CN107210007A - 防止基于面部的认证假冒 - Google Patents

防止基于面部的认证假冒 Download PDF

Info

Publication number
CN107210007A
CN107210007A CN201580058472.5A CN201580058472A CN107210007A CN 107210007 A CN107210007 A CN 107210007A CN 201580058472 A CN201580058472 A CN 201580058472A CN 107210007 A CN107210007 A CN 107210007A
Authority
CN
China
Prior art keywords
pattern
personation
region
user
feature
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
Application number
CN201580058472.5A
Other languages
English (en)
Inventor
D·L·格劳曼
R·高希
R·S·纳贾拉
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.)
Intel Corp
Original Assignee
Intel Corp
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 Intel Corp filed Critical Intel Corp
Publication of CN107210007A publication Critical patent/CN107210007A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09C—CIPHERING OR DECIPHERING APPARATUS FOR CRYPTOGRAPHIC OR OTHER PURPOSES INVOLVING THE NEED FOR SECRECY
    • G09C5/00—Ciphering apparatus or methods not provided for in the preceding groups, e.g. involving the concealment or deformation of graphic data such as designs, written or printed messages
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H04L9/3231—Biological data, e.g. fingerprint, voice or retina
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
    • 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
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)
  • Image Input (AREA)

Abstract

本文描述了用于防止基于面部的认证假冒的系统和技术。可以控制可见光发射器在认证尝试期间将图案投射到照相机的视场中。可以从照相机获得用于认证尝试的图像。可以通过找到图案来识别图像上的潜在假冒区域。可以防止基于在潜在假冒区域中找到的面部的认证尝试。

Description

防止基于面部的认证假冒
优先权要求
本专利申请要求于2015年9月25日提交的序号为14/865,763的美国申请的优先权的权益，该申请要求于2014年11月13日提交的题为“SCREEN REFLECTION ANTI-SPOOFINGSYSTEM AND METHOD”的序号为62/079,082的美国临时申请的优先权的利益，其全部内容通过引用特此并入本文。
技术领域
本文描述的实施例总体上涉及生物计量计算机认证，以及更具体地涉及防止基于面部的认证假冒。
背景技术
出于认证目的的面部识别允许用户使用她的面部来向计算机系统进行认证。一般地，对用户的面部进行捕获和分析以产生并存储特征集，以在建立过程中唯一地识别用户。当用户希望在将来的认证尝试中使用其面部时，照相机将捕获用户面部的表示并对其进行分析，以确定其是否充分地匹配所存储的特征集。当用户面部的当前图像捕获与所存储的特征集之间得以充分匹配时，用户认证到计算机系统。
附图说明
在附图中，不一定按比例绘制，同样的数字在不同视图中可以描述类似的组件。具有不同字母后缀的同样的数字可以表示类似组件的不同实例。附图作为示例而非作为限制，总体地示出了本文档中所讨论的各种实施例。
图1是根据实施例的包括用于防止基于面部的认证假冒的系统的环境的示例的框图。
图2是根据实施例的用于防止基于面部的认证假冒的照相机可见的场景的示例。
图3是根据实施例的用于防止基于面部的认证假冒的系统和场景组件的示例布置的图。
图4A是根据实施例的发射图案的示例，而图4B是根据实施例的在发射图案下的场景反射率的示例。
图5示出了根据实施例的用于防止基于面部的认证假冒的方法的示例的流程图。
图6示出了根据实施例的用于防止基于面部的认证假冒的方法的示例的流程图。
图7是示出可以在其上实现一个或多个实施例的机器的示例的框图。
具体实施方式
一些当前的面部识别解决方案容易被照片(例如，在手机、平板电脑等之上的)假冒(例如，伪造)。例如，人可以获取用户的图片(例如，经由平板电脑照相机或从员工的社交媒体简档)、在设备上显示该图片、并将该设备举在用于捕获面部表示的照相机前面以认证用户。因此，该人已经假冒了用户的真实面部，以欺诈基于面部的认证过程。
为了防止面部假冒，可以采用一些类型的防假冒技术(单独地或组合地)，例如，请求用户执行某些任务(例如，调用可能难以预测的动态用户参与以使假冒复杂化)或者分析图像捕获的上下文(例如，环境)以确定所捕获的图像是否表示“实时”用户。这两种技术都可以在实时用户和复制品之间进行区分，但是仅仅请求更多的用户输入(例如，以具体任务、假定身体位置等的形式)可能会呈现一些用户体验挑战(例如，如何表示请求、用户遵从请求的难度、执行请求的时间过多等)。然而，分析图像被捕获的上下文可以避免与更具交互性的技术相关联的用户体验挑战。此外，可以采用技术来引导用户行为而不需要特定的指令。例如，简单地呈现正在移动的感兴趣对象将在不必告知用户跟踪该对象的情况下捕获用户的注意力。这样的技术可以增强环境观察而不会使用户有负担。
一种上下文分析技术利用实际人脸与设备或高质量打印物之间的反射率差异。具体地，设备的平坦硬表面一般很好地反射可见光，而人脸趋于使可见光变形并漫反射。相应地，可以通过将可见光的图案发射到捕获空间(例如，用于捕获面部图像以用于认证的照相机的视场)中并搜索该图案的再现来防止基于面部的认证的假冒。如果在与检测到的面部相同的图像的区域中找到图案，则该面部可以被认为是假冒尝试，并且例如从认证过程中将其排除。虽然下面描述了这种技术以识别假冒尝试(例如，使用复制品而不是真实的生物计量组成部分来认证用户)，但是可以使用相同的技术来识别实时的生物计量组成部分，例如，当在未检测到图案的区域中检测到面部时。因此，即使在假冒不是关注的问题的环境中——例如，在家庭中，是否认证可能主要用于识别用户以用于应用或环境定制，而不是访问安全性——识别实时面部也可以通过避免对身体部位的无生命表示(例如，放在孩子的手臂中的玩偶)进行认证处理来减少处理开销或否定的认证尝试。
本文所讨论的可见光发射技术不要求用户在认证时执行附加动作，并且因此是对要求用户执行附加任务(例如，移动一定的距离、眨眼等)的技术的改进。此外，该技术对抗基于用户交互的实时性检测的假冒尝试，这些尝试典型地使用了用另一个屏幕(如手机或平板电脑)执行用户交互行为的目标人员的预先录制的视频。此外，使用可见光发射可以照亮面部以增强用于认证的面部特征识别。因此，本文所描述的技术改进了抵抗假冒攻击的基于面部的认证，提供了更好的用户体验，并且进一步增强了根本的基于面部的认证机制。
图1是根据实施例的包括用于防止基于面部的认证假冒的系统105的环境100的示例的框图。系统105可以包括照相机120(例如，数字照相机或录像机等)、显示器140(例如，屏幕、监视器、投射仪等)、可选地包括附加的可见光发射器145(投射仪、闪光灯、频闪仪等)、发射器控制器125、图像采样器130以及假冒检测控制器135。当将分析从识别假冒尝试转变到识别实时身体部位(例如，面部)时，假冒检测控制器135也可以被称为实时性检测控制器。系统105还可以包括认证控制器(未示出)，其实际执行用户115的认证。如下面关于图7所描述的，这些组件中的每一个组件在诸如电路组的计算机硬件中实现。
发射器控制器125可以被布置为在认证尝试期间将图案投射到照相机120的视场110中。例如，用户115可以坐在计算机处并启动登录过程。发射器控制器125可以被通知登录过程已经开始并对图案进行投射。
在示例中，可见光发射器是设备显示器。设备显示器可以用于呈现认证用户界面(UI)，用户155在认证尝试期间与认证用户界面(UI)进行交互。在示例中，图案是认证UI的背景。如在本上下文中所使用的，背景是指不构成UI的使用的UI的元素，例如，不用于向用户115传送认证信息或指令的显示设备上的图像或图案填充空间。相应地，不要求背景在任何其它UI元素的后面。
在示例中，图案正在移动。如本文所使用的，该移动需要随时间改变图案元素(例如，形状、颜色等)。在示例中，该改变是限于以下改变的动画：表现为元素在发射器145的发射区域(例如，投射区域)或显示器140中从第一位置平移到第二位置。例如，可以在随后的帧中将跨越发射区域的宽度并在发射区域的底部开始的水平的红色矩形从发射区域的底部向上平移，以使得矩形的紧随其后的渲染与矩形的先前的渲染重叠。在示例中，移动图案可以是任何一个给定时刻时的纯色。例如，图案可以是来自发射器145的闪光。
在示例中，图案包括前景和背景。如本文所使用的，前景和背景相对于图案仅仅在图案的两个宏元素之间进行区分。在示例中，背景是发射区域的比前景大的部分。在示例中，背景和前景分别是单色的。在示例中，背景和前景是高对比度的。也就是说，它们在很大程度上相互对比。可以预设定对比度，并且因此超出预设值的对比度(例如，颜色差异高于平均颜色)表明前景和背景是高对比度的。示例高对比度组合包括黑色和白色、青色和黑色、黄色和黑色、橙色和黑色等。在示例中，背景为白色，而前景为黑色。这个示例是有用的，因为前景和背景之间的对比使得图案识别更容易，并且还因为白光发射可以有助于照亮用户的面部以得到更好的面部特征提取。在示例中，可以专门选择背景以增强用于认证尝试的面部照明。如先前指出的，一般很好地执行这个任务。然而，可以基于例如周围环境的照明条件来使用另一种颜色，以实现实际的白平衡(例如，在红色主导的周围环境照明中的蓝色背景)。
在示例中，图案可以包括将其与有机特征(例如，生物的形状或其它特性)区分开的特征。这些特征可以包括省略不规则的圆形形状，因为许多有机特征缺少锐利的边缘或规则的精度。在示例中，特征仅包括直线。在示例中，直线用于组成规则形状。
在示例中，系统105可以包括库控制器。库控制器可以被布置为获得用户提交的图案(例如，经由配置UI等)。库控制器还可以被布置为测试用户提交的图案以确定其是否具有将其(图案)与有机特征区分开的特征。可以对用户提交的图案进行关于其是否包括粗体形状、鲜明的色彩对比部分以及允许图像分析器将根本的面部特征与面部上的投射图案区分开的其它图像细节的测试。在示例中，库控制器可以拒绝任何不具有这种可区分特征的提交的图像。在该示例中，拒绝可以包括拒绝所提交的图案进入库中，例如，由发射器控制器125从该库中选择发射图案。
在示例中，库控制器可以被布置为修改用户提交的图案以添加可区分特征。这样的修改可以包括对用户提交的图案进行直线、规则形状等的叠加。以这种方式，用户可以选择在认证尝试期间要显示的令人愉快的视觉元素，而不会有损本技术。在用户提交的图案具有足够的可区分特征或添加了可区分特征的任何示例中，可以将所生成的提交的图案添加到库以供将来使用。
图像采样器130可以被布置为从照相机120获得(例如，检索、接收等)图像以用于认证尝试。也就是说，由图像采样器检索的图像是这样的图像：其中将进行识别用于认证目的的面部的尝试。在示例中，系统105可以从照相机20获得图像序列。在示例中，可以处理图像序列以减少噪声(例如，应用滤波器)。在示例中，可以处理图像序列以减少颜色信息。在示例中，可以将颜色信息减少到每像素一位(例如，黑色和白色)。
假冒检测控制器135可以被布置为通过在图像中在预定容限内找到图案来识别图像的潜在假冒区域。预定容限允许反射图案与原件的一些偏差。例如，可以对图案进行缩放、形状反转(例如，通过反射)、颜色转变等。然而，容限足以在假冒设备的一般反射表面和实际人脸之间进行区分。在移动图案的示例中，为了找到图案，可以将假冒检测控制器布置为基于时间来预测图案在图像中的位置。例如，假冒检测控制器135可以与发射器控制器125通信以控制(或至少获得)图案特征的空间和时间坐标。假冒检测控制器135可以使用该信息来确定在图像被照相机120捕获到时应该反射什么内容。这里，容限可以定义时间窗，以使得考虑图像处理滞后、发射滞后或发射的事件往返行进时间(例如，在照相机120以非常高的速度捕获图像序列中的图像的情况下)。
在示例中，假冒检测控制器135通过搜索该图案的特定特征来找到该图案。例如，图案可以包括具有黑色盒子的白色背景，黑色盒子内是图像(例如，由用户选择的)。在该示例中，假冒检测控制器135可以将其搜索限制到黑色盒子和白色背景的高频边界，而忽略该盒子的内容。这可以减少执行搜索所需的硬件、加快搜索的速度、或提高搜索的精度。在示例中，所搜索的特征是线边缘。
在示例中，假冒检测控制器135可以在多个图像上查找图案，其中图像是多个图像中的一个图像。这可以通过提供附加信息以解决可能的噪声图像来有益于精度。在该示例中，假冒检测控制器135可以在多个图像上搜索图案，可能仅识别这些图像中的少数图像中的图案。然后，假冒检测控制器135可以在多个图像上测量针对其中先前找到过图案的区域的信噪比。例如，如果在一百个图像中的两个图像中在特定区域中找到图案，则信噪比将为2/100ths。然后可以使该比率服从阈值。也就是说，如果在多个图像上其中找到肯定样本的区域包括肯定样本除以总样本的数量超过阈值，则该区域是潜在假冒区域。
假冒检测控制器135可以被布置为防止基于在潜在假冒区域中找到的面部的认证尝试。在示例中，这可以通过将潜在假冒区域传达给认证器来实现。该示例可以通过允许面部识别机制避免对潜在假冒区域进行处理来提高处理效率。在示例中，假冒检测控制器135可以修改图像以破坏(例如，去除任何细节)潜在假冒区域，因此防止肯定认证。在示例中，假冒检测控制器135可以简单地指示进行了假冒尝试，认证器根据这种情况来行动以拒绝认证。
图2是根据实施例的用于防止基于面部的认证假冒的照相机120可见的场景210的示例。图2示出了环境组件，例如，用户115的表示205、设备220、设备220上的面部215以及其它背景组件。场景210是图1所示的视场110内的组件的图示。
图3是根据实施例的用于防止基于面部认证假冒的系统105和场景210组件的示例布置300的图。如上面所指出的，将光发射到环境中可以提供快速、高效且方便的机制来对抗假冒。布置300包括用于发射目的的照相机120和显示器140。在示例中，可以将发射器145用于(除了显示器140之外或者单独地)将光发射到环境中。在布置300中，用户115正持有设备220。实线箭头指示光在由显示器140发射之后从设备145到照相机120的反射。类似地，虚线箭头指示光在被发射之后从用户115到照相机120的反射。
图4A是根据实施例的发射图案的示例，而图4B是根据实施例的在发射图案下的场景反射率的示例。在该示例中，所示出的“锯齿状”波纹图案是由显示器140发射的。如图4B所示，这样的发射将会使图案投射到环境中并从其中的表面进行反射以被照相机120捕获。可见光图案的反射率在设备220的光泽表面上应该更大。因此，图案在设备220上可观察到，但是在用户115的表示205上不可观测到。在图案被充分地从用户115反射的示例中，用户115的面部的不均匀性质将导致可能被观察到的图案扭曲。观察这些扭曲可以采取注意到反射图案超出预定容限的形式。在任何情况下(例如，图案从面部205的不反射性或扭曲的反射性)，设备220具有与面部205的反射特性相区分的反射特性。
下文描述该技术的附加特征。这种技术通过将已知图案投射到环境中继而检测在假冒图像上是否存在反射，来利用许多假冒介质的反射特性。在图像中检测这种独特的图案表明正在使用假冒设备220来代替用户115的面部。这种方法比例如基于定向的或脚本化的用户移动的反假冒技术更好，因为这种方法避免了由于社交可观察的定向运动(例如，脚本化的眨眼或姿态移动)而使用户不便，使得其在认证程序期间是显然的。这样做也维持了基于特征的认证的初始的易于访问的承诺。
在示例中，在显示器140上放置看似无害的欢迎屏幕。当用户115尝试登录时，由于图案在面部和衣服上的漫反射而没有检测到从其面部205的反射。然而，当诸如手机或平板电脑的设备220将个人的面部呈现给照相机120时，欢迎屏幕的图案(如由显示器140投射的)从设备220的屏幕反射。在示例中，在图像序列中的多个图像上跟踪图案的特征。如果信噪比高于阈值，则宣告该面部215无效。
在示例中，图案包括与在人脸、上身或身体的其它物品上找到的或穿戴在身体上的有机形状良好分离的特征。在示例中，从图案库中选择图案。在示例中，图案是照相机120的硬件、软件或固件的一部分。在示例中，图案由用户115提供。在示例中，当由用户115提交图案时，可以通过系统105对图案执行分析和特征提取，以确保当从设备220反射时可以检测到图案。
在示例中，图案可以在显示器140上移动。静态图像的主导特性在于直线的锐利边缘对比度。在示例中，高对比度线边缘的移动组可以以固定的或已知的可变(例如，符合已知功能)移动速率扫(例如，扫描)过显示器140，并且因此在检测静态图像时是高效的。这种方法还具有增加信噪比的优点。这种方法还避免了静态图案的特征落在使图案的重要方面模糊的面部的部分(例如，胡须)上的问题。在示例中，系统105可以搜索传感器120的视场110中扫过的一条线或多条线的特征。如果在图像中检测到图案特征，则使用以下知识来预测该特征在后续图像中的位置：扫描速率和传感器120采样时间。以这种方式，实现了系统105正在产生反射图案的附加的确定性。
图5示出了根据实施例的用于防止基于面部认证假冒的方法500的示例的流程图。
在操作505处，可以控制可见光发射器在使用面部的认证尝试期间在照相机的视场中投射图案。在示例中，发射器可以是设备显示器。在示例中，图案是认证UI的背景。在示例中，图案可以包括背景和前景。在示例中，背景和前景是高对比度的。在示例中，前景是黑色的而背景是白色的。在示例中，背景被选择以照亮用于认证尝试的面部。
在示例中，图案包括将其与有机特征区分开的一个或多个特征。在示例中，图案由一条或多条直线构成。在可选操作中，方法500可以接收用户提交的图案并对用户提交的图案进行测试以确定其是否具有将其与有机特征区分开的特征。在示例中，方法500可以可选地在用户提交的图案具有将其与有机特征区分开的特征时，将用户提交的图案包括在图案库中，否则拒绝用户提交的图案。在示例中，方法500可以可选地包括在将图案放入库中之前向用户提交的图案添加特征，所添加的特征能与有机特征区分开。在示例中，仅当用户提交的图案不具有可区分的特征时，才会添加附加特征。在示例中，图案正在移动。在示例中，图案包括扫描穿过可见光发射器的发射区域的元素。
在操作510处，可以接收来自照相机的图像以用于认证尝试。
在操作515处，可以通过在图像中在预定容限内找到图案来识别潜在假冒区域。在示例中，在图像中在预定容限内找到图案可以包括找到图案的特征，而不是匹配整个图案。在示例中，该特征是线边缘。在图案正在移动的示例中，在预定容限内找到图案可以包括基于时间来预测图案在图像中的位置。
在示例中，通过在图像中在预定容限内找到图案来识别图像的潜在假冒区域可以包括在多个图像上找到图案。可以在多个图像上测量针对其中先前找到过图案的区域的信噪比。当信噪比超过阈值时，可以使得该区域成为潜在假冒区域。
在操作520处，可以防止基于在潜在假冒区域中找到的面部的认证尝试。
图6示出了根据实施例的用于防止基于面部的认证假冒的方法600的示例的流程图。在图5的示例实施例中，在601处获取图案，并且在602处进行检查，以确定该图案是否为新图案(或由用户提供的图案)。如果图案不是新图案，则控制移动到610，并且从显示器108投射该图案。
在602处，如果图案是新图案，则控制移动到604，并且提取新图案的特征。然后控制移动到610，其中从显示器108投射该图案。
在612处，通过照相机捕获图像，并且在614处，分析所捕获的图像以识别所捕获的图像中的反射图案。在示例中，所获取的图像将只包含微弱噪声版本的反射。在该示例中，可以对所捕获的图像执行噪声分析，并且可以在尝试在616处提取图案特征之前提取反射图案的估计。
在616处，从所捕获的图像中提取反射图案的特征。在618处，将从反射图案中提取的特征与从所获取的图案中提取的特征进行比较，并且在620处做出关于它们是否匹配(在指定的容限内)的确定。如果匹配，则控制移动到622，并且宣告图像为假冒。否则控制移动到624，并且宣告图像是可接受的图像。
如上面所指出的，在618处进行检查以查看在610处发送的图案是否与图像中的反射匹配。在示例中，这是通过测量高对比度线之间的距离来完成的。该方法在图案120中的线正在移动时特别有效。
在示例中，当图案正在移动时使用距离比较。例如，可以将图案放置在被记录的屏幕的随机位置处。然后在x毫秒之后(例如，其中x在250毫秒至1000毫秒之间)，在612处捕获帧，在614处检测反射图案，并且在616处提取其特征以用于图案匹配。在618处，如果原始图案与反射图案匹配，则针对图案的预期位置来检查反射图案的位置。如果反射图案的位置与预期位置匹配，给定期望的行进距离和移动图案的方向，则可以以更高的置信度来确定假冒。在示例中，如果图案的行进距离与图案的期望行进距离匹配，并且在618处进行检查时在预定义的阈值内，则在622处宣告假冒。
图7示出了示例机器700的框图，在该示例机器700上可以执行本文讨论的技术(例如，方法)中的任何一种或多种。在替代实施例中，机器700可以作为独立设备操作，或者可以连接(例如，联网)到其它机器。在联网的部署中，机器700可以在服务器机器、客户端机器的容量中运行，或者在服务器-客户端网络环境两者中运行。在示例中，机器700可以用作对等(P2P)(或其它分布式的)网络环境中的对等机。机器700可以是个人计算机(PC)、平板式PC、机顶盒(STB)、个人数字助理(PDA)、移动电话、网络设备、网络路由器、交换机或网桥、或能够执行指定要由该机器采取的动作的指令(顺序的或其它的)的任何机器。此外，虽然仅示出了单个机器，但是术语“机器”还应被视为包括单独或共同执行一组(或多组)指令以执行本文所讨论的方法中的任何一种或多种方法的任何机器集合，例如，云计算、软件即服务(SaaS)、其它计算机集群配置。
如本文所述的示例可以包括逻辑或多个组件或机制，或者可以由逻辑或多个组件或机制来操作。电路集(也被称为一组电路或电路组)是在包括硬件(例如，简单电路、门、逻辑等)的有形实体中实现的电路的集合。电路集成员关系可能随着时间和底层硬件可变性而变化。电路集包括在运行时可以单独地或组合地执行指定操作的成员。在示例中，电路集的硬件可以被不变地设计成执行特定的操作(例如，硬连线)。在示例中，电路集的硬件可以包括可变地连接的物理组件(例如，执行单元、晶体管、简单电路等)，其包括物理地修改(例如，不变质量的粒子的磁性地、电地可移动放置等)的计算机可读介质以对特定操作的指令进行编码。在连接物理组件时，硬件构成部分的基本电气特性改变，例如，从绝缘体变为导体，反之亦然。该指令使得嵌入式硬件(例如，执行单元或加载机制)能够经由可变连接来创建硬件中的电路集的成员，以在操作时执行特定操作中的部分特定操作。相应地，当设备运行时，计算机可读介质通信地耦合到电路集成员的其它组件。在示例中，物理组件中的任何物理组件可以用于多于一个电路集的多于一个成员中。例如，在运行中，执行单元可以在一个时间点时用于第一电路集的第一电路并由第一电路集中的第二电路重新使用，或者在不同的时间时由第二电路集中的第三电路使用。
机器(例如，计算机系统)700可以包括硬件处理器702(例如，中央处理单元(CPU)、图像处理单元(GPU)、硬件处理器核心或其任何组合)、主存储器704以及静态存储器706，其中的一些或全部可以经由互连(例如，总线)708彼此通信。机器700还可以包括显示单元710、字母数字输入设备712(例如，键盘)以及用户界面(UI)导航设备714(例如，鼠标)。在示例中，显示单元710、输入设备712以及UI导航设备714可以是触摸屏显示器。机器700可以附加地包括存储设备(例如，驱动单元)716、信号产生设备718(例如，扬声器)、网络接口设备720、以及一个或多个传感器721，例如，全球定位系统(GPS)传感器、罗盘、加速度计或其它传感器。机器700可以包括输出控制器728，例如，串行(例如，通用串行总线(USB)、并行或其它有线或无线(例如，红外(IR)、近场通信(NFC)等)连接以与一个或多个外围设备(例如，打印机、读卡器等)通信或对其进行控制。
存储设备716可以包括机器可读介质722，其上存储有由本文所描述的技术或功能中的任何一种或多种体现或利用的一组或多组数据结构或指令724(例如，软件)。在由机器700执行期间，指令724还可以完全地或至少部分地驻留在主存储器704内、在静态存储器706内、或在硬件处理器702内。在示例中，硬件处理器702、主存储器704、静态存储器706或存储设备716中的一个或任何组合可以构成机器可读介质。
虽然机器可读介质722被示为单个介质，但是术语“机器可读介质”可以包括被配置为存储一个或多个指令724的单个介质或多个介质(例如，集中式或分布式数据库和/或相关联的高速缓存和服务器)。
术语“机器可读介质”可以包括任何以下介质：能够存储、编码或携带由机器700执行的指令并且使得机器700执行本公开的技术中的任何一种或多种技术，或者能够存储、编码或携带由这些指令使用或与这些指令相关联的数据结构。非限制性机器可读介质示例可以包括固态存储器，以及光介质和磁介质。在示例中，大容量机器可读介质包括具有多个具有不变(例如，静止)质量的粒子的机器可读介质。相应地，大容量机器可读介质不是暂时性的传播信号。大容量机器可读介质的具体示例可以包括：非易失性存储器，例如，半导体存储设备(例如，电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM))和闪存设备；磁盘，例如，内部硬盘和可移动磁盘；磁光盘；以及CD-ROM和DVD-ROM磁盘。
还可以通过使用传输介质的通信网络726经由网络接口设备720利用多个传输协议(例如，帧中继、因特网协议(IP)、传输控制协议(TCP)、用户数据报协议(UDP)、超文本传输协议(HTTP)等)中的任何一个传输协议来发送或接收指令724。示例通信网络可以包括局域网(LAN)、广域网(WAN)、分组数据网络(例如，因特网)、移动电话网络(例如，蜂窝网络)、普通老式电话(POTS)网络和无线数据网络(例如，被称为的电气和电子工程师协会(IEEE)802.11标准系列、被称为的IEEE802.16标准系列)、IEEE 802.15.4标准系列、对等(P2P)网络，以及其它。在示例中，网络接口设备720可以包括用于连接到通信网络726的一个或多个物理插孔(例如，以太网、同轴或电话插孔)或一个或多个天线。在示例中，网络接口设备720可以包括使用单输入多输出(SIMO)、多输入多输出(MIMO)或多输入单输出(MISO)技术中的至少一种技术进行无线通信的多个天线。术语“传输介质”应被视为包括能够存储、编码或携带由机器700执行的指令的任何无形介质，并且包括数字或模拟通信信号或促进这种软件的通信的其它无形介质。
附加注释和示例
示例1是一种用于防止基于面部的认证假冒的系统，该系统包括：发射器控制器，其用于控制可见光发射器在使用面部的认证尝试期间将图案投射到照相机的视场中；图像采样器，其用于从照相机获得用于认证尝试的图像；以及假冒检测控制器，其用于：通过在图像中在预定容限内找到图案来识别图像的潜在假冒区域；以及防止基于在潜在假冒区域中找到的面部的认证尝试。
在示例2中，示例1的主题可以可选地包括，其中可见光发射器是设备显示器。
在示例3中，示例2的主题可以可选地包括，其中图案是认证用户界面的背景。
在示例4中，示例1至3中的任何一个或多个示例的主题可以可选地包括，其中图案正在移动。
在示例5中，示例4的主题可以可选地包括，其中图案包括扫描穿过可见光发射器的发射区域的元素。
在示例6中，示例4至5中的任何一个或多个示例的主题可以可选地包括，其中通过在预定容限内找到图案来识别图像的潜在假冒区域包括假冒检测控制器被布置为基于时间来预测图案在图像中的位置。
在示例7中，示例1至6中的任何一个或多个示例的主题可以可选地包括，其中图案包括前景和背景。
在示例8中，示例7的主题可以可选地包括，其中前景和背景是高对比度的。
在示例9中，示例8的主题可以可选地包括，其中前景是黑色的而背景是白色的。
在示例10中，示例7至9中的任何一个或多个示例的主题可以可选地包括，其中背景被选择以照亮用于认证尝试的面部。
在示例11中，示例10的主题可以可选地包括，其中图案包括将其与有机特征区分开的特征。
在示例12中，示例11的主题可以可选地包括，其中图案由直线构成。
在示例13中，示例12的主题可以可选地包括，包含库控制器，其用于：接收用户提交的图案；以及对用户提交的图案进行测试以确定其是否具有将其与有机特征区分开的特征。
在示例14中，示例13的主题可以可选地包括，其中假冒控制器被布置为当用户提交的图案具有将其与有机特征区分开的特征时，将用户提交的图案包括在图案库中，否则拒绝用户提交的图案。
在示例15中，示例14的主题可以可选地包括，其中库控制器被布置为：当用户提交的图案不具有将其与有机特征区分开的特征时，将能与有机特征区分开的特征添加到用户提交的图案中，该用户提交的图案包括图案库中的用户提交的图案；以及将修改后的用户提交的图案包括到图案库中。
在示例16中，示例15的主题可以可选地包括，其中通过在图像中在预定容限内找到图案来识别图像的潜在假冒区域包括假冒检测控制器被布置为找到图案的特征。
在示例17中，示例16的主题可以可选地包括，其中特征是线边缘。
在示例18中，示例17的主题可以可选地包括，其中通过在图像中在预定容限内找到图案来识别图像的潜在假冒区域包括假冒控制器被布置为：在包括图像的多个图像上找到图案；在多个图像上测量针对其中先前找到过图案的区域的信噪比；以及当信噪比超过阈值时，使得该区域成为潜在假冒区域。
示例19是一种用于防止基于面部的认证假冒的方法，该方法包括：控制可见光发射器在使用面部的认证尝试期间将图案投射到照相机的视场中；从照相机获得用于认证尝试的图像；通过在图像中在预定容限内找到图案来识别图像的潜在假冒区域；以及防止基于在潜在假冒区域中找到的面部的认证尝试。在另一个示例中，机器可读介质可以包括使机器执行示例19-36中的任何一个示例的指令。在另一个示例中，该系统可以包括用于执行示例19-36中的任何一个示例的模块。
在示例20中，示例18的主题可以可选地包括，其中可见光发射器是设备显示器。
在示例21中，示例20的主题可以可选地包括，其中图案是认证用户界面的背景。
在示例22中，示例19-21中的任何一个或多个示例的主题可以可选地包括，其中图案正在移动。
在示例23中，示例22的主题可以可选地包括，其中图案包括扫描穿过可见光发射器的发射区域的元素。
在示例24中，示例23的主题可以可选地包括，其中在预定容限内找到图案包括基于时间来预测图案在图像中的位置。
在示例25中，示例19-24中的任何一个或多个示例的主题可以可选地包括，其中图案包括前景和背景。
在示例26中，示例25的主题可以可选地包括，其中前景和背景是高对比度的。
在示例27中，示例26的主题可以可选地包括，其中前景是黑色的而背景是白色的。
在示例28中，示例27的主题可以可选地包括，其中背景被选择以照亮用于认证尝试的面部。
在示例29中，示例19-28中的任何一个或多个示例的主题可以可选地包括，其中图案包括将其与有机特征区分开的特征。
在示例30中，示例29的主题可以可选地包括，其中图案由直线构成。
在示例31中，示例2-30中的任何一个或多个示例的主题可以可选地包括，包含：接收用户提交的图案；以及对用户提交的图案进行测试以确定其是否具有将其与有机特征区分开的特征。
在示例32中，示例31的主题可以可选地包括，包含：当用户提交的图案具有将其与有机特征区分开的特征时，将用户提交的图案包括在图案库中，否则拒绝用户提交的图案。
在示例33中，示例32的主题可以可选地包括，包含：当用户提交的图案不具有将其与有机特征区分开的特征时，将能与有机特征区分开的特征添加到用户提交的图案中，该用户提交的图案包括图案库中的用户提交的图案；以及将修改后的用户提交的图案添加到图案库中。
在示例34中，示例19-33中的任何一个或多个示例的主题可以可选地包括，其中在图像中在预定容限内找到图案包括找到图案的特征。
在示例35中，示例34的主题可以可选地包括，其中特征是线边缘。
在示例36中，示例19-35中的任何一个或多个示例的主题可以可选地包括，其中通过在图像中在预定容限内找到图案来识别图像的潜在假冒区域包括：在包括图像的多个图像上找到图案；在多个图像上测量针对其中先前找到过图案的区域的信噪比；以及当信噪比超过阈值时，使得该区域成为潜在假冒区域。
示例37是至少一种机器可读介质，其包括防止基于面部的认证假冒的指令，该指令在被机器执行时使得机器执行以下操作，包括：控制可见光发射器在使用面部的认证尝试期间将图案投射到照相机的视场中；从照相机获得用于认证尝试的图像；通过在图像中在预定容限内找到图案来识别图像的潜在假冒区域；以及防止基于在潜在假冒区域中找到的面部的认证尝试。
在示例38中，示例36的主题可以可选地包括，其中可见光发射器是设备显示器。
在示例39中，示例38的主题可以可选地包括，其中图案是认证用户界面的背景。
在示例40中，示例39的主题可以可选地包括，其中图案正在移动。
在示例41中，示例40的主题可以可选地包括，其中图案包括扫描穿过可见光发射器的发射区域的元素。
在示例42中，示例41的主题可以可选地包括，其中在预定容限内找到图案包括基于时间来预测图案在图像中的位置。
在示例43中，示例37-42中的任何一个或多个示例的主题可以可选地包括，其中图案包括前景和背景。
在示例44中，示例43的主题可以可选地包括，其中前景和背景是高对比度的。
在示例45中，示例44的主题可以可选地包括，其中前景是黑色的而背景是白色的。
在示例46中，示例45的主题可以可选地包括，其中背景被选择以照亮用于认证尝试的面部。
在示例47中，示例37-46中的任何一个或多个示例的主题可以可选地包括，其中图案包括将其与有机特征区分开的特征。
在示例48中，示例47的主题可以可选地包括，其中图案由直线构成。
在示例49中，示例48的主题可以可选地包括，包括：接收用户提交的图案；以及对用户提交的图案进行测试以确定其是否具有将其与有机特征区分开的特征。
在示例50中，示例49的主题可以可选地包括，包含：当用户提交的图案具有将其与有机特征区分开的特征时，将用户提交的图案包括在图案库中，否则拒绝用户提交的图案。
在示例51中，示例4-50中的任何一个或多个示例的主题可以可选地包括，包含：当用户提交的图案不具有将其与有机特征区分开的特征时，将能与有机特征区分开的特征添加到用户提交的图案中，该用户提交的图案包括图案库中的用户提交的图案；以及将修改后的用户提交的图案添加到图案库中。
在示例52中，示例37-51中的任何一个或多个的主题可以可选地包括，其中在图像中在预定容限内找到图案包括找到图案的特征。
在示例53中，示例52的主题可以可选地包括，其中特征是线边缘。
在示例54中，示例37-53中的任何一个或多个示例的主题可以可选地包括，其中通过在图像中在预定容限内找到图案来识别图像的潜在假冒区域包括：在包括图像的多个图像上找到图案；在多个图像上测量针对其中先前找到过图案的区域的信噪比；以及当信噪比超过阈值时，使得该区域成为潜在假冒区域。
示例55是一种用于防止基于面部的认证假冒的系统，该方法包括：用于控制可见光发射器在使用面部的认证尝试期间将图案投射到照相机的视场中的模块；用于从照相机获得用于认证尝试的图像的模块；用于通过在图像中在预定容限内找到图案来识别图像的潜在假冒区域的模块；以及用于防止基于在潜在假冒区域中找到的面部的认证尝试的模块。
在示例56中，示例55的主题可以可选地包括，其中可见光发射器是设备显示器。
在示例57中，示例56的主题可以可选地包括，其中图案是认证用户界面的背景。
在示例58中，示例57的主题可以可选地包括，其中图案正在移动。
在示例59中，示例58的主题可以可选地包括，其中图案包括扫描穿过可见光发射器的发射区域的元素。
在示例60中，示例59的主题可以可选地包括，其中在预定容限内找到图案包括基于时间来预测图案在图像中的位置。
在示例61中，示例55-60中的任何一个或多个示例的主题可以可选地包括，其中图案包括前景和背景。
在示例62中，示例61的主题可以可选地包括，其中前景和背景是高对比度的。
在示例63中，示例62的主题可以可选地包括，其中前景是黑色的而背景是白色的。
在示例64中，示例63的主题可以可选地包括，其中背景被选择以照亮用于认证尝试的面部。
在示例65中，示例55-64中的任何一个或多个示例的主题可以可选地包括，其中图案包括将其与有机特征区分开的特征。
在示例66中，示例65的主题可以可选地包括，其中图案由直线构成。
在示例67中，示例66的主题可以可选地包括，用于接收用户提交的图案的模块；以及用于对用户提交的图案进行测试以确定其是否具有将其与有机特征区分开的特征的模块。
在示例68中，示例67的主题可以可选地包括用于以下操作的模块：当用户提交的图案具有将其与有机特征区分开的特征时，将用户提交的图案放入图案库中，否则拒绝用户提交的图案。
在示例69中，示例68的主题可以可选地包括：用于当用户提交的图案不具有将其与有机特征区分开的特征时将能与有机特征区分开的特征添加到用户提交的图案中的模块，用户提交的图案包括图案库中的用户提交的图案；以及用于将修改后的用户提交的图案添加到图案库中的模块。
在示例70中，示例55-69中的任何一个或多个示例的主题可以可选地包括，其中在图像中在预定容限内找到图案包括找到图案的特征。
在示例71中，示例70的主题可以可选地包括，其中特征是线边缘。
在示例72中，示例55-71中的任何一个或多个示例的主题可以可选地包括，其中通过在图像中在预定容限内找到图案来识别图像的潜在假冒区域包括：用于在包括图像的多个图像上找到图案的模块；用于在多个图像上测量针对其中先前找到过图案的区域的信噪比的模块；以及用于当信噪比超过阈值时使得该区域成为潜在假冒区域的模块。
上文的具体实施方式包括对附图的参考，其构成了具体实施方式的一部分。附图借助于图示说明示出了可以实施的具体的实施例。这些实施例在本文还被称为“示例”。这些示例可以包括除了所示出或所描述的元素之外的元素。然而，本发明人还构思包括仅提供了所示出或所描述的这些元素的示例。此外，本发明人还构思使用所示出或所描述的这些元素(或其一个或多个方面)的任何组合或置换的示例，或者针对特定的示例(或其一个或多个方面)或者针对本文所示出或所描述的其它示例(或其一个或多个方面)。
在本文档中提及的出版物、专利以及专利文档的全部内容通过引用并入本文，好像通过引用单独地并入一样。在该文档与通过引用如此并入的那些文档之间的用法不一致的情形下，在(多个)并入的引用文档中的用法应当被视为补充本文档中的用法；对于无法协调的不一致，以本文档中的用法为准。
在本文档中，如专利文档中常见的，使用术语“一(a)”或“一个(an)”来包括一个或多于一个，独立于“至少一个”或“一个或多个”的任何其它实例或用法。在本文档中，除非另作说明，否则使用术语“或者”来指代非排他性的或者，以使得“A或B”包括“A而非B”、“B而非A”以及“A和B”。在所附的权利要求中，术语“包括(including)”和“其中(in which)”用作相应的术语“包含(comprising)”和“其中(wherein)”的通俗英语等效词。另外，在所附的权利要求中，术语“包括”和“包含”是开放式的，也就是说，包括除了在权利要求中的这样的术语后所列的那些元素之外的元素的系统、设备、产品或过程仍被认为落入该权利要求的范围内。此外，在所附的权利要求中，术语“第一”、“第二”以及“第三”等仅用作标签，而并非旨在暗示对其对象的数值的需求。
上面的说明旨在示例性的，而非限制性的。例如，上面所描述的示例(或其一个或多个方面)可以与彼此组合地使用。例如，本领域的普通技术人员在阅读上面的说明时可以使用其它的实施例。摘要允许读者快速地确定技术公开的本质，并且在理解摘要并非用于解释或限制权利要求的范围或含义的情况下提交。另外，在上面的具体实施方式中，可以将各种特征组合在一起而使得公开内容流畅。这不应被解释为旨在使未要求保护的公开特征对于任何权利要求都是必要的。相反，发明主题可以在于，其特征比特定公开的实施例的全部特征少。因此，所附的权利要求特此并入具体实施方式中，其中每项权利要求本身独立地作为单独的实施例。应当参考所附的权利要求以及对这些权利要求赋予权利的等同内容的整个范围来确定实施例的范围。

Claims (24)

1.一种用于防止基于面部的认证假冒的系统，所述系统包括：
发射器控制器，其用于控制可见光发射器在使用面部的认证尝试期间将图案投射到照相机的视场中；
图像采样器，其用于从所述照相机获得用于所述认证尝试的图像；以及
假冒检测控制器，其用于：
通过在所述图像中在预定容限内找到所述图案来识别所述图像的潜在假冒区域；以及
防止基于在所述潜在假冒区域中找到的面部的认证尝试。
2.根据权利要求1所述的系统，其中，所述图案正在移动。
3.根据权利要求1所述的系统，其中，所述图案包括前景和背景。
4.根据权利要求3所述的系统，其中，所述背景被选择以照亮用于所述认证尝试的所述面部。
5.根据权利要求1所述的系统，其中，所述图案包括将其与有机特征区分开的特征。
6.根据权利要求5所述的系统，包括库控制器，其用于：
接收用户提交的图案；以及
对所述用户提交的图案进行测试以确定其是否具有将其与有机特征区分开的特征。
7.根据权利要求6所述的系统，其中，所述库控制器被布置为：
当所述用户提交的图案不具有将其与有机特征区分开的特征时，将能与有机特征区分开的特征添加到所述用户提交的图案中，所述用户提交的图案包括图案库中的所述用户提交的图案；以及
将修改后的用户提交的图案包括在图案库中。
8.根据权利要求1所述的系统，其中，通过在所述图像中在预定容限内找到所述图案来识别所述图像的潜在假冒区域包括所述假冒控制器被布置为：
在包括所述图像的多个图像上找到所述图案；
在所述多个图像上测量针对其中先前找到过所述图案的区域的信噪比；以及
当所述信噪比超过阈值时，使得所述区域成为所述潜在假冒区域。
9.一种用于防止基于面部的认证假冒的方法，所述方法包括：
控制可见光发射器在使用面部的认证尝试期间将图案投射到照相机的视场中；
从所述照相机获得用于所述认证尝试的图像；
通过在所述图像中在预定容限内找到所述图案来识别所述图像的潜在假冒区域；以及
防止基于在所述潜在假冒区域中找到的面部的认证尝试。
10.根据权利要求9所述的方法，其中，所述图案正在移动。
11.根据权利要求9所述的方法，其中，所述图案包括前景和背景。
12.根据权利要求11所述的方法，其中，所述背景被选择以照亮用于所述认证尝试的所述面部。
13.根据权利要求9所述的方法，其中，所述图案包括将其与有机特征区分开的特征。
14.根据权利要求13所述的方法，包括：
接收用户提交的图案；以及
对所述用户提交的图案进行测试以确定其是否具有将其与有机特征区分开的特征。
15.根据权利要求14所述的方法，包括：
当所述用户提交的图案不具有将其与有机特征区分开的特征时，将能与有机特征区分开的特征添加到所述用户提交的图案中，所述用户提交的图案包括图案库中的所述用户提交的图案；以及
将修改后的用户提交的图案添加到图案库中。
16.根据权利要求9所述的方法，其中，通过在所述图像中在预定容限内找到所述图案来识别所述图像的潜在假冒区域包括：
在包括所述图像的多个图像上找到所述图案；
在所述多个图像上测量针对其中先前找到过所述图案的区域的信噪比；以及
当所述信噪比超过阈值时，使得所述区域成为所述潜在假冒区域。
17.至少一种CRM，其包括用于防止基于面部的认证假冒的指令，所述指令在被机器执行时使得所述机器执行以下操作，包括：
控制可见光发射器在使用面部的认证尝试期间将图案投射到照相机的视场中；
从所述照相机获得用于所述认证尝试的图像；
通过在所述图像中在预定容限内找到所述图案来识别所述图像的潜在假冒区域；以及
防止基于在所述潜在假冒区域中找到的面部的认证尝试。
18.根据权利要求17所述的至少一个机器可读介质，其中，所述图案正在移动。
19.根据权利要求17所述的至少一个机器可读介质，其中，所述图案包括前景和背景。
20.根据权利要求19所述的至少一个机器可读介质，其中，所述背景被选择以照亮用于所述认证尝试的所述面部。
21.根据权利要求17所述的至少一个机器可读介质，其中，所述图案包括将其与有机特征区分开的特征。
22.根据权利要求21所述的至少一个机器可读介质，包括：
接收用户提交的图案；以及
对所述用户提交的图案进行测试以确定其是否具有将其与有机特征区分开的特征。
23.根据权利要求22所述的至少一个机器可读介质，包括：
当所述用户提交的图案不具有将其与有机特征区分开的特征时，将能与有机特征区分开的特征添加到所述用户提交的图案中，所述用户提交的图案包括图案库中的所述用户提交的图案；以及
将修改后的用户提交的图案添加到图案库中。
24.根据权利要求17所述的至少一个机器可读介质，其中，通过在所述图像中在预定容限内找到所述图案来识别所述图像的潜在假冒区域包括：
在包括所述图像的多个图像上找到所述图案；
在所述多个图像上测量针对其中先前找到过所述图案的区域的信噪比；以及
当所述信噪比超过阈值时，使得所述区域成为所述潜在假冒区域。
CN201580058472.5A 2014-11-13 2015-11-12 防止基于面部的认证假冒 Pending CN107210007A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201462079082P 2014-11-13 2014-11-13
US62/079,082 2014-11-13
US14/865,763 US10198645B2 (en) 2014-11-13 2015-09-25 Preventing face-based authentication spoofing
US14/865,763 2015-09-25
PCT/US2015/060392 WO2016077590A2 (en) 2014-11-13 2015-11-12 Preventing face-based authentication spoofing

Publications (1)

Publication Number Publication Date
CN107210007A true CN107210007A (zh) 2017-09-26

Family

ID=55955261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580058472.5A Pending CN107210007A (zh) 2014-11-13 2015-11-12 防止基于面部的认证假冒

Country Status (4)

Country Link
US (1) US10198645B2 (zh)
EP (1) EP3218846A4 (zh)
CN (1) CN107210007A (zh)
WO (1) WO2016077590A2 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107992797A (zh) * 2017-11-02 2018-05-04 中控智慧科技股份有限公司 人脸识别方法及相关装置
US10198645B2 (en) 2014-11-13 2019-02-05 Intel Corporation Preventing face-based authentication spoofing
CN109508694A (zh) * 2018-12-10 2019-03-22 上海众源网络有限公司 一种人脸识别方法及识别装置
US10360442B2 (en) 2014-11-13 2019-07-23 Intel Corporation Spoofing detection in image biometrics
CN111079687A (zh) * 2019-12-26 2020-04-28 京东数字科技控股有限公司 证件伪装识别方法、装置、设备及存储介质
CN111684394A (zh) * 2018-03-15 2020-09-18 欧姆龙株式会社 视线检测装置、所述视线检测装置的控制方法、角膜反射像位置的检测方法、计算机程序以及存储介质

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8560604B2 (en) 2009-10-08 2013-10-15 Hola Networks Ltd. System and method for providing faster and more efficient data communication
US9241044B2 (en) 2013-08-28 2016-01-19 Hola Networks, Ltd. System and method for improving internet communication by using intermediate nodes
US11057446B2 (en) 2015-05-14 2021-07-06 Bright Data Ltd. System and method for streaming content from multiple servers
CN108027883A (zh) * 2015-06-30 2018-05-11 美国日本电气公司 面部识别系统
EP3403217A4 (en) 2016-01-12 2019-08-21 Princeton Identity, Inc. SYSTEMS AND METHODS FOR BIOMETRIC ANALYSIS
US9965610B2 (en) 2016-07-22 2018-05-08 Nec Corporation Physical system access control
CN107992728B (zh) * 2016-10-27 2022-05-20 腾讯科技（深圳）有限公司 人脸验证方法及装置
US10296998B2 (en) * 2016-11-10 2019-05-21 Mcafee, Llc Optical feedback for visual recognition authentication
WO2018118120A1 (en) 2016-12-23 2018-06-28 Aware, Inc. Analysis of reflections of projected light in varying colors, brightness, patterns, and sequences for liveness detection in biometric systems
US10372974B2 (en) 2017-01-11 2019-08-06 Microsoft Technology Licensing, Llc 3D imaging recognition by stereo matching of RGB and infrared images
US10204262B2 (en) 2017-01-11 2019-02-12 Microsoft Technology Licensing, Llc Infrared imaging recognition enhanced by 3D verification
KR102322683B1 (ko) 2017-03-20 2021-11-08 삼성전자 주식회사 생체 정보의 위조를 식별하기 위한 전자 장치 및 방법
US10515199B2 (en) 2017-04-19 2019-12-24 Qualcomm Incorporated Systems and methods for facial authentication
GB2561607B (en) 2017-04-21 2022-03-23 Sita Advanced Travel Solutions Ltd Detection System, Detection device and method therefor
US11190374B2 (en) 2017-08-28 2021-11-30 Bright Data Ltd. System and method for improving content fetching by selecting tunnel devices
EP4199479A1 (en) 2017-08-28 2023-06-21 Bright Data Ltd. Improving content fetching by selecting tunnel devices grouped according to geographic location
US10679082B2 (en) * 2017-09-28 2020-06-09 Ncr Corporation Self-Service Terminal (SST) facial authentication processing
WO2019118089A1 (en) * 2017-12-11 2019-06-20 Analog Devices, Inc. Multi-modal far field user interfaces and vision-assisted audio processing
US10929516B2 (en) * 2018-10-08 2021-02-23 Advanced New Technologies Co., Ltd. Dynamic grip signature for personal authentication
CN109583299A (zh) * 2018-10-26 2019-04-05 平安科技（深圳）有限公司 电子装置、证件识别方法及存储介质
US11030292B2 (en) * 2018-12-11 2021-06-08 Advanced New Technologies Co., Ltd. Authentication using sound based monitor detection
US11403884B2 (en) * 2019-01-16 2022-08-02 Shenzhen GOODIX Technology Co., Ltd. Anti-spoofing face ID sensing
LT3780547T (lt) 2019-02-25 2023-03-10 Bright Data Ltd. Turinio parsisiuntimo, naudojant url bandymų mechanizmą, sistema ir būdas
US11450151B2 (en) * 2019-07-18 2022-09-20 Capital One Services, Llc Detecting attempts to defeat facial recognition
TWI749370B (zh) * 2019-09-16 2021-12-11 緯創資通股份有限公司 臉部辨識方法及其相關電腦系統
US20230005299A1 (en) * 2019-12-16 2023-01-05 Nec Corporation Determination system, determination method, computer program, and authentication system
US11163985B2 (en) * 2020-01-24 2021-11-02 Visa International Service Association Evaluating the security of a facial recognition system using light projections
CN111353388A (zh) * 2020-02-11 2020-06-30 北京三快在线科技有限公司 活体检测方法、装置、电子设备及存储介质
US11528269B2 (en) 2020-08-05 2022-12-13 Bank Of America Corporation Application for requesting multi-person authentication
US11792187B2 (en) 2020-08-05 2023-10-17 Bank Of America Corporation Multi-person authentication
US11792188B2 (en) 2020-08-05 2023-10-17 Bank Of America Corporation Application for confirming multi-person authentication
CN111881884B (zh) * 2020-08-11 2021-05-28 中国科学院自动化研究所 基于跨模态转化辅助的人脸防伪检测方法、系统及装置
US11463876B2 (en) * 2020-09-16 2022-10-04 Abl Ip Holding Llc Physical verification and authorization for wireless control of a network
US11894939B2 (en) * 2021-05-11 2024-02-06 Cisco Technology, Inc. Validation of currency and authenticity of a conference participant's video image
FR3133245A1 (fr) 2022-03-03 2023-09-08 Commissariat à l'Energie Atomique et aux Energies Alternatives Système sécurisé de capture d’images
US20230394872A1 (en) * 2022-06-02 2023-12-07 Board Of Trustees Of Western Michigan University Detection of face manipulation by quantified disorder measurements

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1834985A (zh) * 2005-03-15 2006-09-20 欧姆龙株式会社 被摄体认证装置、单元、方法、程序以及携带电话
US7508960B1 (en) * 2008-05-06 2009-03-24 International Business Machines Corporation Projection of light patterns for liveness verification of biometrics
CN101441710A (zh) * 2007-11-20 2009-05-27 上海银晨智能识别科技有限公司 防欺骗性人脸识别门禁系统及防欺骗性进入的方法
CN101923641A (zh) * 2010-09-09 2010-12-22 北京交通大学 一种改进的人脸识别方法
US20120301020A1 (en) * 2011-05-23 2012-11-29 Infosys Limited Method for pre-processing an image in facial recognition system
EP2546782A1 (en) * 2011-07-11 2013-01-16 Accenture Global Services Limited Liveness detection
US20130188840A1 (en) * 2012-01-20 2013-07-25 Cyberlink Corp. Liveness detection system based on face behavior
CN103383723A (zh) * 2012-08-10 2013-11-06 眼验有限责任公司 用于生物特征验证的电子欺骗检测的方法和系统
CN103514439A (zh) * 2012-06-26 2014-01-15 谷歌公司 面部识别
CN103679118A (zh) * 2012-09-07 2014-03-26 汉王科技股份有限公司 一种人脸活体检测方法及系统
CN104106080A (zh) * 2011-12-27 2014-10-15 英特尔公司 基于图灵测试的用户认证和用户在场验证系统、设备和方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0316631D0 (en) 2003-07-16 2003-08-20 Omniperception Ltd Facial liveness assessment system
JP4734980B2 (ja) * 2005-03-15 2011-07-27 オムロン株式会社 顔認証装置およびその制御方法、顔認証装置を備えた電子機器、顔認証装置制御プログラム、ならびに該プログラムを記録した記録媒体
JP4899551B2 (ja) * 2006-03-15 2012-03-21 オムロン株式会社 認証装置、認証方法、認証プログラムおよびコンピュータ読み取り可能な記録媒体
KR100851981B1 (ko) 2007-02-14 2008-08-12 삼성전자주식회사 비디오 영상에서 실 객체 판별 방법 및 장치
KR20100073191A (ko) * 2008-12-22 2010-07-01 한국전자통신연구원 거리 정보를 이용한 위조 얼굴 검출 방법 및 장치
US8364971B2 (en) 2009-02-26 2013-01-29 Kynen Llc User authentication system and method
US8515124B2 (en) * 2010-02-04 2013-08-20 Electronics And Telecommunications Research Institute Method and apparatus for determining fake image
US9082235B2 (en) * 2011-07-12 2015-07-14 Microsoft Technology Licensing, Llc Using facial data for device authentication or subject identification
US9202105B1 (en) * 2012-01-13 2015-12-01 Amazon Technologies, Inc. Image analysis for user authentication
US9075975B2 (en) 2012-02-21 2015-07-07 Andrew Bud Online pseudonym verification and identity validation
US8457367B1 (en) 2012-06-26 2013-06-04 Google Inc. Facial recognition
US9058519B2 (en) 2012-12-17 2015-06-16 Qualcomm Incorporated System and method for passive live person verification using real-time eye reflection
US8856541B1 (en) 2013-01-10 2014-10-07 Google Inc. Liveness detection
US10270748B2 (en) 2013-03-22 2019-04-23 Nok Nok Labs, Inc. Advanced authentication techniques and applications
US9524421B2 (en) 2013-12-09 2016-12-20 Google Inc. Differentiating real faces from representations
US10198645B2 (en) 2014-11-13 2019-02-05 Intel Corporation Preventing face-based authentication spoofing
WO2016076912A1 (en) 2014-11-13 2016-05-19 Intel Corporation Spoofing detection in image biometrics

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1834985A (zh) * 2005-03-15 2006-09-20 欧姆龙株式会社 被摄体认证装置、单元、方法、程序以及携带电话
CN101441710A (zh) * 2007-11-20 2009-05-27 上海银晨智能识别科技有限公司 防欺骗性人脸识别门禁系统及防欺骗性进入的方法
US7508960B1 (en) * 2008-05-06 2009-03-24 International Business Machines Corporation Projection of light patterns for liveness verification of biometrics
CN101923641A (zh) * 2010-09-09 2010-12-22 北京交通大学 一种改进的人脸识别方法
US20120301020A1 (en) * 2011-05-23 2012-11-29 Infosys Limited Method for pre-processing an image in facial recognition system
EP2546782A1 (en) * 2011-07-11 2013-01-16 Accenture Global Services Limited Liveness detection
CN104106080A (zh) * 2011-12-27 2014-10-15 英特尔公司 基于图灵测试的用户认证和用户在场验证系统、设备和方法
US20130188840A1 (en) * 2012-01-20 2013-07-25 Cyberlink Corp. Liveness detection system based on face behavior
CN103514439A (zh) * 2012-06-26 2014-01-15 谷歌公司 面部识别
US20140307929A1 (en) * 2012-06-26 2014-10-16 Google, Inc. Facial recognition
CN103383723A (zh) * 2012-08-10 2013-11-06 眼验有限责任公司 用于生物特征验证的电子欺骗检测的方法和系统
CN103679118A (zh) * 2012-09-07 2014-03-26 汉王科技股份有限公司 一种人脸活体检测方法及系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10198645B2 (en) 2014-11-13 2019-02-05 Intel Corporation Preventing face-based authentication spoofing
US10360442B2 (en) 2014-11-13 2019-07-23 Intel Corporation Spoofing detection in image biometrics
CN107992797A (zh) * 2017-11-02 2018-05-04 中控智慧科技股份有限公司 人脸识别方法及相关装置
CN111684394A (zh) * 2018-03-15 2020-09-18 欧姆龙株式会社 视线检测装置、所述视线检测装置的控制方法、角膜反射像位置的检测方法、计算机程序以及存储介质
CN109508694A (zh) * 2018-12-10 2019-03-22 上海众源网络有限公司 一种人脸识别方法及识别装置
CN109508694B (zh) * 2018-12-10 2020-10-27 上海众源网络有限公司 一种人脸识别方法及识别装置
CN111079687A (zh) * 2019-12-26 2020-04-28 京东数字科技控股有限公司 证件伪装识别方法、装置、设备及存储介质

Also Published As

Publication number Publication date
EP3218846A4 (en) 2018-07-04
EP3218846A2 (en) 2017-09-20
US20160140405A1 (en) 2016-05-19
WO2016077590A2 (en) 2016-05-19
US10198645B2 (en) 2019-02-05
WO2016077590A3 (en) 2016-07-07

Similar Documents

Publication Publication Date Title
CN107210007A (zh) 防止基于面部的认证假冒
US10679443B2 (en) System and method for controlling access to a building with facial recognition
KR102501264B1 (ko) 기계 학습 기반의 개체 검출을 위한 시스템 및 방법
CN107077589A (zh) 基于图像的生物计量中的面部假冒检测
US9875396B2 (en) Spoofing detection in image biometrics
US9436883B2 (en) Collaborative text detection and recognition
CN105247573B (zh) 用于捕获适合于对象检测的三维对象的紧凑表示的方法和装置
CN107111750B (zh) 欺骗性脸部的检测
CN103383723B (zh) 用于生物特征验证的电子欺骗检测的方法和系统
CN108664880A (zh) 活性测试方法和设备
CN110069970A (zh) 活性测试方法和设备
CN112868028A (zh) 利用虹膜图像的欺骗检测
CN107209848A (zh) 用于基于多模式生物识别信息的个人识别的系统和方法
CN111401159A (zh) 酒店鉴权管理方法、系统、酒店管理系统以及用户终端
US11531743B2 (en) Systems and methods for enhancing biometric matching accuracy
CN107148628A (zh) 用于基于特征进行认证的系统和方法
CN111695099A (zh) 安全系统及相应的访问方法、机器可读存储设备
CN108875582A (zh) 身份验证方法、装置、设备、存储介质及程序
CN111401160A (zh) 酒店鉴权管理方法、系统、平台和酒店pms系统
CN108108711A (zh) 人脸布控方法、电子设备及存储介质
EP4088205A1 (en) System and method for disentangling features specific to users, actions and devices recorded in motion sensor data
CA3220453A1 (en) Methods and systems for facilitating secure authentication of users based on known data
WO2018185574A1 (en) Apparatus and method for documents and/or personal identities recognition and validation
CN110427828A (zh) 人脸活体检测方法、装置及计算机可读存储介质
CN116110136A (zh) 活体检测方法和系统

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

Application publication date: 20170926

RJ01 Rejection of invention patent application after publication