CN107895155A - 一种人脸识别方法及装置 - Google Patents
一种人脸识别方法及装置 Download PDFInfo
- Publication number
- CN107895155A CN107895155A CN201711223620.1A CN201711223620A CN107895155A CN 107895155 A CN107895155 A CN 107895155A CN 201711223620 A CN201711223620 A CN 201711223620A CN 107895155 A CN107895155 A CN 107895155A
- Authority
- CN
- China
- Prior art keywords
- video
- verified
- live body
- personage
- predicted value
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种人脸识别方法及装置,该方法包括:接收用于进行人脸识别的待验证视频;在所述待验证视频中提取视频特征信息;根据所述视频特征信息,获取所述待验证视频中人物的活体属性;在确定所述待验证视频中的人物的活体属性为活体时,则在所述待验证视频中提取人脸特征,并根据所述人脸特征进行人脸识别。用于提高人脸识别技术的安全性。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种人脸识别方法及装置。
背景技术
随着人脸识别技术的不断发展,人脸识别技术的应用也越来越广泛,例如,门禁系统、用户登录等场景均可以使用人脸识别技术。
在现有技术中,在进行人脸识别过程中,首先获取用户输入的人脸图像,并将用户输入的人脸图像与预设数据库中的图像进行匹配,当匹配通过之后,则人脸识别成功。然而,在现有技术中,在人脸识别过程中,用户输入的人脸图像为预先拍摄的人脸照片对应的图像时,依然可以使得人脸识别成功,使得不法分子可以利用用户的照片进行人脸识别诈骗,进而导致人脸识别技术的安全性较差。
发明内容
本发明实施例提供一种人脸识别方法及装置。提高了人脸识别技术的安全性。
第一方面,本发明实施例提供一种人脸识别方法,包括:
接收用于进行人脸识别的待验证视频;
在所述待验证视频中提取视频特征信息;
根据所述视频特征信息,获取所述待验证视频中人物的活体属性;
在确定所述待验证视频中的人物的活体属性为活体时,则在所述待验证视频中提取人脸特征,并根据所述人脸特征进行人脸识别。
在一种可能的实施方式中,所述视频特征信息包括图像静态特征和/或连续帧特征,其中,
所述图像静态特征包括静态多尺度纹理特征、图像质量特征、频谱特征中的至少一种;
所述连续帧特征包括动态纹理特征或光流特征中的至少一种。
在另一种可能的实施方式中,所述根据所述视频特征信息,获取所述待验证视频中人物的活体属性,包括:
根据所述图像静态特征,确定所述待验证视频进行二次成像的第一预测值;
根据所述连续帧特征,确定所述待验证视频进行二次成像的第二预测值;
根据所述第一预测值和/或所述第二预测值,获取所述待验证视频中的人物的活体属性。
在另一种可能的实施方式中,根据所述第一预测值和所述第二预测值,获取所述待验证视频中的人物的活体属性,包括:
获取所述第一预测值和所述第二预测值的归一化预测值;
判断所述归一化预测值是否大于预设阈值;
若是,则生成动作指示,接收用户按照所述动作指示完成的动作画面,若所述动作画面与所述动作指示匹配,则确定所述验证视频中的人物的活体属性为活体,若所述动作画面与所述指示不匹配,则确定所述验证视频中的人物的活体属性为非活体;
若否,则确定所述验证视频中的人物的活体属性为活体。
在另一种可能的实施方式中,所述根据所述人脸特征进行人脸识别,包括:
获取所述人脸特征与预设数据库中的人脸特征的最大相似度;
若所述最大相似度大于预设相似度,则对所述待验证视频人脸识别通过。
第二方面,本发明实施例提供一种人脸识别装置,包括:接收模块、提取模块、获取模块和识别模块,其中,
所述接收模块用于,接收用于进行人脸识别的待验证视频;
所述提取模块用于,在所述待验证视频中提取视频特征信息;
所述获取模块用于,根据所述视频特征信息,获取所述待验证视频中人物的活体属性;
所述识别模块用于,在确定所述待验证视频中的人物的活体属性为活体时,则在所述待验证视频中提取人脸特征,并根据所述人脸特征进行人脸识别。
在一种可能的实施方式中,所述视频特征信息包括图像静态特征和/或连续帧特征,其中,
所述图像静态特征包括静态多尺度纹理特征、图像质量特征、频谱特征中的至少一种;
所述连续帧特征包括动态纹理特征或光流特征中的至少一种。
在另一种可能的实施方式中,所述获取模块具体用于:
根据所述图像静态特征,确定所述待验证视频进行二次成像的第一预测值;
根据所述连续帧特征,确定所述待验证视频进行二次成像的第二预测值;
根据所述第一预测值和/或所述第二预测值,获取所述待验证视频中的人物的活体属性。
在另一种可能的实施方式中,所述获取模块具体用于:
获取所述第一预测值和所述第二预测值的归一化预测值;
判断所述归一化预测值是否大于预设阈值;
若是,则接收用户按照指示完成的动作画面,若所述动作画面与所述指示匹配,则确定所述验证视频中的人物的活体属性为活体,若所述动作画面与所述指示不匹配,则确定所述验证视频中的人物的活体属性为非活体;
若否,则确定所述验证视频中的人物的活体属性为活体。
在另一种可能的实施方式中,所述识别模块具体用于:
获取所述人脸特征与预设数据库中的人脸特征的最大相似度;
若所述最大相似度大于预设相似度,则对所述待验证视频人脸识别通过。
本发明实施例提供的人脸识别方法及装置,在待验证视频中提取视频特征信息,根据视频特征信息,获取待验证视频中人物的活体属性在确定待验证视频中的人物的活体属性为活体时,则在待验证视频中提取人脸特征,并根据人脸特征进行人脸识别。在上述过程中,首先判断获取到的视频对应的人物是否为活体,在判断人物为活体之后,再进行人脸识别,这样,可以避免不法分子利用用户照片进行人脸识别诈骗,进而提高人脸识别技术的安全性。
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一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的人脸识别方法的流程示意图一;
图2为本发明实施例提供的人脸识别方法的流程示意图二;
图3为本发明实施例提供人脸识别装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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做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。
本发明实施例所示的人脸识别方法可以应用于多种场景,例如,可以应用于门禁系统、用户登录系统等。在本发明实施例中,在进行人脸识别的过程中,首先判断获取到的视频对应的人物是否为活体,在判断人物为活体之后,再进行人脸识别,这样,可以避免不法分子利用用户照片进行人脸识别诈骗,进而提高人脸识别技术的安全性。
下面,通过具体实施例对本申请所示的技术方案进行详细说明。需要说明的是,下面几个具体实施例可以相互结合,对于相同或相似的内容,在不同的实施例中不再进行重复说明。
图1为本发明实施例提供的人脸识别方法的流程示意图一。请参见图1,该方法可以包括:
S101、接收用于进行人脸识别的待验证视频。
本发明实施例的执行主体为人脸识别装置。可选的,该人脸识别装置可以设置在人脸识别系统中,例如,人脸识别系统可以为门禁系统、用户登录系统等。可选的,人脸识别装置可以通过软件实现,或者,人脸识别装置也可以通过软件和硬件的结合实现。
在用户进行人脸识别的过程中,人脸识别装置可以通过设置在人脸识别系统中的摄像头获取用户的待验证视频,待验证视频中包括用户的人脸信息。例如,在用户需要进行人脸识别时,用户可以在人脸识别系统中输入启动指令,以使人脸识别系统中的摄像头开始采集用户的视频信息(待验证视频),并将验证视频发送给人脸识别装置。
S102、在待验证视频中提取视频特征信息。
可选的,视频特征信息包括图像静态特征和/或连续帧特征。
可选的,图像静态特征包括静态多尺度纹理特征、图像质量特征、频谱特征中的至少一种。
可选的,连续帧特征包括动态纹理特征或光流特征中的至少一种。
需要说明的是,在实际应用过程中,可以根据实际需要设置图像静态特征和连续帧特征中包括的内容,本发明实施例对此不作具体限定。
S103、根据视频特征信息,获取待验证视频中人物的活体属性。
可选的,根据视频特征信息中包括的内容不同,获取验证视频中人物的活体属性的方法也不同,例如,可以包括至少如下三种可能的情况:
第一种可能的情况:视频特征信息中包括图像静态特征。
在该种可能的情况下,可以根据如下可行的实现方式根据图像静态特征获取待验证视频中人物的活体属性:
由于图像静态特征包括静态多尺度纹理特征、图像质量特征、频谱特征中的至少一种,因此,可以根据静态多尺度纹理特征获取待验证视频中人物的活体属性,也可以根据图像质量特征获取待验证视频中人物的活体属性,还可以根据频谱特征获取待验证视频中人物的活体属性,当然,也可以根据多尺度纹理特征、图像质量特征、频谱特征中的任意两个特征或者三个特征获取待验证视频中人物的活体属性。
可选的,在根据静态多尺度纹理特征获取待验证视频中人物的活体属性时,可以提取图像不同尺度上的局部二值模式(Local Binary Patterns,简称LBP)特征,并根据LBP特征获取待验证视频中的人物的活体属性。
可选的,在根据图像质量特征获取待验证视频中人物的活体属性时,可以提取图像质量特征值,根据图像质量特征值获取图像的反光指标,根据图像的反光指标获取待验证视频中的人物的活体属性。
可选的,在根据频谱特征获取待验证视频中人物的活体属性时,可以根据频谱特征提取图像模糊特征值,根据图像模糊特征值所表征的图像模糊程度,获取待验证视频中的人物的活体属性。
在该种可能的情况下,可选的,可以根据图像静态特征,确定待验证视频进行二次成像的第一预测值,并判断第一预测值是否大于第一阈值,若是,则生成动作指示,该动作指示用于指示用户输入相对应的动作,接收用户按照动作指示完成的动作画面,若动作画面与动作指示匹配,则确定验证视频中的人物的活体属性为活体,若动作画面与指示不匹配,则确定验证视频中的人物的活体属性为非活体。
可选的,指示用户完成的动作画面可以包括指示用户做预设表情,例如笑脸、睁眼、闭眼等,还可以指示用户做预设手势,例如,剪刀手、拳头等。本发明实施例对指示用户完成的动作画面不作具体限定。
可选的,第一预测值越大,说明待验证视频为二次成像的可能性越高,第一预测值越小,说明待验证视频为二次成像的可能性越小。
在实际应用过程中,可以根据实际需要设置该第一阈值,本发明实施例对此不作具体限定。
第二种可能的情况:视频特征信息中包括连续帧特征。
在该种可能的情况下,可以根据如下可行的实现方式根据连续帧特征获取待验证视频中人物的活体属性:
由于连续帧特征中包括动态纹理特征和光流特征中的至少一种,因此,可以根据动态纹理特征获取待验证视频中人物的活体属性,也可以根据光流特征获取待验证视频中人物的活体属性,当然,也可以根据动态纹理特征和光流特征获取待验证视频中人物的活体属性。
在该种可能的情况下,可选的,可以根据连续帧特征,确定待验证视频进行二次成像的第二预测值,并判断第二预测值是否大于第二阈值,若是,则生成动作指示,该动作指示用于指示用户输入相对应的动作,接收用户按照动作指示完成的动作画面,若动作画面与动作指示匹配,则确定验证视频中的人物的活体属性为活体,若动作画面与指示不匹配,则确定验证视频中的人物的活体属性为非活体。
可选的,第二预测值越大,说明待验证视频为二次成像的可能性越高,第二预测值越小,说明待验证视频为二次成像的可能性越小。
在实际应用过程中,可以根据实际需要设置该第二阈值,本发明实施例对此不作具体限定。
第三种可能的情况:视频特征信息中包括图像静态特征和连续帧特征。
在该种可能的情况下,可选的,可以根据图像静态特征,确定待验证视频进行二次成像的第一预测值,根据连续帧特征,确定待验证视频进行二次成像的第二预测值,根据第一预测值和/或第二预测值,获取待验证视频中的人物的活体属性。
可选的,可以获取第一预测值和第二预测值的归一化预测值;断归一化预测值是否大于预设阈值;若是,则生成动作指示,该动作指示用于指示用户输入相对应的动作,接收用户按照动作指示完成的动作画面,若动作画面与动作指示匹配,则确定验证视频中的人物的活体属性为活体,若动作画面与指示不匹配,则确定验证视频中的人物的活体属性为非活体。
可选的,归一化预测值可以为第一预测值和第二预测值的平均值,当然,归一化预测值也可以为第一预测值乘以第一权重值、与第二预测值乘以第二权重值之和。在实际应用过程中,可以根据实际需要设置该第一权重值和第二权重值,本发明实施例对此不作具体限定。
需要说明的是,在该种可能的情况下,还可以先根据图像静态特征获取待验证视频中人物的活体属性,在根据图像静态特征确定待验证视频中的人物为活体时,再根据连续帧特征获取待验证视频中人物的活体属性。对于该种方式,在图2所示的实施例中进行详细说明,此处不再进行赘述。
S104、在确定待验证视频中的人物的活体属性为活体时,则在待验证视频中提取人脸特征,并根据人脸特征进行人脸识别。
获取人脸特征与预设数据库中的人脸特征的最大相似度;
若最大相似度大于预设相似度,则对待验证视频人脸识别通过。
本发明实施例提供的人脸识别方法,在待验证视频中提取视频特征信息,根据视频特征信息,获取待验证视频中人物的活体属性在确定待验证视频中的人物的活体属性为活体时,则在待验证视频中提取人脸特征,并根据人脸特征进行人脸识别。在上述过程中,首先判断获取到的视频对应的人物是否为活体,在判断人物为活体之后,再进行人脸识别,这样,可以避免不法分子利用用户照片进行人脸识别诈骗,进而提高人脸识别技术的安全性。
在图1实施例的基础上,下面,通过图2所示的实施例,对图1所示的实施例进行进一步完整说明。具体的,请参见图2所示的实施例。
图2为本发明实施例提供的人脸识别方法的流程示意图二。在图1所示实施例的基础上,请参见图2,该方法可以包括:
S201、接收用于进行人脸识别的待验证视频。
需要说明的是,S201的执行过程可以参见S101,本发明实施例此处不再进行赘述。
S202、在待验证视频中提取图像静态特征。
其中,图像静态特征包括静态多尺度纹理特征、图像质量特征、频谱特征中的至少一种。
需要说明的是,S202的执行过程可以参见S102,本发明实施例此处不再进行赘述。
S203、根据图像静态特征,确定待验证视频进行二次成像的第一预测值。
S204、判断第一预测值是否大于第一阈值。
若是,则执行S205。
若否,则执行S206。
S205、确定验证视频中的人物不是活体。
S206、在待验证视频中提取连续帧特征。
其中,连续帧特征包括动态纹理特征或光流特征中的至少一种。
需要说明的是,S206的执行过程可以参见S101,本发明实施例此处不再进行赘述。
S207、根据连续帧特征,确定待验证视频进行二次成像的第二预测值。
S208、判断第二预测值是否大于第二阈值。
若是,则执行S205。
若否,则执行S209。
S209、生成动作指示,动作指示用于指示用户完成对应的动作画面。
S210、接收用户按照指示完成的动作画面。
S211、判断动作画面是否与指示匹配。
若是,则执行S212。
若否,则执行S205。
S212、确定验证视频中的人物是活体。
在上述过程中,首先判断获取到的视频对应的人物是否为活体,在判断人物为活体之后,再进行人脸识别,这样,可以避免不法分子利用用户照片进行人脸识别诈骗,进而提高人脸识别技术的安全性。
图3为本发明实施例提供人脸识别装置的结构示意图。请参见图3,该装置可以包括:接收模块11、提取模块12、获取模块13和识别模块14,其中,
所述接收模块11用于,接收用于进行人脸识别的待验证视频;
所述提取模块12用于,在所述待验证视频中提取视频特征信息;
所述获取模块13用于,根据所述视频特征信息,获取所述待验证视频中人物的活体属性;
所述识别模块14用于,在确定所述待验证视频中的人物的活体属性为活体时,则在所述待验证视频中提取人脸特征,并根据所述人脸特征进行人脸识别。
本发明实施例提供的人脸识别装置可以执行上述方法实施例所示的技术方案,其实现原理以及有益效果类似,此处不再进行赘述。
在一种可能的实施方式中,所述视频特征信息包括图像静态特征和/或连续帧特征,其中,
所述图像静态特征包括静态多尺度纹理特征、图像质量特征、频谱特征中的至少一种;
所述连续帧特征包括动态纹理特征或光流特征中的至少一种。
在另一种可能的实施方式中,所述获取模块13具体用于:
根据所述图像静态特征,确定所述待验证视频进行二次成像的第一预测值;
根据所述连续帧特征,确定所述待验证视频进行二次成像的第二预测值;
根据所述第一预测值和/或所述第二预测值,获取所述待验证视频中的人物的活体属性。
在另一种可能的实施方式中,所述获取模块13具体用于:
获取所述第一预测值和所述第二预测值的归一化预测值;
判断所述归一化预测值是否大于预设阈值;
若是,则接收用户按照指示完成的动作画面,若所述动作画面与所述指示匹配,则确定所述验证视频中的人物的活体属性为活体,若所述动作画面与所述指示不匹配,则确定所述验证视频中的人物的活体属性为非活体;
若否,则确定所述验证视频中的人物的活体属性为活体。
在另一种可能的实施方式中,所述识别模块14具体用于:
获取所述人脸特征与预设数据库中的人脸特征的最大相似度;
若所述最大相似度大于预设相似度,则对所述待验证视频人脸识别通过。
本发明实施例提供的人脸识别装置可以执行上述方法实施例所示的技术方案,其实现原理以及有益效果类似,此处不再进行赘述。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明实施例的技术方案,而非对其限制;尽管参照前述各实施例对本发明实施例进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例方案的范围。
Claims (10)
1.一种人脸识别方法,其特征在于,包括:
接收用于进行人脸识别的待验证视频;
在所述待验证视频中提取视频特征信息;
根据所述视频特征信息,获取所述待验证视频中人物的活体属性;
在确定所述待验证视频中的人物的活体属性为活体时,则在所述待验证视频中提取人脸特征,并根据所述人脸特征进行人脸识别。
2.根据权利要求1所述的方法,其特征在于,所述视频特征信息包括图像静态特征和/或连续帧特征,其中,
所述图像静态特征包括静态多尺度纹理特征、图像质量特征、频谱特征中的至少一种;
所述连续帧特征包括动态纹理特征或光流特征中的至少一种。
3.根据权利要求2所述的方法,其特征在于,所述根据所述视频特征信息,获取所述待验证视频中人物的活体属性,包括:
根据所述图像静态特征,确定所述待验证视频进行二次成像的第一预测值;
根据所述连续帧特征,确定所述待验证视频进行二次成像的第二预测值;
根据所述第一预测值和/或所述第二预测值,获取所述待验证视频中的人物的活体属性。
4.根据权利要求3所述的方法,其特征在于,根据所述第一预测值和所述第二预测值,获取所述待验证视频中的人物的活体属性,包括:
获取所述第一预测值和所述第二预测值的归一化预测值;
判断所述归一化预测值是否大于预设阈值;
若是,则生成动作指示,接收用户按照所述动作指示完成的动作画面,若所述动作画面与所述动作指示匹配,则确定所述验证视频中的人物的活体属性为活体,若所述动作画面与所述指示不匹配,则确定所述验证视频中的人物的活体属性为非活体;
若否,则确定所述验证视频中的人物的活体属性为活体。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述人脸特征进行人脸识别,包括:
获取所述人脸特征与预设数据库中的人脸特征的最大相似度;
若所述最大相似度大于预设相似度,则对所述待验证视频人脸识别通过。
6.一种人脸识别装置,其特征在于,包括:接收模块、提取模块、获取模块和识别模块,其中,
所述接收模块用于,接收用于进行人脸识别的待验证视频;
所述提取模块用于,在所述待验证视频中提取视频特征信息;
所述获取模块用于,根据所述视频特征信息,获取所述待验证视频中人物的活体属性;
所述识别模块用于,在确定所述待验证视频中的人物的活体属性为活体时,则在所述待验证视频中提取人脸特征,并根据所述人脸特征进行人脸识别。
7.根据权利要求6所述的装置,其特征在于,所述视频特征信息包括图像静态特征和/或连续帧特征,其中,
所述图像静态特征包括静态多尺度纹理特征、图像质量特征、频谱特征中的至少一种;
所述连续帧特征包括动态纹理特征或光流特征中的至少一种。
8.根据权利要求7所述的装置,其特征在于,所述获取模块具体用于:
根据所述图像静态特征,确定所述待验证视频进行二次成像的第一预测值;
根据所述连续帧特征,确定所述待验证视频进行二次成像的第二预测值;
根据所述第一预测值和/或所述第二预测值,获取所述待验证视频中的人物的活体属性。
9.根据权利要求8所述的装置,其特征在于,所述获取模块具体用于:
获取所述第一预测值和所述第二预测值的归一化预测值;
判断所述归一化预测值是否大于预设阈值;
若是,则接收用户按照指示完成的动作画面,若所述动作画面与所述指示匹配,则确定所述验证视频中的人物的活体属性为活体,若所述动作画面与所述指示不匹配,则确定所述验证视频中的人物的活体属性为非活体;
若否,则确定所述验证视频中的人物的活体属性为活体。
10.根据权利要求6-9任一项所述的装置,其特征在于,所述识别模块具体用于:
获取所述人脸特征与预设数据库中的人脸特征的最大相似度;
若所述最大相似度大于预设相似度,则对所述待验证视频人脸识别通过。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711223620.1A CN107895155A (zh) | 2017-11-29 | 2017-11-29 | 一种人脸识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711223620.1A CN107895155A (zh) | 2017-11-29 | 2017-11-29 | 一种人脸识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107895155A true CN107895155A (zh) | 2018-04-10 |
Family
ID=61806567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711223620.1A Pending CN107895155A (zh) | 2017-11-29 | 2017-11-29 | 一种人脸识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107895155A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805047A (zh) * | 2018-05-25 | 2018-11-13 | 北京旷视科技有限公司 | 一种活体检测方法、装置、电子设备和计算机可读介质 |
CN108830187A (zh) * | 2018-05-29 | 2018-11-16 | 厦门瑞为信息技术有限公司 | 一种室内场景快速人像识别的装置及方法 |
CN109271863A (zh) * | 2018-08-15 | 2019-01-25 | 北京小米移动软件有限公司 | 人脸活体检测方法及装置 |
CN109271978A (zh) * | 2018-11-23 | 2019-01-25 | 四川长虹电器股份有限公司 | 人脸识别防欺骗方法 |
CN109284689A (zh) * | 2018-08-27 | 2019-01-29 | 苏州浪潮智能软件有限公司 | 一种利用手势识别进行活体检测的方法 |
CN109344716A (zh) * | 2018-08-31 | 2019-02-15 | 深圳前海达闼云端智能科技有限公司 | 活体检测模型的训练方法、检测方法、装置、介质及设备 |
CN109635146A (zh) * | 2018-11-28 | 2019-04-16 | 武汉虹信技术服务有限责任公司 | 一种基于图像特征的目标查询方法及系统 |
CN109684993A (zh) * | 2018-12-21 | 2019-04-26 | 普联技术有限公司 | 一种基于鼻孔信息的人脸识别方法、系统和设备 |
CN111611967A (zh) * | 2020-05-29 | 2020-09-01 | 哈尔滨理工大学 | 一种人脸识别的活体检测方法 |
CN112883940A (zh) * | 2021-04-13 | 2021-06-01 | 深圳市赛为智能股份有限公司 | 静默活体检测方法、装置、计算机设备及存储介质 |
CN114612979A (zh) * | 2022-03-09 | 2022-06-10 | 平安科技(深圳)有限公司 | 一种活体检测方法及装置、电子设备、存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622588A (zh) * | 2012-03-08 | 2012-08-01 | 无锡数字奥森科技有限公司 | 双验证人脸防伪方法及装置 |
CN105320947A (zh) * | 2015-11-04 | 2016-02-10 | 博宏信息技术有限公司 | 一种基于光照成分的人脸活体检测方法 |
CN106650670A (zh) * | 2016-12-27 | 2017-05-10 | 北京邮电大学 | 活体人脸视频的检测方法及装置 |
CN106650646A (zh) * | 2016-12-09 | 2017-05-10 | 南京合荣欣业金融软件有限公司 | 一种基于动作识别的活体人脸识别方法及系统 |
CN106845345A (zh) * | 2016-12-15 | 2017-06-13 | 重庆凯泽科技股份有限公司 | 活体检测方法及装置 |
-
2017
- 2017-11-29 CN CN201711223620.1A patent/CN107895155A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622588A (zh) * | 2012-03-08 | 2012-08-01 | 无锡数字奥森科技有限公司 | 双验证人脸防伪方法及装置 |
CN105320947A (zh) * | 2015-11-04 | 2016-02-10 | 博宏信息技术有限公司 | 一种基于光照成分的人脸活体检测方法 |
CN106650646A (zh) * | 2016-12-09 | 2017-05-10 | 南京合荣欣业金融软件有限公司 | 一种基于动作识别的活体人脸识别方法及系统 |
CN106845345A (zh) * | 2016-12-15 | 2017-06-13 | 重庆凯泽科技股份有限公司 | 活体检测方法及装置 |
CN106650670A (zh) * | 2016-12-27 | 2017-05-10 | 北京邮电大学 | 活体人脸视频的检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
DIEGO GRAGNANIELLO等: "《An Investigation of Local Descriptors for Biometric Spoofing Detection》", 《IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY》 * |
陆成学: "人脸认证应用中活体检测技术探讨", 《中国金融电脑》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10832069B2 (en) | 2018-05-25 | 2020-11-10 | Beijing Kuangshi Technology Co., Ltd. | Living body detection method, electronic device and computer readable medium |
CN108805047A (zh) * | 2018-05-25 | 2018-11-13 | 北京旷视科技有限公司 | 一种活体检测方法、装置、电子设备和计算机可读介质 |
CN108830187A (zh) * | 2018-05-29 | 2018-11-16 | 厦门瑞为信息技术有限公司 | 一种室内场景快速人像识别的装置及方法 |
CN108830187B (zh) * | 2018-05-29 | 2021-07-06 | 厦门瑞为信息技术有限公司 | 一种室内场景快速人像识别的装置及方法 |
CN109271863A (zh) * | 2018-08-15 | 2019-01-25 | 北京小米移动软件有限公司 | 人脸活体检测方法及装置 |
CN109271863B (zh) * | 2018-08-15 | 2022-03-18 | 北京小米移动软件有限公司 | 人脸活体检测方法及装置 |
CN109284689A (zh) * | 2018-08-27 | 2019-01-29 | 苏州浪潮智能软件有限公司 | 一种利用手势识别进行活体检测的方法 |
CN109344716A (zh) * | 2018-08-31 | 2019-02-15 | 深圳前海达闼云端智能科技有限公司 | 活体检测模型的训练方法、检测方法、装置、介质及设备 |
CN109271978A (zh) * | 2018-11-23 | 2019-01-25 | 四川长虹电器股份有限公司 | 人脸识别防欺骗方法 |
CN109635146A (zh) * | 2018-11-28 | 2019-04-16 | 武汉虹信技术服务有限责任公司 | 一种基于图像特征的目标查询方法及系统 |
CN109684993A (zh) * | 2018-12-21 | 2019-04-26 | 普联技术有限公司 | 一种基于鼻孔信息的人脸识别方法、系统和设备 |
CN111611967A (zh) * | 2020-05-29 | 2020-09-01 | 哈尔滨理工大学 | 一种人脸识别的活体检测方法 |
CN112883940A (zh) * | 2021-04-13 | 2021-06-01 | 深圳市赛为智能股份有限公司 | 静默活体检测方法、装置、计算机设备及存储介质 |
CN114612979A (zh) * | 2022-03-09 | 2022-06-10 | 平安科技(深圳)有限公司 | 一种活体检测方法及装置、电子设备、存储介质 |
CN114612979B (zh) * | 2022-03-09 | 2024-05-31 | 平安科技(深圳)有限公司 | 一种活体检测方法及装置、电子设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107895155A (zh) | 一种人脸识别方法及装置 | |
WO2020140665A1 (zh) | 双录视频质量检测方法、装置、计算机设备和存储介质 | |
CN205015915U (zh) | 自助住宿管理系统 | |
WO2017080311A1 (zh) | 指纹模板完善方法、装置和终端设备 | |
CN111292092B (zh) | 刷脸支付方法、装置及电子设备 | |
CN108922074A (zh) | 无卡取款方法、装置、计算机设备和存储介质 | |
CN110163053B (zh) | 生成人脸识别的负样本的方法、装置及计算机设备 | |
CN106203333A (zh) | 人脸识别方法及系统 | |
CN109446905A (zh) | 电子签名审核方法、装置、计算机设备和存储介质 | |
CN107563283A (zh) | 生成攻击样本的方法、装置、设备及存储介质 | |
CN110489951A (zh) | 风险识别的方法、装置、计算机设备和存储介质 | |
CN106663157A (zh) | 用户认证方法、执行该方法的装置及存储该方法的记录介质 | |
CN113298080B (zh) | 目标检测增强模型、目标检测方法、装置及电子装置 | |
CN112733946B (zh) | 一种训练样本的生成方法、装置、电子设备及存储介质 | |
US11961329B2 (en) | Iris authentication device, iris authentication method and recording medium | |
CN110705353A (zh) | 基于注意力机制的遮挡人脸的识别方法和装置 | |
WO2019178753A1 (zh) | 支付方法、装置和系统 | |
CN109766419A (zh) | 基于语音分析的产品推荐方法、装置、设备及存储介质 | |
CN110599187A (zh) | 一种基于人脸识别的支付方法、装置、计算机设备和存储介质 | |
CN109389028A (zh) | 基于动作分析的人脸识别方法、装置、设备及存储介质 | |
CN107609364A (zh) | 用户身份确认方法和装置 | |
JP2023530893A (ja) | データ処理および取引決定システム | |
CN106339698A (zh) | 一种基于虹膜识别的购票方法及装置 | |
CN113177892A (zh) | 生成图像修复模型的方法、设备、介质及程序产品 | |
CN105989346B (zh) | 一种网络购物手机支付系统的构成方法 |
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: 20180410 |