CN107480608A - 防伪处理方法及相关产品 - Google Patents
防伪处理方法及相关产品 Download PDFInfo
- Publication number
- CN107480608A CN107480608A CN201710634325.9A CN201710634325A CN107480608A CN 107480608 A CN107480608 A CN 107480608A CN 201710634325 A CN201710634325 A CN 201710634325A CN 107480608 A CN107480608 A CN 107480608A
- Authority
- CN
- China
- Prior art keywords
- image
- feature point
- iris
- point set
- iris image
- 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
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
- G06V40/18—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
- G06V40/10—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ophthalmology & Optometry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明实施例公开了一种防伪处理方法及相关产品,其中,方法包括:获取人脸图像和虹膜图像;从所述人脸图像中提取出稳定特征点集;将所述稳定特征点集与预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测;在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。本发明实施例可一方面对人脸进行特征匹配,以及另一方面对虹膜进行活体检测,从而,实现了防伪,可提升多生物识别安全性。
Description
技术领域
本发明涉及移动终端技术领域,具体涉及一种防伪处理方法及相关产品。
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,多生物识别越来越受到移动终端生产厂商的青睐,尤其是虹膜识别和人脸识别,由于虹膜是人脸的一部分,因而,两者配合使用也是未来发展的一大趋势,虽然在一定程度上可增加多生物识别的安全性,但是,在多生物识别过程中,若无法分子采用伪造的人脸或者虹膜进行识别也有可能通过多生物识别,因而,如何对多生物识别进行防伪的问题亟待解决。
发明内容
本发明实施例提供了一种防伪处理方法及相关产品,可以进行防伪,以提升多生物识别的安全性。
第一方面,本发明实施例提供一种移动终端,包括应用处理器(ApplicationProcessor,AP),以及连接所述AP的虹膜识别装置、人脸识别装置和存储器,其中:
所述虹膜识别装置,用于获取虹膜图像;
所述人脸识别虹膜,用于获取人脸图像,所述虹膜图像与所述人脸图像均来自于目标对象;
所述存储器,用于存储预设特征点集;
所述AP,用于从所述人脸图像中提取出稳定特征点集;将所述稳定特征点集与所述预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测;以及在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
第二方面,本发明实施例提供了一种防伪处理方法,应用于包括应用处理器AP,以及连接所述AP的虹膜识别装置、人脸识别装置和存储器的移动终端,其中,所述存储器,用于存储预设特征点集;所述方法包括:
所述虹膜识别装置,用于获取虹膜图像;
所述人脸识别虹膜,用于获取人脸图像,所述虹膜图像与所述人脸图像均来自于目标对象;
所述AP,用于从所述人脸图像中提取出稳定特征点集;将所述稳定特征点集与所述预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测;以及在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
第三方面,本发明实施例提供了一种防伪处理方法,包括:
获取人脸图像和虹膜图像,所述虹膜图像与所述人脸图像均来自于目标对象;
从所述人脸图像中提取出稳定特征点集;
将所述稳定特征点集与预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测;
在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
第四方面,本发明实施例提供了一种防伪处理装置,包括:
第一获取单元,用于获取人脸图像和虹膜图像,所述虹膜图像与所述人脸图像均来自于目标对象;
提取单元,用于从所述人脸图像中提取出稳定特征点集;
检测单元,用于将所述稳定特征点集与预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测;
第一确定单元,用于在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
第五方面,本发明实施例提供了一种移动终端,包括: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第三方面中所描述的部分或全部步骤的指令。
第六方面,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三方面中所描述的部分或全部步骤的指令。
第七方面,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三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,本发明实施例中,获取人脸图像和虹膜图像,虹膜图像与人脸图像均来自于目标对象,从人脸图像中提取出稳定特征点集,将稳定特征点集与预设特征点集进行匹配,以及根据虹膜图像进行活体检测,在稳定特征点集与预设特征点集匹配成功且虹膜图像来自于活体时,确认目标对象为真实有效的人脸,从而,可一方面对人脸进行特征匹配,以及另一方面对虹膜进行活体检测,从而,实现了防伪,可提升多生物识别安全性。
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移动终端的架构示意图;
图1B是本发明实施例提供的一种移动终端的另一结构示意图;
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是本发明实施例公开的一种防伪处理方法的流程示意图;
图2是本发明实施例公开的另一种防伪处理方法的流程示意图;
图3是本发明实施例提供的一种移动终端的另一结构示意图;
图4A是本发明实施例提供的一种防伪处理装置的结构示意图;
图4B是本发明实施例提供的图4A所描述的防伪处理装置的提取单元的结构示意图;
图4C是本发明实施例提供的图4B所描述的提取单元的筛选模块的结构示意图;
图4D是本发明实施例提供的一种防伪处理装置的另一结构示意图;
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。
需要说明的是,本发明实施例中的移动终端可安装有多生物识别装置,即多个生物识别装置,该多个生物识别装置除了包括虹膜识别装置、人脸识别装置,还可包括但不仅限于:指纹识别装置、静脉识别装置、脑电波识别装置、心电图识别装置等等,每一生物识别装置均有对应的识别算法以及识别阈值,另外,每一生物识别装置均有与之对应的并由用户预先录入的模板,例如,指纹识别装置有与之对应的预设指纹模板,进一步地,指纹识别装置可采集指纹图像,在指纹图像与预设指纹模板之间的匹配值大于其对应的识别阈值时,则识别通过。本发明实施例中的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。
进一步地,本发明实施例中的多生物识别模式可包含两种或者两种以上的识别步骤,例如,先指纹识别,在指纹识别通过后再人脸识别,又或者,指纹识别和人脸识别同步进行。多生物识别模式与单生物识别模式(例如,仅进行指纹识别则可实现解锁)相比较,其安全性更高,因而,多生物识别模式越来越受欢迎。
下面对本发明实施例进行详细介绍。如图1A所示的一种示例移动终端1000,该移动终端1000的虹膜识别装置可以包括红外补光灯21和红外摄像头22,在虹膜识别装置工作过程中,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,虹膜识别装置采集虹膜图像,前置摄像头23可作为人脸识别装置。
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、人脸识别装置120、虹膜识别装置130,其中,虹膜识别装置130可与人脸识别装置120集成在一起,或者,虹膜识别装置130与人脸识别装置120可独立存在,其中,所述AP110通过总线150连接人脸识别装置120和虹膜识别装置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还包括环境光传感器160。
基于上述图1A-图1C所描述的移动终端,可用于执行下述操作,具体如下。
可选地,所述虹膜识别装置130,用于获取虹膜图像;
所述人脸识别虹膜120,用于获取人脸图像,所述虹膜图像与所述人脸图像均来自于目标对象;
所述存储器140,用于存储预设特征点集;
所述AP110,用于从所述人脸图像中提取出稳定特征点集;将所述稳定特征点集与所述预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测;以及在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
可选地,在所述从所述人脸图像中提取出稳定特征点集方面,所述AP110具体用于:
对所述人脸图像进行图像分割,以得到所述人脸图像中的五官区域图像;
对所述五官区域图像进行特征点提取,得到M个特征点,所述M为大于1的整数;
对所述M个特征点进行筛选,得到N个稳定特征点,其组成所述稳定特征点集,所述N为小于所述M的正整数。
可选地,在所述对所述M个特征点进行筛选,得到N个稳定特征点,其组成所述稳定特征点集方面,所述AP110具体用于:
确定所述M个特征点中每一特征点的模,得到所述M个模值;
从所述M个模值中选取大于第一预设阈值的模值,得到所述N个模值,将所述N个模值对应的特征点作为所述稳定特征点集。
可选地,在所述根据所述虹膜图像进行活体检测方面,所述AP110具体用于:
对所述虹膜图像进行特征提取,得到P个特征点,所述P为大于1的整数;
采用预设分类器对所述P个特征点进行训练,得到P个训练值;
从所述P个训练值中选取大于预设训练阈值的训练值,得到Q个训练值,在所述Q与所述P之比大于第二预设阈值时,确认所述虹膜图像来自于活体,所述Q为小于所述P的正整数。
可选地,所述移动终端设置有环境光传感器160,所述环境光传感器用于获取当前环境亮度值;
所述AP110,还用于确定所述当前环境亮度值对应的图像增强系数;
在所述对所述虹膜图像进行特征提取方面,所述AP110具体用于:
根据所述图像增强系数对所述虹膜图像进行图像增强处理,并对图像增强处理后的所述虹膜图像进行特征提取。
可选地,在所述对所述虹膜图像进行特征提取方面,所述AP110具体用于:
对所述虹膜图像进行二值化处理;
对二值化处理后的所述虹膜图像进行平滑处理;
对平滑处理后的所述虹膜图像进行特征提取。
基于上述图1A-图1C所描述的移动终端,其中,所述存储器140,用于存储预设特征点集;其中,该移动终端用于执行如下的防伪处理方法,所述方法包括:
所述虹膜识别装置130,用于获取虹膜图像;
所述人脸识别虹膜120,用于获取人脸图像,所述虹膜图像与所述人脸图像均来自于目标对象;
所述AP110,用于从所述人脸图像中提取出稳定特征点集;将所述稳定特征点集与所述预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测;以及在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
请参阅图1D,为本发明实施例提供的一种防伪处理方法的实施例流程示意图。本实施例中所描述的防伪处理方法,应用于移动终端,其实物图以及结构图可参见图1A-图1C,其包括以下步骤:
101、获取人脸图像和虹膜图像。
其中,移动终端可通过人脸识别装置获取人脸图像,通过虹膜识别装置获取虹膜图像。当然,获取虹膜图像与获取人脸图像可并行执行,或者,也可以先获取人脸图像,再获取虹膜图像,或者,也可以先获取虹膜图像,再获取人脸图像。
可选地,上述步骤101中,获取人脸图像和虹膜图像,可包括如下步骤11-13,具体如下:
11、在目标对象的角度处于预设角度范围时,获取所述人脸图像;
12、根据所述人脸图像确定虹膜位置;
13、根据所述虹膜位置进行虹膜采集,得到所述虹膜图像。
其中,目标对象可为用户,预设角度范围可由系统默认或者用户自行设置。通常情况下,被拍摄物体(此处指目标对象)与移动终端之间会存在着一定的角度,当然,角度合适,则采集的人脸图像也合适,可以理解为,在目标对象的角度处于预设角度范围时,采集的人脸图像更宜于人脸识别,以及更容易采集到虹膜图像。因此,在目标对象的角度处于预设角度范围时,可获取人脸图像,进而,可根据人脸结构关系,得到虹膜位置,可控制虹膜识别装置对该虹膜位置进行对焦,以及进行虹膜采集,得到虹膜图像。
102、从所述人脸图像中提取出稳定特征点集。
其中,移动终端可对人脸图像进行特征,得到多个特征点,并对这些特征点进行筛选,得到稳定特征点集,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。
可选地,上述步骤102中,从所述人脸图像中提取出稳定特征点集,包括:
21、对所述人脸图像进行图像分割,以得到所述人脸图像中的五官区域图像;
22、对所述五官区域图像进行特征点提取,得到M个特征点,所述M为大于1的整数;
23、对所述M个特征点进行筛选,得到N个稳定特征点,其组成所述稳定特征点集,所述N为小于所述M的正整数。
其中,可对人脸图像进行图像分割,进而,从人脸图像中分割出五官区域图像,该五官区域图像可包括以下至少一种:眼睛、鼻子、嘴巴、眉毛、耳朵。可对五官区域图像进行特征提取,得到M个特征点,进而,对M个特征点进行筛选,得到N个稳定特征点,其组成一个稳定特征点集,N为小于M的正整数。
可选地,上述步骤23中,对所述M个特征点进行筛选,得到N个稳定特征点,其组成所述稳定特征点集,包括如下步骤231-232,具体如下:
231、确定所述M个特征点中每一特征点的模,得到所述M个模值;
232、从所述M个模值中选取大于第一预设阈值的模值,得到所述N个模值,将所述N个模值对应的特征点作为所述稳定特征点集。
其中,M个特征点中每一特征点均为一个向量,其包含大小和方向,因而,可计算每一特征点的模,得到M个模值,从M个模值中选取大于第一预设阈值的模值,将N个模值对应的特征点作为稳定特征点集,上述第一预设阈值可由用户自行设置或者系统默认。
103、将所述稳定特征点集与预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测。
其中,上述预设特征点集可保存在移动终端的存储器中,该预设特征点集可来自于用户的人脸图像(对该人脸图像进行特征提取得到),进而,可将稳定特征点集与预设特征点集进行匹配,在其匹配成功时,则可以进行虹膜图像进行活体检测。
可选地,上述将所述稳定特征点集与预设特征点集进行匹配与上述根据所述虹膜图像进行活体检测并行执行。例如,采用一个进程执行将所述稳定特征点集与预设特征点集进行匹配的步骤,以及采用另一个进程执行根据所述虹膜图像进行活体检测的步骤,又例如,采用一个线程执行将所述稳定特征点集与预设特征点集进行匹配的步骤,以及采用另一个线程执行根据所述虹膜图像进行活体检测的步骤。
可选地,上述步骤103中,根据所述虹膜图像进行活体检测,可包括如下步骤31-33,具体如下;
31、对所述虹膜图像进行特征提取,得到P个特征点,所述P为大于1的整数;
32、采用预设分类器对所述P个特征点进行训练,得到P个训练值;
33、从所述P个训练值中选取大于预设训练阈值的训练值,得到Q个训练值,在所述Q与所述P之比大于第二预设阈值时,确认所述虹膜图像来自于活体,所述Q为小于所述P的正整数。
其中,移动终端可对虹膜图像进行特征提取,得到P个特征点,P为大于1的整数。上述预设分类器可包括但不仅限于: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。可采用预设分类器对P个特征点进行训练,得到P个训练值,从P个训练值中选取大于预设训练阈值的训练值,得到Q个训练值,在Q与P之比大于第二预设阈值时,确认所述虹膜图像来自于活体,Q为小于P的正整数。预设训练阈值、第二预设阈值可由用户自行设置,或者系统默认。
其中,上述预设分类器可在执行上述本发明实施例之前设置,其主要设置可包含如下步骤A1-A7:
A1、获取正样本集,所述正样本集包含X个活体虹膜图像的特征点,所述X为正整数;
A2、获取负样本集,所述负样本集包含Y个非活体虹膜图像的特征点,所述Y为正整数;
A3、对所述正样本集进行特征提取,得到所述X组特征;
A4、对所述负样本集进行特征提取,得到所述Y组特征;
A5、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;
A6、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;
A7、将所述第一类目标分类器和所述第二类目标分类器作为所述预设分类器。
其中,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A3、A4中的特征提取的具体方式上述特征提取描述,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(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。
可选地,移动终端还可以设置有环境光传感器,获取当前环境亮度值,并确定所述当前环境亮度值对应的图像增强系数,上述步骤41中,对所述虹膜图像进行特征提取,可按照如下方式实施:
根据所述图像增强系数对所述虹膜图像进行图像增强处理,并对图像增强处理后的所述虹膜图像进行特征提取。
其中,移动终端可预先存储有亮度值与图像增强系数之间的映射关系,进而,移动终端可通过环境光传感器,获取当前环境亮度值,进一步地,根据该映射关系确认与当前环境亮度值对应的图像增强系数,并根据该图像增强系数对虹膜图像进行图像增强处理,并对图像增强处理后的虹膜图像进行特征提取。图像增强系数可理解为对图像进行图像增强处理的程度参数,例如,灰度拉伸,其对应一个拉伸系数,小波变换,其对应一个小波系数,直方图均均衡化也对应一个拉伸系数等等。
可选地,上述步骤31中,对所述虹膜图像进行特征提取,可包括如下步骤341-343,具体如下:
341、对所述虹膜图像进行二值化处理;
342、对二值化处理后的所述虹膜图像进行平滑处理;
343、对平滑处理后的所述虹膜图像进行特征提取。
其中,移动终端可将虹膜图像进行二值化处理,如此,可降低图像复杂度,进而,对虹膜图像进行平滑处理,并对平滑处理之后的虹膜图像进行特征提取。
104、在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
其中,稳定特征点集与预设特征点集匹配成功且虹膜图像来自于活体时,才确认目标对象为真实有效的人脸。此处的真实有效的人脸可认为是具有生命特征的人脸,并非是照片,或者,塑胶模型。
可选地,在立体人脸图像与预设立体人脸图像匹配失败或且虹膜图像来自于活体时,确认目标对象不是为真实有效的人脸。
举例说明下,有可能会存在伪造人脸(例如,塑胶模特),或者,伪造虹膜(例如,虹膜照片),因而,采用本发明实施例,可将移动终端中预先存储的人脸进行特征提取,得到预设特征点集,从而,在采集到针对目标对象的人脸图像以及虹膜图像之后,一方面,可对人脸图像进行特征提取,得到稳定特征点集,将其与预设特征点集进行匹配,另一方面,则可通过虹膜图像进行活体检测,在稳定特征点集和预设特征点集匹配成功且虹膜来自于活体,则说明目标对象为真实有效的人脸。如此,即可活体检测,又可一定程度上对人脸进行防伪检测,提升了防伪精度,具体实现中,由于虹膜也为人脸的一部分,两者之间便于定位以及图像处理,在一定程度上降低了算法复杂度。当然,计算无法分子戴着人皮面具,或者,制造了假体虹膜也很难被认证通过,因而,提升了多生物识别的安全性。
可以看出,本发明实施例中,获取人脸图像和虹膜图像,虹膜图像与人脸图像均来自于目标对象,从人脸图像中提取出稳定特征点集,将稳定特征点集与预设特征点集进行匹配,以及根据虹膜图像进行活体检测,在稳定特征点集与预设特征点集匹配成功且虹膜图像来自于活体时,确认目标对象为真实有效的人脸,从而,可一方面对人脸进行特征匹配,以及对虹膜进行活体检测,从而,实现了防伪,可提升多生物识别安全性。
请参阅图2,为本发明实施例提供的一种防伪处理方法的实施例流程示意图。本实施例中所描述的防伪处理方法,应用于移动终端,其实物图以及结构图可参见图1A-图1C,包括以下步骤:
201、获取当前环境参数。
其中,环境参数可为以下至少一个:环境亮度、天气、湿度、温度、磁场干扰强度、环境颜色等等。例如,可在触发解锁操作时,获取环境参数。其中,环境亮度可由环境光传感器检测得到,天气可由天气应用APP获取,磁场干扰强度可由磁场检测传感器检测得到,环境颜色可由摄像头获取。
202、根据所述当前环境参数确定虹膜采集参数。
其中,移动终端中可预先存储环境参数与虹膜采集参数之间的映射关系,进而,可根据该映射关系确定该当前环境参数对应的虹膜采集参数。虹膜采集参数可为以下至少一种:采集电压、采集电流,采集功率、补光灯强度、聚焦时间、是否需要变焦、光圈大小、曝光时长等等。
203、根据所述虹膜采集参数获取虹膜图像。
其中,移动终端可根据虹膜采集参数进行虹膜采集,得到虹膜图像。当然,这会的虹膜图像由于针对具体环境进行优化处理,得到的虹膜图像质量更高。
204、获取人脸图像,所述虹膜图像与所述人脸图像均来自于目标对象。
205、从所述人脸图像中提取出稳定特征点集。
206、将所述稳定特征点集与预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测。
207、在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
其中,上述步骤204-步骤207的具体描述可参照图1D所描述的防伪处理方法的对应步骤,在此不再赘述。
可以看出,本发明实施例中,获取当前环境参数,根据当前环境参数确定虹膜采集参数,根据虹膜采集参数获取虹膜图像,获取人脸图像,虹膜图像与人脸图像均来自于目标对象,从人脸图像中提取出稳定特征点集,将稳定特征点集与预设特征点集进行匹配,以及根据虹膜图像进行活体检测,在稳定特征点集与预设特征点集匹配成功且虹膜图像来自于活体时,确认目标对象为真实有效的人脸,从而,可一方面对人脸进行特征匹配,以及对虹膜进行活体检测,从而,实现了防伪,可提升多生物识别安全性。
请参阅图3,图3是本发明实施例提供的一种移动终端,包括: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以下步骤的指令:
获取人脸图像和虹膜图像,所述虹膜图像与所述人脸图像均来自于目标对象;
从所述人脸图像中提取出稳定特征点集;
将所述稳定特征点集与预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测;
在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
在一个可能的示例中,在所述从所述人脸图像中提取出稳定特征点集方面,所述程序包括用于执行以下步骤的指令:
对所述人脸图像进行图像分割,以得到所述人脸图像中的五官区域图像;
对所述五官区域图像进行特征点提取,得到M个特征点,所述M为大于1的整数;
对所述M个特征点进行筛选,得到N个稳定特征点,其组成所述稳定特征点集。
在一个可能的示例中,在所述对所述M个特征点进行筛选,得到N个稳定特征点,其组成所述稳定特征点集方面,所述程序包括用于执行以下步骤的指令:
确定所述M个特征点中每一特征点的模,得到所述M个模值;
从所述M个模值中选取大于第一预设阈值的模值,得到所述N个模值,将所述N个模值对应的特征点作为所述稳定特征点集。
在一个可能的示例中,在所述根据所述虹膜图像进行活体检测方面,所述程序包括用于执行以下步骤的指令:
对所述虹膜图像进行特征提取,得到P个特征点,所述P为大于1的整数;
采用预设分类器对所述P个特征点进行训练,得到P个训练值;
从所述P个训练值中选取大于预设训练阈值的训练值,得到Q个训练值,在所述Q与所述P之比大于第二预设阈值时,确认所述虹膜图像来自于活体,所述Q为小于所述P的正整数。
在一个可能的示例中,所述程序还包括用于执行以下步骤的指令:
获取当前环境亮度值;确定所述当前环境亮度值对应的图像增强系数;
在所述对所述虹膜图像进行特征提取方面,所述程序还包括用于执行以下步骤的指令:
根据所述图像增强系数对所述虹膜图像进行图像增强处理,并对图像增强处理后的所述虹膜图像进行特征提取。
在一个可能的示例中,所述对所述虹膜图像进行特征提取方面,所述程序还包括用于执行以下步骤的指令:
对所述虹膜图像进行二值化处理;
对二值化处理后的所述虹膜图像进行平滑处理;
对平滑处理后的所述虹膜图像进行特征提取。
请参阅图4A,图4A是本实施例提供的一种防伪处理装置的结构示意图。该防伪处理装置应用于移动终端,防伪处理装置包括第一获取单元401、提取单元402、检测单元403和第一确定单元404,其中,
第一获取单元401,用于获取人脸图像和虹膜图像,所述虹膜图像与所述人脸图像均来自于目标对象;
提取单元402,用于从所述人脸图像中提取出稳定特征点集;
检测单元403,用于将所述稳定特征点集与预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测;
第一确定单元404,用于在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
可选地,如图4B,图4B是图4A所描述的防伪处理装置的提取单元402的具体细节结构,提取单元402可包括分割模块4021、提取模块4022和筛选模块4023,具体如下:
分割模块4021,用于对所述人脸图像进行图像分割,以得到所述人脸图像中的五官区域图像;
提取模块4022,用于对所述五官区域图像进行特征点提取,得到M个特征点,所述M为大于1的整数;
筛选模块4023,用于对所述M个特征点进行筛选,得到N个稳定特征点,其组成所述稳定特征点集。
可选地,如图4C,图4C是图4B所描述的防伪处理装置的筛选模块4022的具体细节结构,筛选模块4023可包括确定模块501和选取模块502,具体如下:
确定模块501,用于确定所述M个特征点中每一特征点的模,得到所述M个模值;
选取模块502,用于从所述M个模值中选取大于第一预设阈值的模值,得到所述N个模值,将所述N个模值对应的特征点作为所述稳定特征点集。
可选地,检测单元403根据所述虹膜图像进行活体检测的具体实现方式为;
对所述虹膜图像进行特征提取,得到P个特征点,所述P为大于1的整数;
采用预设分类器对所述P个特征点进行训练,得到P个训练值;
从所述P个训练值中选取大于预设训练阈值的训练值,得到Q个训练值,在所述Q与所述P之比大于第二预设阈值时,确认所述虹膜图像来自于活体,所述Q为小于所述P的正整数。
可选地,如图4D,图4D为图4A所描述的防伪处理装置的一种变型结构,其与图4A相比较,还可以包括:第二获取单元405和第二确定单元406,具体如下:
第三获取单元405,用于获取当前环境亮度值;
第二确定单元406,用于确定所述当前环境亮度值对应的图像增强系数,由所述检测单元403执行所述根据所述图像增强系数对所述虹膜图像进行图像增强处理,并对图像增强处理后的所述虹膜图像进行特征提取的步骤。
可选地,所述检测单元403对所述虹膜图像进行特征提取的具体实现方式为:
对所述虹膜图像进行二值化处理;
对二值化处理后的所述虹膜图像进行平滑处理;
对平滑处理后的所述虹膜图像进行特征提取。
可以看出,本发明实施例中所描述的防伪处理装置,获取人脸图像和虹膜图像,虹膜图像与人脸图像均来自于目标对象,从人脸图像中提取出稳定特征点集,将稳定特征点集与预设特征点集进行匹配,以及根据虹膜图像进行活体检测,在稳定特征点集与预设特征点集匹配成功且虹膜图像来自于活体时,确认目标对象为真实有效的人脸,从而,可一方面对人脸进行特征匹配,以及对虹膜进行活体检测,从而,实现了防伪,可提升多生物识别安全性。
可以理解的是,本实施例的防伪处理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、多生物识别装置931以及其他输入设备932。多生物识别装置931具体结构组成可参照上述描述,在此不过多赘述。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AP980,用于执行如下步骤:
获取人脸图像和虹膜图像,所述虹膜图像与所述人脸图像均来自于目标对象;
从所述人脸图像中提取出稳定特征点集;
将所述稳定特征点集与预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测;
在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
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,该处理单元可为人工智能芯片、量子芯片;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,手机还可以包括摄像头、蓝牙模块等,在此不再赘述。
前述图1D或图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,该计算机存储介质存储用于电子数据交换的计算机程序,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防伪处理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防伪处理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 (16)
1.一种移动终端,其特征在于,包括应用处理器AP,以及连接所述AP的虹膜识别装置、人脸识别装置和存储器,其中:
所述虹膜识别装置,用于获取虹膜图像;
所述人脸识别虹膜,用于获取人脸图像,所述虹膜图像与所述人脸图像均来自于目标对象;
所述存储器,用于存储预设特征点集;
所述AP,用于从所述人脸图像中提取出稳定特征点集;将所述稳定特征点集与所述预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测;以及在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
2.根据权利要求1所述的移动终端,其特征在于,在所述从所述人脸图像中提取出稳定特征点集方面,所述AP具体用于:
对所述人脸图像进行图像分割,以得到所述人脸图像中的五官区域图像;
对所述五官区域图像进行特征点提取,得到M个特征点,所述M为大于1的整数;
对所述M个特征点进行筛选,得到N个稳定特征点,其组成所述稳定特征点集,所述N为小于所述M的正整数。
3.根据权利要求2所述的移动终端,其特征在于,在所述对所述M个特征点进行筛选,得到N个稳定特征点,其组成所述稳定特征点集方面,所述AP具体用于:
确定所述M个特征点中每一特征点的模,得到所述M个模值;
从所述M个模值中选取大于第一预设阈值的模值,得到所述N个模值,将所述N个模值对应的特征点作为所述稳定特征点集。
4.根据权利要求1至3任一项所述的移动终端,其特征在于,在所述根据所述虹膜图像进行活体检测方面,所述AP具体用于:
对所述虹膜图像进行特征提取,得到P个特征点,所述P为大于1的整数;
采用预设分类器对所述P个特征点进行训练,得到P个训练值;
从所述P个训练值中选取大于预设训练阈值的训练值,得到Q个训练值,在所述Q与所述P之比大于第二预设阈值时,确认所述虹膜图像来自于活体,所述Q为小于所述P的正整数。
5.根据权利要求4所述的移动终端,其特征在于,所述移动终端设置有环境光传感器,所述环境光传感器用于获取当前环境亮度值;
所述AP,还用于确定所述当前环境亮度值对应的图像增强系数;
在所述对所述虹膜图像进行特征提取方面,所述AP具体用于:
根据所述图像增强系数对所述虹膜图像进行图像增强处理,并对图像增强处理后的所述虹膜图像进行特征提取。
6.根据权利要求4所述的移动终端,其特征在于,在所述对所述虹膜图像进行特征提取方面,所述AP具体用于:
对所述虹膜图像进行二值化处理;
对二值化处理后的所述虹膜图像进行平滑处理;
对平滑处理后的所述虹膜图像进行特征提取。
7.一种防伪处理方法,其特征在于,应用于包括应用处理器AP,以及连接所述AP的虹膜识别装置、人脸识别装置和存储器的移动终端,其中,所述存储器,用于存储预设特征点集;所述方法包括:
所述虹膜识别装置,用于获取虹膜图像;
所述人脸识别虹膜,用于获取人脸图像,所述虹膜图像与所述人脸图像均来自于目标对象;
所述AP,用于从所述人脸图像中提取出稳定特征点集;将所述稳定特征点集与所述预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测;以及在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
8.一种防伪处理方法,其特征在于,包括:
获取人脸图像和虹膜图像,所述虹膜图像与所述人脸图像均来自于目标对象;
从所述人脸图像中提取出稳定特征点集;
将所述稳定特征点集与预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测;
在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
9.根据权利要求8所述的方法,其特征在于,所述从所述人脸图像中提取出稳定特征点集,包括:
对所述人脸图像进行图像分割,以得到所述人脸图像中的五官区域图像;
对所述五官区域图像进行特征点提取,得到M个特征点,所述M为大于1的整数;
对所述M个特征点进行筛选,得到N个稳定特征点,其组成所述稳定特征点集。
10.根据权利要求9所述的方法,其特征在于,所述对所述M个特征点进行筛选,得到N个稳定特征点,其组成所述稳定特征点集,包括:
确定所述M个特征点中每一特征点的模,得到所述M个模值;
从所述M个模值中选取大于第一预设阈值的模值,得到所述N个模值,将所述N个模值对应的特征点作为所述稳定特征点集,所述N为小于所述M的正整数。
11.根据权利要求8-10任一项所述的方法,其特征在于,所述根据所述虹膜图像进行活体检测,包括:
对所述虹膜图像进行特征提取,得到P个特征点,所述P为大于1的整数;
采用预设分类器对所述P个特征点进行训练,得到P个训练值;
从所述P个训练值中选取大于预设训练阈值的训练值,得到Q个训练值,在所述Q与所述P之比大于第二预设阈值时,确认所述虹膜图像来自于活体,所述Q为小于所述P的正整数。
12.根据权利要求11所述的方法,其特征在于,所述方法还包括:
获取当前环境亮度值;确定所述当前环境亮度值对应的图像增强系数;
所述对所述虹膜图像进行特征提取,包括:
根据所述图像增强系数对所述虹膜图像进行图像增强处理,并对图像增强处理后的所述虹膜图像进行特征提取。
13.根据权利要求11所述的方法,其特征在于,所述对所述虹膜图像进行特征提取,包括:
对所述虹膜图像进行二值化处理;
对二值化处理后的所述虹膜图像进行平滑处理;
对平滑处理后的所述虹膜图像进行特征提取。
14.一种防伪处理装置,其特征在于,包括:
第一获取单元,用于获取人脸图像和虹膜图像,所述虹膜图像与所述人脸图像均来自于目标对象;
提取单元,用于从所述人脸图像中提取出稳定特征点集;
检测单元,用于将所述稳定特征点集与预设特征点集进行匹配,以及根据所述虹膜图像进行活体检测;
第一确定单元,用于在所述稳定特征点集与所述预设特征点集匹配成功且所述虹膜图像来自于活体时,确认所述目标对象为真实有效的人脸。
15.一种移动终端,其特征在于,包括: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8-13任一项方法的指令。
16.一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8-13任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710634325.9A CN107480608A (zh) | 2017-07-29 | 2017-07-29 | 防伪处理方法及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710634325.9A CN107480608A (zh) | 2017-07-29 | 2017-07-29 | 防伪处理方法及相关产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107480608A true CN107480608A (zh) | 2017-12-15 |
Family
ID=60598316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710634325.9A Pending CN107480608A (zh) | 2017-07-29 | 2017-07-29 | 防伪处理方法及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107480608A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133187A (zh) * | 2017-12-22 | 2018-06-08 | 吉林大学 | 尺度变化稳定特征与多算法表决的一对一虹膜识别方法 |
CN108388858A (zh) * | 2018-02-11 | 2018-08-10 | 北京京东金融科技控股有限公司 | 虹膜防伪方法与装置 |
CN108650247A (zh) * | 2018-04-26 | 2018-10-12 | 维沃移动通信有限公司 | 一种用户身份的认证方法、移动终端 |
CN110443096A (zh) * | 2018-05-02 | 2019-11-12 | 上海聚虹光电科技有限公司 | 用于云平台身份识别的可切换滤镜摄像头的应用方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007025258A2 (en) * | 2005-08-25 | 2007-03-01 | Sarnoff Corporation | Methods and systems for biometric identification |
CN101833646A (zh) * | 2009-03-11 | 2010-09-15 | 中国科学院自动化研究所 | 一种虹膜活体检测方法 |
CN105320939A (zh) * | 2015-09-28 | 2016-02-10 | 北京天诚盛业科技有限公司 | 虹膜活体检测的方法和装置 |
CN105760817A (zh) * | 2016-01-28 | 2016-07-13 | 深圳泰首智能技术有限公司 | 用人脸识别认证解锁加密存储空间的方法及装置 |
-
2017
- 2017-07-29 CN CN201710634325.9A patent/CN107480608A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007025258A2 (en) * | 2005-08-25 | 2007-03-01 | Sarnoff Corporation | Methods and systems for biometric identification |
CN101833646A (zh) * | 2009-03-11 | 2010-09-15 | 中国科学院自动化研究所 | 一种虹膜活体检测方法 |
CN105320939A (zh) * | 2015-09-28 | 2016-02-10 | 北京天诚盛业科技有限公司 | 虹膜活体检测的方法和装置 |
CN105760817A (zh) * | 2016-01-28 | 2016-07-13 | 深圳泰首智能技术有限公司 | 用人脸识别认证解锁加密存储空间的方法及装置 |
Non-Patent Citations (2)
Title |
---|
王昆翔: "《智能理论与警用智能技术》", 31 May 2009 * |
陈宗海 等: "《系统仿真技术及其应用》", 31 July 2009 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133187A (zh) * | 2017-12-22 | 2018-06-08 | 吉林大学 | 尺度变化稳定特征与多算法表决的一对一虹膜识别方法 |
CN108388858A (zh) * | 2018-02-11 | 2018-08-10 | 北京京东金融科技控股有限公司 | 虹膜防伪方法与装置 |
CN108388858B (zh) * | 2018-02-11 | 2020-05-01 | 京东数字科技控股有限公司 | 虹膜防伪方法与装置 |
CN108650247A (zh) * | 2018-04-26 | 2018-10-12 | 维沃移动通信有限公司 | 一种用户身份的认证方法、移动终端 |
CN110443096A (zh) * | 2018-05-02 | 2019-11-12 | 上海聚虹光电科技有限公司 | 用于云平台身份识别的可切换滤镜摄像头的应用方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107506696A (zh) | 防伪处理方法及相关产品 | |
CN107423699B (zh) | 活体检测方法及相关产品 | |
CN107451455A (zh) | 解锁控制方法及相关产品 | |
CN107590461B (zh) | 人脸识别方法及相关产品 | |
CN107292285B (zh) | 虹膜活体检测方法及相关产品 | |
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 | |
CN107679482A (zh) | 解锁控制方法及相关产品 | |
CN108985212A (zh) | 人脸识别方法及装置 | |
CN107609514A (zh) | 人脸识别方法及相关产品 | |
CN107657218B (zh) | 人脸识别方法及相关产品 | |
CN107463818A (zh) | 解锁控制方法及相关产品 | |
CN107832675A (zh) | 拍照处理方法及相关产品 | |
EP3623973B1 (en) | Unlocking control method and related product | |
CN107451454B (zh) | 解锁控制方法及相关产品 | |
CN107506697A (zh) | 防伪处理方法及相关产品 | |
CN107679481A (zh) | 解锁控制方法及相关产品 | |
CN107451444B (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 | |
CN107480608A (zh) | 防伪处理方法及相关产品 | |
CN107392135A (zh) | 活体检测方法及相关产品 | |
CN107451446A (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 | |
CN107633235A (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 |
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: 20171215 |