置获取单元420,与第一图像获取单元410相连，用于获取所述第一人脸图 像中的关键点的第一当前位置。
[0059] 目标位置确定单元430,与第一位置获取单元420相连，用于根据所述关键点的第 一当前位置和预设的标准人脸目标图像确定所述关键点的目标位置。
[0060] 操作单元440,与目标位置确定单元430相连，用于展示所述关键点从第一当前位 置至对应目标位置的运动过程。
[0061] 进一步的，所述装置还包括:第二图像获取单元、第二位置获取单元、距离确定单 元和检测单元。
[0062] 第二图像获取单元，与第一图像获取单元410相连，用于获取下一时刻的第二人脸 图像。
[0063] 第二位置获取单元，与所述第二图像获取单元相连，用于获取所述第二人脸图像 中的关键点的第二当前位置。
[0064] 距离确定单元，与所述第二位置获取单元，用于确定所述关键点的第二当前位置 和所述目标位置之间的距离。
[0065] 检测单元，与所述距离确定单元相连，用于如果所述第二当前位置和所述目标位 置之间的距离小于等于距离阈值，则确定本次人脸图像的检测合法;否则继续获取后续时 刻的人脸图像，直至该次人脸图像的检测合法。
[0066] 进一步的，通过
确定所述关键点的第二当前位置和所述目标位置 之间的距离;其中，N表示关键点的个数，当前第i个关键点位置Sx1，目标位置为yi。
[0067] 进一步的，所述装置还包括判断单元。
[0068] 判断单元，与所述检测单元相连，用于如果连续预设次数检测人脸图像合法，则确 定当前人脸图像检测结束。
[0069] 进一步的，所述关键点包括人脸图像中的五官轮廓的关键点和/或脸庞轮廓的关 键点。
[0070] 本发明实施例中，通过获取第一人脸图像中关键点的第一当前位置，并根据关键 点的第一当前位置和预设的标准人脸目标图像确定所述关键点的目标位置，展示所述关键 点从第一当前位置至对应目标位置的运动过程。以可视反馈机制克服动作指令歧义性问 题，降低了人脸检测中人脸被照片和视频攻击的几率，获得了较低的误识率和拒识率。
[0071] 显然，本领域技术人员应该明白，上述产品可执行本发明任意实施例所提供的方 法，具备执行方法相应的功能模块和有益效果。
[0072] 注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解， 本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、 重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行 了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还 可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1. 一种用于人脸图像的检测方法，其特征在于，包括： 获取当前时刻的第一人脸图像； 获取所述第一人脸图像中的关键点的第一当前位置； 根据所述关键点的第一当前位置和预设的标准人脸目标图像确定所述关键点的目标 位置； 展示所述关键点从第一当前位置至对应目标位置的运动过程。
2. 根据权利要求1所述的用于人脸图像的检测方法，其特征在于，还包括： 获取下一时刻的第二人脸图像； 获取所述第二人脸图像中的关键点的第二当前位置； 确定所述关键点的第二当前位置和所述目标位置之间的距离； 如果所述第二当前位置和所述目标位置之间的距离小于等于距离阈值，则确定本次人 脸图像的检测合法;否则继续获取后续时刻的人脸图像，直至该次人脸图像的检测合法。
3. 根据权利要求2所述的用于人脸图像的检测方法，其特征在于，通过
确定所述关键点的第二当前位置和所述目标位置之间的距离;其中，N表示关键点的个数， 当前第i个关键点位置为Xi，目标位置为yi。
4. 根据权利要求2所述的用于人脸图像的检测方法，其特征在于，还包括： 如果连续预设次数检测人脸图像合法，则确定当前人脸图像检测结束。
5. 根据权利要求1至4任一项所述的用于人脸图像的检测方法，其特征在于，所述关键 点包括人脸图像中的五官轮廓的关键点和/或脸庞轮廓的关键点。
6. —种用于人脸图像的检测装置，其特征在于，包括： 第一图像获取单元，用于获取当前时刻的第一人脸图像； 第一位置获取单元，与所述第一图像获取单元相连，用于获取所述第一人脸图像中的 关键点的第一当前位置； 目标位置确定单元，与所述第一位置获取单元相连，用于根据所述关键点的第一当前 位置和预设的标准人脸目标图像确定所述关键点的目标位置； 操作单元，与所述目标位置确定单元相连，用于展示所述关键点从第一当前位置至对 应目标位置的运动过程。
7. 根据权利要求6所述的用于人脸图像的检测装置，其特征在于，还包括： 第二图像获取单元，与所述第一图像获取单元相连，用于获取下一时刻的第二人脸图 像； 第二位置获取单元，与所述第二图像获取单元相连，用于获取所述第二人脸图像中的 关键点的第二当前位置； 距离确定单元，与所述第二位置获取单元，用于确定所述关键点的第二当前位置和所 述目标位置之间的距离； 检测单元，与所述距离确定单元相连，用于如果所述第二当前位置和所述目标位置之 间的距离小于等于距离阈值，则确定本次人脸图像的检测合法;否则继续获取后续时刻的 人脸图像，直至该次人脸图像的检测合法。
8. 根据权利要求7所述的用于人脸图像的检测装置，其特征在于，通^
确定所述关键点的第二当前位置和所述目标位置之间的距离;其中，N表示关键点的个数， 当前第i个关键点位置为Xi，目标位置为yi。
9. 根据权利要求7所述的用于人脸图像的检测装置，其特征在于，还包括： 判断单元，与所述检测单元相连，用于如果连续预设次数检测人脸图像合法，则确定当 前人脸图像检测结束。
10. 根据权利要求6至9任一项所述的用于人脸图像的检测装置，其特征在于，所述关键 点包括人脸图像中的五官轮廓的关键点和/或脸庞轮廓的关键点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611109652.4A CN106778574A (zh) | 2016-12-06 | 2016-12-06 | 用于人脸图像的检测方法和装置 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611109652.4A CN106778574A (zh) | 2016-12-06 | 2016-12-06 | 用于人脸图像的检测方法和装置 |
| PCT/CN2017/103289 WO2018103416A1 (zh) | 2016-12-06 | 2017-09-25 | 用于人脸图像的检测方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106778574A true CN106778574A (zh) | 2017-05-31 |
Family
ID=58878253
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611109652.4A Pending CN106778574A (zh) | 2016-12-06 | 2016-12-06 | 用于人脸图像的检测方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN106778574A (zh) |
| WO (1) | WO2018103416A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018103416A1 (zh) * | 2016-12-06 | 2018-06-14 | 广州视源电子科技股份有限公司 | 用于人脸图像的检测方法和装置 |
| CN108537278A (zh) * | 2018-04-10 | 2018-09-14 | 中国人民解放军火箭军工程大学 | 一种多源信息融合单目标位置确定方法及系统 |
| CN112287909A (zh) * | 2020-12-24 | 2021-01-29 | 四川新网银行股份有限公司 | 一种随机生成检测点和交互要素的双随机活体检测方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111709288B (zh) * | 2020-05-15 | 2022-03-01 | 北京百度网讯科技有限公司 | 人脸关键点检测方法、装置以及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080226175A1 (en) * | 2007-03-13 | 2008-09-18 | Aisin Seiki Kabushiki Kaisha | Apparatus, method, and program for face feature point detection |
| CN103631370A (zh) * | 2012-08-28 | 2014-03-12 | 腾讯科技（深圳）有限公司 | 一种控制虚拟形象的方法及装置 |
| CN103679159A (zh) * | 2013-12-31 | 2014-03-26 | 海信集团有限公司 | 人脸识别方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100438841B1 (ko) * | 2002-04-23 | 2004-07-05 | 삼성전자주식회사 | 이용자 검증 및 데이터 베이스 자동 갱신 방법, 및 이를이용한 얼굴 인식 시스템 |
| CN105260726B (zh) * | 2015-11-11 | 2018-09-21 | 杭州海量信息技术有限公司 | 基于人脸姿态控制的交互式视频活体检测方法及其系统 |
| CN106778574A (zh) * | 2016-12-06 | 2017-05-31 | 广州视源电子科技股份有限公司 | 用于人脸图像的检测方法和装置 |
-
2016
- 2016-12-06 CN CN201611109652.4A patent/CN106778574A/zh active Pending
-
2017
- 2017-09-25 WO PCT/CN2017/103289 patent/WO2018103416A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080226175A1 (en) * | 2007-03-13 | 2008-09-18 | Aisin Seiki Kabushiki Kaisha | Apparatus, method, and program for face feature point detection |
| CN103631370A (zh) * | 2012-08-28 | 2014-03-12 | 腾讯科技（深圳）有限公司 | 一种控制虚拟形象的方法及装置 |
| CN103679159A (zh) * | 2013-12-31 | 2014-03-26 | 海信集团有限公司 | 人脸识别方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018103416A1 (zh) * | 2016-12-06 | 2018-06-14 | 广州视源电子科技股份有限公司 | 用于人脸图像的检测方法和装置 |
| CN108537278A (zh) * | 2018-04-10 | 2018-09-14 | 中国人民解放军火箭军工程大学 | 一种多源信息融合单目标位置确定方法及系统 |
| CN108537278B (zh) * | 2018-04-10 | 2019-07-16 | 中国人民解放军火箭军工程大学 | 一种多源信息融合单目标位置确定方法及系统 |
| CN112287909A (zh) * | 2020-12-24 | 2021-01-29 | 四川新网银行股份有限公司 | 一种随机生成检测点和交互要素的双随机活体检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2018103416A1 (zh) | 2018-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106897658B (zh) | 人脸活体的鉴别方法和装置 | |
| US20180211104A1 (en) | Method and device for target tracking | |
| Hsieh et al. | A real time hand gesture recognition system using motion history image | |
| CN106778574A (zh) | 用于人脸图像的检测方法和装置 | |
| Zhao et al. | Mobile user authentication using statistical touch dynamics images | |
| CN107590430A (zh) | 活体检测方法、装置、设备及存储介质 | |
| WO2019128932A1 (zh) | 人脸姿态分析方法、装置、设备、存储介质以及程序 | |
| US10318797B2 (en) | Image processing apparatus and image processing method | |
| EP2608108A1 (en) | Face feature vector construction | |
| CN105205462A (zh) | 一种拍照提示方法及装置 | |
| US11295474B2 (en) | Gaze point determination method and apparatus, electronic device, and computer storage medium | |
| KR101612605B1 (ko) | 얼굴 특징점 추출 방법 및 이를 수행하는 장치 | |
| CN108182397B (zh) | 一种多姿态多尺度的人脸验证方法 | |
| US20210042548A1 (en) | Living body detection method and apparatus, electronic device, storage medium, and related system to which living body detection method is applied | |
| CN105335719A (zh) | 活体检测方法及装置 | |
| WO2020124993A1 (zh) | 活体检测方法、装置、电子设备及存储介质 | |
| Arcoverde Neto et al. | Enhanced real-time head pose estimation system for mobile device | |
| JP2006133941A (ja) | 画像処理装置、画像処理方法、画像処理プログラム及び携帯型端末 | |
| CN111461001A (zh) | 一种计算机视觉自动开车门方法及其系统 | |
| EP3651055A1 (en) | Gesture recognition method, apparatus, and device | |
| CN111191549A (zh) | 一种两级人脸防伪检测方法 | |
| Elakkiya et al. | Intelligent system for human computer interface using hand gesture recognition | |
| Vieriu et al. | Background invariant static hand gesture recognition based on Hidden Markov Models | |
| US20200380279A1 (en) | Method and apparatus for liveness detection, electronic device, and storage medium | |
| US20180357212A1 (en) | Detecting occlusion of digital ink |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |