CN107909063B - 基于灰度变化的生物识别视频回放攻击检测方法 - Google Patents

基于灰度变化的生物识别视频回放攻击检测方法 Download PDF

Info

Publication number
CN107909063B
CN107909063B CN201711404734.6A CN201711404734A CN107909063B CN 107909063 B CN107909063 B CN 107909063B CN 201711404734 A CN201711404734 A CN 201711404734A CN 107909063 B CN107909063 B CN 107909063B
Authority
CN
China
Prior art keywords
face
video
gray scale
average gray
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.)
Active
Application number
CN201711404734.6A
Other languages
English (en)
Other versions
CN107909063A (zh
Inventor
刘建征
杨巨成
杨华易
赵婷婷
陈亚瑞
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.)
Tianjin University of Science and Technology
Original Assignee
Tianjin University of Science and Technology
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 Tianjin University of Science and Technology filed Critical Tianjin University of Science and Technology
Priority to CN201711404734.6A priority Critical patent/CN107909063B/zh
Publication of CN107909063A publication Critical patent/CN107909063A/zh
Application granted granted Critical
Publication of CN107909063B publication Critical patent/CN107909063B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于灰度变化的生物识别视频回放攻击检测方法，其主要技术特点是：通过视频采集设备采集包含人脸区域的视频信号，对所识别出的人脸区域施加额外光线照射，从视频信号中获取人脸区域平均灰度的变化情况作为识别依据；根据人脸区域平均灰度变化情况与场景的平均灰度值的比值作为衡量标准参数，命名其为灰度变化因子并设定一个阈值，根据灰度变化因子是否超过所设定阈值进行分类判别，判断是活体人脸还是视频回放。本发明基于人脸区域在变化光照条件下平均灰度的变化情况来检测，可靠性高；使用普通的视频采集设备即可实现检测功能，具有成本低廉且算法简单易于实现的特点，能够满足不同场合的实际要求。

Description

基于灰度变化的生物识别视频回放攻击检测方法
技术领域
本发明属于生物识别技术领域，涉及人脸识别中的视频回放攻击检测，尤其是一种基于灰度变化的生物识别视频回放攻击检测方法。
背景技术
随着科技的发展和近几年生物识别技术领域内一些技术的逐渐成熟，生物识别(认证)技术逐渐被广泛应用。生物识别技术是指基于人体的一些生物特征，包括生理特征和行为特征来识别、判别个体身份的一种技术。目前该技术在应用方面主要依靠识别生理特征，通常包括人脸识别、指(掌)纹识别、虹膜识别等。生物特征的独特性早在唐代就已经被中国学者发现，近代西方学者对此也早有大量的研究。而真正将生物特征用于身份识别的系统出现于上世纪70年代早期。近年来，随着生物特征采集设备价格的下降和各种识别方法的日益成熟，生物识别(认证)技术逐渐融入了我们的日常生活中，在诸多领域，如系统登录、海关安检等领域有大量应用，例如我国已经启动了将公民指纹采集存储在二代身份证中的工作。
生物识别具有有效性及便利性的优势，然而假冒攻击一直是生物识别系统的一个重大威胁。例如，对于人脸识别系统，攻击者可以使用人脸照片来进行身份仿冒；而指纹、掌纹识别系统也可能使用硅胶或类似材质制作的胶模骗过系统。对此类的仿冒攻击，国外有很多学者进行过研究，也发表过一些文献资料，证明使用这些仿冒手段的确可以在一定程度上实现对系统的攻击。
随着生物识别技术的应用愈加广泛，系统安全性问题也日益凸显出来，越来越被研究人员广泛关注。其中，一种解决此问题的思路是在获取人体生物样本的时候，同时要对生物样本进行活体检测。活体检测可以保证生物信息的获取对象是生物活体，从而可以抵御各种复制生物样本，例如照片、塑胶指模等对认证系统的攻击。对于活体检测技术的研究已经成为了生物识别领域中的一个重要方向，近年来，国内外在此领域有大量的研究工作和一些重要的学术会议，并且在一些相关领域的权威会议上都有相关的工作和论文发表。目前一些常用的技术包括基于活体的生理行为(例如识别人脸的眨眼动作)、活体的环境特征以及活体的生理信号(诸如皮肤汗液，EEG电平，热红外特性等)。然而这些方法又各有缺陷，有些需要通过大量复杂的运算，有些需要特殊设备支持，还有些方法用户体验不好，难以满足各种复杂场合的实际应用要求，易用性和可靠性方面有待提高。
发明内容
本发明的目的在于克服现有技术的不足，提出一种设计合理、安全性可靠性高且能够满足各种复杂场合需要的基于灰度变化的生物识别视频回放攻击检测方法。
本发明解决其技术问题是采取以下技术方案实现的：
一种基于灰度变化的生物识别视频回放攻击检测方法，包括以下步骤：
步骤1、通过视频采集设备采集包含人脸区域的视频信号，对所识别出的人脸区域施加额外光线照射，从视频信号中获取人脸区域平均灰度的变化情况作为识别依据；
步骤2、根据人脸区域平均灰度变化情况与场景的平均灰度值的比值作为衡量标准参数，命名其为灰度变化因子并设定一个阈值，根据灰度变化因子是否超过所设定阈值进行分类判别，判断是活体人脸还是视频回放。
进一步，所述步骤1获取人脸区域平均灰度的变化情况的方法包括以下步骤：
⑴使用视频采集设备采集视频或连贯图像画面序列，采样频率高于4fps；
⑵从视频或图像序列中识别人脸区域；
⑶将所示别出的人脸区域设定为ROI区域，计算图像全局平均灰度值G，计算ROI区域的平均灰度值F1；
⑷使用可见光或视频采集设备可识别的红外/紫外光线照射步骤⑵所识别出的人脸区域；
⑸重新计算人脸ROI区域的平均灰度值F2。
进一步，所述步骤⑶及步骤⑸中全局平均灰度值G、ROI区域的平均灰度值F1及人脸ROI区域的平均灰度值F2的计算方法，是根据选定视频或图像序列中的一帧图像进行计算，或者根据选择连续若干帧图像分别进行计算，然后再计算其平均值。
进一步，所述步骤⑷在处理过程中，应选择指向性较强的光源并保证只照射所识别出的人脸区域，同时，光源、人脸、采集设备三者之间的夹角应确保如下条件：①如被照射样本为真实人脸，光源所发出光线应能在人脸上形成漫反射，并明显提高人脸图像的灰度；②如被照射样本为视频回放设备播放平面上播放的人脸，光源所发出光线不会被播放平面以镜面反射的形式反射至视频采集设备。
进一步，所述步骤2使用如下公式计算灰度变化因子：
f＝(F2-F1)/G
其中，f为灰度变化因子，G为图像全局平均灰度值，F1是计算的人脸ROI区域的平均灰度值，F2是重新计算的人脸ROI区域的平均灰度值。
进一步，所述步骤2中阈值的范围在0.1～2.0之间。
进一步，所述视频采集设备为普通摄像机、摄像头或工业摄像机。
本发明的优点和积极效果是：
1、本发明通过视频采集设备采集包含人脸区域的视频信号，在采集的同时变化人脸区域的光照强度并计算人脸区域的平均灰度，使用平均灰度的变化情况作为分类依据的特征；根据人脸区域灰度变化值与场景的平均灰度值的比作为衡量标准参数，根据衡量标准参数是否超过阈值来判断被测试样本是否为视频回放攻击，上述方法采用图像处理技术生物样本进行活体检测，解决了人脸识别系统中防止视频回放攻击问题，其基于人脸区域在变化光照条件下平均灰度的变化情况来检测，可靠性高。
2、本发明仅使用普通的视频采集设备和照明设备即可实现检测功能，即采用生物识别系统中的必需设备，不用对系统额外加入硬件设备，具有成本低廉且算法简单易于实现的特点，能够满足不同场合的实际要求。
附图说明
图1为本发明的检测原理图；
图2为本发明的活体人脸受光照影响灰度变化示意图；图中矩形框为人脸ROI，曲线为人脸ROI平均灰度变化曲线，图中曲线的每一次波峰都对应着一次额外光源的照射，表示人脸平均灰度值受外界光照影响而提高，其中左侧为普通光照情况，右侧为施加额外光照后情况；
图3为本发明的视频回放设备受光照影响灰度变化示意图；图中矩形框为人脸ROI，曲线为人脸ROI平均灰度变化曲线，图中曲线的波峰表示视频播放设备播放平面中的人脸平均灰度值受外界光照影响不大，其中左侧为普通光照情况，右侧为施加额外光照后情况。
具体实施方式
以下结合附图对本发明实施例做进一步详述。
本发明的设计思想为：人脸等非自发光物体图像的形成原理是物体表面对照射光源形成反射，所反射的光线被图像采集设备采集，从而形成图像。而视频播放设备图象形成的原理是设备本身发射光线，所发射光线被图像采集设备采集，从而形成图像。所以，人脸图像的灰度大小基本上是由外界光线的强度决定的，外界光线越强，人脸图像的灰度值越高。人脸会对外界光源形成漫反射，当有额外光源施加到人脸上的时候，人脸反射光的亮度会增强，从而导致缩采集的人脸图像灰度提高。然而，视频播放设备所形成图像的灰度值是由设备本身所发出的亮度强弱决定的，当额外光源施加到视频回放设备的播放平面时，不会产生类似人脸的漫反射现象，也不会影响设备本身所发出的亮度，从而对视频播放平面上锁显示出的人脸图像灰度影响不大。使用额外光源照射已被识别出的人脸，非视频回放人脸的灰度值会有较大提高，而使用视频回放设备播放的人脸灰度基本没有变化或提高幅度较小。使用这一特征可以识别人脸识别中的视频回放攻击。
基于以上设计思想，本发明的基于灰度变化的生物识别视频回放攻击检测方法，如图1所示，包括以下步骤：
步骤1、通过视频采集设备采集包含人脸区域的视频信号，对所识别出的人脸区域施加额外光线照射，从视频信号中获取人脸区域平均灰度的变化情况作为识别依据。
在本步骤中，使用可见光频段的彩色或黑白视频采集设备采集视频或连贯图像画面序列，视频采集设备为普通摄像机、摄像头或工业摄像机，也可以使用红外/紫外光频段图像采集设备。
从待测样本中获取人脸区域平均灰度的变化情况的具体步骤如下：
⑴使用视频采集设备采集黑白或彩色视频或图像序列图像,采样频率高于4fps。
⑵从视频或图像序列中，定位人脸位置，将人脸位置设定为ROI区域。
⑶将所示别出的人脸区域设定为ROI(Region of Interest)，计算图像全局平均灰度值记为G，计算ROI区域的平均灰度值记为F1。
⑷使用光源照射人脸区域并继续采集人脸区域图像。这一步骤的目考察额外光照是否会影响所识别出的人脸区域的亮度。可以根据视频采集设备的采集能力来选择光源，普通设备可以选择可见光作为光源。当使用有红外/紫外光采集能力的设备时，可以采用不可见光，从而提高用户体验。光源、人脸、采集设备三者之间的夹角需要确保：a,如被照射样本为真实人脸，光源所发出光线应能在人脸上形成漫反射，并明显提高人脸图像的灰度；b,如被照射样本为视频回放设备播放平面上播放的人脸，光源所发出光线不会被播放平面以镜面反射的形式反射至视频采集设备。
使用可见光或视频采集设备可识别的红外/紫外光线照射⑵所识别出的人脸区域；
⑸重新计算人脸ROI区域的平均灰度值记为F2。平均灰度，即区域内所有像素灰度值的平均值。
步骤2、根据人脸区域平均灰度变化情况与场景的平均灰度值的比值作为衡量标准参数，命名其为灰度变化因子f，设定一个阈值d，根据衡量标准参数是否超过所设定阈值进行分类判别，判断是活体人脸还是视频回放。具体实现方法为：
⑴根据如下公式计算出灰度变化因子f：
f＝(F2-F1)/G
⑵设定阈值，阈值d的范围可以在0.1～2.0之间。既可以选择一个固定值作为阈值，也可以根据一段时间内全局平均灰度值G变化的方差按照线性比例设定阈值。
⑶当灰度变化因子f大于阈值d时，判定活体人脸，否则判定为视频回放攻击。
实施例1
以人脸识别系统中视频回放攻击检测为例，帧频为15fps。具体检测过程如下：
步骤1、提取各灰度相关数据
首先由原始视频中使用相应方法确定样本在视频中的位置，例如复杂背景中的人脸检测等技术。从已经定位了人脸位置的视频中，定位并跟踪人脸特征点，根据定位并跟踪的特征点坐标提取特征向量。
上述提取可分类信号的具体步骤如下：
1、视频中识别对象初定位，如人脸识别中首先要进行复杂背景中人脸检测。
2、选定一帧图像，根据这一帧图像计算全局平均灰度值记为G，计算ROI区域的平均灰度值记为F1。
3、使用一个与人脸-摄像头之间连线成30°角的白色可见光源照射人脸。
4、光源打开后，延迟500毫秒，选定视频中当前帧图像，计算ROI区域的平均灰度值记为F2。
步骤2、计算灰度变化因子f，选定阈值d，行分类判别：
1、设定阈值d为0.15。
2、根据公式f＝(F1-F2)/G，计算出灰度变化因子f。
在本实施例中，将图2中的样本作为输入，最终计算出的灰度变化因子f为0.44，将图3中的样本作为输入，最终计算出的灰度变化因子f为0.08，因此本发明可以精确判别样本是否为视频回放攻击。
实施例2
将实施例1中的光源改为808nm的近红外光，视频采集设备使用普通usb网络摄像头，其他使用与实施例1相同的参数及方法，可实现同样的识别效果。
实施例3
使用与实施例1相同的视频采样及光照条件，更改实施例1中第二步，计算连续10帧画面的里面每一帧的全局平均灰度值，记为G1～G10，并计算这10个数值的均值作为G，计算连续10帧画面的里面每一帧的面部ROI平均灰度值，并计算这10个数值的均值作为F1，同时，计算G1～G10数列的方差记为Δ，设定阈值d＝Δ*2。同样，更改光照条件后，延迟500毫秒，统计连续10帧画面的里面每一帧的面部ROI平均灰度值，并计算这10个数值的均值作为F2。依照G、F1、F2计算因子f，并于阈值d进行比较，从而判定视频回放攻击。
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (6)

1.一种基于灰度变化的生物识别视频回放攻击检测方法，其特征在于包括以下步骤：
步骤1、通过视频采集设备采集包含人脸区域的视频信号，对所识别出的人脸区域施加额外光线照射，从视频信号中获取人脸区域平均灰度的变化情况作为识别依据；
步骤2、根据人脸区域平均灰度变化情况与场景的平均灰度值的比值作为衡量标准参数，命名其为灰度变化因子并设定一个阈值，根据灰度变化因子是否超过所设定阈值进行分类判别，判断是活体人脸还是视频回放；
所述对所识别出的人脸区域施加额外光线照射的方法为：应选择指向性较强的光源并保证只照射所识别出的人脸区域，同时，光源、人脸、采集设备三者之间的夹角应确保如下条件：①如被照射样本为真实人脸，光源所发出光线应能在人脸上形成漫反射，并明显提高人脸图像的灰度；②如被照射样本为视频回放设备播放平面上播放的人脸，光源所发出光线不会被播放平面以镜面反射的形式反射至视频采集设备。
2.根据权利要求1所述的基于灰度变化的生物识别视频回放攻击检测方法，其特征在于：所述步骤1获取人脸区域平均灰度的变化情况的方法包括以下步骤：
⑴使用视频采集设备采集视频或连贯图像画面序列，采样频率高于4fps；
⑵从视频或图像序列中识别人脸区域；
⑶将所示别出的人脸区域设定为ROI区域，计算图像全局平均灰度值G，计算ROI区域的平均灰度值F1；
⑷使用可见光或视频采集设备可识别的红外/紫外光线照射步骤⑵所识别出的人脸区域；
⑸重新计算人脸ROI区域的平均灰度值F2。
3.根据权利要求2所述的基于灰度变化的生物识别视频回放攻击检测方法，其特征在于：所述步骤⑶及步骤⑸中全局平均灰度值G、ROI区域的平均灰度值F1及人脸ROI区域的平均灰度值F2的计算方法，是根据选定视频或图像序列中的一帧图像进行计算，或者根据选择连续若干帧图像分别进行计算，然后再计算其平均值。
4.根据权利要求1所述的基于灰度变化的生物识别视频回放攻击检测方法，其特征在于：所述步骤2使用如下公式计算灰度变化因子：
f＝(F2-F1)/G
其中，f为灰度变化因子，G为图像全局平均灰度值，F1是计算的人脸ROI区域的平均灰度值，F2是重新计算的人脸ROI区域的平均灰度值。
5.根据权利要求1所述的基于灰度变化的生物识别视频回放攻击检测方法，其特征在于：所述步骤2中阈值的范围在0.1～2.0之间。
6.根据权利要求1所述的基于灰度变化的生物识别视频回放攻击检测方法，其特征在于：所述视频采集设备为普通摄像机、摄像头或工业摄像机。
CN201711404734.6A 2017-12-22 2017-12-22 基于灰度变化的生物识别视频回放攻击检测方法 Active CN107909063B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711404734.6A CN107909063B (zh) 2017-12-22 2017-12-22 基于灰度变化的生物识别视频回放攻击检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711404734.6A CN107909063B (zh) 2017-12-22 2017-12-22 基于灰度变化的生物识别视频回放攻击检测方法

Publications (2)

Publication Number Publication Date
CN107909063A CN107909063A (zh) 2018-04-13
CN107909063B true CN107909063B (zh) 2021-05-04

Family

ID=61870800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711404734.6A Active CN107909063B (zh) 2017-12-22 2017-12-22 基于灰度变化的生物识别视频回放攻击检测方法

Country Status (1)

Country Link
CN (1) CN107909063B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034004A (zh) * 2018-07-05 2018-12-18 广东军缆信息技术有限公司 一种基于人脸识别的身份核验方法及装置
CN109993124B (zh) * 2019-04-03 2023-07-14 深圳华付技术股份有限公司 基于视频反光的活体检测方法、装置及计算机设备
CN110443237B (zh) * 2019-08-06 2023-06-30 北京旷视科技有限公司 证件识别方法、装置、电子设备及计算机可读存储介质
CN111147499A (zh) * 2019-12-30 2020-05-12 北京长亭未来科技有限公司 一种网络攻击行为采集与回放方法、装置，系统及电子设备
EP3961480B1 (en) 2020-08-28 2022-06-29 Axis AB Method and device for determining authenticity of a video

Citations (3)

* Cited by examiner, † Cited by third party
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
CN105260731A (zh) * 2015-11-25 2016-01-20 商汤集团有限公司 一种基于光脉冲的人脸活体检测系统及方法
CN105574509A (zh) * 2015-12-16 2016-05-11 天津科技大学 一种基于光照的人脸识别系统回放攻击检测方法及应用

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019506694A (ja) * 2016-01-12 2019-03-07 プリンストン・アイデンティティー・インコーポレーテッド 生体測定分析のシステムおよび方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
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
CN105260731A (zh) * 2015-11-25 2016-01-20 商汤集团有限公司 一种基于光脉冲的人脸活体检测系统及方法
CN105574509A (zh) * 2015-12-16 2016-05-11 天津科技大学 一种基于光照的人脸识别系统回放攻击检测方法及应用

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Masked fake face detection using radiance measurements;Youngshin Kim et.al;《Optical Society of America》;20090430;第26卷(第4期);第760-766页 *
基于人脸的活体检测系统;张高铭 等;《计算机系统应用》;20171215;第26卷(第12期);第37-42页 *
基于闪烁光照的视频回放攻击检测方法;刘建征 等;《电脑编程技巧与维护》;20160731;第5-7页 *

Also Published As

Publication number Publication date
CN107909063A (zh) 2018-04-13

Similar Documents

Publication Publication Date Title
CN107909063B (zh) 基于灰度变化的生物识别视频回放攻击检测方法
CN106874871B (zh) 一种活体人脸双摄像头识别方法及识别装置
CN102622588B (zh) 双验证人脸防伪方法及装置
CN100449564C (zh) 用于面部检测的近红外方法和系统
CN103106397B (zh) 基于亮瞳效应的人脸活体检测方法
CN102129558B (zh) 基于普尔钦斑分析的虹膜采集方法
Raja et al. Video presentation attack detection in visible spectrum iris recognition using magnified phase information
CN108229362A (zh) 一种基于门禁系统的双目人脸识别活体检测方法
CN105260731A (zh) 一种基于光脉冲的人脸活体检测系统及方法
CN111462379A (zh) 一种含掌静脉和人脸识别的门禁管理方法、系统及介质
CN107862299A (zh) 一种基于近红外与可见光双目摄像头的活体人脸检测方法
CN105224906B (zh) 掌静脉识别智能系统
KR100983346B1 (ko) Ｉｒ조명을 이용한 얼굴인식 시스템 및 방법
CN112396011B (zh) 一种基于视频图像心率检测及活体检测的人脸识别系统
CN107480586B (zh) 基于人脸特征点位移的生物识别照片仿冒攻击检测方法
CN105574509B (zh) 一种基于光照的人脸识别系统回放攻击检测方法及应用
CN1426760A (zh) 基于活体虹膜的身份识别方法
CN104778445B (zh) 基于手指静脉立体特征的活体识别装置及方法
CN107273812B (zh) 一种用于身份认证的活体虹膜防伪方法
CN105205437B (zh) 基于头部轮廓验证的侧脸检测方法及装置
CN105426843A (zh) 一种单镜头下掌静脉和掌纹图像采集装置及图像增强和分割方法
Brémond et al. Saliency maps of high dynamic range images
WO2021217764A1 (zh) 一种基于偏振成像的人脸活体检测方法
JPWO2020095739A1 (ja) 情報処理装置、情報処理方法、及びプログラム
CN107862298B (zh) 一种基于红外摄像装置下眨眼的活体检测方法

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
GR01 Patent grant
GR01 Patent grant