CN107292285A - 虹膜活体检测方法及相关产品 - Google Patents

虹膜活体检测方法及相关产品 Download PDF

Info

Publication number
CN107292285A
CN107292285A CN201710576785.0A CN201710576785A CN107292285A CN 107292285 A CN107292285 A CN 107292285A CN 201710576785 A CN201710576785 A CN 201710576785A CN 107292285 A CN107292285 A CN 107292285A
Authority
CN
China
Prior art keywords
iris image
image
iris
feature set
training result
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.)
Granted
Application number
CN201710576785.0A
Other languages
English (en)
Other versions
CN107292285B (zh
Inventor
周意保
唐城
张学勇
周海涛
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.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp 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 Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201710576785.0A priority Critical patent/CN107292285B/zh
Publication of CN107292285A publication Critical patent/CN107292285A/zh
Priority to PCT/CN2018/091082 priority patent/WO2019011099A1/zh
Application granted granted Critical
Publication of CN107292285B publication Critical patent/CN107292285B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/197—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明实施例公开了一种虹膜活体检测方法及相关产品，该方法包括：利用可见光摄像头获取第一虹膜图像；利用红外摄像头获取第二虹膜图像，其中，所述第一虹膜图像与所述第二虹膜图像来自同一目标；对所述第一虹膜图像进行特征提取，得到第一类特征集；对所述第二虹膜图像进行特征提取，得到第二类特征集；根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体。本发明实施例可利用可见光摄像头和红外摄像头分别获取虹膜图像，并对俩虹膜图像进行特征提取，根据两者的特征判断虹膜是否来自于活体，可从多个维度对虹膜进行活体检测，可提升活体检测准确性。

Description

虹膜活体检测方法及相关产品
技术领域
本发明涉及移动终端技术领域，具体涉及一种虹膜活体检测方法及相关产品。
背景技术
随着移动终端(手机、平板电脑等)的大量普及应用，移动终端能够支持的应用越来越多，功能越来越强大，移动终端向着多样化、个性化的方向发展，成为用户生活中不可缺少的电子用品。
目前来看，虹膜识别越来越受到移动终端生产厂商的青睐，虹膜识别的安全性也是其关注的重要问题之一。出于安全性考虑，通常情况下，会在虹膜识别之前，先对虹膜进行活体检测，但是目前的虹膜活体检测准确性并不高。
发明内容
本发明实施例提供了一种虹膜活体检测方法及相关产品，以期提高虹膜活体检测的准确性。
第一方面，本发明实施例提供一种虹膜活体检测方法，所述方法包括：
通过可见光摄像头获取第一虹膜图像；
通过红外摄像头获取第二虹膜图像，其中，所述第一虹膜图像与所述第二虹膜图像来自同一目标；
对所述第一虹膜图像进行特征提取，得到第一类特征集；
对所述第二虹膜图像进行特征提取，得到第二类特征集；
根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体。
第二方面，本发明实施例提供了一种移动终端，包括可见光摄像头、红外摄像头以及应用处理器AP，其中，
所述可见光摄像头，用于获取第一虹膜图像，并将所述第一虹膜图像发送给所述AP；
所述红外摄像头，用于获取第二虹膜图像，并将所述第二虹膜图像发送给所述AP，其中，所述第一虹膜图像与所述第二虹膜图像来自同一目标；
所述AP，用于对所述第一虹膜图像进行特征提取，得到第一类特征集；
所述AP，还用于对所述第二虹膜图像进行特征提取，得到第二类特征集；根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体。
第三方面，本发明实施例提供了一种虹膜活体检测装置，包括：
第一获取单元，用于利用可见光摄像头获取第一虹膜图像；
第二获取单元，用于利用红外摄像头获取第二虹膜图像，其中，所述第一虹膜图像与所述第二虹膜图像来自同一目标；
提取单元，用于对所述第一虹膜图像进行特征提取，得到第一类特征集；
所述提取单元，还具体用于对所述第二虹膜图像进行特征提取，得到第二类特征集；
判断单元，用于根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体。
第四方面，本发明实施例提供了一种移动终端，包括可见光摄像头、红外摄像头以及应用处理器AP和存储器；以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置成由所述AP执行，所述程序包括用于执行如本发明实施例第一方面中所描述的部分或全部步骤的指令。
第五方面，本发明实施例提供了一种计算机可读存储介质，其中，所述计算机可读存储介质用于存储计算机程序，其中，所述计算机程序使得计算机执行如本发明实施例第一方面中所描述的部分或全部步骤。
第六方面，本发明实施例提供了一种计算机程序产品，其中，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如本发明实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本发明实施例，具有如下有益效果：
可以看出，本发明实施例，通过可见光摄像头获取第一虹膜图像，通过红外摄像头获取第二虹膜图像，其中，第一虹膜图像与第二虹膜图像来自同一目标，对第一虹膜图像进行特征提取，得到第一类特征集，对第二虹膜图像进行特征提取，得到第二类特征集，根据第一类特征集和第二类特征集判断目标是否为活体，可见，可利用可见光摄像头和红外摄像头分别获取虹膜图像，并对俩虹膜图像进行特征提取，根据两者的特征判断虹膜是否来自于活体，可从多个维度对虹膜进行活体检测，可提升活体检测准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1A是本发明实施例提供的一种示例智能手机的架构示意图；
图1B是本发明实施例提供的一种移动终端的结构示意图；
图1C是本发明实施例提供的一种移动终端的另一结构示意图；
图1D是本发明实施例提供的一种虹膜活体检测方法的流程示意图；
图1E是本发明实施例提供的可见光与红外虹膜图像的比对效果图；
图2是本发明实施例提供的另一种虹膜活体检测方法的流程示意图；
图3是本发明实施例提供的一种移动终端的结构示意图；
图4A是本发明实施例提供的一种虹膜活体检测装置的结构示意图；
图4B是本发明实施例提供的图4A所描述的虹膜活体检测装置的判断单元的结构示意图；
图4C是本发明实施例提供的图4B所描述的判断单元的判断模块的结构示意图；
图4D是本发明实施例提供的图4A所描述的虹膜活体检测装置的第二获取单元的结构示意图；
图5是本发明实施例公开的另一种移动终端的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明实施例所涉及到的移动终端可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(User Equipment，UE)，移动台(Mobile Station，MS)，终端设备(terminaldevice)等等。为方便描述，上面提到的设备统称为移动终端。下面对本发明实施例进行详细介绍。
需要说明的是，本发明实施例所描述的移动终端可设置有虹膜识别装置，该虹膜识别装置可集成了可见光摄像头和红外摄像头，因而，其即可获取可见光的虹膜图像，又可以获取红外的虹膜图像，该可见光摄像头和红外摄像头可经过配准，从而，使得两者的视角范围完全一致，当然，可见光摄像头和红外摄像头也可以未经过配准，两者有部分重叠视角范围。
本发明实施例所涉及到的移动终端可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(User Equipment，UE)，移动台(Mobile Station，MS)，终端设备(terminaldevice)等等。为方便描述，上面提到的设备统称为移动终端。下面对本发明实施例进行详细介绍。如图1A所示的一种示例智能手机100，该智能手机100的虹膜识别装置可以包括红外补光灯21和红外摄像头22以及可见光摄像头23、可见光摄像头23可为前置摄像头，在虹膜活体检测的过程中，红外补光灯21的光线打到虹膜上之后，经过虹膜反射回红外摄像头22，虹膜识别装置通过红外摄像头22采集红外虹膜图像，以及通过可见光摄像头23采集可见光虹膜图像，并通过红外虹膜图像与可见光虹膜图像实现活体检测，当然，可见光摄像头23也可以单独作为前置摄像头，用于自拍。具体在下面进行详细介绍。
请参阅图1B，图1B是所示的一种移动终端100的结构示意图，所述移动终端100包括：应用处理器AP110、虹膜识别装置130，其中，虹膜识别装置130可集成红外摄像头、可见光摄像头和红外补光灯，其中，所述AP110通过总线150连接虹膜识别装置130，进一步地，请参阅图1C，图1C为图1B所描述的移动终端100的一种变型结构，相对于图1B而言，图1C还包括环境传感器160。
在一些可能实施例中，所述可见光摄像头23，用于获取第一虹膜图像，并将所述第一虹膜图像发送给所述AP110；
所述红外摄像头22，用于获取第二虹膜图像，并将所述第二虹膜图像发送给所述AP110，其中，所述第一虹膜图像与所述第二虹膜图像来自同一目标；
所述AP110，用于对所述第一虹膜图像进行特征提取，得到第一类特征集；
所述AP110，还用于对所述第二虹膜图像进行特征提取，得到第二类特征集；根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体。
在一些可能实施例中，在所述根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体方面，所述AP110具体用于：
采用预设的第一活体检测分类器对所述第一类特征集进行训练，得到第一训练结果；采用预设的第二活体检测分类器对所述第二类特征集进行训练，得到第二训练结果；根据所述第一训练结果和所述第二训练结果判断所述目标是否为活体。
在一些可能实施例中，所述移动终端设置有环境传感器；
所述环境传感器160，用于获取当前环境参数，并将所述当前环境参数发送给所述AP110；
在所述根据所述第一训练结果和所述第二训练结果判断所述目标是否为活体方面，所述AP110具体用于：
根据所述当前环境参数确定所述第一训练结果对应的第一权值和所述第二训练结果对应的第二权值；根据所述第一权值、所述第二权值、所述第一训练结果和所述第二训练结果确定目标训练结果，并在所述目标训练结果符合预设条件时，确认所述目标为活体。
在一些可能实施例中，在所述获取第一虹膜图像，所述红外摄像头22具体用于：
获取所述第一虹膜图像的区域位置信息；获取由所述红外摄像头拍摄的红外图像；根据所述区域位置信息从所述红外图像中确定所述第二虹膜图像。
在一些可能实施例中，所述红外摄像头22和所述可见光摄像头23的视角范围相同。
与上述一致地，请参阅图1D，为本发明实施例提供的一种虹膜活体检测方法的实施例流程示意图，该方法应用于移动终端，其移动终端的示意图以及结构图可参见图1A-图1C，本实施例中所描述的虹膜活体检测方法，包括以下步骤：
101、通过可见光摄像头获取第一虹膜图像。
其中，本发明实施例中，移动终端可利用可见光摄像头获取第一虹膜图像，该第一虹膜图像可为单指虹膜区域的图像，或者，包含虹膜区域的图像(例如，一只人眼图像)。例如，在用户使用移动终端时，可通过虹膜识别装置获取虹膜图像。
102、通过红外摄像头获取第二虹膜图像，其中，所述第一虹膜图像与所述第二虹膜图像来自同一目标。
其中，移动终端可利用红外摄像头获取第二虹膜图像，该第二虹膜图像可为单指虹膜区域的图像，或者，包含虹膜区域的图像(例如，一只人眼图像)。例如，在用户使用移动终端时，可通过虹膜识别装置获取虹膜图像。上述第一虹膜图像与第二虹膜图像可来自于同一人眼，上述目标可为人眼或者人。例如，第一虹膜图像与第二虹膜图像均可来自于同一人眼。
例如，如图1E所示，图1E的左图为可见光摄像头拍摄的可见光虹膜图像(对应上面第一虹膜图像)，图1E的右图为红外摄像头拍摄的红外虹膜图像(对应上面的第二虹膜图像)，可见，可见光虹膜图像相对于红外虹膜图像而言，包含更多的细节信息。两者均可在一定程度上用于虹膜活体检测。
可选地，上述步骤102中，通过可见光摄像头获取第一虹膜图像，可包括如下步骤：
21、确定所述第一虹膜图像的区域位置信息；
22、获取由红外摄像头拍摄的红外图像；
23、根据所述区域位置信息从所述红外图像中确定所述第二虹膜图像。
其中，可见光摄像头可确定第一虹膜图像的区域位置信息，进而，将该区域位置信息发送给红外摄像头，或者，红外摄像头可对第一虹膜图像进行图像识别，以得到第一虹膜图像的区域位置信息。进而，可由红外摄像头拍摄红外图像，在得到红外图像之后，依据该区域位置信息从红外图像中确定出第二虹膜图像。毕竟红外图像由温度成像，其图像较为模糊，可根据该方式精确确定出第二虹膜图像。
可选地，上述步骤101-102可并行执行。
103、对所述第一虹膜图像进行特征提取，得到第一类特征集。
104、对所述第二虹膜图像进行特征提取，得到第二类特征集。
其中，上述第一类特征集可为精细特征集，或者，粗略特征集。上述第二类特征集可为精细特征集，或者，粗略特征集。例如，上述第一类特征集为精细特征集，第二类特征集为粗略特征集，或者，上述第一类特征集为精细特征集，第二类特征集为精细特征集，或者，上述第一类特征集为粗略特征集，第二类特征集为粗略特征集，或者，上述第一类特征集为粗略特征集，第二类特征集为精细特征集。上述特征提取可采用如下算法实现：Harris角点检测算法、尺度不变特征变换(Scale Invariant Feature Transform，SIFT)、SUSAN角点检测算法等等，在此不再赘述。
其中，上述精细特征集为比粗略特征集更细致的特征，提取精细特征集的特征提取算法复杂度比粗略特征集的特征提取算法复杂度更高。例如，粗略特征集：可采用Harris角点算法对图像进行特征提取得到，精细特征集：可先对图像进行多尺度分解得到高频分量图像，再采用Harris角点检测算法对该高频分量图像进行特征提取。
其中，可采用多尺度分解算法对虹膜图像进行多尺度图像，得到低频分量图像和多个高频分量图像，上述多尺度分解算法可包括但不仅限于：小波变换、拉普拉斯变换、轮廓波变换(Contourlet Transform，CT)、非下采样轮廓波变换(Non-subsampledContourlet Transform，NSCT)、剪切波变换等等，以轮廓波为例，采用轮廓波变换对虹膜图像进行多尺度分解，可以得到一个低频分量图像和多个高频分量图像，并且该多个高频分量图像中每一图像的尺寸大小不一，以NSCT为例，采用NSCT对虹膜图像进行多尺度分解，可以得到一个低频分量图像和多个高频分量图像，并且该多个高频分量图像中每一图像的尺寸大小一样。对于高频分量而言，其包含了较多图像的细节信息。
可选的，在上述步骤103，或者，步骤104之前，还可以包含如下步骤：
对所述第一虹膜图像进行图像增强处理，或者，对所述第二虹膜图像进行图像增强，进而，在步骤103中，可对图像增强处理之后的第一虹膜图像进行特征提取，得到第一类特征集，或者，在步骤104中，可对图像增强处理之后的第二虹膜图像进行特征提取，得到第二类特征集。
其中，图像增强处理可包括但不仅限于：图像去噪(例如，小波变换进行图像去噪)、图像复原(例如，维纳滤波)、暗视觉增强算法(例如，直方图均衡化、灰度拉伸等等)，在对虹膜图像进行图像增强处理之后，虹膜图像的质量可在一定程度上得到提升。
可选地，在执行上述步骤103之前，还可以包含如下步骤：
A11、对所述第一虹膜图像进行图像质量评价，得到图像质量评价值；
A12、在所述图像质量评价值低于第一预设质量阈值时，对所述第一虹膜图像进行图像增强处理，进而，对图像增强处理之后的第一虹膜图像进行特征提取，得到第一类特征集。
其中，上述预设质量阈值可由用户自行设置或者系统默认，可先对第一虹膜图像进行图像质量评价，得到一个图像质量评价值，通过该图像质量评价值判断该虹膜图像的质量是好还是坏，在图像质量评价值大于或等于第一预设质量阈值时，可认为第一虹膜图像质量好，在图像质量评价值小于第一预设质量阈值时，可认为第一虹膜图像质量差，进而，可对第一虹膜图像进行图像增强处理。
其中，上述步骤A11中，可采用至少一个图像质量评价指标对第一虹膜图像进行图像质量评价，从而，得到图像质量评价值。
可包含多个图像质量评价指标，每一图像质量评价指标也对应一个权重，如此，每一图像质量评价指标对第一虹膜图像进行图像质量评价时，均可得到一个评价结果，最终，进行加权运算，也就得到最终的图像质量评价值。图像质量评价指标可包括但不仅限于：均值、标准差、熵、清晰度、信噪比等等。
需要说明的是，由于采用单一评价指标对图像质量进行评价时，具有一定的局限性，因此，可采用多个图像质量评价指标对图像质量进行评价，当然，对图像质量进行评价时，并非图像质量评价指标越多越好，因为图像质量评价指标越多，图像质量评价过程的计算复杂度越高，也不见得图像质量评价效果越好，因此，在对图像质量评价要求较高的情况下，可采用2～10个图像质量评价指标对图像质量进行评价。具体地，选取图像质量评价指标的个数及哪个指标，依据具体实现情况而定。当然，也得结合具体地场景选取图像质量评价指标，在暗环境下进行图像质量评价和亮环境下进行图像质量评价选取的图像质量指标可不一样。
可选地，在对图像质量评价精度要求不高的情况下，可用一个图像质量评价指标进行评价，例如，以熵对待处理图像进行图像质量评价值，可认为熵越大，则说明图像质量越好，相反地，熵越小，则说明图像质量越差。
可选地，在对图像质量评价精度要求较高的情况下，可以采用多个图像质量评价指标对图像进行评价，在多个图像质量评价指标对图像进行图像质量评价时，可设置该多个图像质量评价指标中每一图像质量评价指标的权重，可得到多个图像质量评价值，根据该多个图像质量评价值及其对应的权重可得到最终的图像质量评价值，例如，三个图像质量评价指标分别为：A指标、B指标和C指标，A的权重为a1，B的权重为a2，C的权重为a3，采用A、B和C对某一图像进行图像质量评价时，A对应的图像质量评价值为b1，B对应的图像质量评价值为b2，C对应的图像质量评价值为b3，那么，最后的图像质量评价值＝a1b1+a2b2+a3b3。通常情况下，图像质量评价值越大，说明图像质量越好。
可选地，在执行上述步骤104之前，还可以包含如下步骤：
A21、对所述第二虹膜图像进行图像质量评价，得到图像质量评价值；
A22、在所述图像质量评价值低于第二预设质量阈值时，对所述第二虹膜图像进行图像增强处理，进而，对图像增强处理之后的第二虹膜图像进行特征提取，得到第二类特征集。
其中，上述步骤A21-A22具体可参考上述步骤A11-A12的具体描述。
105、根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体。
其中，可分别对第一类特征集和第二类特征集进行训练，得到两个训练结果，根据该两个训练结果确定目标是否为活体。训练结果可为一个概率值，例如，概率值为80％，则可认为虹膜图像来自于活体虹膜，低于则认为虹膜图像来自于非活体虹膜，该非活体虹膜可为以下一种：3D打印的虹膜、照片中的虹膜或者，没有生命特征的人的虹膜。
可选地，上述步骤105中，根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体，可包括如下步骤：
51、采用预设的第一活体检测分类器对所述第一类特征集进行训练，得到第一训练结果；
52、采用预设的第二活体检测分类器对所述第二类特征集进行训练，得到第二训练结果；
53、根据所述第一训练结果和所述第二训练结果判断所述目标是否为活体。
其中，上述预设的第一活体检测分类器为针对可见光的虹膜图像进行活体检测的分类器，上述预设的第二活体检测分类器为针对红外的虹膜图像进行活体检测的分类器，上述预设的第一活体检测分类器或者预设的第二活体检测分类器均可包括但不仅限于：支持向量机(Support Vector Machine，SVM)、遗传算法分类器、神经网络算法分类器、级联分类器(如遗传算法+SVM)等等。两者的实现过程可参照如下方式步骤C1-C7：
C1、获取正样本集，所述正样本集包含X个活体虹膜图像，所述X为正整数；
C2、获取负样本集，所述负样本集包含Y个非活体虹膜图像，所述Y为正整数；
C3、对所述正样本集进行特征提取，得到所述X组特征；
C4、对所述负样本集进行特征提取，得到所述Y组特征；
C5、采用第一指定分类器对所述X组特征进行训练，得到第一类目标分类器；
C6、采用第二指定分类器对所述Y组特征进行训练，得到第二类目标分类器；
C7、将所述第一类目标分类器和所述第二类目标分类器作为活体检测分类器。
其中，在确定预设的第一活体检测分类器的时候，上述步骤C1-C7中的活体虹膜图像为可见光虹膜图像，非活体虹膜图像为可见光图像；在确定预设的第二活体检测分类器的时候，上述步骤C1-C7中的活体虹膜图像为红外虹膜图像，非活体虹膜图像为红外图像。上述X与Y均可由用户设置，其具体数量越大，则分类器分类效果越好。上述C3、C4中的特征提取可参照上述描述，上述正样本集可包含X个正样本，每一正样本为活体虹膜图像，上述负样本集可包含Y个负样本，每一负样本为非活体虹膜图像，另外，第一指定分类器和第二指定分类器可为同一分类器或者不同的分类器，无论是第一指定分类器还是第二指定分类器均可包括但不仅限于：支持向量机、遗传算法分类器、神经网络算法分类器、级联分类器(如遗传算法+SVM)等等。
可选地，所述移动终端设置有环境传感器；通过所述环境传感器获取当前环境参数；上述步骤53中，根据所述第一训练结果和所述第二训练结果判断所述目标是否为活体，可包括如下步骤：
531、根据所述当前环境参数确定所述第一训练结果对应的第一权值和所述第二训练结果对应的第二权值；
532、根据所述第一权值、所述第二权值、所述第一训练结果和所述第二训练结果确定目标训练结果，并在所述目标训练结果符合预设条件时，确认所述目标为活体。
其中，上述环境传感器可为以下至少一种：环境光传感器(用于检测环境亮度)、环境色温传感器(用于检测环境色温)、温度传感器(用于检测环境温度)、全球定位系统(用于检测地理位置)、湿度传感器(用于检测环境湿度)、磁场检测传感器(用于检测磁场强度)等等。上述环境参数可包括但不仅限于：环境亮度、环境色温、环境温度、环境湿度、地理位置、磁场强度等等。在执行本发明实施例之前，可预先设置环境参数与第一权重之间的对应关系，环境参数与第二权值之间的对应关系，进而，在确定了当前环境参数之后，可根据当前环境参数确定第一训练结果对应的第一权值和第二训练结果对应的第二权值，进一步地，可根据第一权值、第二权值、第一训练结果和第二训练结果确定目标训练结果，例如，目标训练结果＝第一权值*第一训练结果+第二权值*第二训练结果，在目标训练结果符合预设条件时，确定目标为活体，预设条件可为目标训练结果大于预设检测阈值，上述预设检测阈值可由用户自行设置或者系统默认，或者，上述预设条件可为判断目标训练结果是否处于预设范围，该预设范围可由系统默认或者用户自行设置。具体实现中，不同的环境，虹膜活体检测的准确性不一样，因而，可依据不同的环境采用不同的权值。
可选地，本发明实施例中，红外摄像头和所述可见光摄像头的视角范围相同，从而，拍摄出来的图像处于同一场景。
可以看出，本发明实施例，通过可见光摄像头获取第一虹膜图像，用过红外摄像头获取第二虹膜图像，其中，第一虹膜图像与第二虹膜图像来自同一目标，对第一虹膜图像进行特征提取，得到第一类特征集，对第二虹膜图像进行特征提取，得到第二类特征集，根据第一类特征集和第二类特征集判断目标是否为活体，可见，可利用可见光摄像头和红外摄像头分别获取虹膜图像，并对俩虹膜图像进行特征提取，根据两者的特征判断虹膜是否来自于活体，可从多个维度对虹膜进行活体检测，可提升活体检测准确性。
请参阅图2，为本发明实施例提供的一种虹膜活体检测方法的实施例流程示意图，该方法应用于包括可见光摄像头、红外摄像头以及应用处理器AP的移动终端，其移动终端的示意图以及结构图可参见图1A-图1C，本实施例中所描述的虹膜活体检测方法，包括以下步骤：
201、根据目标对可见光摄像头与红外摄像头进行配准，使得所述可见光摄像头与所述红外摄像头的视角范围一致。
其中，可对可见光摄像头与红外摄像头进行配准，目的在于，使得可见光摄像头与红外摄像头的视角范围一致，如此，后续得到的第一虹膜图像和第二虹膜图像，两者之间可实现完全重合，活体检测效果更佳。
202、通过所述可见光摄像头获取第一虹膜图像。
203、通过所述红外摄像头获取第二虹膜图像。
204、对所述第一虹膜图像进行特征提取，得到第一类特征集。
205、对所述第二虹膜图像进行特征提取，得到第二类特征集。
206、根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体。
其中，上述步骤203-步骤206的具体描述可参照图1所描述的虹膜活体检测方法的对应步骤，在此不再赘述。
可以看出，本发明实施例中，可先对可见光摄像头与红外摄像头进行配准，使得两者的视角范围一致，利用可见光摄像头获取第一虹膜图像，利用红外摄像头获取第二虹膜图像，其中，第一虹膜图像与第二虹膜图像来自同一目标，对第一虹膜图像进行特征提取，得到第一类特征集，对第二虹膜图像进行特征提取，得到第二类特征集，根据第一类特征集和第二类特征集判断目标是否为活体，从而，可利用可见光摄像头和红外摄像头分别获取虹膜图像，并对俩虹膜图像进行特征提取，根据两者的特征判断虹膜是否来自于活体，可从多个维度对虹膜进行活体检测，可提升活体检测准确性。
请参阅图3，图3是本发明实施例提供的一种移动终端，至少包括：应用处理器AP和存储器，所述移动终端还可包括虹膜识别装置，所述虹膜识别装置包括红外摄像头、红外补光灯和可见光摄像头；以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置成由所述AP执行，所述程序包括用于执行以下步骤的指令：
通过可见光摄像头获取第一虹膜图像；
通过红外摄像头获取第二虹膜图像，其中，所述第一虹膜图像与所述第二虹膜图像来自同一目标；
对所述第一虹膜图像进行特征提取，得到第一类特征集；
对所述第二虹膜图像进行特征提取，得到第二类特征集；
根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体。
在一个可能的示例中，在所述根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体方面，所述程序包括用于执行以下步骤的指令：
采用预设的第一活体检测分类器对所述第一类特征集进行训练，得到第一训练结果；
采用预设的第二活体检测分类器对所述第二类特征集进行训练，得到第二训练结果；
根据所述第一训练结果和所述第二训练结果判断所述目标是否为活体。
在一个可能的示例中，所述移动终端设置有环境传感器；所述程序包括用于执行以下步骤的指令：
控制所述环境传感器获取当前环境参数；在所述根据所述第一训练结果和所述第二训练结果判断所述目标是否为活体方面，所述程序包括用于执行以下步骤的指令：
根据所述当前环境参数确定所述第一训练结果对应的第一权值和所述第二训练结果对应的第二权值；
根据所述第一权值、所述第二权值、所述第一训练结果和所述第二训练结果确定目标训练结果，并在所述目标训练结果符合预设条件时，确认所述目标为活体。
在一个可能的示例中，在所述通过红外摄像头获取第二虹膜图像方面，所述程序包括用于执行以下步骤的指令：
获取所述第一虹膜图像的区域位置信息；
获取由所述红外摄像头拍摄的红外图像；
根据所述区域位置信息从所述红外图像中确定所述第二虹膜图像。
在一个可能的示例中，所述红外摄像头和所述可见光摄像头的视角范围相同。
请参阅图4A，图4A是本实施例提供的一种虹膜活体检测装置的结构示意图。该虹膜活体检测装置应用于移动终端，虹膜活体检测装置包括第一获取单元401、第二获取单元402、提取单元403和判断单元404，其中，
第一获取单元401，用于利用可见光摄像头获取第一虹膜图像；
第二获取单元402，用于利用红外摄像头获取第二虹膜图像，其中，所述第一虹膜图像与所述第二虹膜图像来自同一目标；
提取单元403，用于对所述第一虹膜图像进行特征提取，得到第一类特征集；
所述提取单元403，还具体用于对所述第二虹膜图像进行特征提取，得到第二类特征集；
判断单元404，用于根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体。
可选地，如图4B，图4B是图4A所描述的虹膜活体检测装置的判断单元404的具体细节结构，所述判断单元404包括：训练模块4041和判断模块4042，具体如下：
训练模块4041，用于采用预设的第一活体检测分类器对所述第一类特征集进行训练，得到第一训练结果；
所述训练模块4041，还具体用于采用预设的第二活体检测分类器对所述第二类特征集进行训练，得到第二训练结果；
判断模块4042，用于根据所述第一训练结果和所述第二训练结果判断所述目标是否为活体。
可选地，如图4C，图4C是图4B所描述的判断单元404的判断模块4042的具体细节结构，所述判断模块4042可包括：第一获取模块510和第一确定模块520，具体如下：
第一获取模块510，用于获取当前环境参数；
第一确定模块520，用于根据所述当前环境参数确定所述第一训练结果对应的第一权值和所述第二训练结果对应的第二权值；根据所述第一权值、所述第二权值、所述第一训练结果和所述第二训练结果确定目标训练结果；在所述目标训练结果符合预设条件时，确认所述目标为活体。
可选地，如图4D，图4D是图4A所描述的虹膜活体检测装置的第二获取单元402的具体细节结构，所述第二获取单元402可包括：第二确定模块4021和第二获取模块4022，具体如下：
第二确定模块4021，用于确定所述第一虹膜图像的区域位置信息；
第二获取模块4022，用于获取由红外摄像头拍摄的红外图像；
所述第二确定模块4021，用于根据所述区域位置信息从所述红外图像中确定所述第二虹膜图像。
可选地，所述红外摄像头和所述可见光摄像头的视角范围相同。
可以看出，本发明实施例所描述的虹膜活体检测装置，可利用可见光摄像头获取第一虹膜图像，利用红外摄像头获取第二虹膜图像，其中，第一虹膜图像与第二虹膜图像来自同一目标，对第一虹膜图像进行特征提取，得到第一类特征集，对第二虹膜图像进行特征提取，得到第二类特征集，根据第一类特征集和第二类特征集判断目标是否为活体，可见，可利用可见光摄像头和红外摄像头分别获取虹膜图像，并对俩虹膜图像进行特征提取，根据两者的特征判断虹膜是否来自于活体，可从多个维度对虹膜进行活体检测，可提升活体检测准确性。
可以理解的是，本实施例的虹膜活体检测装置的各程序模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
本发明实施例还提供了另一种移动终端，如图5所示，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该移动终端可以为包括手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑等任意终端设备，以移动终端为手机为例：
图5示出的是与本发明实施例提供的移动终端相关的手机的部分结构的框图。参考图5，手机包括：射频(Radio Frequency，RF)电路910、存储器920、输入单元930、传感器950、音频电路960、无线保真(Wireless Fidelity，WiFi)模块970、应用处理器AP980、以及电源990等部件。本领域技术人员可以理解，图5中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图5对手机的各个构成部件进行具体的介绍：
输入单元930可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元930可包括触控显示屏933、虹膜识别装置931以及其他输入设备932。虹膜识别装置931的具体结构可参照图1A-图1C。输入单元930还可以包括其他输入设备932。具体地，其他输入设备932可以包括但不限于物理按键、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
其中，所述虹膜识别装置931用于：获取虹膜图像；
所述AP980，用于执行如下步骤：
控制所述可见光摄像头获取第一虹膜图像，并将所述第一虹膜图像发送给所述AP；
控制所述红外摄像头获取第二虹膜图像，并将所述第二虹膜图像发送给所述AP，其中，所述第一虹膜图像与所述第二虹膜图像来自同一目标；
对所述第一虹膜图像进行特征提取，得到第一类特征集；
对所述第二虹膜图像进行特征提取，得到第二类特征集；
根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体。
AP980是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器920内的软件程序和/或模块，以及调用存储在存储器920内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，AP980可包括一个或多个处理单元；优选的，AP980可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到AP980中。
此外，存储器920可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
RF电路910可用于信息的接收和发送。通常，RF电路910包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier，LNA)、双工器等。此外，RF电路910还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(Global System of Mobilecommunication，GSM)、通用分组无线服务(General Packet Radio Service，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband Code DivisionMultiple Access,WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。
手机还可包括至少一种传感器950，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节触控显示屏的亮度，接近传感器可在手机移动到耳边时，关闭触控显示屏和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路960、扬声器961，传声器962可提供用户与手机之间的音频接口。音频电路960可将接收到的音频数据转换后的电信号，传输到扬声器961，由扬声器961转换为声音信号播放；另一方面，传声器962将收集的声音信号转换为电信号，由音频电路960接收后转换为音频数据，再将音频数据播放AP980处理后，经RF电路910以发送给比如另一手机，或者将音频数据播放至存储器920以便进一步处理。
WiFi属于短距离无线传输技术，手机通过WiFi模块970可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图5示出了WiFi模块970，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
手机还包括给各个部件供电的电源990(比如电池)，优选的，电源可以通过电源管理系统与AP980逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管未示出，手机还可以包括红外摄像头、可见光摄像头、蓝牙模块等，在此不再赘述。
前述图1D、图2所示的实施例中，各步骤方法流程可以基于该手机的结构实现。
前述图3、图4A～图4D所示的实施例中，各单元功能可以基于该手机的结构实现。
本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质用于存储计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种虹膜活体检测方法的部分或全部步骤。
本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种虹膜活体检测方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (13)

1.一种虹膜活体检测方法，其特征在于，所述方法包括：
通过可见光摄像头获取第一虹膜图像；
通过红外摄像头获取第二虹膜图像，其中，所述第一虹膜图像与所述第二虹膜图像来自同一目标；
对所述第一虹膜图像进行特征提取，得到第一类特征集；
对所述第二虹膜图像进行特征提取，得到第二类特征集；
根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体，包括：
采用预设的第一活体检测分类器对所述第一类特征集进行训练，得到第一训练结果；
采用预设的第二活体检测分类器对所述第二类特征集进行训练，得到第二训练结果；
根据所述第一训练结果和所述第二训练结果判断所述目标是否为活体。
3.根据权利要求2所述的方法，其特征在于，所述移动终端设置有环境传感器；所述方法还包括：
通过所述环境传感器获取当前环境参数；
所述根据所述第一训练结果和所述第二训练结果判断所述目标是否为活体，包括：
根据所述当前环境参数确定所述第一训练结果对应的第一权值和所述第二训练结果对应的第二权值；
根据所述第一权值、所述第二权值、所述第一训练结果和所述第二训练结果确定目标训练结果，并在所述目标训练结果符合预设条件时，确认所述目标为活体。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述通过红外摄像头获取第二虹膜图像，包括：
获取所述第一虹膜图像的区域位置信息；
获取由所述红外摄像头拍摄的红外图像；
根据所述区域位置信息从所述红外图像中确定所述第二虹膜图像。
5.根据权利要求1-3任一项所述的方法，其特征在于，所述红外摄像头和所述可见光摄像头的视角范围相同。
6.一种移动终端，其特征在于，包括可见光摄像头、红外摄像头以及应用处理器AP，其中，
所述可见光摄像头，用于获取第一虹膜图像，并将所述第一虹膜图像发送给所述AP；
所述红外摄像头，用于获取第二虹膜图像，并将所述第二虹膜图像发送给所述AP，其中，所述第一虹膜图像与所述第二虹膜图像来自同一目标；
所述AP，用于对所述第一虹膜图像进行特征提取，得到第一类特征集；
所述AP，还用于对所述第二虹膜图像进行特征提取，得到第二类特征集；根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体。
7.根据权利要求6所述的移动终端，其特征在于，在所述根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体方面，所述AP具体用于：
采用预设的第一活体检测分类器对所述第一类特征集进行训练，得到第一训练结果；采用预设的第二活体检测分类器对所述第二类特征集进行训练，得到第二训练结果；根据所述第一训练结果和所述第二训练结果判断所述目标是否为活体。
8.根据权利要求7所述的移动终端，其特征在于，所述移动终端设置有环境传感器；
所述环境传感器，用于获取当前环境参数，并将所述当前环境参数发送给所述AP；
在所述根据所述第一训练结果和所述第二训练结果判断所述目标是否为活体方面，所述AP具体用于：
根据所述当前环境参数确定所述第一训练结果对应的第一权值和所述第二训练结果对应的第二权值；根据所述第一权值、所述第二权值、所述第一训练结果和所述第二训练结果确定目标训练结果，并在所述目标训练结果符合预设条件时，确认所述目标为活体。
9.根据权利要求6-8任一项所述的移动终端，其特征在于，在所述获取第一虹膜图像，所述红外摄像头具体用于：
获取所述第一虹膜图像的区域位置信息；获取由所述红外摄像头拍摄的红外图像；根据所述区域位置信息从所述红外图像中确定所述第二虹膜图像。
10.根据权利要求6-8任一项所述的移动终端，其特征在于，所述红外摄像头和所述可见光摄像头的视角范围相同。
11.一种虹膜活体检测装置，其特征在于，包括：
第一获取单元，用于利用可见光摄像头获取第一虹膜图像；
第二获取单元，用于利用红外摄像头获取第二虹膜图像，其中，所述第一虹膜图像与所述第二虹膜图像来自同一目标；
提取单元，用于对所述第一虹膜图像进行特征提取，得到第一类特征集；
所述提取单元，还具体用于对所述第二虹膜图像进行特征提取，得到第二类特征集；
判断单元，用于根据所述第一类特征集和所述第二类特征集判断所述目标是否为活体。
12.一种移动终端，其特征在于，包括：可见光摄像头、红外摄像头以及应用处理器AP和存储器；以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置成由所述AP执行，所述程序包括用于如权利要求1-5任一项方法的指令。
13.一种计算机可读存储介质，其特征在于，其用于存储计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-5任一项所述的方法。
CN201710576785.0A 2017-07-14 2017-07-14 虹膜活体检测方法及相关产品 Expired - Fee Related CN107292285B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710576785.0A CN107292285B (zh) 2017-07-14 2017-07-14 虹膜活体检测方法及相关产品
PCT/CN2018/091082 WO2019011099A1 (zh) 2017-07-14 2018-06-13 虹膜活体检测方法及相关产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710576785.0A CN107292285B (zh) 2017-07-14 2017-07-14 虹膜活体检测方法及相关产品

Publications (2)

Publication Number Publication Date
CN107292285A true CN107292285A (zh) 2017-10-24
CN107292285B CN107292285B (zh) 2020-01-14

Family

ID=60101890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710576785.0A Expired - Fee Related CN107292285B (zh) 2017-07-14 2017-07-14 虹膜活体检测方法及相关产品

Country Status (2)

Country Link
CN (1) CN107292285B (zh)
WO (1) WO2019011099A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108009534A (zh) * 2017-11-20 2018-05-08 上海聚虹光电科技有限公司 基于瞳孔灰度的活体检测方法
CN108268839A (zh) * 2018-01-05 2018-07-10 北京万相融通科技股份有限公司 一种活体验证方法及其系统
CN108776786A (zh) * 2018-06-04 2018-11-09 北京京东金融科技控股有限公司 用于生成用户真伪识别模型的方法和装置
CN109089052A (zh) * 2018-10-18 2018-12-25 浙江宇视科技有限公司 一种目标物体的验证方法及装置
WO2019011099A1 (zh) * 2017-07-14 2019-01-17 Oppo广东移动通信有限公司 虹膜活体检测方法及相关产品
CN109840514A (zh) * 2019-03-04 2019-06-04 深圳三人行在线科技有限公司 一种活体检测的方法和设备
CN110069970A (zh) * 2018-01-22 2019-07-30 三星电子株式会社 活性测试方法和设备
CN111079576A (zh) * 2019-11-30 2020-04-28 腾讯科技（深圳）有限公司 活体检测方法、装置、设备及存储介质
CN111611848A (zh) * 2020-04-02 2020-09-01 北京中科虹霸科技有限公司 尸体虹膜识别方法和装置
WO2021164252A1 (zh) * 2020-02-19 2021-08-26 平安科技（深圳）有限公司 基于虹膜识别的用户身份确定方法及相关装置

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112949353A (zh) * 2019-12-10 2021-06-11 北京眼神智能科技有限公司 虹膜静默活体检测方法、装置、可读存储介质及设备
CN111914672B (zh) * 2020-07-08 2023-08-04 浙江大华技术股份有限公司 图像标注方法和装置及存储介质
CN113158890A (zh) * 2021-04-15 2021-07-23 上海云从企业发展有限公司 活体检测系统、方法及计算机存储介质
CN115798002A (zh) * 2022-11-24 2023-03-14 北京的卢铭视科技有限公司 人脸检测方法、系统、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140037152A1 (en) * 2011-04-20 2014-02-06 Institute Of Automation, Chinese Academy Of Sciences Identity recognition based on multiple feature fusion for an eye image
CN105354557A (zh) * 2014-11-03 2016-02-24 倪蔚民 一种生物识别防伪造物活体检测方法
CN106055961A (zh) * 2016-05-31 2016-10-26 广东欧珀移动通信有限公司 一种指纹解锁方法及移动终端

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103324908A (zh) * 2012-03-23 2013-09-25 桂林电子科技大学 用于虹膜识别的快速虹膜采集判断控制方法
CN104166835A (zh) * 2013-05-17 2014-11-26 诺基亚公司 用于识别活体用户的方法和装置
CN103400108B (zh) * 2013-07-10 2017-07-14 小米科技有限责任公司 人脸识别方法、装置和移动终端
CN103839054B (zh) * 2014-03-14 2017-05-24 北京中科虹霸科技有限公司 一种支持虹膜识别的多功能移动智能终端传感器
CN104933419B (zh) * 2015-06-30 2019-05-21 小米科技有限责任公司 获取虹膜图像的方法、装置及红膜识别设备
CN106529436B (zh) * 2016-10-25 2020-03-17 徐鹤菲 一种身份一致性认证方法、装置和移动终端
CN107292285B (zh) * 2017-07-14 2020-01-14 Oppo广东移动通信有限公司 虹膜活体检测方法及相关产品

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140037152A1 (en) * 2011-04-20 2014-02-06 Institute Of Automation, Chinese Academy Of Sciences Identity recognition based on multiple feature fusion for an eye image
CN105354557A (zh) * 2014-11-03 2016-02-24 倪蔚民 一种生物识别防伪造物活体检测方法
CN106055961A (zh) * 2016-05-31 2016-10-26 广东欧珀移动通信有限公司 一种指纹解锁方法及移动终端

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019011099A1 (zh) * 2017-07-14 2019-01-17 Oppo广东移动通信有限公司 虹膜活体检测方法及相关产品
CN108009534B (zh) * 2017-11-20 2018-06-15 上海聚虹光电科技有限公司 基于瞳孔灰度的活体检测方法
CN108009534A (zh) * 2017-11-20 2018-05-08 上海聚虹光电科技有限公司 基于瞳孔灰度的活体检测方法
CN108268839A (zh) * 2018-01-05 2018-07-10 北京万相融通科技股份有限公司 一种活体验证方法及其系统
CN110069970A (zh) * 2018-01-22 2019-07-30 三星电子株式会社 活性测试方法和设备
CN108776786A (zh) * 2018-06-04 2018-11-09 北京京东金融科技控股有限公司 用于生成用户真伪识别模型的方法和装置
CN109089052B (zh) * 2018-10-18 2020-09-01 浙江宇视科技有限公司 一种目标物体的验证方法及装置
CN109089052A (zh) * 2018-10-18 2018-12-25 浙江宇视科技有限公司 一种目标物体的验证方法及装置
CN109840514A (zh) * 2019-03-04 2019-06-04 深圳三人行在线科技有限公司 一种活体检测的方法和设备
CN111079576A (zh) * 2019-11-30 2020-04-28 腾讯科技（深圳）有限公司 活体检测方法、装置、设备及存储介质
CN111079576B (zh) * 2019-11-30 2023-07-28 腾讯科技（深圳）有限公司 活体检测方法、装置、设备及存储介质
WO2021164252A1 (zh) * 2020-02-19 2021-08-26 平安科技（深圳）有限公司 基于虹膜识别的用户身份确定方法及相关装置
CN111611848A (zh) * 2020-04-02 2020-09-01 北京中科虹霸科技有限公司 尸体虹膜识别方法和装置
CN111611848B (zh) * 2020-04-02 2024-02-06 北京中科虹霸科技有限公司 尸体虹膜识别方法和装置

Also Published As

Publication number Publication date
CN107292285B (zh) 2020-01-14
WO2019011099A1 (zh) 2019-01-17

Similar Documents

Publication Publication Date Title
CN107292285A (zh) 虹膜活体检测方法及相关产品
CN107423699B (zh) 活体检测方法及相关产品
CN107590461B (zh) 人脸识别方法及相关产品
CN107679482A (zh) 解锁控制方法及相关产品
CN107480496A (zh) 解锁控制方法及相关产品
CN107506687A (zh) 活体检测方法及相关产品
CN107832675A (zh) 拍照处理方法及相关产品
CN107657218B (zh) 人脸识别方法及相关产品
CN107506696A (zh) 防伪处理方法及相关产品
CN109241908A (zh) 人脸识别方法及相关装置
CN107609514A (zh) 人脸识别方法及相关产品
CN107451455A (zh) 解锁控制方法及相关产品
CN107368791A (zh) 虹膜活体检测方法及相关产品
CN107463818A (zh) 解锁控制方法及相关产品
CN107679481A (zh) 解锁控制方法及相关产品
CN109117725A (zh) 人脸识别方法及装置
CN111079576A (zh) 活体检测方法、装置、设备及存储介质
CN107392135A (zh) 活体检测方法及相关产品
CN107784271B (zh) 指纹识别方法及相关产品
CN107403147A (zh) 虹膜活体检测方法及相关产品
CN107451446A (zh) 解锁控制方法及相关产品
CN107633499A (zh) 图像处理方法及相关产品
CN107451454B (zh) 解锁控制方法及相关产品
CN107862266A (zh) 图像处理方法及相关产品
CN107613550A (zh) 解锁控制方法及相关产品

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
CB02 Change of applicant information

Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18

Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd.

Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18

Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200114

CF01 Termination of patent right due to non-payment of annual fee