CN108229329B - 人脸防伪检测方法和系统、电子设备、程序和介质 - Google Patents

人脸防伪检测方法和系统、电子设备、程序和介质 Download PDF

Info

Publication number
CN108229329B
CN108229329B CN201711288597.4A CN201711288597A CN108229329B CN 108229329 B CN108229329 B CN 108229329B CN 201711288597 A CN201711288597 A CN 201711288597A CN 108229329 B CN108229329 B CN 108229329B
Authority
CN
China
Prior art keywords
face
image
electronic equipment
neural network
detected
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
CN201711288597.4A
Other languages
English (en)
Other versions
CN108229329A (zh
Inventor
吴立威
程郑鑫
赵晨旭
于萌
车英慧
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.)
Beijing Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development Co Ltd
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 Beijing Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Publication of CN108229329A publication Critical patent/CN108229329A/zh
Application granted granted Critical
Publication of CN108229329B publication Critical patent/CN108229329B/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19173—Classification techniques
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种人脸防伪检测方法和系统、电子设备、程序和介质，其中，方法包括：获取包括人脸的图像的视频；从所述视频中选取至少两帧不同的图像作为待检测图像；分别提取各所述待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息；根据各检测结果确定所述人脸是否通过人脸防伪检测。本发明实施例基于时间维度上的伪造人脸线索实现了有效的人脸防伪检测。

Description

人脸防伪检测方法和系统、电子设备、程序和介质
本申请要求在2017年03月16日提交中国专利局、申请号为CN201710157715.1、发明名称为“人脸防伪检测方法和装置、系统、电子设备”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本发明涉及计算机视觉技术，尤其是一种人脸防伪检测方法和系统、电子设备、程序和介质。
背景技术
活体检测是指使用计算机视觉的技术，判定在摄像头前的人脸图像是否来自真实的人。活体检测通常有两种实现思路：一是人脸活性检测，二是人脸防伪检测，这两种思路各有侧重。其中，人脸防伪侧重检测人脸是否具有真实性；活性检测侧重检测人脸是否具备活性。具备活性的人脸并不一定是非伪造人脸，同样，非伪造人脸不一定具备活性。
发明内容
本发明实施例提供一种用于进行人脸防伪检测的技术方案。
根据本发明实施例的一个方面，提供的一种人脸防伪检测方法，包括：
获取包括人脸的图像的视频；
从所述视频中选取至少两帧不同的图像作为待检测图像；
分别提取各所述待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息；
根据各检测结果确定所述人脸是否通过人脸防伪检测。
可选地，在本发明上述各实施例的方法中，所述获取包括人脸的图像的视频，包括：获取具有摄像头的电子设备转动期间所采集的包括人脸图像的视频。
可选地，在本发明上述各实施例的方法中，所述获取包括人脸的图像的视频之前，还包括：
生成用于提示或指示所述电子设备转动的第一信息。
可选地，在本发明上述各实施例的方法中，所述获取包括人脸的图像的视频之前，还包括：
生成用于控制所述电子设备转动的第二信息。
可选地，在本发明上述各实施例的方法中，所述电子设备转动，包括：
所述电子设备沿至少一个方向发生角度变化。
可选地，在本发明上述各实施例的方法中，所述电子设备沿至少一个方向发生角度变化，包括：所述电子设备沿竖直方向和/或水平方向的角度发生变化。
可选地，在本发明上述各实施例的方法中，从所述视频中选取至少两帧不同的图像作为待检测图像，包括：
通过所述电子设备上的摄像头采集的视频中的图像数据估算所述电子设备的运动量；
根据所述电子设备的运动量从所述视频中选取至少两帧不同的图像作为待检测图像。
可选地，在本发明上述各实施例的方法中，根据所述电子设备的运动量从所述视频中选取至少两帧不同的图像作为待检测图像，包括：
根据所述电子设备的运动量从所述视频中选取至少两帧不同的图像作为待检测图像，相邻两帧待检测图像之间所述电子设备的运动量大于或等于一定阈值。
可选地，在本发明上述各实施例的方法中，还包括：
通过所述电子设备上的摄像头采集的视频中的图像数据估算所述电子设备的运动量，以及读取所述电子设备中传感器采集的设备运动数据；
比较估算的运动量与读取到的设备运动数据是否匹配；
响应于所述运动量与所述设备运动数据匹配，执行从所述视频中选取至少两帧不同的图像作为待检测图像的操作。
可选地，在本发明上述各实施例的方法中，还包括：
响应于所述运动量与所述设备运动数据不匹配，输出所述人脸未通过人脸防伪检测的确定结果。
可选地，在本发明上述各实施例的方法中，还包括：
通过所述电子设备上的摄像头采集的视频中的图像数据估算所述电子设备的运动量；
根据估算的运动量识别所述电子设备的运动状态是否满足预设要求；
响应于所述电子设备的运动状态不满足预设要求，输出人脸防伪检测失败的提示消息。
可选地，在本发明上述各实施例的方法中，所述伪造人脸线索信息具有可见光条件下的人眼可观测性。
可选地，在本发明上述各实施例的方法中，提取的所述特征包括以下一项或任意多项：局部二值模式特征、稀疏编码的柱状图特征、全景图特征、人脸图特征、人脸细节图特征。
可选地，在本发明上述各实施例的方法中，所述伪造人脸线索信息包括以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。
可选地，在本发明上述各实施例的方法中，所述成像介质的伪造线索信息包括：成像介质的边缘信息、反光信息和/或材质信息；和/或，
所述成像媒介的伪造线索信息包括：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹；和/或，
所述真实存在的伪造人脸的线索信息包括：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。
可选地，在本发明上述各实施例的方法中，所述提取所述待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息，包括：
将所述待检测图像输入神经网络，并经所述神经网络输出用于表示所述待检测图像是否包含至少一伪造人脸线索信息的检测结果，其中，所述神经网络基于包括有伪造人脸线索信息的训练用图像集预先训练完成。
可选地，在本发明上述各实施例的方法中，所述训练用图像集包括：可作为训练用正样本的多张人脸图像和可作为训练用负样本的多张图像；
所述包括有伪造人脸线索信息的训练用图像集的获取方法，包括：
获取可作为训练用正样本的多张人脸图像；
对获取的至少一张人脸图像的至少局部进行用于模拟伪造人脸线索信息的图像处理，以生成至少一张可作为训练用负样本的图像。
可选地，在本发明上述各实施例的方法中，所述神经网络包括：位于所述电子设备中的第一神经网络；
所述根据检测结果确定所述人脸是否通过人脸防伪检测，包括：所述电子设备根据所述第一神经网络输出的检测结果确定所述人脸是否通过人脸防伪检测。
可选地，在本发明上述各实施例的方法中，所述神经网络包括：位于所述服务器中的第二神经网络。
可选地，在本发明上述各实施例的方法中，还包括：
所述电子设备将所述待检测图像发送给服务器；或者
所述电子设备将所述视频发送给服务器，由所述服务器从所述视频中选取至少两帧不同的图像作为待检测图像。
可选地，在本发明上述各实施例的方法中，还包括：
获取所述电子设备当前使用的网络状况；
在所述电子设备当前使用的网络状况满足第一预设条件时，所述电子设备将所述视频发送给服务器；
在所述电子设备当前使用的网络状况不满足第一预设条件、满足第二预设条件时，所述电子设备将所述待检测图像发送给服务器。
可选地，在本发明上述各实施例的方法中，所述根据检测结果确定所述人脸是否通过人脸防伪检测，包括：所述服务器根据所述第二神经网络输出的检测结果确定所述人脸是否通过人脸防伪检测，并向所述电子设备返回所述人脸是否通过人脸防伪检测的确定结果。
可选地，在本发明上述各实施例的方法中，所述神经网络还包括：位于电子设备中的第一神经网络；所述第一神经网络的大小小于所述第二神经网络的大小；
所述方法还包括：
将所述待检测图像输入第一神经网络，并经所述第一神经网络输出用于表示所述待检测图像是否包含至少一伪造人脸线索信息的检测结果；
响应于所述待检测图像未包含伪造人脸线索信息的检测结果，将所述待检测图像发送给所述服务器。
可选地，在本发明上述各实施例的方法中，响应于所述待检测图像包含伪造人脸线索信息的检测结果，所述根据检测结果确定所述人脸是否通过人脸防伪检测，包括：所述电子设备根据所述第一神经网络输出的检测结果确定所述人脸未通过人脸防伪检测。
可选地，在本发明上述各实施例的方法中，还包括：所述服务器将所述第二神经网络输出的检测结果返回给所述电子设备；
所述根据检测结果确定所述人脸是否通过人脸防伪检测，包括：所述电子设备根据所述第二神经网络输出的检测结果确定所述人脸是否通过人脸防伪检测。
可选地，在本发明上述各实施例的方法中，所述根据检测结果确定所述人脸是否通过人脸防伪检测，包括：所述服务器根据所述第二神经网络输出的检测结果，确定所述人脸是否通过人脸防伪检测，并向所述电子设备发送所述人脸是否通过人脸防伪检测的确定结果。
根据本发明实施例的另一个方面，提供的一种人脸防伪检测系统，包括：
第一获取模块，用于获取包括人脸的图像的视频；
选取模块，用于从所述视频中选取至少两帧不同的图像作为待检测图像；
防伪检测模块，用于分别提取各所述待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息；
确定模块，用于根据各检测结果确定所述人脸是否通过人脸防伪检测。
可选地，在本发明上述各实施例的系统中，所述第一获取模块具体用于：获取具有摄像头的电子设备转动期间所采集的包括人脸图像的视频。
可选地，在本发明上述各实施例的系统中，第一生成模块，用于生成用于提示或指示所述电子设备转动的第一信息。
可选地，在本发明上述各实施例的系统中，还包括：
第二生成模块，用于生成用于控制所述电子设备转动的第二信息。
可选地，在本发明上述各实施例的系统中，所述电子设备转动包括：所述电子设备沿至少一个方向发生角度变化。
可选地，在本发明上述各实施例的系统中，所述电子设备沿至少一个方向发生角度变化包括：所述电子设备沿竖直方向和/或水平方向的角度发生变化。
可选地，在本发明上述各实施例的系统中，还包括：
估算模块，用于通过所述电子设备上的摄像头采集的视频中的图像数据估算所述电子设备的运动量；所述选取模块，具体用于根据所述电子设备的运动量从所述视频中选取至少两帧不同的图像作为待检测图像。
可选地，在本发明上述各实施例的系统中，所述选取模块具体用于根据所述电子设备的运动量从所述视频中选取至少两帧不同的图像作为待检测图像，相邻两帧待检测图像之间所述电子设备的运动量大于或等于一定阈值。
可选地，在本发明上述各实施例的系统中，还包括：
估算模块，用于通过所述电子设备上的摄像头采集的视频中的图像数据估算所述电子设备的运动量；
读取模块，用于读取所述电子设备中传感器采集的设备运动数据；
比较模块，用于比较估算的运动量与读取到的设备运动数据是否匹配；
所述选取模块，具体用于响应于所述运动量与所述设备运动数据匹配，执行从所述视频中选取至少两帧不同的图像作为待检测图像的操作；
输出模块，用于响应于所述运动量与所述设备运动数据不匹配，输出所述人脸未通过人脸防伪检测的确定结果。
可选地，在本发明上述各实施例的系统中，还包括：
估算模块，用于通过所述电子设备上的摄像头采集的视频中的图像数据估算所述电子设备的运动量；
识别模块，用于根据估算的运动量识别所述电子设备的运动状态是否满足预设要求；
输出模块，用于响应于所述电子设备的运动状态不满足预设要求，输出人脸防伪检测失败的提示消息。
可选地，在本发明上述各实施例的系统中，所述伪造人脸线索信息具有可见光条件下的人眼可观测性。
可选地，在本发明上述各实施例的系统中，提取的所述特征包括以下一项或任意多项：局部二值模式特征、稀疏编码的柱状图特征、全景图特征、人脸图特征、人脸细节图特征。
可选地，在本发明上述各实施例的系统中，所述伪造人脸线索信息包括以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。
可选地，在本发明上述各实施例的系统中，所述成像介质的伪造线索信息包括：成像介质的边缘信息、反光信息和/或材质信息；和/或，
所述成像媒介的伪造线索信息包括：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹；和/或，
所述真实存在的伪造人脸的线索信息包括：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。
可选地，在本发明上述各实施例的系统中，所述防伪检测模块包括：神经网络，用于接收所述待检测图像并输出用于表示所述待检测图像是否包含至少一伪造人脸线索信息的检测结果，其中，所述神经网络基于包括有伪造人脸线索信息的训练用图像集预先训练完成。
可选地，在本发明上述各实施例的系统中，所述训练用图像集包括：可作为训练用正样本的多张人脸图像和可作为训练用负样本的多张图像；
所述系统还包括：
第二获取模块，用于获取可作为训练用正样本的多张人脸图像；以及对获取的至少一张人脸图像的至少局部进行用于模拟伪造人脸线索信息的图像处理，以生成至少一张可作为训练用负样本的图像。
可选地，在本发明上述各实施例的系统中，所述神经网络包括：位于所述电子设备中的第一神经网络；
所述确定模块位于所述电子设备中，具体用于根据所述第一神经网络输出的检测结果确定所述人脸是否通过人脸防伪检测。
可选地，在本发明上述各实施例的系统中，所述神经网络包括：位于所述服务器中的第二神经网络。
可选地，在本发明上述各实施例的系统中，所述第一获取模块和所述选取模块位于所述电子设备上；
所述系统还包括：
第一通信模块，位于所述电子设备上，用于将所述待检测图像发送给服务器。
可选地，在本发明上述各实施例的系统中，还包括：
第一通信模块，位于所述电子设备上，用于将所述视频发送给服务器；
所述选取模块位于所述服务器上。
可选地，在本发明上述各实施例的系统中，还包括：
第三获取模块，用于获取所述电子设备当前使用的网络状况；
所述第一通信模块具体用于在所述电子设备当前使用的网络状况满足第一预设条件时，将所述视频发送给服务器；在所述电子设备当前使用的网络状况不满足第一预设条件、满足第二预设条件时，将所述待检测图像发送给服务器。
可选地，在本发明上述各实施例的系统中，所述确定模块位于所述电子设备上，具体用于根据所述第二神经网络输出的检测结果确定所述人脸是否通过人脸防伪检测；
所述系统还包括：
所述第二通信模块，用于向所述电子设备返回所述人脸是否通过人脸防伪检测的确定结果。
可选地，在本发明上述各实施例的系统中，所述神经网络还包括：位于电子设备中的第一神经网络；所述第一神经网络的大小小于所述第二神经网络的大小；
所述系统还包括：
所述第一神经网络，用于接收所述待检测图像，并输出用于表示所述待检测图像是否包含至少一伪造人脸线索信息的检测结果；
所述第一通信模块，具体用于响应于所述待检测图像未包含伪造人脸线索信息的检测结果，将所述待检测图像发送给所述服务器。
所述第一神经网络用于接收所述待检测图像，并输出用于表示所述待检测图像是否包含至少一伪造人脸线索信息的检测结果；
响应于所述待检测图像未包含伪造人脸线索信息的检测结果，将所述待检测图像发送给所述服务器。
可选地，在本发明上述各实施例的系统中，所述确定模块位于所述电子设备上，具体用于响应于所述待检测图像包含伪造人脸线索信息的检测结果，根据所述第一神经网络输出的检测结果确定所述人脸未通过人脸防伪检测。
可选地，在本发明上述各实施例的系统中，所述系统还包括：
第二通信模块，位于所述服务器上，用于将所述第二神经网络输出的检测结果返回给所述电子设备；
所述确定模块位于所述电子设备上，用于根据所述第二神经网络输出的检测结果确定所述人脸是否通过人脸防伪检测。
可选地，在本发明上述各实施例的系统中，所述确定模块位于所述服务器上，具体用于根据所述第二神经网络输出的检测结果，确定所述人脸是否通过人脸防伪检测；
所述系统还包括：
第二通信模块，位于所述服务器上，用于向所述电子设备发送所述人脸是否通过人脸防伪检测的确定结果。
根据本发明实施例的又一个方面，提供的一种电子设备，包括本发明上述任一实施例的人脸防伪检测系统。
根据本发明实施例的又一个方面，提供的另一种电子设备，包括：
存储器，用于存储可执行指令；以及
处理器，用于与所述存储器通信以执行所述可执行指令从而完成本发明任一实施例所述人脸防伪检测方法的操作。
根据本发明实施例的再一个方面，提供的一种计算机程序，包括计算机可读代码，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现本发明任一实施例所述方法中各步骤的指令。
根据本发明实施例的再一个方面，提供的一种计算机可读存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行本发明任一实施例所述方法中各步骤的操作。
基于本发明上述实施例提供的人脸防伪检测方法和系统、电子设备、程序和介质，获取包括人脸的图像的视频后，将该视频中的至少两帧不同的图像作为待检测图像，使得伪造人脸的图像可以暴露可能存在的伪造人脸线索，提取待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息，根据检测结果来确定人脸是否通过人脸防伪检测，基于时间维度上的伪造人脸线索实现了有效的人脸防伪检测，可方便应用于各种人脸检测场景。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：
图1为本发明人脸防伪检测方法一个实施例的流程图。
图2为本发明人脸防伪检测方法另一个实施例的流程图。
图3为本发明人脸防伪检测方法又一个实施例的流程图。
图4为本发明利用本发明实施例进行人脸防伪检测的应用示例。
图5为本发明人脸防伪检测系统一个实施例的结构示意图。
图6为本发明人脸防伪检测系统另一个实施例的结构示意图。
图7为本发明人脸防伪检测系统又一个实施例的结构示意图。
图8为本发明电子设备一个应用实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1为本发明人脸防伪检测方法一个实施例的流程图。如图1所示，该实施例的人脸防伪检测方法包括：
102，获取包括人脸的图像的视频。
在本发明各实施例的其中一个实施方式中，该操作102可以是，获取具有图像采集功能的电子设备转动期间所采集的包括人脸图像的视频。其中的图像采集功能例如可以通过摄像头实现。
104，从上述视频中选取至少两帧不同的图像作为待检测图像。
106，分别提取各待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息。
108，根据各检测结果确定人脸是否通过人脸防伪检测。
基于本发明上述实施例提供的人脸防伪检测方法，获取包括人脸的图像的视频后，将该视频中的至少两帧不同的图像作为待检测图像，使得伪造人脸的图像可以暴露可能存在的伪造人脸线索，提取待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息，根据检测结果来确定人脸是否通过人脸防伪检测，基于时间维度上的伪造人脸线索实现了有效的人脸防伪检测，可方便应用于各种人脸检测场景。
在本发明人脸防伪检测方法的另一个实施例中，在上述获取包括人脸的图像的视频的操作之前，还可以包括：生成用于提示或指示上述具有图像采集功能的电子设备转动的第一信息，例如指示电子设备从竖直状态向水平状态转动、和/或电子设备沿水平方向转动的第一信息。相应地，该实施例中，可以根据该第一信息使电子设备转动，并在电子设备转动期间，采集上述包括人脸图像的视频。例如，生成用于提示用户自然随意的转动智能手机等移动设备的第一信息，在移动设备转动的过程中，移动设备上的摄像头会扫过一定的视域，在此过程中进行图像采集，获得一段视频。
或者，在上述获取包括人脸的图像的视频的操作之前，还可以包括：生成用于控制上述具有图像采集功能的电子设备转动的第二信息，例如控制电子设备从竖直状态向水平状态转动、和/或电子设备沿水平方向转动的第二信息。相应地，该实施例中，电子设备可以基于第二信息转动，并在电子设备转动期间，采集上述包括人脸图像的视频。
在其中一个实施方式中，电子设备转动可以包括：电子设备沿至少一个方向发生角度变化，例如，电子设备从竖直状态向水平状态转动，和/或，电子设备沿水平方向转动，例如，电子设备随意的转动几个方向，例如从竖直状态转动至水平状态。例如，对于处于o-xyz空间坐标系中的电子设备，电子设备可以沿其中一个、或任意二个或三个方向转动来发生角度变化，在此转动期间，例如可以通过该电子设备上的摄像头或其他外部摄像头，获取包括人脸的图像的视频。其中的摄像头可以包括可见光摄像头，另外也可以是深度摄像头。并可以进一步从获取到的视频中选取至少两帧对应电子设备处于不同状态的图像，从而实现操作104。
本发明各实施例中，电子设备的任意转动都是可以的，发明人通过研究发现，电子设备从竖直状态放置到水平状态的过程中提取的图像更容易让伪造人脸暴露出伪造线索，例如纸质伪造人脸会在电子设备转动的过程中露出边缘等。
在本发明各实施例的一个可选示例中，从上述包括人脸的视频中选取至少两帧不同的图像作为待检测图像时，可以根据预先设置的选取标准，选取高质量的图像检测伪造人脸线索信息。其中的选取标准例如可以是以下任意一项或多项：人脸朝向是否正面朝向、图像清晰度的高低、曝光度高低等，依据相应的标准选取综合质量较高的图像进行人脸防伪检测，以便提高人脸防伪检测的可行性和检测结果的准确性。
在本发明各实施例的另一个可选示例中，从上述包括人脸的视频中选取至少两帧不同的图像作为待检测图像时，也可以设置电子设备每达到一定运动量，例如每转过一定角度，例如5度，选取一帧图像作为待检测图像。
本发明实施例中，通过电子设备的转动、而非面部交互实现了活体检测，被检测者只需要将电子设备随意地移动一定距离和/或转动几个方向，使得电子设备上的摄像头扫过足够多的视域，相比于面部交互的活体检测较大程度的简化了检测流程，对用户更加友好。
在本发明各实施例的另一个实施方式中，操作104可以包括：通过电子设备上的摄像头采集的视频中的图像数据估算电子设备的运动量；根据电子设备的运动量从视频中选取至少两帧不同的图像作为待检测图像。
在其中一个示例中，根据电子设备的运动量从视频中选取至少两帧不同的图像作为待检测图像，可以包括：
根据电子设备的运动量从视频中选取至少两帧不同的图像作为待检测图像，该相邻两帧待检测图像之间电子设备的运动量大于或等于一定阈值。
在本发明人脸防伪检测方法的又一个实施例中，还可以包括：
通过电子设备上的摄像头采集的视频中的图像数据估算电子设备的运动量，以及读取电子设备中传感器采集的设备运动数据；
比较估算的运动量与读取到的设备运动数据是否匹配；
响应于估算的运动量与读取到的设备运动数据匹配，开始执行各实施例中从视频中选取至少两帧不同的图像作为待检测图像的操作；
另外，在上述又一个实施例中，还可以包括：响应于估算的运动量与读取到的设备运动数据不匹配，输出人脸未通过人脸防伪检测的确定结果。
如果估算的运动量与读取到的设备运动数据不匹配，则认为可能存在视频攻击。例如，用户将智能手机(即：上述电子设备的一个示例)固定放置，然后播放一段录制的视频，该视频是由另外一个智能手机在随意转动的情况录制的，在播放该段视频时，固定的智能手机从摄像头读取到的图像会认为手机发生了运动，而此时智能手机的加速度计和陀螺仪并未反馈该智能手机运动，因此二者在一定程度上是矛盾的，则认为可能存在视频攻击。
在本发明人脸防伪检测方法的再一个实施例中，还可以包括：
通过电子设备上的摄像头采集的视频中的图像数据估算该电子设备的运动量；
根据估算的运动量识别该电子设备的运动状态是否满足预设要求，例如，电子设备的转过的角度是否达到预设角度阈值，例如智能手机转过的角度是否达到5度；
响应于电子设备的运动状态不满足预设要求，输出人脸防伪检测失败的提示消息。
图2为本发明人脸防伪检测方法又一个实施例的流程图。如图2所示，该实施例的人脸防伪检测方法包括：
202，在具有图像采集功能的电子设备转动期间，通过该电子设备上的可见光摄像头采集包括人脸的图像的视频。
其中，电子设备运动可以包括：电子设备沿至少一个方向发生位移和/或角度变化。
204，通过电子设备上的摄像头采集的视频中的图像数据估算该电子设备的运动量，以及读取该电子设备中传感器采集的设备运动数据。
206，根据估算的运动量识别该电子设备的运动状态是否满足预设要求，以及比较估算的运动量与读取到的设备运动数据是否匹配。
响应于该电子设备的运动状态是否满足预设要求、且估算的运动量与读取到的设备运动数据匹配，执行操作208。否则，若该电子设备的运动状态是否满足预设要求、和/或估算的运动量与读取到的设备运动数据不匹配，执行操作218。
208，根据电子设备的运动量从视频中选取至少两帧不同的图像作为待检测图像，该相邻两帧待检测图像之间电子设备的运动量大于或等于一定阈值。
例如，可以在电子设备从竖直转动到水平状态的过程中，采集视频，并从采集的视频中分别选取电子设备在不同角度下的两帧图像作为待检测图像。
210，分别提取各待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息。
212，根据检测结果确定人脸是否通过人脸防伪检测。
若根据检测结果确定人脸通过人脸防伪检测，执行操作214。否则，若根据检测结果确定人脸未通过人脸防伪检测，执行操作216。
214，输出上述视频中人脸通过人脸防伪检测的确定结果或者执行对上述视频中人脸进行注册或认证的相关操作。
之后，不执行本实施例的后续流程。
216，输出上述视频中人脸未通过人脸防伪检测的确定结果。
在该实施例中，同时对视频中的人脸进行了活性检测与防伪检测，即：检测视频中的人脸是否具备可能的伪造线索，并且通过电子设备运动使用交互的方式验证活性，可以称为转动活体检测。用户可以自然随意的转动智能手机等移动设备，在移动设备转动的过程中，移动设备上的摄像头会扫过一定的视域，在此过程中进行图像采集，获得一段视频，同时在扫过的视域中，移动设备可以应用视觉运动估计算法等各种算法，在时间维度上估计出该移动设备的运动量，从上述视频中选取合适的两帧图像，合成的待检测图像最大程度的保留了视频中的信息，同时由于移动设备的运动，带来了更宽的视角，摄像头可以看到更多的地方，就能够提取出更多的特征，从而更容易暴露视频中可能存在的伪造人脸线索信息，可以更全面的实现人脸防伪检测，例如检测待检测图像中是否出现显示器、LED、OLED、平板电脑、打印纸张、电视机等电子显示屏幕边缘、纸张纹理等介质出现，如有出现任一伪造人脸线索信息出现，则认为视频或待检测图像中的人脸并非来自真实的自然人。
另外，在本发明上述各人脸防伪检测方法实施例中，上述电子设备上的摄像头是可见光摄像头；上述伪造人脸线索信息具有可见光条件下的人眼可观测性。
在本发明各实施例的一个可选示例中，本发明各实施例中提取的特征，例如可以包括但不限于以下任意多项：局部二值模式(LBP)特征、稀疏编码的柱状图(HSC)特征、全景图(LARGE)特征、人脸图(SMALL)特征、人脸细节图(TINY)特征。具体应用中，可以根据可能出现的伪造人脸线索信息对该提取的特征包括的特征项进行更新。
其中，通过LBP特征，可以突出图像中的边缘信息；通过HSC特征，可以更明显的反映图像中的反光与模糊信息；LARGE特征是全图特征，基于LARGE特征，可以提取到图像中最明显的伪造线索(hack)；人脸图(SMALL)是图像中人脸框若干倍大小(例如1.5倍大小)的区域切图，其包含人脸、人脸与背景切合的部分，基于SMALL特征，可以提取到反光、翻拍设备屏幕摩尔纹与模特或者面具的边缘等伪造线索；人脸细节图(TINY)是取人脸框大小的区域切图，包含人脸，基于TINY特征，可以提取到图像PS(基于图像编辑软件photoshop编辑)、翻拍屏幕摩尔纹与模特或者面具的纹理等伪造线索。
在本发明各实施例的一个可选示例中，本发明实施例中的伪造人脸线索信息具有可见光条件下的人眼可观测性，也即，人眼在可见光条件下是可以观测到这些伪造人脸线索信息的。基于伪造人脸线索信息具有的该特性，使得在采用可见光摄像头(如RGB摄像头)采集的静态图像或动态视频实现防伪检测成为可能，避免额外引入特定摄像头，降低硬件成本。伪造人脸线索信息例如可以包括但不限于以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。其中，成像介质的伪造线索信息也称为2D类伪造人脸线索信息，成像媒介的伪造线索信息可以称为2.5D类伪造人脸线索信息，真实存在的伪造人脸的线索信息可以称为3D类伪造人脸线索信息，具体可以根据可能出现的伪造人脸方式对需要检测的伪造人脸线索信息进行相应更新。通过对这些线索信息的检测，使得电子设备可以“发现”各式各样的真实人脸和伪造人脸之间的边界，在可见光摄像头这样通用的硬件设备条件下实现各种不同类型的防伪检测，抵御“hack”攻击，提高安全性。
其中，成像介质的伪造线索信息例如可以包括但不限于：成像介质的边缘信息、反光信息和/或材质信息。成像媒介的伪造线索信息例如可以包括但不限于：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹。真实存在的伪造人脸的线索信息例如可以包括但不限于：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。
上述实施例中的伪造人脸线索信息从维度上可以划分为2D类、2.5D类和3D类伪造人脸。其中，2D类伪造人脸指的是纸质类材料打印出的人脸图像，该2D类伪造人脸线索信息例如可以包含纸质人脸的边缘、纸张材质、纸面反光、纸张边缘等伪造线索信息。2.5D类伪造人脸指的是视频翻拍设备等载体设备承载的人脸图像，该2.5D类伪造人脸线索信息例如可以包含视频翻拍设备等载体设备的屏幕摩尔纹、屏幕反光、屏幕边缘等伪造线索信息。3D类伪造人脸指的是真实存在的伪造人脸，例如面具、模特、雕塑、3D打印等，该3D类伪造人脸同样具备相应的伪造线索信息，例如面具的缝合处、模特的较为抽象或过于光滑的皮肤等伪造线索信息。
在本发明各人脸防伪检测方法实施例的一个可选示例中，分别提取各待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息，可以通过如下方式实现：将待检测图像输入神经网络，并经该神经网络输出用于表示待检测图像是否包含至少一伪造人脸线索信息的检测结果，其中，该神经网络基于包括有伪造人脸线索信息的训练用图像集预先训练完成。
在一个可选示例中，可以通过如下方法获取包括有伪造人脸线索信息的训练用图像集：
获取可作为训练用正样本的多张人脸图像；
对获取的至少一张人脸图像的至少局部进行用于模拟伪造人脸线索信息的图像处理，以生成至少一张可作为训练用负样本的图像。
在本发明各人脸防伪检测方法实施例的一个可选示例中，上述各实施例的人脸防伪检测方法由电子设备执行。即：经电子设备的可见光摄像头获取包括人脸的图像的视频，由电子设备从上述视频中选取至少两帧不同的图像作为待检测图像。相应地，在示例中，上述神经网络可以包括：位于电子设备中的第一神经网络，即：由位于电子设备中的第一神经网络执行上述各实施例中分别提取各待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息的操作。由电子设备根据第一神经网络输出的检测结果确定上述视频中的人脸是否通过人脸防伪检测。
在本发明各人脸防伪检测方法实施例的另一个可选示例中，经电子设备的可见光摄像头获取包括人脸的图像的视频，由电子设备由电子设备从上述视频中选取至少两帧不同的图像作为待检测图像并发送给服务器。该示例中，神经网络可以包括：位于该服务器中的第二神经网络，即：由位于服务器中的第二神经网络执行上述各实施例中分别提取各待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息的操作。相应地，该示例还可以包括：该服务器向电子设备发送提取的特征中是否包含伪造人脸线索信息的检测结果，由电子设备根据检测结果确定人脸是否通过人脸防伪检测；或者，由服务器根据各检测结果确定人脸是否通过人脸防伪检测，该示例还可以包括：服务器向电子设备发送上述人脸是否通过人脸防伪检测的确定结果。
在本发明各人脸防伪检测方法实施例的又一个可选示例中，可以经电子设备的可见光摄像头获取包括人脸的图像的视频，将该视频或其中的部分视频发送给服务器。相应地，由服务器从上述视频中选取至少两帧不同的图像作为待检测图像。该示例中，神经网络可以包括：位于该服务器中的第二神经网络，即：由位于服务器中的第二神经网络分别提取各待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息。相应地，该示例还可以包括：该服务器向电子设备发送提取的特征中是否包含伪造人脸线索信息的检测结果，由电子设备根据检测结果确定人脸是否通过人脸防伪检测；或者，由服务器根据各检测结果确定人脸是否通过人脸防伪检测，该示例还可以包括：服务器向电子设备发送上述人脸是否通过人脸防伪检测的确定结果。
另外，在本发明各人脸防伪检测方法实施例的再一个可选示例中，神经网络可以包括：位于电子设备中的第一神经网络和位于服务器中的第二神经网络，其中，第一神经网络的大小小于第二神经网络的大小。具体来说，可以是第一神经网络在网络层和/或参数数量上小于第二神经网络。
在本发明各实施例中，第一神经网络、第二神经网络，分别可以是一个多层神经网络(即：深度神经网络)，例如多层的卷积神经网络，例如可以是LeNet、AlexNet、GoogLeNet、VGG、ResNet等任意神经网络模型。第一神经网络和第二神经网络可以采用相同类型和结构的神经网络，也可以采用不同类型和结构的神经网络。
进一步地，在上述各可选示例中，还可以包括：
获取该电子设备当前使用的网络状况；
在电子设备当前使用的网络状况(例如使用的网络类型、网络带宽等)满足第一预设条件时，例如，在电子设备当前使用的网络为无线局域网(例如WiFi)、且带宽大于第一预设带宽时，电子设备获取到的包括人脸的视频或从其中选取部分视频发送给服务器。在电子设备当前使用的网络状况较好时，将获取到的包括人脸的视频或从其中选取的部分视频发送给服务器，由于视频包括的图像较多，在网络条件允许的情况下，向服务器发送视频用于人脸防伪检测，可以实现更全面的人脸防伪检测；
在电子设备当前使用的网络状况不满足第一预设条件、但是满足第二预设条件时，例如，在电子设备当前使用的网络为移动数据网络、且带宽大于第二预设带宽时，或者在电子设备当前使用的网络为无线局域网(例如WiFi)、且带宽小于第一预设带宽时，由电子设备从上述视频中选取至少两帧不同的图像作为待检测图像发送给服务器，从而也可以实现在网络状况较差时的人脸防伪检测。
另外，在进一步可选示例中，还可以包括：
在电子设备当前使用的网络状况不满足第二预设条件时，例如，在电子设备当前未接入任何网络时，或者在电子设备当前使用的网络带宽小于第二预设带宽时，电子设备可以输出检测失败的提示消息；如果电子设备中设置有第一神经网络，也可以仅利用电子设备中的第一神经网络提取该包括人脸的视频的特征、检测该提取的特征中是否包含伪造人脸线索信息，并输出用于表示上述包括人脸的视频是否包含至少一伪造人脸线索信息的检测结果，并由电子设备根据检测结果确定人脸是否通过人脸防伪检测。
图3为本发明人脸防伪检测方法再一个实施例的流程图。该实施例中以神经网络包括位于终端设备中的第一神经网络和位于服务器中的第二神经网络为例进行说明。其中，第一神经网络的大小小于第二神经网络的大小，具体来说，可以是第一神经网络在网络层和/或参数数量上小于第二神经网络。如图3所示，该实施例的人脸防伪检测方法包括：
302，在具有图像采集功能的电子设备转动期间，通过该电子设备上的可见光摄像头采集包括人脸的图像的视频。
其中，电子设备运动可以包括：电子设备沿至少一个方向发生位移和/或角度变化。
304，通过电子设备上的摄像头采集的视频中的图像数据估算该电子设备的运动量，以及读取该电子设备中传感器采集的设备运动数据。
306，根据估算的运动量识别该电子设备的运动状态是否满足预设要求，以及比较估算的运动量与读取到的设备运动数据是否匹配。
响应于该电子设备的运动状态是否满足预设要求、且估算的运动量与读取到的设备运动数据匹配，执行操作308。否则，若该电子设备的运动状态是否满足预设要求、和/或估算的运动量与读取到的设备运动数据不匹配，执行操作318。
308，根据电子设备的运动量从视频中选取至少两帧不同的图像作为待检测图像，该相邻两帧待检测图像之间电子设备的运动量大于或等于一定阈值。
例如，可以在电子设备从竖直转动到水平状态的过程中，采集视频，并从采集的视频中分别选取电子设备在不同角度下的两帧图像作为待检测图像。
310，将上述待检测图像输入该电子设备中的第一神经网络，由该第一神经网络提取待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息，并输出用于表示上述待检测图像是否包含至少一伪造人脸线索信息的检测结果。
其中的伪造人脸线索信息具有可见光条件下的人眼可观测性。第一神经网络基于包括有伪造人脸线索信息的训练用图像集预先训练完成。
示例性地，在本发明各实施例中提取的各项特征中包含的伪造人脸线索，可以预先通过训练第一神经网络，被第一神经网络学习到，之后任何包含这些伪造人脸线索信息的图像输入第一神经网络后均会被检测出来，就可以判断为伪造人脸图像，否则为真实人脸图像。
312，响应于上述待检测图像未包含伪造人脸线索信息的检测结果，电子设备从上述待检测图像发送给服务器。
可选地，若第一神经网络输出上述待检测图像包含伪造人脸线索信息的检测结果，可以确定该待检测图像未通过人脸防伪检测，可以由电子设备根据该第一神经网络输出的检测结果确定上述视频中的人脸未通过人脸防伪检测的确定结果，不再执行本实施例的后续流程。
314，服务器接收到电子设备发送的待检测图像后，将该待检测图像输入第二神经网络，由第二神经网络提取待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息，并输出用于表示该待检测图像是否包含至少一伪造人脸线索信息的检测结果。
其中的伪造人脸线索信息具有可见光条件下的人眼可观测性。第二神经网络基于包括有伪造人脸线索信息的训练用图像集预先训练完成。
示例性地，在本发明各实施例中提取的各项特征中包含的伪造人脸线索，可以预先通过训练第二神经网络，被第二神经网络学习到，之后任何包含这些伪造人脸线索信息的图像输入第二神经网络后均会被检测出来，就可以判断为伪造人脸图像，否则为真实人脸图像。
316，服务器根据检测结果确定上述待检测图像中的人脸是否通过人脸防伪检测，并向电子设备发送上述待检测图像中的人脸是否通过人脸防伪检测的确定结果，以便由电子设备输出上述视频中人脸通过人脸防伪检测的确定结果或者执行对上述视频中人脸进行注册或认证的相关操作。
另外，在另一可选实施例中，操作316中，也可以替换性地由服务器将第二神经网络输出的用于表示该待检测图像是否包含至少一伪造人脸线索信息的检测结果发送给电子设备，由电子设备根据第一神经网络输出的检测结果和第二神经网络输出的检测结果确定上述视频中的人脸是否通过人脸防伪检测，而不由服务器确定上述人脸是否通过人脸防伪检测、并向电子设备发送确定结果。
可选的，若第一神经网络输出的检测结果为待检测图像包含至少一伪造人脸线索信息，确定上述视频中的人脸未通过人脸防伪检测；若第一神经网络输出的检测结果为待检测图像未包含任一伪造人脸线索信息，但是第二神经网络输出的检测结果为待检测图像包含至少一伪造人脸线索信息，确定上述视频中的人脸未通过人脸防伪检测；若第一神经网络输出的检测结果为待检测图像未包含任一伪造人脸线索信息、且第二神经网络输出的检测结果为待检测图像未包含任一伪造人脸线索信息，确定上述视频中的人脸通过人脸防伪检测。
之后，不执行本实施例的后续流程。
318，电子设备输出上述视频中人脸未通过人脸防伪检测的确定结果。
在其中一个可选示例中，本发明上述各实施例的电子设备是一个终端设备，例如手机终端或者平板电脑等。由于终端设备的硬件性能通常有限，进行更多特征提取和检测的神经网络将需要更多的计算和存储资源，而终端设备的计算、存储资源相对于云端服务器比较有限，为了节省终端设备侧神经网络占用的计算和存储资源、又能保证实现有效的人脸防伪检测，本发明实施例中，在终端设备中设置较小(网络较浅和/或网络参数较少)的第一神经网络，融合较少特征，例如仅从待检测图像中提取LBP特征与人脸SMALL特征、来进行相应的伪造人脸线索信息的检测，在硬件性能较好的云端服务器设置较大(网络较深和/或网络参数较多)的第二神经网络，融合全面的防伪线索特征，使得该第二神经网络更加健壮、检测性能更好，除了从待检测图像中提取LBP特征与人脸SMALL特征，还可以提取HSC特征、LARGE特征、TINY特征等其他可能包含伪造人脸线索信息的特征，在第一神经网络采集到的视频中人脸通过人脸防伪检测时，再通过第二神经网络进行更加精确、全面的人脸防伪检测，提高了检测结果的准确性；在第一神经网络采集到的视频中人脸未通过人脸防伪检测时，便无需通过第二神经网络进行人脸防伪检测，提升了人脸防伪检测的效率。
在本发明各实施例的一个可选示例中，从上述包括人脸的视频中选取部分视频或待检测图像时，可以根据预先设置的选取标准，选取高质量的图像检测伪造人脸线索信息。其中的选取标准例如可以是以下任意一项或多项：人脸朝向是否正面朝向、图像清晰度的高低、曝光度高低等，依据相应的标准选取综合质量较高的图像进行人脸防伪检测，以便提高人脸防伪检测的可行性和检测结果的准确性。
图4为本发明利用本发明实施例进行人脸防伪检测的应用示例。图4的第一行为真实人脸，第二行为伪造人脸，用户都完成了电子设备的转动，两种情况下由电子设备选出的4帧图像中，真实人脸没有发现伪造人脸线索信息，可以通过人脸防伪检测；伪造人脸中后面选出的3帧图像发现了显示器边缘特征，故不会通过最终的活体检测。
本发明实施例在进行活体检测的同时还实现了人脸防伪检测，能够抵御伪造攻击的情况，解决了针对进行活体检测时，不法分子易于利用被待验证用户的照片或视频伪造该用户动作的问题，提高了人脸认证技术的安全性；并且，在上述电子设备上的摄像头是可见光摄像头、上述伪造人脸线索信息具有可见光条件下的人眼可观测性时，本发明实施例无需借助于特殊的硬件设备，降低了由此导致的硬件成本，且可方便应用于各种人脸检测场景，适用范围广，尤其适用于通用的移动端应用。
本发明实施例提供的任一种人脸防伪检测方法可以由任意适当的具有数据处理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本发明实施例提供的任一种人脸防伪检测方法可以由处理器执行，如处理器通过调用存储器存储的相应指令来执行本发明实施例提及的任一种人脸防伪检测方法。下文不再赘述。
本领域普通技术人员可以理解：实现上述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。
图5为本发明人脸防伪检测系统一个实施例的结构示意图。该实施例的人脸防伪检系统可用于实现本发明上述各人脸防伪检方法实施例。如图5所示，该实施例的人脸防伪检测系统包括：第一获取模块，选取模块，防伪检测模块和确定模块。其中：
第一获取模块，用于获取包括人脸的图像的视频。
选取模块，用于从视频中选取至少两帧不同的图像作为待检测图像。
防伪检测模块，用于分别提取各待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息。
确定模块，用于根据各检测结果确定人脸是否通过人脸防伪检测。
基于本发明上述实施例提供的人脸防伪检测系统，获取包括人脸的图像的视频后，将该视频中的至少两帧不同的图像作为待检测图像，使得伪造人脸的图像可以暴露可能存在的伪造人脸线索，提取待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息，根据检测结果来确定人脸是否通过人脸防伪检测，基于时间维度上的伪造人脸线索实现了有效的人脸防伪检测，可方便应用于各种人脸检测场景。
在本发明人脸防伪检测系统各实施例的一个可选示例中，第一获取模块具体用于获取具有图像采集功能的电子设备运动期间所采集的包括人脸图像的视频。其中的数据采集功能例如可以通过摄像头实现。
在本发明人脸防伪检测系统的另一个实施例中，还可以包括：第一生成模块，用于生成用于提示或指示电子设备转动的第一信息；或者，第二生成模块，用于生成用于控制电子设备转动的第二信息。
其中，电子设备转动可以包括：电子设备沿至少一个方向发生角度变化，例如，电子设备从竖直状态向水平状态转动，和/或，使电子设备沿水平方向转动。
图6为本发明人脸防伪检测系统另一个实施例的结构示意图。如图6所示，与图5所示的实施例相比，该实施例的人脸防伪检测系统还包括：估算模块，用于通过电子设备上的摄像头采集的视频中的图像数据估算电子设备的运动量。相应地，选取模块具体用于根据电子设备的运动量从视频中选取至少两帧不同的图像作为待检测图像，例如，选取模块具体用于根据电子设备的运动量从视频中选取至少两帧不同的图像作为待检测图像，相邻两帧待检测图像之间电子设备的运动量大于或等于一定阈值。
另外，再参见图6，本发明各实施例的人脸防伪检测系统，还可以包括：读取模块，比较模块和输出模块。其中：
读取模块，用于读取电子设备中传感器采集的设备运动数据。
比较模块，用于比较估算模块估算的运动量与读取模块读取到的设备运动数据是否匹配。
相应地，选取模块具体用于响应于运动量与设备运动数据匹配，执行从视频中选取至少两帧不同的图像作为待检测图像的操作；
输出模块，用于响应于估算模块估算的运动量与读取模块读取到的设备运动数据不匹配，输出上述视频中人脸未通过人脸防伪检测的确定结果。
另外，再参见图6，本发明各实施例的人脸防伪检测系统，还可以包括：识别模块，用于根据估算模块估算的运动量识别电子设备的运动状态是否满足预设要求。相应地，输出模块用于响应于电子设备的运动状态不满足预设要求，输出人脸防伪检测失败的提示消息。
另外，在本发明上述各人脸防伪检测系统实施例中，上述电子设备上的摄像头是可见光摄像头；上述伪造人脸线索信息具有可见光条件下的人眼可观测性。
在本发明各实施例的一个可选示例中，本发明各实施例中提取的特征，例如可以包括但不限于以下任意多项：LBP特征、HSC特征、LARGE特征、SMALL特征、TINY特征。具体应用中，可以根据可能出现的伪造人脸线索信息对该提取的特征包括的特征项进行更新。在本发明各实施例的一个可选示例中，本发明各实施例中的伪造人脸线索信息具有可见光条件下的人眼可观测性。伪造人脸线索信息例如可以包括但不限于以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。其中，成像介质的伪造线索信息例如可以包括但不限于：成像介质的边缘信息、反光信息和/或材质信息。成像媒介的伪造线索信息例如可以包括但不限于：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹。真实存在的伪造人脸的线索信息例如可以包括但不限于：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。
在本发明各实施例的一个可选示例中，防伪检测模块包括神经网络，用于接收待检测图像并输出用于表示待检测图像是否包含至少一伪造人脸线索信息的检测结果，其中，神经网络基于包括有伪造人脸线索信息的训练用图像集预先训练完成。
其中，训练用图像集可以包括：可作为训练用正样本的多张人脸图像和可作为训练用负样本的多张图像。相应地，本发明各实施例的人脸防伪检测系统还可以包括：第二获取模块，用于获取可作为训练用正样本的多张人脸图像；以及对获取的至少一张人脸图像的至少局部进行用于模拟伪造人脸线索信息的图像处理，以生成至少一张可作为训练用负样本的图像。
在本发明上述各实施例的一个实施方式中，神经网络包括：位于电子设备中的第一神经网络。相应地，该实施例中，确定模块位于电子设备中，具体用于根据第一神经网络输出的检测结果确定人脸是否通过人脸防伪检测。
在本发明上述各实施例的另一个实施方式中，神经网络包括：位于服务器中的第二神经网络。相应地，该实施例中，第一获取模块和选取模块位于电子设备上；防伪检测模块位于服务器上。该实施例的人脸防伪检测系统还可以包括：第一通信模块，位于电子设备上，用于将待检测图像发送给服务器。
在本发明上述各实施例的另一个实施方式中，神经网络包括：位于服务器中的第二神经网络。相应地，该实施例中，第一获取模块和选取模块位于电子设备上；防伪检测模块位于服务器上。该实施例的人脸防伪检测系统还可以包括：第一通信模块，位于电子设备上，用于将视频发送给服务器。
另外，在上述两个或任一可选示例中，人脸防伪检测系统还可以包括：第三获取模块，用于获取电子设备当前使用的网络状况。第一通信模块具体用于在电子设备当前使用的网络状况满足第一预设条件时，将视频发送给服务器；在电子设备当前使用的网络状况不满足第一预设条件、满足第二预设条件时，将待检测图像发送给服务器。
在本发明上述各实施例的又一个实施方式中，神经网络包括：位于服务器中的第二神经网络。
在该另一个实施方式的一个可选示例中，确定模块位于服务器上。相应地，该实施例的人脸防伪检测系统还可以包括：第二通信模块，位于服务器上，用于向电子设备返回人脸是否通过人脸防伪检测的确定结果。
在该另一个实施方式的另一个可选示例中，神经网络还包括：位于电子设备中的第一神经网络，该第一神经网络的大小小于第二神经网络的大小。相应地，该实施例中，第一神经网络用于接收待检测图像，并输出用于表示待检测图像是否包含至少一伪造人脸线索信息的检测结果；第一通信模块具体用于响应于待检测图像未包含伪造人脸线索信息的检测结果，将待检测图像发送给服务器。
示例性地，确定模块可以位于电子设备上，具体用于响应于待检测图像包含伪造人脸线索信息的检测结果，根据第一神经网络输出的检测结果确定人脸未通过人脸防伪检测。
在该另一个实施方式的又一个可选示例中，人脸防伪检测系统还可以包括：第二通信模块，用于将第二神经网络输出的检测结果返回给电子设备。相应地，该实施例中，确定模块位于服务器上，具体用于根据第二神经网络输出的检测结果确定人脸是否通过人脸防伪检测。
在该另一个实施方式的再一个可选示例中，确定模块位于服务器上，具体用于根据第二神经网络输出的检测结果，确定人脸是否通过人脸防伪检测。相应地，该实施例中，人脸防伪检测系统还可以包括：第二通信模块，用于向电子设备发送人脸是否通过人脸防伪检测的确定结果。
本发明上述各人脸防伪检测系统中的电子设备可以是终端设备。如图7所示，为本发明人脸防伪检测系统又一个实施例的结构示意图。
另外，本发明实施例还提供了一种电子设备，其可以包括如上任一实施例的人脸防伪检测系统。具体地，该电子设备例如可以是终端设备或者服务器等设备。
另外，本发明实施例提供的另一种电子设备，包括：
存储器，用于存储可执行指令；以及
处理器，用于与所述存储器通信以执行所述可执行指令从而完成本发明上述任一实施例人脸防伪检测方法的操作。
图8为本发明电子设备一个应用实施例的结构示意图。下面参考图8，其示出了适于用来实现本申请实施例的终端设备或服务器的电子设备的结构示意图。如图8所示，该电子设备包括一个或多个处理器、通信部等，所述一个或多个处理器例如：一个或多个中央处理单元(CPU)，和/或一个或多个图像处理器(GPU)等，处理器可以根据存储在只读存储器(ROM)中的可执行指令或者从存储部分加载到随机访问存储器(RAM)中的可执行指令而执行各种适当的动作和处理。通信部可包括但不限于网卡，所述网卡可包括但不限于IB(Infiniband)网卡，处理器可与只读存储器和/或随机访问存储器中通信以执行可执行指令，通过总线与通信部相连、并经通信部与其他目标设备通信，从而完成本申请实施例提供的任一方法对应的操作，例如，获取包括人脸的图像的视频；从所述视频中选取至少两帧不同的图像作为待检测图像；分别提取各所述待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息；根据各检测结果确定所述人脸是否通过人脸防伪检测。
此外，在RAM中，还可存储有装置操作所需的各种程序和数据。CPU、ROM以及RAM通过总线彼此相连。在有RAM的情况下，ROM为可选模块。RAM存储可执行指令，或在运行时向ROM中写入可执行指令，可执行指令使处理器执行本发明上述任一方法对应的操作。输入/输出(I/O)接口也连接至总线。通信部可以集成设置，也可以设置为具有多个子模块(例如多个IB网卡)，并在总线链接上。
以下部件连接至I/O接口：包括键盘、鼠标等的输入部分；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分；包括硬盘等的存储部分；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。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口。可拆卸介质，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。
需要说明的，如图8所示的架构仅为一种可选实现方式，在具体实践过程中，可根据实际需要对上述图8的部件数量和类型进行选择、删减、增加或替换；在不同功能部件设置上，也可采用分离设置或集成设置等实现方式，例如GPU和CPU可分离设置或者可将GPU集成在CPU上，通信部可分离设置，也可集成设置在CPU或GPU上，等等。这些可替换的实施方式均落入本发明公开的保护范围。
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，其包括有形地包含在机器可读介质上的计算机程序，计算机程序包含用于执行流程图所示的方法的程序代码，程序代码可包括对应执行本申请实施例提供的人脸防伪检测方法步骤对应的指令。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被CPU执行时，执行本申请的方法中限定的上述功能。
另外，本发明实施例还提供了一种计算机程序，包括计算机可读代码，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现本发明任一实施例所述方法中各步骤的指令。
另外，本发明实施例还提供了一种计算机可读存储介质，用于存储计算机可读取的指令，所述指令被执行时执行本发明任一实施例所述方法中各步骤的操作。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
可能以许多方式来实现本发明的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (52)

1.一种人脸防伪检测方法，其特征在于，包括：
获取具有摄像头的电子设备转动期间所采集的包括人脸的图像的视频；
通过所述电子设备上的摄像头采集的视频中的图像数据估算所述电子设备的运动量，以及读取所述电子设备中传感器采集的设备运动数据；
比较估算的运动量与读取到的设备运动数据是否匹配；
响应于所述运动量与所述设备运动数据匹配，执行从所述视频中选取至少两帧不同的图像作为待检测图像的操作；
分别提取各所述待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息；
根据各检测结果确定所述人脸是否通过人脸防伪检测；
其中，所述根据各检测结果确定所述人脸是否通过人脸防伪检测，包括：
若从任一所述待检测图像提取的特征中包括伪造人脸线索信息，确定所述人脸未通过人脸防伪检测。
2.根据权利要求1所述的方法，其特征在于，所述获取具有摄像头的电子设备转动期间所采集的包括人脸的图像的视频之前，还包括：
生成用于提示或指示所述电子设备转动的第一信息。
3.根据权利要求1所述的方法，其特征在于，所述获取具有摄像头的电子设备转动期间所采集的包括人脸的图像的视频之前，还包括：
生成用于控制所述电子设备转动的第二信息。
4.根据权利要求1所述的方法，其特征在于，所述电子设备转动，包括：
所述电子设备沿至少一个方向发生角度变化。
5.根据权利要求4所述的方法，其特征在于，所述电子设备沿至少一个方向发生角度变化，包括：所述电子设备沿竖直方向和/或水平方向的角度发生变化。
6.根据权利要求1至5任一所述的方法，其特征在于，从所述视频中选取至少两帧不同的图像作为待检测图像，包括：
通过所述电子设备上的摄像头采集的视频中的图像数据估算所述电子设备的运动量；
根据所述电子设备的运动量从所述视频中选取至少两帧不同的图像作为待检测图像。
7.根据权利要求6所述的方法，其特征在于，根据所述电子设备的运动量从所述视频中选取至少两帧不同的图像作为待检测图像，包括：
根据所述电子设备的运动量从所述视频中选取至少两帧不同的图像作为待检测图像，相邻两帧待检测图像之间所述电子设备的运动量大于或等于一定阈值。
8.根据权利要求1所述的方法，其特征在于，还包括：
响应于所述运动量与所述设备运动数据不匹配，输出所述人脸未通过人脸防伪检测的确定结果。
9.根据权利要求1至5任一所述的方法，其特征在于，还包括：
根据估算的运动量识别所述电子设备的运动状态是否满足预设要求；
响应于所述电子设备的运动状态不满足预设要求，输出人脸防伪检测失败的提示消息。
10.根据权利要求1至5任一所述的方法，其特征在于，所述伪造人脸线索信息具有可见光条件下的人眼可观测性。
11.根据权利要求1至5任一所述的方法，其特征在于，提取的所述特征包括以下一项或任意多项：局部二值模式特征、稀疏编码的柱状图特征、全景图特征、人脸图特征、人脸细节图特征。
12.根据权利要求1至5任一所述的方法，其特征在于，所述伪造人脸线索信息包括以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。
13.根据权利要求12所述的方法，其特征在于，所述成像介质的伪造线索信息包括：成像介质的边缘信息、反光信息和/或材质信息；和/或，
所述成像媒介的伪造线索信息包括：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹；和/或，
所述真实存在的伪造人脸的线索信息包括：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。
14.根据权利要求1至5任一所述的方法，其特征在于，所述提取所述待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息，包括：
将所述待检测图像输入神经网络，并经所述神经网络输出用于表示所述待检测图像是否包含至少一伪造人脸线索信息的检测结果，其中，所述神经网络基于包括有伪造人脸线索信息的训练用图像集预先训练完成。
15.根据权利要求14所述的方法，其特征在于，所述训练用图像集包括：可作为训练用正样本的多张人脸图像和可作为训练用负样本的多张图像；
所述包括有伪造人脸线索信息的训练用图像集的获取方法，包括：
获取可作为训练用正样本的多张人脸图像；
对获取的至少一张人脸图像的至少局部进行用于模拟伪造人脸线索信息的图像处理，以生成至少一张可作为训练用负样本的图像。
16.根据权利要求14所述的方法，其特征在于，所述神经网络包括：位于所述电子设备中的第一神经网络；
所述根据检测结果确定所述人脸是否通过人脸防伪检测，包括：所述电子设备根据所述第一神经网络输出的检测结果确定所述人脸是否通过人脸防伪检测。
17.根据权利要求14所述的方法，其特征在于，所述神经网络包括：位于服务器中的第二神经网络。
18.根据权利要求17所述的方法，其特征在于，还包括：
所述电子设备将所述待检测图像发送给服务器；或者
所述电子设备将所述视频发送给服务器，由所述服务器从所述视频中选取至少两帧不同的图像作为待检测图像。
19.根据权利要求18所述的方法，其特征在于，还包括：
获取所述电子设备当前使用的网络状况；
在所述电子设备当前使用的网络状况满足第一预设条件时，所述电子设备将所述视频发送给服务器；
在所述电子设备当前使用的网络状况不满足第一预设条件、满足第二预设条件时，所述电子设备将所述待检测图像发送给服务器。
20.根据权利要求17所述的方法，其特征在于，所述根据检测结果确定所述人脸是否通过人脸防伪检测，包括：所述服务器根据所述第二神经网络输出的检测结果确定所述人脸是否通过人脸防伪检测，并向所述电子设备返回所述人脸是否通过人脸防伪检测的确定结果。
21.根据权利要求17所述的方法，其特征在于，所述神经网络还包括：位于电子设备中的第一神经网络；所述第一神经网络的大小小于所述第二神经网络的大小；
所述方法还包括：
将所述待检测图像输入第一神经网络，并经所述第一神经网络输出用于表示所述待检测图像是否包含至少一伪造人脸线索信息的检测结果；
响应于所述待检测图像未包含伪造人脸线索信息的检测结果，将所述待检测图像发送给所述服务器。
22.根据权利要求21所述的方法，其特征在于，响应于所述待检测图像包含伪造人脸线索信息的检测结果，所述根据检测结果确定所述人脸是否通过人脸防伪检测，包括：所述电子设备根据所述第一神经网络输出的检测结果确定所述人脸未通过人脸防伪检测。
23.根据权利要求21所述的方法，其特征在于，还包括：所述服务器将所述第二神经网络输出的检测结果返回给所述电子设备；
所述根据检测结果确定所述人脸是否通过人脸防伪检测，包括：所述电子设备根据所述第二神经网络输出的检测结果确定所述人脸是否通过人脸防伪检测。
24.根据权利要求21所述的方法，其特征在于，所述根据检测结果确定所述人脸是否通过人脸防伪检测，包括：所述服务器根据所述第二神经网络输出的检测结果，确定所述人脸是否通过人脸防伪检测，并向所述电子设备发送所述人脸是否通过人脸防伪检测的确定结果。
25.一种人脸防伪检测系统，其特征在于，包括：
第一获取模块，用于获取具有摄像头的电子设备转动期间所采集的包括人脸的图像的视频；
估算模块，用于通过所述电子设备上的摄像头采集的视频中的图像数据估算所述电子设备的运动量；
读取模块，用于读取所述电子设备中传感器采集的设备运动数据；
比较模块，用于比较估算的运动量与读取到的设备运动数据是否匹配；
选取模块，用于响应于所述运动量与所述设备运动数据匹配，执行从所述视频中选取至少两帧不同的图像作为待检测图像的操作；
防伪检测模块，用于分别提取各所述待检测图像的特征、并检测提取的特征中是否包含伪造人脸线索信息；
确定模块，用于根据各检测结果确定所述人脸是否通过人脸防伪检测，若从任一所述待检测图像提取的特征中包括伪造人脸线索信息，确定所述人脸未通过人脸防伪检测。
26.根据权利要求25所述的系统，其特征在于，第一生成模块，用于生成用于提示或指示所述电子设备转动的第一信息。
27.根据权利要求25所述的系统，其特征在于，还包括：
第二生成模块，用于生成用于控制所述电子设备转动的第二信息。
28.根据权利要求25所述的系统，其特征在于，所述电子设备转动包括：所述电子设备沿至少一个方向发生角度变化。
29.根据权利要求28所述的系统，其特征在于，所述电子设备沿至少一个方向发生角度变化包括：所述电子设备沿竖直方向和/或水平方向的角度发生变化。
30.根据权利要求25至29任一所述的系统，其特征在于，还包括：
所述选取模块，具体用于根据所述电子设备的运动量从所述视频中选取至少两帧不同的图像作为待检测图像。
31.根据权利要求30所述的系统，其特征在于，所述选取模块具体用于根据所述电子设备的运动量从所述视频中选取至少两帧不同的图像作为待检测图像，相邻两帧待检测图像之间所述电子设备的运动量大于或等于一定阈值。
32.根据权利要求25至29任一所述的系统，其特征在于，还包括：
输出模块，用于响应于所述运动量与所述设备运动数据不匹配，输出所述人脸未通过人脸防伪检测的确定结果。
33.根据权利要求25至29任一所述的系统，其特征在于，还包括：
估算模块，用于通过所述电子设备上的摄像头采集的视频中的图像数据估算所述电子设备的运动量；
识别模块，用于根据估算的运动量识别所述电子设备的运动状态是否满足预设要求；
输出模块，用于响应于所述电子设备的运动状态不满足预设要求，输出人脸防伪检测失败的提示消息。
34.根据权利要求25至29任一所述的系统，其特征在于，所述伪造人脸线索信息具有可见光条件下的人眼可观测性。
35.根据权利要求25至29任一所述的系统，其特征在于，提取的所述特征包括以下一项或任意多项：局部二值模式特征、稀疏编码的柱状图特征、全景图特征、人脸图特征、人脸细节图特征。
36.根据权利要求25至29任一所述的系统，其特征在于，所述伪造人脸线索信息包括以下任意一项或多项：成像介质的伪造线索信息、成像媒介的伪造线索信息、真实存在的伪造人脸的线索信息。
37.根据权利要求36所述的系统，其特征在于，所述成像介质的伪造线索信息包括：成像介质的边缘信息、反光信息和/或材质信息；和/或，
所述成像媒介的伪造线索信息包括：显示设备的屏幕边缘、屏幕反光和/或屏幕摩尔纹；和/或，
所述真实存在的伪造人脸的线索信息包括：带面具人脸的特性、模特类人脸的特性、雕塑类人脸的特性。
38.根据权利要求25至29任一所述的系统，其特征在于，所述防伪检测模块包括：神经网络，用于接收所述待检测图像并输出用于表示所述待检测图像是否包含至少一伪造人脸线索信息的检测结果，其中，所述神经网络基于包括有伪造人脸线索信息的训练用图像集预先训练完成。
39.根据权利要求38所述的系统，其特征在于，所述训练用图像集包括：可作为训练用正样本的多张人脸图像和可作为训练用负样本的多张图像；
所述系统还包括：
第二获取模块，用于获取可作为训练用正样本的多张人脸图像；以及对获取的至少一张人脸图像的至少局部进行用于模拟伪造人脸线索信息的图像处理，以生成至少一张可作为训练用负样本的图像。
40.根据权利要求38所述的系统，其特征在于，所述神经网络包括：位于所述电子设备中的第一神经网络；
所述确定模块位于所述电子设备中，具体用于根据所述第一神经网络输出的检测结果确定所述人脸是否通过人脸防伪检测。
41.根据权利要求38所述的系统，其特征在于，所述神经网络包括：位于服务器中的第二神经网络。
42.根据权利要求41所述的系统，其特征在于，所述第一获取模块和所述选取模块位于所述电子设备上；
所述系统还包括：
第一通信模块，位于所述电子设备上，用于将所述待检测图像发送给服务器。
43.根据权利要求41所述的系统，其特征在于，还包括：
第一通信模块，位于所述电子设备上，用于将所述视频发送给服务器；
所述选取模块位于所述服务器上。
44.根据权利要求42或43所述的系统，其特征在于，还包括：
第三获取模块，用于获取所述电子设备当前使用的网络状况；
所述第一通信模块具体用于在所述电子设备当前使用的网络状况满足第一预设条件时，将所述视频发送给服务器；在所述电子设备当前使用的网络状况不满足第一预设条件、满足第二预设条件时，将所述待检测图像发送给服务器。
45.根据权利要求41至43任一所述的系统，其特征在于，所述确定模块位于所述电子设备上，具体用于根据所述第二神经网络输出的检测结果确定所述人脸是否通过人脸防伪检测；
所述系统还包括：
第二通信模块，用于向所述电子设备返回所述人脸是否通过人脸防伪检测的确定结果。
46.根据权利要求42所述的系统，其特征在于，所述神经网络还包括：位于电子设备中的第一神经网络；所述第一神经网络的大小小于所述第二神经网络的大小；
所述系统还包括：
所述第一神经网络，用于接收所述待检测图像，并输出用于表示所述待检测图像是否包含至少一伪造人脸线索信息的检测结果；
所述第一通信模块，具体用于响应于所述待检测图像未包含伪造人脸线索信息的检测结果，将所述待检测图像发送给所述服务器。
47.根据权利要求46所述的系统，其特征在于，所述确定模块位于所述电子设备上，具体用于响应于所述待检测图像包含伪造人脸线索信息的检测结果，根据所述第一神经网络输出的检测结果确定所述人脸未通过人脸防伪检测。
48.根据权利要求45所述的系统，其特征在于，所述系统还包括：
所述第二通信模块，位于所述服务器上，用于将所述第二神经网络输出的检测结果返回给所述电子设备；
所述确定模块位于所述电子设备上，用于根据所述第二神经网络输出的检测结果确定所述人脸是否通过人脸防伪检测。
49.根据权利要求46所述的系统，其特征在于，所述确定模块位于所述服务器上，具体用于根据所述第二神经网络输出的检测结果，确定所述人脸是否通过人脸防伪检测；
所述系统还包括：
第二通信模块，位于所述服务器上，用于向所述电子设备发送所述人脸是否通过人脸防伪检测的确定结果。
50.一种电子设备，其特征在于，包括权利要求25至49任一所述的人脸防伪检测系统。
51.一种电子设备，其特征在于，包括：
存储器，用于存储可执行指令；以及
处理器，用于与所述存储器通信以执行所述可执行指令从而完成权利要求1至24任一所述方法的操作。
52.一种计算机可读存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行权利要求1至24任一所述方法中各步骤的操作。
CN201711288597.4A 2017-03-16 2017-12-07 人脸防伪检测方法和系统、电子设备、程序和介质 Active CN108229329B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2017101577151 2017-03-16
CN201710157715 2017-03-16

Publications (2)

Publication Number Publication Date
CN108229329A CN108229329A (zh) 2018-06-29
CN108229329B true CN108229329B (zh) 2022-01-28

Family

ID=62653294

Family Applications (5)

Application Number Title Priority Date Filing Date
CN201711251762.9A Pending CN108229326A (zh) 2017-03-16 2017-12-01 人脸防伪检测方法和系统、电子设备、程序和介质
CN201711251760.XA Pending CN108229325A (zh) 2017-03-16 2017-12-01 人脸检测方法和系统、电子设备、程序和介质
CN201711288597.4A Active CN108229329B (zh) 2017-03-16 2017-12-07 人脸防伪检测方法和系统、电子设备、程序和介质
CN201711288596.XA Pending CN108229328A (zh) 2017-03-16 2017-12-07 人脸防伪检测方法和系统、电子设备、程序和介质
CN201711289396.6A Pending CN108229331A (zh) 2017-03-16 2017-12-07 人脸防伪检测方法和系统、电子设备、程序和介质

Family Applications Before (2)

Application Number Title Priority Date Filing Date
CN201711251762.9A Pending CN108229326A (zh) 2017-03-16 2017-12-01 人脸防伪检测方法和系统、电子设备、程序和介质
CN201711251760.XA Pending CN108229325A (zh) 2017-03-16 2017-12-01 人脸检测方法和系统、电子设备、程序和介质

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN201711288596.XA Pending CN108229328A (zh) 2017-03-16 2017-12-07 人脸防伪检测方法和系统、电子设备、程序和介质
CN201711289396.6A Pending CN108229331A (zh) 2017-03-16 2017-12-07 人脸防伪检测方法和系统、电子设备、程序和介质

Country Status (3)

Country Link
US (2) US11080517B2 (zh)
CN (5) CN108229326A (zh)
WO (3) WO2018166515A1 (zh)

Families Citing this family (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10635894B1 (en) * 2016-10-13 2020-04-28 T Stamp Inc. Systems and methods for passive-subject liveness verification in digital media
CN108229326A (zh) * 2017-03-16 2018-06-29 北京市商汤科技开发有限公司 人脸防伪检测方法和系统、电子设备、程序和介质
US11093771B1 (en) 2018-05-04 2021-08-17 T Stamp Inc. Systems and methods for liveness-verified, biometric-based encryption
US11496315B1 (en) 2018-05-08 2022-11-08 T Stamp Inc. Systems and methods for enhanced hash transforms
CN109034059B (zh) * 2018-07-25 2023-06-06 深圳市中悦科技有限公司 静默式人脸活体检测方法、装置、存储介质及处理器
CN110163053B (zh) * 2018-08-02 2021-07-13 腾讯科技（深圳）有限公司 生成人脸识别的负样本的方法、装置及计算机设备
CN109325413A (zh) * 2018-08-17 2019-02-12 深圳市中电数通智慧安全科技股份有限公司 一种人脸识别方法、装置及终端
US11036789B2 (en) * 2018-09-10 2021-06-15 Algoface, Inc. Computer vision neural network system
CN111046703B (zh) * 2018-10-12 2023-04-18 杭州海康威视数字技术股份有限公司 人脸防伪检测方法、装置及多目相机
KR102140340B1 (ko) * 2018-10-18 2020-07-31 엔에이치엔 주식회사 컨볼루션 뉴럴 네트워크를 통해 이미지 위변조를 탐지하는 시스템 및 이를 이용하여 무보정 탐지 서비스를 제공하는 방법
CN111291586B (zh) * 2018-12-06 2024-05-24 北京市商汤科技开发有限公司 活体检测方法、装置、电子设备及计算机可读存储介质
CN109670430A (zh) * 2018-12-11 2019-04-23 浙江大学 一种基于深度学习的多分类器融合的人脸活体识别方法
CN111488756B (zh) * 2019-01-25 2023-10-03 杭州海康威视数字技术股份有限公司 基于面部识别的活体检测的方法、电子设备和存储介质
WO2020159437A1 (en) * 2019-01-29 2020-08-06 Agency For Science, Technology And Research Method and system for face liveness detection
CN109828668A (zh) * 2019-01-30 2019-05-31 维沃移动通信有限公司 一种显示控制方法及电子设备
CN109858471A (zh) * 2019-04-03 2019-06-07 深圳市华付信息技术有限公司 基于图像质量的活体检测方法、装置及计算机设备
US11301586B1 (en) 2019-04-05 2022-04-12 T Stamp Inc. Systems and processes for lossy biometric representations
CN111783505A (zh) * 2019-05-10 2020-10-16 北京京东尚科信息技术有限公司 伪造人脸的识别方法、装置和计算机可读存储介质
CN110245612A (zh) 2019-06-14 2019-09-17 百度在线网络技术（北京）有限公司 人脸图像的检测方法和装置
CN110248100B (zh) * 2019-07-18 2021-02-19 联想(北京)有限公司 一种拍摄方法、装置及存储介质
CN110414437A (zh) * 2019-07-30 2019-11-05 上海交通大学 基于卷积神经网络模型融合篡改人脸检测分析方法和系统
US11443559B2 (en) 2019-08-29 2022-09-13 PXL Vision AG Facial liveness detection with a mobile device
CN110555931A (zh) * 2019-08-31 2019-12-10 华南理工大学 一种基于深度学习识别的人脸检测与门禁系统装置
CN110688946A (zh) * 2019-09-26 2020-01-14 上海依图信息技术有限公司 基于图片识别的公有云静默活体检测设备和方法
US11687778B2 (en) 2020-01-06 2023-06-27 The Research Foundation For The State University Of New York Fakecatcher: detection of synthetic portrait videos using biological signals
US11403369B2 (en) 2020-01-21 2022-08-02 Disney Enterprises, Inc. Secure content processing pipeline
CN111339832B (zh) * 2020-02-03 2023-09-12 中国人民解放军国防科技大学 人脸合成图像的检测方法及装置
US11425120B2 (en) 2020-02-11 2022-08-23 Disney Enterprises, Inc. Systems for authenticating digital contents
CN111444873B (zh) * 2020-04-02 2023-12-12 北京迈格威科技有限公司 视频中人物真伪的检测方法、装置、电子设备及存储介质
CN111611873A (zh) * 2020-04-28 2020-09-01 平安科技（深圳）有限公司 人脸替换检测方法及装置、电子设备、计算机存储介质
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
CN111739046A (zh) * 2020-06-19 2020-10-02 百度在线网络技术（北京）有限公司 用于模型更新和检测图像的方法、装置、设备和介质
CN112085701A (zh) * 2020-08-05 2020-12-15 深圳市优必选科技股份有限公司 一种人脸模糊度检测方法、装置、终端设备及存储介质
CN111986180B (zh) * 2020-08-21 2021-07-06 中国科学技术大学 基于多相关帧注意力机制的人脸伪造视频检测方法
CN112307973B (zh) * 2020-10-30 2023-04-18 中移（杭州）信息技术有限公司 活体检测方法、系统、电子设备和存储介质
CN112689159B (zh) * 2020-12-22 2023-04-18 深圳市九洲电器有限公司 视频文件处理方法、装置、终端设备以及存储介质
CN112580621B (zh) * 2020-12-24 2022-04-29 成都新希望金融信息有限公司 身份证翻拍识别方法、装置、电子设备及存储介质
CN114760524A (zh) * 2020-12-25 2022-07-15 深圳Tcl新技术有限公司 视频处理方法、装置、智能终端及计算机可读存储介质
CN112733760B (zh) * 2021-01-15 2023-12-12 上海明略人工智能(集团)有限公司 人脸防伪检测方法及系统
CN113095272B (zh) * 2021-04-23 2024-03-29 深圳前海微众银行股份有限公司 活体检测方法、设备、介质及计算机程序产品
CN112906676A (zh) * 2021-05-06 2021-06-04 北京远鉴信息技术有限公司 人脸图像来源的识别方法、装置、存储介质及电子设备
CN113538185A (zh) * 2021-07-15 2021-10-22 山西安弘检测技术有限公司 一种放射卫生检测的模拟训练方法及装置
CN113486853B (zh) * 2021-07-29 2024-02-27 北京百度网讯科技有限公司 视频检测方法及装置、电子设备和介质
CN113869906A (zh) * 2021-09-29 2021-12-31 北京市商汤科技开发有限公司 人脸支付方法及装置、存储介质
TWI807851B (zh) * 2022-06-08 2023-07-01 中華電信股份有限公司 一種領域泛化之人臉防偽的特徵解析系統、方法及其電腦可讀媒介
CN115063870B (zh) * 2022-07-08 2024-04-30 广东警官学院(广东省公安司法管理干部学院) 一种基于面部动作单元的伪造视频人像检测方法
CN115272130A (zh) * 2022-08-22 2022-11-01 苏州大学 基于多光谱级联归一化的图像去摩尔纹系统及方法

Family Cites Families (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2419792B (en) * 2003-02-18 2007-01-31 Samsung Electronics Co Ltd Neural networks
US7418128B2 (en) * 2003-07-31 2008-08-26 Microsoft Corporation Elastic distortions for automatic generation of labeled data
JPWO2006088042A1 (ja) * 2005-02-16 2008-07-03 松下電器産業株式会社 生体判別装置および認証装置ならびに生体判別方法
CN101833646B (zh) * 2009-03-11 2012-05-02 北京中科虹霸科技有限公司 一种虹膜活体检测方法
CN101669824B (zh) * 2009-09-22 2012-01-25 浙江工业大学 基于生物特征识别的人与身份证同一性检验装置
US9026580B2 (en) * 2009-11-20 2015-05-05 Microsoft Technology Licensing, Llc Validation pipeline
US9202105B1 (en) * 2012-01-13 2015-12-01 Amazon Technologies, Inc. Image analysis for user authentication
US9025830B2 (en) * 2012-01-20 2015-05-05 Cyberlink Corp. Liveness detection system based on face behavior
CN102622588B (zh) * 2012-03-08 2013-10-09 无锡中科奥森科技有限公司 双验证人脸防伪方法及装置
US9177246B2 (en) * 2012-06-01 2015-11-03 Qualcomm Technologies Inc. Intelligent modular robotic apparatus and methods
US10452894B2 (en) * 2012-06-26 2019-10-22 Qualcomm Incorporated Systems and method for facial verification
US9811775B2 (en) * 2012-12-24 2017-11-07 Google Inc. Parallelizing neural networks during training
CN103106397B (zh) * 2013-01-19 2016-09-21 华南理工大学 基于亮瞳效应的人脸活体检测方法
CN104143078B (zh) * 2013-05-09 2016-08-24 腾讯科技（深圳）有限公司 活体人脸识别方法、装置和设备
US9460382B2 (en) * 2013-12-23 2016-10-04 Qualcomm Incorporated Neural watchdog
CN103886301B (zh) 2014-03-28 2017-01-18 北京中科奥森数据科技有限公司 一种人脸活体检测方法
US9484022B2 (en) * 2014-05-23 2016-11-01 Google Inc. Training multiple neural networks with different accuracy
US20160005050A1 (en) * 2014-07-03 2016-01-07 Ari Teman Method and system for authenticating user identity and detecting fraudulent content associated with online activities
CN105447432B (zh) * 2014-08-27 2019-09-13 杨健伟 一种基于局部运动模式的人脸防伪方法
US10417525B2 (en) * 2014-09-22 2019-09-17 Samsung Electronics Co., Ltd. Object recognition with reduced neural network weight precision
CN105376469B (zh) 2014-11-03 2018-11-13 苏州思源科安信息技术有限公司 一种用于生物特征识别移动终端的驱动自动聚焦方法
CN104615997B (zh) * 2015-02-15 2018-06-19 四川川大智胜软件股份有限公司 一种基于多摄像机的人脸防伪方法
CN106033435B (zh) * 2015-03-13 2019-08-02 北京贝虎机器人技术有限公司 物品识别方法和装置，室内地图生成方法和装置
US10079827B2 (en) * 2015-03-16 2018-09-18 Ricoh Company, Ltd. Information processing apparatus, information processing method, and information processing system
CN204481940U (zh) * 2015-04-07 2015-07-15 北京市商汤科技开发有限公司 双目摄像头拍照移动终端
WO2016172872A1 (zh) * 2015-04-29 2016-11-03 北京旷视科技有限公司 用于验证活体人脸的方法、设备和计算机程序产品
CN104766072A (zh) * 2015-04-29 2015-07-08 深圳市保千里电子有限公司 一种活体人脸识别的装置及其使用方法
WO2016197298A1 (zh) * 2015-06-08 2016-12-15 北京旷视科技有限公司 活体检测方法、活体检测系统以及计算机程序产品
US10878320B2 (en) * 2015-07-22 2020-12-29 Qualcomm Incorporated Transfer learning in neural networks
CN105023005B (zh) * 2015-08-05 2018-12-07 王丽婷 人脸识别装置及其识别方法
CN105117695B (zh) * 2015-08-18 2017-11-24 北京旷视科技有限公司 活体检测设备和活体检测方法
CN105005779A (zh) * 2015-08-25 2015-10-28 湖北文理学院 基于交互式动作的人脸验证防伪识别方法及系统
CN105205455B (zh) * 2015-08-31 2019-02-26 李岩 一种移动平台上人脸识别的活体检测方法及系统
CN105224924A (zh) * 2015-09-29 2016-01-06 小米科技有限责任公司 活体人脸识别方法和装置
CN106897658B (zh) * 2015-12-18 2021-12-14 腾讯科技（深圳）有限公司 人脸活体的鉴别方法和装置
CN105513221B (zh) * 2015-12-30 2018-08-14 四川川大智胜软件股份有限公司 一种基于三维人脸识别的atm机防欺诈装置及系统
CN105718863A (zh) * 2016-01-15 2016-06-29 北京海鑫科金高科技股份有限公司 一种人脸活体检测方法、装置及系统
CN105718874A (zh) * 2016-01-18 2016-06-29 北京天诚盛业科技有限公司 活体检测及认证的方法和装置
CN105930797B (zh) * 2016-04-21 2019-03-26 腾讯科技（深圳）有限公司 一种人脸验证方法及装置
CN106096519A (zh) * 2016-06-01 2016-11-09 腾讯科技（深圳）有限公司 活体鉴别方法及装置
CN106203305B (zh) * 2016-06-30 2020-02-04 北京旷视科技有限公司 人脸活体检测方法和装置
KR102483642B1 (ko) * 2016-08-23 2023-01-02 삼성전자주식회사 라이브니스 검사 방법 및 장치
US10664722B1 (en) * 2016-10-05 2020-05-26 Digimarc Corporation Image processing arrangements
CN106372629B (zh) * 2016-11-08 2020-02-07 汉王科技股份有限公司 一种活体检测方法和装置
CN108229326A (zh) * 2017-03-16 2018-06-29 北京市商汤科技开发有限公司 人脸防伪检测方法和系统、电子设备、程序和介质
KR102387571B1 (ko) * 2017-03-27 2022-04-18 삼성전자주식회사 라이브니스 검사 방법 및 장치
KR102324468B1 (ko) * 2017-03-28 2021-11-10 삼성전자주식회사 얼굴 인증을 위한 장치 및 방법
CN108229120B (zh) * 2017-09-07 2020-07-24 北京市商汤科技开发有限公司 人脸解锁及其信息注册方法和装置、设备、程序、介质
US10970571B2 (en) * 2018-06-04 2021-04-06 Shanghai Sensetime Intelligent Technology Co., Ltd. Vehicle control method and system, vehicle-mounted intelligent system, electronic device, and medium

Also Published As

Publication number Publication date
WO2018166525A1 (zh) 2018-09-20
CN108229325A (zh) 2018-06-29
CN108229331A (zh) 2018-06-29
US11080517B2 (en) 2021-08-03
CN108229328A (zh) 2018-06-29
CN108229329A (zh) 2018-06-29
CN108229326A (zh) 2018-06-29
WO2018166524A1 (zh) 2018-09-20
US20190318156A1 (en) 2019-10-17
US11482040B2 (en) 2022-10-25
WO2018166515A1 (zh) 2018-09-20
US20210200995A1 (en) 2021-07-01

Similar Documents

Publication Publication Date Title
CN108229329B (zh) 人脸防伪检测方法和系统、电子设备、程序和介质
KR102324706B1 (ko) 얼굴인식 잠금해제 방법 및 장치, 기기, 매체
Scherhag et al. Detection of face morphing attacks based on PRNU analysis
CN109325933B (zh) 一种翻拍图像识别方法及装置
US9704230B2 (en) Feedback to user for indicating augmentability of an image
WO2022001509A1 (zh) 图像优化方法、装置、计算机存储介质以及电子设备
US20200410074A1 (en) Identity authentication method and apparatus, electronic device, and storage medium
Gao et al. Single-view recaptured image detection based on physics-based features
CN115699114B (zh) 用于分析的图像增广的方法和装置
US11263442B1 (en) Systems and methods for passive-subject liveness verification in digital media
CN111368601B (zh) 活体检测方法和装置、电子设备和计算机可读存储介质
JP5015126B2 (ja) 画像生成方法、画像認証方法、画像生成装置、画像認証装置、プログラム、および記録媒体
CN111753595A (zh) 活体检测方法和装置、设备和存储介质
TWI525555B (zh) 影像處理裝置及處理方法
US11373449B1 (en) Systems and methods for passive-subject liveness verification in digital media
JP5832656B2 (ja) 画像中のテキストの検出を容易にする方法及び装置
Ng et al. Discrimination of computer synthesized or recaptured images from real images
JP7264308B2 (ja) 二次元顔画像の２つ以上の入力に基づいて三次元顔モデルを適応的に構築するためのシステムおよび方法
JP2004038980A (ja) 画像を解析する方法、しきい値を生成する方法、該方法を実行するコンピュータプログラム、該プログラムを記憶するコンピュータ可読媒体および該方法を実行するように適応した装置
CN108629333A (zh) 一种低照度的人脸图像处理方法、装置、设备及可读介质
CN117764812A (zh) 图像生成方法、装置、电子设备及介质
CN112560819A (zh) 一种用户身份的验证方法、装置、电子设备及存储介质
CN116486202A (zh) 活体人脸检测模型的训练样本确定方法及装置、设备
CN117423129A (zh) 一种文档图像翻拍检测方法、装置、电子设备及存储介质
Doyoddorj Forgery Detection and Counter-Forensics for Image Manipulation

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