CN107644191A - 一种人脸识别方法及系统、终端及服务器 - Google Patents
一种人脸识别方法及系统、终端及服务器 Download PDFInfo
- Publication number
- CN107644191A CN107644191A CN201610584504.1A CN201610584504A CN107644191A CN 107644191 A CN107644191 A CN 107644191A CN 201610584504 A CN201610584504 A CN 201610584504A CN 107644191 A CN107644191 A CN 107644191A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- facial image
- pulse wave
- server
- 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
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例公开了一种人脸识别方法及系统、终端及服务器,采集至少一个心率周期的至少两张人脸图像,并从人脸图像中提取血液容积脉搏波信号,然后将血液容积脉搏波信号发送至服务器进行活体人脸检测,当接收到服务器返回的人脸图像为活体人脸图像的检测结果时,从人脸图像中提取人脸特征并发送至服务器进行人脸识别,使得人脸识别过程和活体检测过程很好的结合,通过提取的血液脉搏波信号判断待识别人脸是否是活体,在待识别人脸为活体的情况下,完成人脸识别过程,对目前的假冒欺骗手段能够具备一定的判断能力,从而有效地提高人脸识别的安全性和实用性。
Description
技术领域
本发明涉及身份认证技术领域,尤其涉及一种人脸识别方法及系统、终端及服务器。
背景技术
人脸识别技术是一种有效的身份认证技术,但随着人脸识别技术的广泛使用,出现了各种方法冒充人脸以通过身份认证,其中可能面临的最大技术挑战为假体欺骗问题,在线上不可控的环境中,不法分子将很容易伪造人脸视频或制作与真人无异的仿真头套通过身份认证。
目前已开发出眨眼、唇动或3D等多种防欺骗技术,但各技术均存在不同问题,如说话可以录音,也可以生成带有眨眼或唇动的视频以欺骗人脸识别系统。如果系统要防止欺骗,就需要识别这些欺骗的手段。然而,无论是说话、视频、还是头套等欺骗手段,均属于无生命的假体,现有的人脸识别技术不能有效地避免这些假体的欺骗,大大降低了在线人脸识别的安全性、实用性,从而影响影响未来互联网金融、设备安全等业务发展和推广。
发明内容
根据本发明实施例提供的人脸识别方法及系统、终端及服务器,主要解决现有的人脸识别技术无法有效避免无生命假体欺骗导致的人脸识别安全性较低的技术问题。
为解决上述技术问题,本发明实施例提供一种人脸识别方法,包括:
采集至少一个心率周期的至少两张人脸图像;
从所述人脸图像中提取血液容积脉搏波信号并发送至服务器进行活体人脸检测;
若接收到服务器返回的所述人脸图像为活体人脸图像的检测结果,则从所述人脸图像中提取人脸特征并发送至服务器进行人脸识别。
本发明实施例提供一种人脸识别方法,包括:
接收终端发送的血液容积脉搏波信号;
根据所述血液容积脉搏波信号检测人脸图像是否为活体人脸图像;
将所述人脸图像为活体人脸图像的检测结果发送至终端;
接收终端从所述人脸图像中提取的人脸特征并进行识别。
本发明实施例还提供一种人脸识别方法,包括:
接收终端发送的至少一个心率周期的至少两张人脸图像;
从所述人脸图像中提取血液容积脉搏波信号;
根据所述血液容积脉搏波信号检测所述人脸图像是否为活体人脸图像;
若所述人脸图像为活体人脸图像,则从所述人脸图像中提取人脸特征并进行识别。
本发明实施例还提供一种终端,包括:
图像采集模块,用于采集至少一个心率周期的至少两张人脸图像;
信号提取模块,用于从所述人脸图像中提取血液容积脉搏波信号并发送至服务器进行活体人脸检测;
特征提取模块,用于若接收到服务器返回的所述人脸图像为活体人脸图像的检测结果,则从所述人脸图像中提取人脸特征并发送至服务器进行人脸识别。
本发明实施例又提供一种服务器,包括:
信号接收模块,用于接收终端发送的血液容积脉搏波信号;
活体检测模块,用于根据所述血液容积脉搏波信号检测人脸图像是否为活体人脸图像;
检测结果发送模块,用于将所述人脸图像为活体人脸图像的检测结果发送至终端;
人脸识别模块,用于接收终端从所述人脸图像中提取的人脸特征并进行识别。
本发明实施例还提供一种服务器,包括:
图像接收模块,用于接收终端发送的至少一个心率周期的至少两张人脸图像;
信号提取模块,用于从所述人脸图像中提取血液容积脉搏波信号;
活体检测模块,用于根据所述血液容积脉搏波信号检测所述人脸图像是否为活体人脸图像;
人脸识别模块,用于若所述人脸图像为活体人脸图像,则从所述人脸图像中提取人脸特征并进行识别。
本发明实施例提供一种人脸识别系统,包括如上所述的终端和如上所述的服务器;
所述终端采集至少一个心率周期的至少两张人脸图像,从所述人脸图像中提取血液容积脉搏波信号并发送至所述服务器;
所述服务器根据所述血液容积脉搏波信号检测人脸图像是否为活体人脸图像,将人脸图像为活体人脸图像的检测结果发送至所述终端;
所述终端从所述人脸图像中提取人脸特征并发送至服务器;
所述服务器对所述人脸特征进行识别,并将识别结果发送至所述终端。
本发明实施例还提供一种人脸识别系统,包括终端和如上所述的服务器;
所述终端采集至少一个心率周期的至少两张人脸图像并发送至所述服务器;
所述服务器从所述人脸图像中提取血液容积脉搏波信号,并根据所述血液容积脉搏波信号检测所述人脸图像是否为活体人脸图像,若所述人脸图像为活体人脸图像,则从所述人脸图像中提取人脸特征并进行识别,将识别结果发送至所述终端。
本发明实施例还提供一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令用于执行前述的任一项的雨刷控制方法。
本发明的有益效果是:
根据本发明实施例提供的人脸识别方法及系统、终端、服务器及计算机存储介质,采集至少一个心率周期的至少两张人脸图像,并从人脸图像中提取血液容积脉搏波信号,然后将血液容积脉搏波信号发送至服务器进行活体人脸检测,当接收到服务器返回的人脸图像为活体人脸图像的检测结果时,从人脸图像中提取人脸特征并发送至服务器进行人脸识别,使得人脸识别过程和活体检测过程很好的结合,通过提取的血液脉搏波信号判断待识别人脸是否是活体,在待识别人脸为活体的情况下,完成人脸识别过程,对目前的假冒欺骗手段能够具备一定的判断能力,从而有效地提高人脸识别的安全性和实用性。
附图说明
图1为本发明实施例一提供的人脸识别方法流程图;
图2为本发明实施例二提供的另一人脸识别方法流程图;
图3为本发明实施例三提供的又一人脸识别方法流程图;
图4为本发明实施例四提供的网上银行开户身份认证流程图;
图5为本发明实施例四提供的网上大额支付的身份认证流程图;
图6为本发明实施例四提供的网上人工处理身份认证流程图;
图7为本发明实施例四提供的ATM人脸身份认证流程图;
图8为本发明实施例五提供的终端示意图;
图9为本发明实施例六提供的服务器示意图;
图10为本发明实施例六提供的另一服务器示意图;
图11为本发明实施例七提供的人脸识别系统示意图;
图12为本发明实施例七提供的另一人脸识别系统示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明实施例作进一步详细说明。
实施例一
为了解决现有的人脸识别技术无法有效避免无生命假体欺骗导致的人脸识别安全性较低的技术问题,本发明实施例提供一种人脸识别方法,将人脸识别过程和活体检测过程相结合,在活体检测通过的情况下,完成人脸识别的过程,从而有效地识别出目前的假冒欺骗手段,保证人脸识别身份认证的安全性和实用性。
本实施例以终端侧执行的识别流程为例对本发明实施例进行阐述,其中,终端包括手机、平板电脑等移动终端,以及台式电脑等固定终端。具体请参见图1,图1为本发明实施例提供的人脸识别方法流程图,其具体识别过程如下:
S11,采集至少一个心率周期的至少两张人脸图像。
具体地,在采集人脸图像时,以一个心率周期为基准,采集该心率周期内的至少两张人脸图像,可连续在心率周期内采集至少两张人脸图像,也可间断的采集至少两张人脸图像。更具体地,可以先采集一个心率周期内的视频,然后从该视频中抽取至少两张人脸图像,可以连续或间断抽取,其中,抽取的频率小于或等于血液容积脉搏波的频率;或者直接采集一个心率周期内的至少两张人脸图像,可以连续采集,也可间断采集。需明白,前述心率周期仅用于对本发明实施例进行解释,并非用于限定本发明,当然也可以其他衡量标准来采集,如在设定时间周期内进行图像采集,该时间周期可根据实际需求进行设置。
S12,从人脸图像中提取血液容积脉搏波信号并发送至服务器进行活体人脸检测。
具体地,在从人脸图像中提取血液容积脉搏波信号时,首先确定人脸图像中的人脸关键特征点,然后对人脸关键特征点进行定位,并以定位的关键特征点为基础,选择感兴趣区域,在该感兴趣区域中提取血液容积脉搏波信号,根据信号的变化完成活体人脸的检测。若未从感兴趣区域提取到血液容积脉搏波信号或提取的血液容积脉搏波信号不满足活体要求,则认为该人脸图像为假体人脸图像;若从感兴趣区域提取到血液容积脉搏波信号,且该血液容积脉搏波信号满足活体要求,则认为该人脸图像为活体人脸图像。其中,活体人脸即为真实的人脸,并非图片、视频、三位模型等模拟出的假体人脸。
S13,若接收到服务器返回的人脸图像为活体人脸图像的检测结果,则从人脸图像中提取人脸特征并发送至服务器进行人脸识别。
具体地,当服务器根据血液容积脉搏波信号确定该人脸图像为活体人脸图像时,将检测结果发送给终端,终端从人脸图像中提取人脸特征并发送给服务器,由服务器完成人脸识别。当然,服务器根据血液容积脉搏波信号确定该人脸图像不是活体人脸图像时,认为该人脸图像无效,并向终端返回待识别人脸无效的消息,待识别人脸即为采集的人脸图像对应的人脸。更具体地,首先终端从人脸图像中确定人脸关键特征点,然后对人脸关键特征点进行定位,最后根据定位结果提取人脸特征,该人脸特征可以是一个或多个。
此外,在提取人脸特征时,也可在提取血液容积脉搏波信号的同时提取人脸特征,然后将提取的血液容积脉搏波信号和人脸特征一起发送至服务器完成人脸识别的过程,其中,根据血液容积脉搏波信号检测待识别的人脸是否为活体,根据人脸特征进行人脸识别。需明白,也可先进行人脸识别的过程,在人脸识别通过的情况下,进行血液脉搏波信号的检测,只有两者均通过才能表明人脸识别成功。
进一步地,在S11步骤中,采集人脸图像的前提是,终端上设有摄像头(其中,摄像头可以是前置摄像头)和通讯模块,当然为了保证在自然光线不足的情况下可以正常完成人脸图像的采集,也可在终端上设置不光设备对人脸进行补光。其中,摄像头可支持640*480分辨率,或者更高分辨率;通讯模块主要用于完成与服务器的数据交换,从而实现活体检测和人脸识别。在此前提下,在适当距离使用前置摄像头自拍包括人脸(部分或全部人脸)的至少一个心率周期(从准确性角度考虑,最好采集三个或三个以上)的视频,然后在拍摄的视频中连续抽取人脸图像,且抽取的频率应小于或等于血液容积脉搏波的频率,以保证抽取的人脸图像能准确的反应血液容积脉搏波信号的变化,进而准确的对待检测的人脸图像进行检测,即判断该人脸图像是否为活体人脸图像。需明白,采集的人脸图像越多且越连续,对人脸图像的检测准确性越高,识别率也越高。
采集到多张(即两张或两张以上)人脸图像后,首先从人脸图像中确定人脸关键特征点,如眼睛、鼻子、嘴巴等基本特征的特征点,然后对确定的特征点进行定位,然后根据定位的人脸关键特征点选择合适的人脸特征作为后续人脸识别的特征。通过对人脸关键特征点的定位,能够很方便的抽取人脸的各部分特征,若以这些特征点为基准对抽取的各个特征进行归一化,则这些特征具有平移、旋转和尺度上的不变性,通过这种方式对人脸图像进行规范化处理,能够将不同大小、方向、水平旋转等情况的人脸图像统一起来。其中,在对人脸关键特征点进行定位时,可采用如下定位方式:
从人脸图像上选取人脸的9个关键特征点,这些特征点的分布具有角度不变性,9个关键特征点分别为2个眼球中心点、4个眼角点、两鼻孔的中心点和2个嘴角点,在此基础上可以容易地获得与识别有关的人脸各器官特征以及扩展的其他特征点位置,然后用于进一步的识别算法。
进一步地,根据人脸关键特征点的定位提取血液容积脉搏波信号,其具体提取过程如下:
通过人脸关键特征点的定位,确定感兴趣区域(Region of Interest,ROI)。可以将人脸的部分区域作为ROI,也可以将全部的人脸区域作为ROI。但是,将全部的人脸区域作为POI时,眼睛眨动会带来干扰,且该干扰频率和心跳频率相接近,不易被滤除,从而影响脉搏信号的提取。相反,适当减小ROI面积虽然会增加噪声,但这些噪声频率较高,易于被滤除。基于上述情况,可将眼睛区域避开,并在尽量保证ROI为纯净皮肤区域的前提下增大ROI的面积,其中,可选取脸颊区域或脸颊附近作为ROI,其选择理由是,实验显示脸颊处的血液容积脉搏波信号质量较好,如人脸红时,脸颊处最红,说明毛细血管最丰富,最能体现血液容积脉搏波信号的变化,进而增加活体人脸检测的准确性。
更具体地,将确定的ROI对应的图像由RGB色彩空间转换为LUV色彩空间(CIELUV),并从LUV色彩空间中分离出L*、u*、v*通道,然后通过u*通道提取血液容积脉搏波信号。在提取血液容积脉搏波信号时,首先将每张人脸图像的u*通道进行空间像素平均,得到每张人脸图像对应的血液容积脉搏波信号分量,然后将采集的所有人脸图像(或部分人脸图像)进行归一化处理,得到血液容积脉搏波信号。在将RGB色彩空间转换为LUV色彩空间时,其具体过程如下:
将RGB色彩空间转换为XYZ色彩空间,其转换公式如下所示:
其中,RGB色彩空间中包括R、G、B三个坐标,RGB为三原色红、绿、蓝;XYZ色彩空间中包括X、Y、Z三个坐标。
然后,将XYZ色彩空间转换为LUV色彩空间,其转换公式如下所示:
其中,
上述L*表示亮度,L*值越大亮度越高,u*和v*代表色度,u*表示红色到绿色的变化,u*值越大颜色越接近红色,反之越接近绿色;v*表示黄色到蓝色的变化,v*值越大颜色越接近黄色,反之颜色越接近蓝色。由于血液中的含氧血红蛋白和去氧血红蛋白对波长为540~577nm的光(对应绿色-黄色光)有较好的吸收性,从可见光颜色对应波长可知,这一波段的光波长位于红光和绿光之间,因此血液容积的变化会导致PPG(PhotoPlethysmoGraphy,光电容积脉搏波描记法)信号在u*通道的波动较大,可直接通过u*通道的PPG信号(也即血液容积脉搏波信号)来检测人体的生理特征以完成人脸活体的检测。
前述血液容积脉搏波信号以PPG为依据,通过容积脉搏血流的变化对活体人脸进行检测,其中,PPG是借助光电手段在活体组织中检测血液容积变化的一种无创检测方法,其具体原理如下:
当一定波长的光束照射到皮肤表面时,光束将通过透射或反射方式传送到光电接收器。在此过程中,由于受到皮肤肌肉和血液的吸收衰减作用,检测器检测到的光强度将减弱。其中皮肤、肌肉、组织等对光的吸收在整个血液循环中保持恒定不变,而皮肤内的血液容积在心脏作用下呈搏动性变化,当心脏收缩时外周血容量最多,光吸收量也最大,检测到的光强度最小;而在心脏舒张时,光吸收量最小,检测到的光强度最大,使得光接收器接收到的光强度随之呈脉动性变化。在此情况下,将检测的光强度变化信号转换成电信号,然后获得容积脉搏血流的变化,并根据容积脉搏血流的变化检测待识别人脸是否为活体。其中,容积脉搏血流中包含有心搏功能、血液流动等诸多心血管系统的重要生理信息。
通过本实施例提供的人脸识别方法,采集到至少一个心率周期的连续人脸图像后,从人脸图像中提取出血液容积脉搏波信号,并将该信号发送至服务器进行活体人脸检测,在活体人脸检测通过的情况下,从人脸图像中提取人脸特征,并将该人脸特征发送至服务器完成人脸识别。也即通过将人脸识别过程和活体检测过程进行统一,在增强去伪能力的同时,也提高人脸识别的安全性和实用性。
实施例二
本实施例以服务器侧所执行的识别流程为例,对本发明实施例进行阐述。请参见图2,图2为本实施例提供的另一人脸识别方法流程图,其具体识别步骤如下:
S21,接收终端发送的血液容积脉搏波信号。
具体地,对于血液容积脉搏波信号的相关概念,请参见实施例一中的相关部分,这里不再赘述。终端将血液容积脉搏波信号发送给服务器时,可以对信号数据进行压缩,然后由服务器进行解压,得到血液容积脉搏波信号,服务器对血液容积脉搏波信号进行滤波处理,滤除信号中的基线漂移和高频噪声。
S22,根据血液容积脉搏波信号检测人脸图像是否为活体人脸图像。
具体地,在检测人脸图像是否活体人脸图像时,首先根据血液容积脉搏波信号计算心率值,然后检测心率值是否在预设范围内,若心率值在预设范围内,则该人脸图像为活体人脸图像。
S23,将人脸图像为活体人脸图像的检测结果发送至终端。
具体地,将检测通过的结果发送至终端以告知终端待识别的人脸为活体,可以执行人脸识别的过程;当然,也可人脸图像非活体人脸图像的检测结果发送至终端,以告知终端该人脸图像无效,终止人脸识别过程。
S24,接收终端从人脸图像中提取的人脸特征并进行识别。
具体地,服务器接收到人脸特征后,若终端对人脸特征进行压缩,则首先对其进行解压,然后在数据库中查找与该人脸特征匹配的特征,若查找成功,则人脸识别成功,若查找失败,则人脸识别失败。无论识别成功与否,均将识别结果发送至终端以告知用户。
进一步地,在S21步骤中滤除血液容积脉搏波信号中的基线漂移和高频噪声时,可通过小波变换和小波逆变换实现通带频率为0.5~2.0Hz(对应心率为30~120次/min)的滤波。
对血液容积脉搏波信号滤波处理后,首先用FFT(Fast Fourier Transform,快速傅里叶变换)对血液容积脉搏波信号进行能量谱分析,确定[0.75,2.00]Hz(对应心率为45~120次/min,人体正常心率范围)频率范围内的能量最高点对应的频率;然后根据能量最高点计算心率值,并根据计算结果检测心率值在自然静止条件下是否合理,例如低于45次/min或高于150次/min(超出人体正常心率范围)为不合理;也即检测心率值是否在预设范围内,该预设范围为人体正常心率范围。最后将检测结果发送至终端,终端根据检测结果确定是否向服务器发送人脸特征完成后续的人脸识别过程。具体地,若检测结果为通过,则终端向服务器发送人脸特征进行人脸识别,并将识别结果发送至终端,若检测结果为未通过,则终端终止后续的识别过程。
实施例三
本实施例以服务器侧所执行的识别流程为例,对本发明实施例进行阐述。相较于实施例二中服务器侧执行的识别流程,本实施例主要针对终端图像处理能力有限这一情况提出的人脸识别方法,请参见图3,图3为本实施例提供的又一人脸识别方法流程图,其具体识别过程如下:
S31,接收终端发送的至少一个心率周期的至少两张人脸图像;
S32,从人脸图像中提取血液容积脉搏波信号;
S33,根据血液容积脉搏波信号检测人脸图像是否为活体人脸图像;
S34,若人脸图像为活体人脸图像,则从人脸图像中提取人脸特征进行识别。
相较于实施例二中服务器侧执行的人脸识别流程,本实施例中将终端侧执行的图像处理过程由服务器侧完成,也即终端侧只需采集至少一个心率周期的连续人脸图像并发送至服务器,由服务器执行后续图像处理步骤,当然,在发送前也可对采集的人脸图像进行压缩处理,然后由服务器进行解压。需注意,本实施例中所提及的终端侧只需的流程并非为实施例一中终端侧执行的全部流程,与实施例一不同的地方在于,本实施例中终端侧只进行人脸图像的采集,然后直接将采集到的人脸图像发送给服务器,由服务器完成后续血液容积脉搏波信号的提取等操作;而实施例一中终端在采集到人脸图像后,还需要从人脸图像中提取血液容积脉搏波信号,最后将提取的信号发送至服务器。
本实施例提供的人脸识别方法,对终端的要求较低,只要终端具备图像采集的功能即可实现人脸识别,该人脸识别方法适用于图像处理能力较差的终端。
实施例四
本实施例在实施例一和实施例二的基础上,以金融业务领域为例对本发明实施例进行阐述。尤其以网上银行开户身份认证、网上大额支付身份认证、网上人工处理身份认证以及ATM业务身份认证为例对人脸识别方法进行说明,本实施例中通过终端和服务器之间的交互过程对本方案进行解释,请依次参见图4-7。
以网上银行开户身份认证为例,随着互联网的发展,各银行从便捷客户和节约成本出发,减少营业网点的建设,大力发展网上银行。银行的监管部门从发展银行业的角度也发布了网上银行的相关规范,其中,着重提到开户及支付的安全问题,即身份的认证问题。因此,发展网上银行的关键在于对在线客户进行可靠身份认证。具体请参见图4,图4为本实施例提供的网上银行开户身份认证流程图,支付应用客户端安装在终端上,支付平台在服务器上进行搭建,其认证过程如下:
S41,启动支付应用客户端并完成与支付平台的双向认证。
S42,支付应用客户端接收用户触发的用户创建操作,并提示用户完成人脸图像采集。
具体地,用户选择创建用户,支付应用客户端提示用户输入客户信息;然后用户选择身份认证,支付应用客户端提示用户完成脸部拍摄(不戴眼镜),如拍摄至少一个心率周期的视频或拍摄至少一个心率周期的连续图像。其中,客户信息包括姓名、身份证、住址、联系方式等信息。
S43,支付应用客户端拍摄视频,从视频中提取血液容积脉搏波信号并上传至支付平台。
具体地,支付应用客户端提示用户完成脸部拍摄后,对用户进行视频拍摄,然后从视频中连续抽取人脸图像,且抽取的频率小于等于血液容积脉搏波信号的频率,最后从抽取的人脸图像中提取血液容积脉搏波信号,并将该信号数据压缩后上传到支付平台。
S44,支付平台根据血液容积脉搏波信号检测人脸图像是否为活体人脸图像,并将检测结果发送至支付应用客户端;若检测结果为人脸图像为活体人脸图像,执行S45步骤,若检测结果为人脸图像非活体人脸图像,执行S47步骤。
S45,支付应用客户端从人脸图像中提取人脸特征并上传至支付平台。
具体地,从人脸图像中确定人脸关键特征点,然后对人脸关键特征点进行定位,并根据定位结果提取人脸特征,最后对人脸特征进行压缩并上传至支付平台,当然,也可不对人脸特征进行压缩,直接将提取的人脸特征上传至支付平台。其中,提取的人脸特征可以是一个或多个。
S46,支付平台根据客户信息创建账户,并保存客户信息和人脸特征数据,并向支付应用客户端返回账户创建成功消息。
具体地,人脸特征数据可加密存储,同时在账户生效后向支付应用客户端返回账户创建成功的消息。
S47,支付应用客户端提示用户去营业厅办理。
需明白,前述网上银行开户身份认流程也适用于第三方支付平台。
以网上大额支付身份认证为例,在网上完成大额支付时,从安全的角度出发,需要对用户进行身份认证并存留影像件,具体请参见图5,图5为本实施例提供的网上大额支付的身份认证流程图,其认证流程如下:
S51,启动支付应用客户端并完成与支付平台的双向认证。
S52,支付应用客户端提示用户脸部拍摄(不戴眼镜)。
具体地,当用户选择支付功能时,支付应用客户端提示用户输入支付金额,如果用户输入的支付金额超过预设的额度则认为该支付金额为大额支付,在此情况下,支付客户端提示用户进行脸部拍摄。
S53,支付应用客户端拍摄视频,从视频中提取血液容积脉搏波信号并上传到支付平台。
具体地,可首先从视频中连续抽取人脸图像,且抽取的频率小于等于血液容积脉搏波信号的频率,最后从抽取的人脸图像中提取血液容积脉搏波信号,并将该信号数据压缩后上传到支付平台。
S54,支付平台根据血液容积脉搏波信号检测人脸图像是否为活体人脸图像,并将检测结果发送至支付应用客户端;若检测结果为人脸图像为活体人脸图像,执行S45步骤,若检测结果为人脸图像非活体人脸图像,执行S58步骤。
具体地,对血液容积脉搏波信号进行处理,滤除信号中的基线漂移与高频噪声,然后检测人脸图像是否为活体人脸图像。
S55,支付应用客户端从人脸图像中提取人脸特征并上传至支付平台。
具体地,从人脸图像中确定人脸关键特征点,然后对人脸关键特征点进行定位,并根据定位结果提取人脸特征,最后对人脸特征进行压缩并上传至支付平台,当然,也可不对人脸特征进行压缩,直接将提取的人脸特征上传至支付平台。其中,提取的人脸特征可以是一个或多个。
S56,支付平台根据人脸特征进行人脸识别,若识别成功,则执行S57步骤,若识别失败,则执行S58步骤。
具体地,将提取的人脸特征在数据库中进行匹配,根据匹配结果确定身份认证是否通过,若身份认证通过,则执行S57步骤,若身份认证失败,则执行S58步骤。
S57,向银行发起转移支付请求,并将转移支付成功的消息返回至支付应用客户端。
S58,支付应用客户端提示用户去营业厅办理。
以网上人工处理身份认证为例,对于银行、电信等大企业而言,均设有呼叫中心,通过呼叫中心的人工座席新开业务,当涉及到重要业务时,一般会通过视频方式对客户进行审查,并通过人工方式在线发出如摆头、眨眼等指令做活体判断,完成身份认证。具体请参见图6,图6为本实施例提供的网上人工处理身份认证流程图,其认证流程如下:
S61,客户代表与客户进行视频通话,并进行信息填写。
S62,客户代表从视频中提取血液容积脉搏波信号,并检测当前客户(待识别人脸)是否为活体,若是,则进行业务办理,若否,则执行S63步骤。
S63,客户代表建议用户去营业厅办理。
以ATM业务身份认证为例,实现ATM通过人脸识别的取款过程,具体请参见图7,图7为本实施例提供的ATM人脸身份认证流程图,其认证流程如下:
S71,在网上或营业厅开户,并存储人脸特征数据。
S72,用户ATM选择取款时,ATM提示用户脸部拍摄(不戴眼镜)。
S73,ATM拍摄视频,从视频中提取血液容积脉搏波信号并上传到银行平台。
S74,银行平台根据血液容积脉搏波信号检测人脸图像是否为活体人脸图像,并将检测结果发送至ATM;若检测结果为人脸图像为活体人脸图像,执行S75步骤,若检测结果为人脸图像非活体人脸图像,则结束。
S75,ATM从人脸图像中提取人脸特征并上传至银行平台。
S76,银行平台根据人脸特征进行人脸识别,若识别成功,则执行S77步骤,若识别失败,则结束。
S77,ATM根据用户的输入向银行平台发起支付请求,银行平台处理支付请求并向ATM返回支付成功消息。
实施例五
本实施例提供的终端是与实施一提供的终端侧人脸识别方法对应的装置实施例,故本实施例将不再对部分内作出说明,该终端可以是手机、平板电脑等移动终端,也可以是台式电脑等固定终端。请参见图8,图8为本实施例提供的终端示意图,该终端包括:
图像采集模块81,用于采集至少一个心率周期的至少两张人脸图像;
信号提取模块82,用于从所述人脸图像中提取血液容积脉搏波信号并发送至服务器进行活体人脸检测;
特征提取模块83,用于若接收到服务器返回的所述人脸图像为活体人脸图像的检测结果,则从所述人脸图像中提取人脸特征并发送至服务器进行人脸识别。
其中,图像采集模块81用于采集至少一个心率周期的视频,并从视频中连续抽取至少两张人脸图像,抽取频率小于血液容积脉搏波频率。
当然,图像采集模块81所实现的功能也可由摄像头和补光设备实现。
信号提取模块82用于从人脸图像中确定人脸关键特征点并进行定位,根据定位结果确定血液容积脉搏波的感兴趣区域,在感兴趣区域提取血液容积脉搏波信号并发送至服务器进行活体人脸检测。其他模块的功能可通过处理器来完成。
信号提取模块82用于将感兴趣区域所对应的图像由RGB色彩空间转换为LUV色彩空间,从LUV色彩空间中分离出u*通道,并通过u*通道提取血液容积脉搏波信号。
进一步地,在图像采集模块81中,在采集人脸图像时,以一个心率周期为基准,采集该心率周期内的至少两张人脸图像,可连续在心率周期内采集至少两张人脸图像,也可间断的采集至少两张人脸图像。更具体地,可以先采集一个心率周期内的视频,然后从该视频中抽取至少两张人脸图像,可以连续或间断抽取,其中,抽取的频率小于或等于血液容积脉搏波的频率;或者直接采集一个心率周期内的至少两张人脸图像,可以连续采集,也可间断采集。需明白,前述心率周期仅用于对本发明实施例进行解释,并非用于限定本发明,当然也可以其他衡量标准来采集,如在设定时间周期内进行图像采集,该时间周期可根据实际需求进行设置。
在信号提取模块82中,在从人脸图像中提取血液容积脉搏波信号时,首先确定人脸图像中的人脸关键特征点,然后对人脸关键特征点进行定位,并以定位的关键特征点为基础,选择感兴趣区域,在该感兴趣区域中提取血液容积脉搏波信号,根据信号的变化完成活体人脸的检测。若未从感兴趣区域提取到血液容积脉搏波信号或提取的血液容积脉搏波信号不满足活体要求,则认为该人脸图像为假体人脸图像;若从感兴趣区域提取到血液容积脉搏波信号,且该血液容积脉搏波信号满足活体要求,则认为该人脸图像为活体人脸图像。其中,活体人脸即为真实的人脸,并非图片、视频、三位模型等模拟出的假体人脸。
实施例六
本实施例提供一种服务器,该服务器是与实施例二对应的装置实施例,请参见图9,图9为本发明实施例六提供的服务器示意图,该服务器包括:
信号接收模块91,用于接收终端发送的血液容积脉搏波信号;
活体检测模块92,用于根据血液容积脉搏波信号检测人脸图像是否为活体人脸图像;
检测结果发送模块93,用于将人脸图像为活体人脸图像的检测结果发送至终端;
人脸识别模块94,用于接收终端从人脸图像中提取的人脸特征并进行识别。
其中,活体检测模块92用于根据血液容积脉搏波信号计算心率值,检测心率值是否在预设范围,若心率值在预设范围,则人脸图像为活体人脸图像。
进一步地,在信号接收模块91接收血液容积脉搏波信号时,可以对信号数据进行压缩,然后由服务器进行解压,得到血液容积脉搏波信号,服务器对血液容积脉搏波信号进行滤波处理,滤除信号中的基线漂移和高频噪声。
此外,本实施例还提供一种服务器,请参见图10,图10为本发明实施例六提供的另一服务器示意图,该服务器包括:
图像接收模块101,用于接收终端发送的至少一个心率周期的至少两张人脸图像;
信号提取模块102,用于从人脸图像中提取血液容积脉搏波信号;
活体检测模块103,用于根据血液容积脉搏波信号检测人脸图像是否为活体人脸图像;
人脸识别模块104,用于若人脸图像为活体人脸图像,则从人脸图像中提取人脸特征并进行识别。
其中,信号提取模块102在提取血液容积脉搏波信号时,首先将感兴趣区域对应的图像由RGB色彩空间转换为LUV色彩空间,然后从LUV色彩空间中分离出u*通道,并将每张人脸图像的u*通道进行空间像素平均,得到每张人脸图像对应的血液容积脉搏波信号分量,最后将采集的所有人脸图像(或部分人脸图像)进行归一化处理,得到血液容积脉搏波信号。将RGB色彩空间转换为LUV色彩空间的具体转换过程请参见实施例一相关部分,这里不再赘述。
相较于前一服务器,后一服务器将终端执行的图像处理过程由该服务器完成,也即终端只需采集至少一个心率周期的连续人脸图像并发送至服务器,由服务器执行后续图像处理步骤,当然,在发送前也可对采集的人脸图像进行压缩处理,然后由服务器进行解压。需注意,后一服务器中所提及的终端并非前一服务器中涉及的终端,与前一服务器不同的地方在于,后一服务器中涉及的终端只进行人脸图像的采集,然后直接将采集到的人脸图像发送给该服务器,由服务器完成后续血液容积脉搏波信号的提取等操作;而前一服务器中涉及的终端在采集到人脸图像后,还需要从人脸图像中提取血液容积脉搏波信号,最后将提取的信号发送至服务器。
实施例七
本实施例提供一种人脸识别系统,请参见图11,图11为本实施例提供的人脸识别系统示意图,该系统包括终端111和服务器112;
终端111采集至少一个心率周期的至少两张人脸图像,从所述人脸图像中提取血液容积脉搏波信号并发送至服务器112;
服务器112根据血液容积脉搏波信号检测人脸图像是否为活体人脸图像,将人脸图像为活体人脸图像的检测结果发送至终端111;
终端111从人脸图像中提取人脸特征并发送至服务器112;
服务器112对人脸特征进行识别,并将识别结果发送至终端111。
此外,本实施例还提供一种人脸识别系统,请参见图12,图12为本实施例提供的另一人脸识别系统示意图,该系统包括终端121和服务器122;
终端121采集至少一个心率周期的至少两张人脸图像并发送至服务器122;
服务器122从人脸图像中提取血液容积脉搏波信号,并根据血液容积脉搏波信号检测人脸图像是否为活体人脸图像,若人脸图像为活体人脸图像,则从人脸图像中提取人脸特征并进行识别,将识别结果发送至终端121。
通过本实施提供的系统,能够将人脸识别过程和活体检测过程统一,并通过获取人体的生理特征来检测被识别人脸是否是活体,从而对目前的假冒欺骗手段都有判断能力,具有很强的普适性,同时,本实施例提供的人脸识别系统无需额外增加硬件,也不需要特定环境,在现有移动终端如智能手机即可实施,具有很强的易用性。此外,通过生理特征去判断待识别对象是否活体的方式可同样可应用于其它生物识别如指纹识别、虹膜识别等技术领域。
显然,本领域的技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以,本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明实施例所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (16)
1.一种人脸识别方法,包括:
采集至少一个心率周期的至少两张人脸图像;
从所述人脸图像中提取血液容积脉搏波信号并发送至服务器进行活体人脸检测;
若接收到服务器返回的所述人脸图像为活体人脸图像的检测结果,则从所述人脸图像中提取人脸特征并发送至服务器进行人脸识别。
2.如权利要求1所述的人脸识别方法,其特征在于,所述采集至少一个心率周期的至少两张人脸图像包括:
采集至少一个心率周期的视频,从所述视频中连续抽取至少两张人脸图像,抽取频率小于血液容积脉搏波频率。
3.如权利要求1或2所述的人脸识别方法,其特征在于,所述从所述人脸图像中提取血液容积脉搏波信号并发送至服务器进行活体人脸检测包括:
从所述人脸图像中确定人脸关键特征点并进行定位;
根据定位结果确定所述血液容积脉搏波的感兴趣区域;
在所述感兴趣区域提取所述血液容积脉搏波信号并发送至所述服务器进行活体人脸检测。
4.如权利要求3所述的人脸识别方法,其特征在于,所述在所述感兴趣区域提取所述血液容积脉搏波信号包括:
将所述感兴趣区域对应的图像由RGB色彩空间转换为LUV色彩空间;
从LUV色彩空间中分离出u*通道;
通过所述u*通道提取所述血液容积脉搏波信号。
5.一种人脸识别方法,包括:
接收终端发送的血液容积脉搏波信号;
根据所述血液容积脉搏波信号检测人脸图像是否为活体人脸图像;
将所述人脸图像为活体人脸图像的检测结果发送至终端;
接收终端从所述人脸图像中提取的人脸特征并进行识别。
6.如权利要求5所述的人脸识别方法,其特征在于,所述根据所述血液容积脉搏波信号检测人脸图像是否为活体人脸图像包括:
根据所述血液容积脉搏波信号计算心率值;
检测所述心率值是否在预设范围;
若所述心率值在预设范围,则所述人脸图像为活体人脸图像。
7.一种人脸识别方法,包括:
接收终端发送的至少一个心率周期的至少两张人脸图像;
从所述人脸图像中提取血液容积脉搏波信号;
根据所述血液容积脉搏波信号检测所述人脸图像是否为活体人脸图像;
若所述人脸图像为活体人脸图像,则从所述人脸图像中提取人脸特征并进行识别。
8.一种终端,包括:
图像采集模块,用于采集至少一个心率周期的至少两张人脸图像;
信号提取模块,用于从所述人脸图像中提取血液容积脉搏波信号并发送至服务器进行活体人脸检测;
特征提取模块,用于若接收到服务器返回的所述人脸图像为活体人脸图像的检测结果,则从所述人脸图像中提取人脸特征并发送至服务器进行人脸识别。
9.如权利要求8所述的终端,其特征在于,所述图像采集模块用于采集至少一个心率周期的视频,并从所述视频中连续抽取至少两张人脸图像,抽取频率小于血液容积脉搏波频率。
10.如权利要求8或9所述的终端,其特征在于,所述信号提取模块用于从所述人脸图像中确定人脸关键特征点并进行定位,根据定位结果确定所述血液容积脉搏波的感兴趣区域,在所述感兴趣区域提取所述血液容积脉搏波信号并发送至服务器进行活体人脸检测。
11.如权利要求10所述的终端,其特征在于,所述信号提取模块用于将所述感兴趣区域对应的图像由RGB色彩空间转换为LUV色彩空间,从LUV色彩空间中分离出u*通道,并通过所述u*通道提取所述血液容积脉搏波信号。
12.一种服务器,包括:
信号接收模块,用于接收终端发送的血液容积脉搏波信号;
活体检测模块,用于根据所述血液容积脉搏波信号检测人脸图像是否为活体人脸图像;
检测结果发送模块,用于将所述人脸图像为活体人脸图像的检测结果发送至终端;
人脸识别模块,用于接收终端从所述人脸图像中提取的人脸特征并进行识别。
13.如权利要求12所述的服务器,其特征在于,所述活体检测模块用于根据所述血液容积脉搏波信号计算心率值,检测所述心率值是否在预设范围,若所述心率值在预设范围,则所述人脸图像为活体人脸图像。
14.一种服务器,包括:
图像接收模块,用于接收终端发送的至少一个心率周期的至少两张人脸图像;
信号提取模块,用于从所述人脸图像中提取血液容积脉搏波信号;
活体检测模块,用于根据所述血液容积脉搏波信号检测所述人脸图像是否为活体人脸图像;
人脸识别模块,用于若所述人脸图像为活体人脸图像,则从所述人脸图像中提取人脸特征并进行识别。
15.一种人脸识别系统,包括如权利要求8-11任一项所述的终端以及如权利要求12、13所述的服务器;
所述终端采集至少一个心率周期的至少两张人脸图像,从所述人脸图像中提取血液容积脉搏波信号并发送至所述服务器;
所述服务器根据所述血液容积脉搏波信号检测人脸图像是否为活体人脸图像,将人脸图像为活体人脸图像的检测结果发送至所述终端;
所述终端从所述人脸图像中提取人脸特征并发送至服务器;
所述服务器对所述人脸特征进行识别,并将识别结果发送至所述终端。
16.一种人脸识别系统,包括终端和如权利要求14所述的服务器;
所述终端采集至少一个心率周期的至少两张人脸图像并发送至所述服务器;
所述服务器从所述人脸图像中提取血液容积脉搏波信号,并根据所述血液容积脉搏波信号检测所述人脸图像是否为活体人脸图像,若所述人脸图像为活体人脸图像,则从所述人脸图像中提取人脸特征并进行识别,将识别结果发送至所述终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610584504.1A CN107644191A (zh) | 2016-07-21 | 2016-07-21 | 一种人脸识别方法及系统、终端及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610584504.1A CN107644191A (zh) | 2016-07-21 | 2016-07-21 | 一种人脸识别方法及系统、终端及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107644191A true CN107644191A (zh) | 2018-01-30 |
Family
ID=61109482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610584504.1A Pending CN107644191A (zh) | 2016-07-21 | 2016-07-21 | 一种人脸识别方法及系统、终端及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107644191A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647576A (zh) * | 2018-04-10 | 2018-10-12 | 阳光暖果(北京)科技发展有限公司 | 一种基于视频序列人脸识别的活体身份认证方法 |
CN108682089A (zh) * | 2018-09-05 | 2018-10-19 | 上海聚虹光电科技有限公司 | 基于虹膜和人脸识别的自助无卡取款方法 |
CN109447029A (zh) * | 2018-11-12 | 2019-03-08 | 公安部第三研究所 | 电子身份证照生成系统及方法 |
CN109902597A (zh) * | 2019-01-31 | 2019-06-18 | 杭州创匠信息科技有限公司 | 基于活体血管的防伪方法、装置和系统 |
CN110008903A (zh) * | 2019-04-04 | 2019-07-12 | 北京旷视科技有限公司 | 人脸识别方法、装置、系统、存储介质和人脸支付方法 |
CN110163174A (zh) * | 2019-05-27 | 2019-08-23 | 成都科睿埃科技有限公司 | 一种基于单目摄像头的活体人脸检测方法 |
CN110163126A (zh) * | 2019-05-06 | 2019-08-23 | 北京华捷艾米科技有限公司 | 一种基于人脸的活体检测方法、装置及设备 |
CN110619320A (zh) * | 2019-09-28 | 2019-12-27 | 华东理工大学 | 用于智能洗澡机的智能控制方法及洗澡机 |
CN110738155A (zh) * | 2019-10-08 | 2020-01-31 | 杭州市第一人民医院 | 人脸识别方法、装置、计算机设备和存储介质 |
CN111048209A (zh) * | 2019-12-28 | 2020-04-21 | 安徽硕威智能科技有限公司 | 基于活体人脸识别的健康评估方法、装置及其存储介质 |
CN111259787A (zh) * | 2020-01-15 | 2020-06-09 | 杭州市第一人民医院 | 开锁方法、装置、计算机设备和存储介质 |
WO2020140893A1 (en) * | 2019-01-04 | 2020-07-09 | Shenzhen GOODIX Technology Co., Ltd. | Anti-spoofing live face sensing for enhancing security of facial recognition |
CN112364329A (zh) * | 2020-12-09 | 2021-02-12 | 山西三友和智慧信息技术股份有限公司 | 一种结合心率检测的人脸认证系统及方法 |
CN112396011A (zh) * | 2020-11-24 | 2021-02-23 | 华南理工大学 | 一种基于视频图像心率检测及活体检测的人脸识别系统 |
CN112861587A (zh) * | 2019-11-28 | 2021-05-28 | 杭州萤石软件有限公司 | 一种活体检测的方法、装置 |
CN117456589A (zh) * | 2023-12-22 | 2024-01-26 | 珠海早安科技有限公司 | 基于ai的人脸识别访问控制方法及门禁监控控制系统 |
-
2016
- 2016-07-21 CN CN201610584504.1A patent/CN107644191A/zh active Pending
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647576A (zh) * | 2018-04-10 | 2018-10-12 | 阳光暖果(北京)科技发展有限公司 | 一种基于视频序列人脸识别的活体身份认证方法 |
CN108682089A (zh) * | 2018-09-05 | 2018-10-19 | 上海聚虹光电科技有限公司 | 基于虹膜和人脸识别的自助无卡取款方法 |
CN109447029A (zh) * | 2018-11-12 | 2019-03-08 | 公安部第三研究所 | 电子身份证照生成系统及方法 |
WO2020140893A1 (en) * | 2019-01-04 | 2020-07-09 | Shenzhen GOODIX Technology Co., Ltd. | Anti-spoofing live face sensing for enhancing security of facial recognition |
US11216647B2 (en) | 2019-01-04 | 2022-01-04 | Shenzhen GOODIX Technology Co., Ltd. | Anti-spoofing live face sensing for enhancing security of facial recognition |
CN109902597A (zh) * | 2019-01-31 | 2019-06-18 | 杭州创匠信息科技有限公司 | 基于活体血管的防伪方法、装置和系统 |
CN110008903A (zh) * | 2019-04-04 | 2019-07-12 | 北京旷视科技有限公司 | 人脸识别方法、装置、系统、存储介质和人脸支付方法 |
CN110163126A (zh) * | 2019-05-06 | 2019-08-23 | 北京华捷艾米科技有限公司 | 一种基于人脸的活体检测方法、装置及设备 |
CN110163174A (zh) * | 2019-05-27 | 2019-08-23 | 成都科睿埃科技有限公司 | 一种基于单目摄像头的活体人脸检测方法 |
CN110619320A (zh) * | 2019-09-28 | 2019-12-27 | 华东理工大学 | 用于智能洗澡机的智能控制方法及洗澡机 |
CN110738155A (zh) * | 2019-10-08 | 2020-01-31 | 杭州市第一人民医院 | 人脸识别方法、装置、计算机设备和存储介质 |
CN112861587A (zh) * | 2019-11-28 | 2021-05-28 | 杭州萤石软件有限公司 | 一种活体检测的方法、装置 |
CN112861587B (zh) * | 2019-11-28 | 2024-03-26 | 杭州萤石软件有限公司 | 一种活体检测的方法、装置 |
CN111048209A (zh) * | 2019-12-28 | 2020-04-21 | 安徽硕威智能科技有限公司 | 基于活体人脸识别的健康评估方法、装置及其存储介质 |
CN111259787A (zh) * | 2020-01-15 | 2020-06-09 | 杭州市第一人民医院 | 开锁方法、装置、计算机设备和存储介质 |
CN111259787B (zh) * | 2020-01-15 | 2022-09-06 | 杭州市第一人民医院 | 开锁方法、装置、计算机设备和存储介质 |
CN112396011A (zh) * | 2020-11-24 | 2021-02-23 | 华南理工大学 | 一种基于视频图像心率检测及活体检测的人脸识别系统 |
CN112396011B (zh) * | 2020-11-24 | 2023-07-18 | 华南理工大学 | 一种基于视频图像心率检测及活体检测的人脸识别系统 |
CN112364329A (zh) * | 2020-12-09 | 2021-02-12 | 山西三友和智慧信息技术股份有限公司 | 一种结合心率检测的人脸认证系统及方法 |
CN117456589A (zh) * | 2023-12-22 | 2024-01-26 | 珠海早安科技有限公司 | 基于ai的人脸识别访问控制方法及门禁监控控制系统 |
CN117456589B (zh) * | 2023-12-22 | 2024-04-26 | 珠海早安科技有限公司 | 基于ai的人脸识别访问控制方法及门禁监控控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107644191A (zh) | 一种人脸识别方法及系统、终端及服务器 | |
CN101251889B (zh) | 基于手掌静脉与掌纹的近红外成像设备与身份识别方法 | |
CN105160318B (zh) | 基于面部表情的测谎方法及系统 | |
CN106156757B (zh) | 结合活体检测技术的人脸识别方法及人脸识别系统 | |
CN104254876B (zh) | 用于从远程检测的特征信号中提取信息的设备和方法 | |
CN107392177A (zh) | 一种人体身份识别验证方法及其装置 | |
CN106682389B (zh) | 一种用于监控高血压引发的眼部病变健康管理系统 | |
US20060280340A1 (en) | Conjunctival scans for personal identification | |
CN106570489A (zh) | 活体判别方法和装置、身份认证方法和装置 | |
CN103383723A (zh) | 用于生物特征验证的电子欺骗检测的方法和系统 | |
CN103761465A (zh) | 一种身份验证的方法及装置 | |
CN109766785A (zh) | 一种人脸的活体检测方法及装置 | |
CN108734067A (zh) | 一种人证比对的认证方法、系统及相机 | |
CN106991594A (zh) | 一种基于商户的远程实名购买电话卡的方法与系统 | |
CN109815794A (zh) | 人脸识别反欺诈方法、装置与电子设备 | |
CN110287918A (zh) | 活体识别方法及相关产品 | |
CN108875468A (zh) | 活体检测方法、活体检测系统以及存储介质 | |
CN111178130A (zh) | 一种基于深度学习的人脸识别方法、系统和可读存储介质 | |
CN107992845A (zh) | 一种面部识别辨伪方法及装置、计算机设备 | |
CN111414785A (zh) | 身分辨识系统及身分辨识方法 | |
CN111401134A (zh) | 活体检测方法、装置、电子设备及存储介质 | |
CN107802245A (zh) | 一种脉搏监测机器人及其监测方法 | |
CN112364329A (zh) | 一种结合心率检测的人脸认证系统及方法 | |
CN108647650A (zh) | 一种基于角膜反射和光学编码的人脸活体检测方法及系统 | |
CN110321782B (zh) | 一种检测人体特征信号的系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180130 |