CN108171205A - 用于识别人脸的方法和装置 - Google Patents
用于识别人脸的方法和装置 Download PDFInfo
- Publication number
- CN108171205A CN108171205A CN201810045172.9A CN201810045172A CN108171205A CN 108171205 A CN108171205 A CN 108171205A CN 201810045172 A CN201810045172 A CN 201810045172A CN 108171205 A CN108171205 A CN 108171205A
- Authority
- CN
- China
- Prior art keywords
- straight
- line segment
- face
- predetermined pattern
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了用于识别人脸的方法和装置。该方法的一具体实施方式包括:沿第一方向向目标人脸投射预设图案,预设图案包括至少一条直线线段;沿第二方向对目标人脸进行拍摄,得到包含目标人脸的待检测图像,第二方向与第一方向不同;基于待检测图像的人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量,确定目标人脸是否为活体人脸。该实施方式实现了对目标人脸的活体检测。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及用于识别人脸的方法和装置。
背景技术
人脸识别,通常是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。
在人脸识别场景中,为了避免使用照片和视频来模仿真实用户的情形,通常需要对人脸进行活体检测。
发明内容
本申请实施例提出了用于识别人脸的方法和装置。
第一方面,本申请实施例提供了一种用于识别人脸的方法,该方法包括:沿第一方向向目标人脸投射预设图案,预设图案包括至少一条直线线段;沿第二方向对目标人脸进行拍摄,得到包含目标人脸的待检测图像,第二方向与第一方向不同;基于待检测图像的人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量,确定目标人脸是否为活体人脸。
在一些实施例中,基于待检测图像的人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量,确定目标人脸是否为活体人脸,包括:确定待检测图像的人脸区域;确定人脸区域中包含的直线线段的数量;响应于人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量不同,确定目标人脸为活体人脸。
在一些实施例中,基于待检测图像的人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量,确定目标人脸是否为活体人脸,还包括:响应于人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量相同,确定目标人脸为非活体人脸。
在一些实施例中,确定人脸区域中包含的直线线段的数量,包括:从人脸区域提取与预设图案的颜色通道相同的颜色通道的灰度图像;对灰度图像进行边缘检测输出二值图像;对二值图像进行直线检测,确定人脸区域中包含的直线线段的数量。
在一些实施例中,沿第一方向向目标人脸投射预设图案,包括:使用激光光源通过光学衍射器件沿第一方向向目标人脸投射预设图案。
在一些实施例中,激光光源的波长范围是以下中的一种:490nm~500nm、500nm~560nm和605nm~700nm。
在一些实施例中,预设图案包括至少两条相交的直线线段。
在一些实施例中,第一方向垂直目标人脸,第二方向与第一方向的夹角大于等于30度。
第二方面,本申请实施例提供了一种用于识别人脸的装置,装置包括:投射单元,配置用于沿第一方向向目标人脸投射预设图案,预设图案包括至少一条直线线段;拍摄单元,配置用于沿第二方向对目标人脸进行拍摄,得到包含目标人脸的待检测图像,第二方向与第一方向不同;识别单元,配置用于基于待检测图像的人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量,确定目标人脸是否为活体人脸。
在一些实施例中,识别单元包括:人脸确定模块,配置用于确定待检测图像的人脸区域;线段确定模块,配置用于确定人脸区域中包含的直线线段的数量;活体确定模块,配置用于响应于人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量不同,确定目标人脸为活体人脸。
在一些实施例中,识别单元还包括:非活体确定模块,配置用于响应于人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量相同,确定目标人脸为非活体人脸。
在一些实施例中,线段确定模块包括:灰度提取模块,配置用于从人脸区域提取与预设图案的颜色通道相同的颜色通道的灰度图像;图像输出模块,配置用于对灰度图像进行边缘检测输出二值图像;线段检测模块,配置用于对二值图像进行直线检测,确定人脸区域中包含的直线线段的数量。
在一些实施例中,投射单元包括:激光投射模块,配置用于使用激光光源通过光学衍射器件沿第一方向向目标人脸投射预设图案。
在一些实施例中,激光光源的波长范围是以下中的一种:490nm~500nm、500nm~560nm和605nm~700nm。
在一些实施例中,预设图案包括至少两条相交的直线线段。
在一些实施例中,第一方向垂直目标人脸,第二方向与第一方向的夹角大于等于30度。
本申请实施例提供的用于识别人脸的方法和装置,通过沿第一方向向目标人脸投射包括至少一条直线线段的预设图案,而后沿不同于第一方向的第二方向拍摄目标人脸,最后基于所拍摄的图像的人脸区域包含的直线线段的数量确定目标人脸是否为活体人脸,从而实现了对目标人脸的活体检测。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于识别人脸的方法的一个实施例的流程图;
图3是根据本申请的用于识别人脸的方法的一个应用场景的示意图;
图4是根据本申请的用于识别人脸的方法的又一个实施例的流程图;
图5是根据本申请的用于识别人脸的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的设备/终端的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于识别人脸的方法或用于识别人脸的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103可以是安装有摄像头和可见光源的各种电子设备。
服务器105可以是提供各种服务的服务器,例如对用户进行认证的服务器,服务器105可以对终端设备101、102、103发送的信息(例如,图像)进行分析等处理,并将处理结果(例如认证结果)返回给终端设备101、102、103。
需要说明的是,本申请实施例所提供的用于识别人脸的方法一般由终端设备101、102、103执行,相应地,用于识别人脸的装置一般设置于终端设备101、102、103中。
需要指出的是,终端设备101、102、103在人脸识别过程中或者人脸识别之后也可以不与服务器105进行交互,此时,示例性系统架构100可以不存在服务器105和网络104。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于识别人脸的方法的一个实施例的流程200。该用于识别人脸的方法,包括以下步骤:
步骤201,沿第一方向向目标人脸投射预设图案,预设图案包括至少一条直线线段。
在本实施例中,用于识别人脸的方法运行于其上的电子设备(例如图1所示的终端设备)可以通过有线连接方式或者无线连接方式控制可见光源沿第一方向向目标人脸投射预设图案。其中,上述预设图案包括至少一条直线线段,例如,贯穿目标人脸的直线线段。上述目标人脸可以是真实用户的人脸,也可以通过图像或视频等方式模仿的人脸。
这里,上述可见光源可以是方向性好的可见光源,从而能够在目标人脸上形成清晰的直线线段。上述可见光源可以是单色光源,包括但不限于点光源、线光源等。
在本实施例的一些可选的实现方式中,上述可见光源可以是激光光源。由于激光光源为点光源,当采用激光光源时,可以在激光光源和目标人脸之间设置光学衍射器件(Diffractive Optical Element,DOE),透过DOE镜片,激光光源发出的光束可以转换为具有预设图案的光束以投射到目标人脸上。
在本实施例的一些可选的实现方式中,激光光源可以是波长范围为490nm~500nm的蓝光光源,也可以是波长范围为500nm~560nm的绿光光源,或者也可以是波长范围为605nm~700nm的红光光源。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤202,沿第二方向对目标人脸进行拍摄,得到包含目标人脸的待检测图像,第二方向与第一方向不同。
在本实施例中,用于识别人脸的方法运行于其上的电子设备(例如图1所示的终端设备)可以通过有线连接方式或者无线连接方式控制拍摄设备(例如,摄像头等)沿与第一方向不同的第二方向(例如,第一方向与第二方向之间的夹角大于零且小于90度)对投射有上述预设图案的目标人脸进行拍摄,获得包含目标人脸的待检测图像。
当通过图片或者视频来模仿真实用户时,人脸区域是一个二维平面区域,包括至少一条直线线段的预设图案投射到目标人脸上(即平面上)不会产生变形(或称畸变)。而当目标人脸为真实用户的人脸时,人脸区域则是一个三维立体空间,包括至少一条直线线段的预设图案投射该三维空间中后,在沿不同于投射方向(即第一方向)的第二方向上采集的待检测图像中,直线线段在目标人脸上形成不规则的曲线。
在本实施例的一些可选的实现方式中,第一方向垂直目标人脸,第二方向与第一方向的夹角大于等于30度,例如,第二方向与第一方向的夹角为30度、45度、60度等。一般而言,第二方向与第一方向的夹角越大(不超过90度),从真实用户的人脸区域(即,三维空间)采集的待检测图像中直线线段的变形就会越明显,也越易于检测。当第二方向与第一方向的夹角在30度至60度之间时,能获得较好的检测效果。
需要说明的是,尽管上述示例描述了第一方向垂直于目标人脸,但本实施例并不限于此。应当理解,第一方向和第二方向可以互换,例如,第二方向垂直于目标人脸,只要第二方向与第一方向具有夹角即可。
步骤203,基于待检测图像的人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量,确定目标人脸是否为活体人脸。
在本实施例中,基于步骤202获取的待检测图像,用于识别人脸的方法运行于其上的电子设备(例如,图1所示的终端设备)可以首先确定待检测图像的人脸区域中包含的直线线段的数量,然后将待检测图像的人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量进行比较,从而能够确定目标人脸是否为活体人脸。例如,预设图案包括一条直线线段,待检测图像的人脸区域中没有检测到直线线段,则目标人脸为活体人脸,而不是通过图片或视频模仿的人脸。
继续参见图3,图3是根据本实施例的用于识别人脸的方法的应用场景的一个示意图。在图3的应用场景中,上述电子设备首先通过可见光源(例如,激光光源)301沿第一方向D1向目标人脸303投射预设图案(例如,一条直线线段);之后,上述电子设备通过拍摄设备(例如,摄像头)302沿第二方向D2对目标人脸303进行拍摄,得到包括目标人脸303的待检测图像;最后,上述电子设备对待检测图像进行检测,确定待检测图像的人脸区域中不存在直线线段(即,人脸区域中直线线段的数量为0),进而确定目标人脸303为活体人脸,从而完成人脸的活体检测。
本申请的上述实施例提供的用于识别人脸的方法通过沿第一方向向目标人脸投射包括至少一条直线线段的预设图案,而后沿不同于第一方向的第二方向拍摄目标人脸,最后基于所拍摄的图像的人脸区域中包含的直线线段的数量确定目标人脸是否为活体人脸,从而实现了对目标人脸的活体检测。
进一步参考图4,其示出了用于识别人脸的方法的又一个实施例的流程400。该用于识别人脸的方法的流程400,包括以下步骤:
步骤401,沿第一方向向目标人脸投射预设图案,预设图案包括至少一条直线线段。
在本实施例中,用于识别人脸的方法运行于其上的电子设备(例如图1所示的终端设备)可以通过有线连接方式或者无线连接方式控制可见光源沿第一方向向目标人脸投射预设图案。其中,上述预设图案包括至少一条直线线段,例如,贯穿目标人脸的直线线段。上述目标人脸可以是真实用户的人脸,也可以通过图像或视频等方式模仿的人脸。
步骤402,沿第二方向对目标人脸进行拍摄,得到包含目标人脸的待检测图像,第二方向与第一方向不同。
在本实施例中,用于识别人脸的方法运行于其上的电子设备(例如图1所示的终端设备)可以通过有线连接方式或者无线连接方式控制拍摄设备(例如,摄像头等)沿与第一方向不同的第二方向(例如,第一方向与第二方向之间的夹角大于零且小于90度)对投射有上述预设图案的目标人脸进行拍摄,获得包含目标人脸的待检测图像。
步骤403,确定待检测图像的人脸区域。
在本实施例中,用于识别人脸的方法运行于其上的电子设备(例如图1所示的终端设备)可以对步骤402获得的待检测图像进行人脸识别,得到待检测图像的人脸区域。
作为一个示例,上述电子设备可以将待检测图像与预先建立的人脸模型进行比较,确定目标人脸存在的区域。这里,人脸模型可以是通过基于知识或统计的方法对人脸进行建模得到的。
作为另一示例,可以通过如下步骤确定人脸区域:
第一步,将待检测图像转换为YCbCr(一种色彩空间,其中Y分量表示亮度信息,Cb、Cr分量表示色度信息)色彩空间的图像。通常,待检测图像为RGB色彩空间的图像,而待检测图像中肤色的差别主要是亮度的差别,因此,在检测肤色区域时容易受光照等的影响。将RGB色彩空间的待检测图像转换为YCbCr色彩空间(与RGB色彩空间相比,YCbCr色彩空间的肤色范围紧密,不易受光照等干扰)的图像,可以使待检测图像中的肤色区域具有较好的聚类性。
第二步,基于YCbCr色彩空间中的Y分量、Cb分量和Cr分量的值,确定待检测图像中的人脸的各个部位的候选区域。在YCbCr色彩空间中,眼睛和嘴的Cb分量和Cr分量有很大的差异(例如,眼睛和嘴的Cb分量比Cr分量大得多),Y分量集中分布在(0,120)的范围内,这样,结合Y分量、Cb分量和Cr分量的值以及各部位的形状特征,可以检测出眼睛和嘴的候选区域。然后根据人体学特征,可确定待检测图像中的人脸的其他部位的候选区域。
第三步,确定待检测图像中各个候选区域的Haar-like特征值(Haar-like特征是计算机视觉领域常用的一种特征描述算子,目前常用的Haar-like特征可以分为:线性特征、边缘特征、点特征(中心特征)、对角线特征等),将各个候选区域的Haar-like特征值输入预先训练的人脸区域检测模型,得到待检测图像的人脸区域。这里,每个候选区域的Haar-like特征值可以通过对该候选区域进行积分图(Integral Image)计算得到。
人脸区域检测模型用于表征Haar-like特征值与人脸区域之间的对应关系。作为一个示例,人脸区域检测模型可以通过如下方式得到:通过Adaboost算法(Adaboost是一种迭代算法,核心思想是针对同一个训练集训练不同的弱分类器,然后把这些弱分类器集合起来,构成一个强分类器)将基于Haar-like特征值生成的弱分类器叠加成强分类器,然后将多个强分类器进行级联得到人脸检测分类器。
步骤404,确定人脸区域中包含的直线线段的数量。
在本实施例中,用于识别人脸的方法运行于其上的电子设备(例如,图1所示的终端设备)可以通过直线检测算法对步骤403中确定的人脸区域进行直线检测,从而确定人脸区域中包含的直线线段的数量。其中,直线检测算法可以是LSD(Line Segment Detector,直线检测器)算法、霍夫变换以及其他合适的直线检测算法。
在本实施例的一些可选的实现方式中,确定人脸区域中包含的直线线段的数量可以通过如下步骤获得:
第一步,从步骤403确定的人脸区域提取与预设图案的颜色通道相同的颜色通道的灰度图像。例如,当可见光源为绿色激光光源时,从上述人脸区域提取绿色颜色通道的灰度图像;当可见光源为蓝色激光光源时,从上述人脸区域提取蓝色颜色通道的灰度图像;类似地,当可见光源为红色激光光源时,从上述人脸区域提取红色颜色通道的灰度图像。通过提取与可见光源的颜色通道相同的颜色通道的灰度图像,一方面降低了直线检测的难度和运算量,提高了后续检测的速度,另一方面,也避免其他颜色通道的干扰,使得后续检测更加准确。
第二步,对所提取的灰度图像进行边缘检测,输出二值图像。以绿色激光光源为例,由于激光光源为绿色,因此在提取的绿色通道的灰度图像中会有深色的光线图案,通过诸如Canny等边缘检测算子对上述灰度图像进行边缘检测,将检测后的输出图像与预设的灰度阈值(0~255之间,例如128)比较,输出二值图像。二值图像(Binary Image)是指在图像中,灰度等级只有两种,也就是说,图像中的任何像素不是0就是1,无其他过渡的灰度值。
第三步,对输出的二值图像进行直线检测,确定上述人脸区域中包含的直线线段的数量。例如,可以对上述二值图像进行霍夫变换(霍夫变换是图像变换的手段之一,主要用来从图像中分离出具有相同特征的几何形状),然后检测图中的直线,并将检测到的直线保存到数组(数组中的每个元素表示一条直线线段)中。通过数组中元素的个数可以确定上述人脸区域中包含的直线线段的数量。
步骤405,将上述人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量进行比较。
在本实施例中,用于识别人脸的方法运行于其上的电子设备(例如,图1所示的终端设备)可以将步骤404中确定的直线线段的数量(例如,数组中元素的个数)与预设图案中包含的直线线段的数量进行比较,以确定目标人脸是否为活体人脸。
响应于上述人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量不同,则确定目标人脸为活体人脸,如步骤406中所示。例如,当预设图案中包含一条直线线段(即数量为1)时,上述人脸区域中包含的直线线段的数量为0(例如,数组为空),则可以确定目标人脸为活体人脸。
响应于上述人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量相同,则确定目标人脸为非活体人脸,如步骤407中所示。例如,当预设图案中包含一条直线线段(即数量为1)时,上述人脸区域中包含的直线线段的数量也为1(例如,数组中包括一个元素),则可以确定目标人脸为非活体人脸(例如,通过图像或视频模仿的人脸)。
尽管上述示例描述了人脸区域中包含的直线线段的数量小于等于预设图案中直线线段的数量,但本申请并不限于此。本领域的技术人员可以理解,当目标人脸为活体人脸时,对人脸区域进行直线检测确定的直线线段的数量可以大于预设图案中直线线段的数量,例如,预设图案包含一条直线线段时,可以检测到若干条不连续的直线线段,即,人脸区域中包含的直线线段的数量大于预设图案中包含的直线线段的数量。
在本实施例的一些可选的实现方式中,预设图案可以包括第一预设长度(例如,大于等于人脸区域的宽度)的直线线段,以及步骤404可以包括:确定上述人脸区域中包含的大于第二预设长度(例如,大于等于人脸区域的宽度)的直线线段的数量。其中,第一预设长度和第二预设长度可以相同,也可以不同,本申请对此不作限定。通过设置直线线段的长度限制,可以提高直线检测的效率和准确率。
在本实施例的一些可选的实现方式中,预设图案可以包括至少两条相交的直线线段,例如,十字图案、网格图案等。通过将预设图案设置为包括至少两条直线线段,进一步提高了人脸识别的准确性。例如,当使用图像模仿真实用户时,如果预设图案仅包括一条直线线段,则可能通过对图像进行弯折而使检测到的直线线段的数量变化,从而影响人脸识别的准确率,而将预设图案设置为包含至少两条相交的直线线段避免了通过弯折图像等手段模仿真实用户的可能。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于识别人脸的方法的流程400突出了对人脸区域进行识别、对人脸区域进行直线检测的步骤。由此,本实施例描述的方案可以更加快速、准确地识别是否为活体人脸,提高了人脸识别的准确率。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于识别人脸的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于终端设备中。
如图5所示,本实施例的用于识别人脸的装置500包括:投射单元501、拍摄单元502和识别单元503。其中,投射单元501配置用于沿第一方向向目标人脸投射预设图案,预设图案包括至少一条直线线段;拍摄单元502配置用于沿第二方向对目标人脸进行拍摄,得到包含目标人脸的待检测图像,第二方向与第一方向不同;而识别单元503配置用于基于待检测图像的人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量,确定目标人脸是否为活体人脸。
在本实施例中,用于识别人脸的装置500的投射单元501可以通过有线连接方式或者无线连接方式控制可见光源沿第一方向向目标人脸投射预设图案。其中,上述预设图案包括至少一条直线线段,例如,贯穿目标人脸的直线线段。上述目标人脸可以是真实用户的人脸,也可以通过图像或视频等方式模仿的人脸。
在本实施例中,上述拍摄单元502可以控制拍摄设备(例如,摄像头等)沿与第一方向不同的第二方向(例如,第一方向与第二方向之间的夹角大于零且小于90度)对投射有上述预设图案的目标人脸进行拍摄,获得包含目标人脸的待检测图像。
在本实施例中,识别单元503可以首先确定待检测图像的人脸区域中包含的直线线段的数量,然后将待检测图像的人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量进行比较,从而能够确定目标人脸是否为活体人脸。例如,预设图案包括一条直线线段,待检测图像的人脸区域中没有检测到直线线段,则目标人脸为活体人脸,而不是通过图片或视频模仿的人脸。
在本实施例的一些可选的实现方式中,上述识别单元503包括人脸确定模块、线段确定模块和活体确定模块。其中,人脸确定模块配置用于确定待检测图像的人脸区域;线段确定模块配置用于确定人脸区域中包含的直线线段的数量;活体确定模块配置用于响应于人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量不同,确定目标人脸为活体人脸。
在本实施例的一些可选的实现方式中,上述识别单元503还包括非活体确定模块。其中,非活体确定模块配置用于响应于人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量相同,确定目标人脸为非活体人脸。
在本实施例的一些可选的实现方式中,线段确定模块包括灰度提取模块、图像输出模块和线段检测模块。其中,灰度提取模块配置用于从人脸区域提取与预设图案的颜色通道相同的颜色通道的灰度图像;图像输出模块配置用于对灰度图像进行边缘检测输出二值图像;线段检测模块配置用于对二值图像进行直线检测,确定人脸区域中包含的直线线段的数量。
在本实施例的一些可选的实现方式中,上述投射单元501包括激光投射模块。其中,激光投射模块配置用于使用激光光源通过光学衍射器件沿第一方向向目标人脸投射预设图案。由于激光光源为点光源,当采用激光光源时,可以在激光光源和目标人脸之间设置光学衍射器件(Diffractive Optical Element,DOE),透过DOE镜片,激光光源发出的光束可以转换为具有预设图案的光束以投射到目标人脸上。
在本实施例的一些可选的实现方式中,激光光源可以是波长范围为490nm~500nm的蓝光光源,也可以是波长范围为500nm~560nm的绿光光源,或者也可以是波长范围为605nm~700nm的红光光源。
在本实施例的一些可选的实现方式中,预设图案包括至少两条相交的直线线段,例如,十字图案、网格图案等。通过将预设图案设置为包括至少两条直线线段,进一步提高了人脸识别的准确性。例如,当使用图像模仿真实用户时,如果预设图案仅包括一条直线线段,则可能通过对图像进行弯折而使检测到的直线线段的数量变化,从而影响人脸识别的准确率,而将预设图案设置为包含至少两条相交的直线线段避免了通过弯折图像等手段模仿真实用户的可能。
在本实施例的一些可选的实现方式中,第一方向垂直目标人脸,第二方向与第一方向的夹角大于等于30度。例如,第二方向与第一方向的夹角为30度、45度、60度等。一般而言,第二方向与第一方向的夹角越大(不超过90度),从真实用户的人脸区域(即,三维空间)采集的待检测图像中直线线段的变形就会越明显,也越易于检测。当第二方向与第一方向的夹角在30度至60度之间时,能获得较好的检测效果。
本申请的上述实施例提供的用于识别人脸的装置通过沿第一方向向目标人脸投射包括至少一条直线线段的预设图案,而后沿不同于第一方向的第二方向拍摄目标人脸,最后基于所拍摄的图像的人脸区域中直线线段的数量确定目标人脸是否为活体人脸,从而实现了对目标人脸的活体检测。
下面参考图6,其示出了适于用来实现本申请实施例的设备/终端的计算机系统600的结构示意图。图6示出的设备/终端仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括摄像头等的输入部分606;包括诸如可见光源等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,CPU 601在调用上述计算机程序执行人脸识别功能时,可以控制输出部分607向目标人脸投射预设图案,以及控制输入部分606获取包含预设图案的人脸图像。上述计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括投射单元、拍摄单元和识别单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,投射单元还可以被描述为“沿第一方向向目标人脸投射预设图案的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:沿第一方向向目标人脸投射预设图案,预设图案包括至少一条直线线段;沿第二方向对目标人脸进行拍摄,得到包含目标人脸的待检测图像,第二方向与第一方向不同;基于待检测图像的人脸区域中包含的直线线段的数量与预设图案中包含的直线线段的数量,确定目标人脸是否为活体人脸。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (11)
1.一种用于识别人脸的方法,包括:
沿第一方向向目标人脸投射预设图案,所述预设图案包括至少一条直线线段;
沿第二方向对所述目标人脸进行拍摄,得到包含所述目标人脸的待检测图像,所述第二方向与所述第一方向不同;
基于所述待检测图像的人脸区域中包含的直线线段的数量与所述预设图案中包含的直线线段的数量,确定所述目标人脸是否为活体人脸。
2.根据权利要求1所述的方法,其中,所述基于所述待检测图像的人脸区域中包含的直线线段的数量与所述预设图案中包含的直线线段的数量,确定所述目标人脸是否为活体人脸,包括:
确定所述待检测图像的人脸区域;
确定所述人脸区域中包含的直线线段的数量;
响应于所述人脸区域中包含的直线线段的数量与所述预设图案中包含的直线线段的数量不同,确定所述目标人脸为活体人脸。
3.根据权利要求2所述的方法,其中,所述基于所述待检测图像的人脸区域中包含的直线线段的数量与所述预设图案中包含的直线线段的数量,确定所述目标人脸是否为活体人脸,还包括:
响应于所述人脸区域中包含的直线线段的数量与所述预设图案中包含的直线线段的数量相同,确定所述目标人脸为非活体人脸。
4.根据权利要求2所述的方法,其中,所述确定所述人脸区域中包含的直线线段的数量,包括:
从所述人脸区域提取与所述预设图案的颜色通道相同的颜色通道的灰度图像;
对所述灰度图像进行边缘检测输出二值图像;
对所述二值图像进行直线检测,确定所述人脸区域中包含的直线线段的数量。
5.根据权利要求1所述的方法,其中,所述沿第一方向向目标人脸投射预设图案,包括:
使用激光光源通过光学衍射器件沿第一方向向目标人脸投射预设图案。
6.根据权利要求5所述的方法,其中,所述激光光源的波长范围是以下中的一种:490nm~500nm、500nm~560nm和605nm~700nm。
7.根据权利要求1所述的方法,其中,所述预设图案包括至少两条相交的直线线段。
8.根据权利要求1-7之一所述的方法,其中,所述第一方向垂直所述目标人脸,所述第二方向与所述第一方向的夹角大于等于30度。
9.一种用于识别人脸的装置,包括:
投射单元,配置用于沿第一方向向目标人脸投射预设图案,所述预设图案包括至少一条直线线段;
拍摄单元,配置用于沿第二方向对所述目标人脸进行拍摄,得到包含所述目标人脸的待检测图像,所述第二方向与所述第一方向不同;
识别单元,配置用于基于所述待检测图像的人脸区域中包含的直线线段的数量与所述预设图案中包含的直线线段的数量,确定所述目标人脸是否为活体人脸。
10.一种设备/终端,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
光源,用于投射预设图案;
摄像头,用于采集图像;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810045172.9A CN108171205A (zh) | 2018-01-17 | 2018-01-17 | 用于识别人脸的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810045172.9A CN108171205A (zh) | 2018-01-17 | 2018-01-17 | 用于识别人脸的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108171205A true CN108171205A (zh) | 2018-06-15 |
Family
ID=62514556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810045172.9A Pending CN108171205A (zh) | 2018-01-17 | 2018-01-17 | 用于识别人脸的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108171205A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145855A (zh) * | 2018-08-31 | 2019-01-04 | 北京诚志重科海图科技有限公司 | 一种人脸检测方法及装置 |
CN109376592A (zh) * | 2018-09-10 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 活体检测方法、装置和计算机可读存储介质 |
CN111008605A (zh) * | 2019-12-09 | 2020-04-14 | Oppo广东移动通信有限公司 | 人脸图像中直线处理方法、装置、终端设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998043216A2 (de) * | 1997-03-26 | 1998-10-01 | Siemens Aktiengesellschaft | Verfahren zur dreidimensionalen identifizierung von objekten |
CN1748227A (zh) * | 2003-02-13 | 2006-03-15 | 日本电气株式会社 | 伪装检测装置及伪装检测方法 |
CN103020600A (zh) * | 2012-12-12 | 2013-04-03 | 紫光股份有限公司 | 一种用于人脸识别系统的活体人脸鉴别装置 |
CN103034846A (zh) * | 2012-12-12 | 2013-04-10 | 紫光股份有限公司 | 一种活体人脸鉴别装置 |
CN103366160A (zh) * | 2013-06-28 | 2013-10-23 | 西安交通大学 | 融合肤色、人脸和敏感部位检测的不良图像判别方法 |
-
2018
- 2018-01-17 CN CN201810045172.9A patent/CN108171205A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998043216A2 (de) * | 1997-03-26 | 1998-10-01 | Siemens Aktiengesellschaft | Verfahren zur dreidimensionalen identifizierung von objekten |
CN1748227A (zh) * | 2003-02-13 | 2006-03-15 | 日本电气株式会社 | 伪装检测装置及伪装检测方法 |
CN103020600A (zh) * | 2012-12-12 | 2013-04-03 | 紫光股份有限公司 | 一种用于人脸识别系统的活体人脸鉴别装置 |
CN103034846A (zh) * | 2012-12-12 | 2013-04-10 | 紫光股份有限公司 | 一种活体人脸鉴别装置 |
CN103366160A (zh) * | 2013-06-28 | 2013-10-23 | 西安交通大学 | 融合肤色、人脸和敏感部位检测的不良图像判别方法 |
Non-Patent Citations (2)
Title |
---|
王悦扬: "基于多光谱成像的人脸活体检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
饶军平: "自动人脸识别关键算法研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145855A (zh) * | 2018-08-31 | 2019-01-04 | 北京诚志重科海图科技有限公司 | 一种人脸检测方法及装置 |
CN109376592A (zh) * | 2018-09-10 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 活体检测方法、装置和计算机可读存储介质 |
US11093773B2 (en) | 2018-09-10 | 2021-08-17 | Advanced New Technologies Co., Ltd. | Liveness detection method, apparatus and computer-readable storage medium |
US11210541B2 (en) | 2018-09-10 | 2021-12-28 | Advanced New Technologies Co., Ltd. | Liveness detection method, apparatus and computer-readable storage medium |
CN111008605A (zh) * | 2019-12-09 | 2020-04-14 | Oppo广东移动通信有限公司 | 人脸图像中直线处理方法、装置、终端设备和存储介质 |
CN111008605B (zh) * | 2019-12-09 | 2023-08-11 | Oppo广东移动通信有限公司 | 人脸图像中直线处理方法、装置、终端设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10685215B2 (en) | Method and apparatus for recognizing face | |
US20190102608A1 (en) | System and method for entity recognition | |
CN111161205B (zh) | 一种图像处理和人脸图像识别方法、装置及设备 | |
CN109271921B (zh) | 一种多光谱成像的智能识别方法及系统 | |
CN108491809B (zh) | 用于生成近红外图像生成模型的方法和装置 | |
CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
Steiner et al. | Design of an active multispectral SWIR camera system for skin detection and face verification | |
CN106529512B (zh) | 活体人脸验证方法及装置 | |
KR102667740B1 (ko) | 영상 정합 방법 및 장치 | |
CN108509892B (zh) | 用于生成近红外图像的方法和装置 | |
CN108447159B (zh) | 人脸图像采集方法、装置和出入口管理系统 | |
CN109325933A (zh) | 一种翻拍图像识别方法及装置 | |
US20160092726A1 (en) | Using gestures to train hand detection in ego-centric video | |
CN108388878A (zh) | 用于识别人脸的方法和装置 | |
CN109753928A (zh) | 违章建筑物识别方法和装置 | |
US20200349376A1 (en) | Privacy augmentation using counter recognition | |
CN110956114A (zh) | 人脸活体检测方法、装置、检测系统及存储介质 | |
CN110838119A (zh) | 人脸图像质量评估方法、计算机装置及计算机可读存储介质 | |
CN108171205A (zh) | 用于识别人脸的方法和装置 | |
CN107437019A (zh) | 唇语识别的身份验证方法和装置 | |
CN108932774A (zh) | 信息检测方法和装置 | |
CN113642639B (zh) | 活体检测方法、装置、设备和存储介质 | |
CN110674729A (zh) | 基于热能估算的人数识别方法、计算机装置及计算机可读存储介质 | |
CN108230536A (zh) | 一种对光可变防伪标识识别方法及装置 | |
CN113111810B (zh) | 一种目标识别方法和系统 |
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 |
Application publication date: 20180615 |
|
RJ01 | Rejection of invention patent application after publication |