CN108229331A - 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
CN108229331A
CN108229331A CN201711289396.6A CN201711289396A CN108229331A CN 108229331 A CN108229331 A CN 108229331A CN 201711289396 A CN201711289396 A CN 201711289396A CN 108229331 A CN108229331 A CN 108229331A
Authority
CN
China
Prior art keywords
face
image
detected
counterfeiting detection
detection
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
Application number
CN201711289396.6A
Other languages
English (en)
Inventor
杨凯
吴立威
赵晨旭
程郑鑫
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
Priority to PCT/CN2018/079273 priority Critical patent/WO2018166525A1/zh
Publication of CN108229331A publication Critical patent/CN108229331A/zh
Pending legal-status Critical Current

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
    • 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、程序和介质，其中，方法包括：通过多目摄像头采集的包括人脸的多个待检测图像，获取所述待检测图像中人脸图像的深度信息；将获取的人脸的深度信息与预设人脸深度信息进行相符性比较；根据所述相符性比较结果确定所述人脸是否通过防伪检测。本发明实施例使用多目摄像头采集的图像中的深度信息，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：
通过多目摄像头采集的包括人脸的多个待检测图像，获取所述待检测图像中人脸图像的深度信息；
将获取的人脸的深度信息与预设人脸深度信息进行相符性比较；
根据所述相符性比较结果确定所述人脸是否通过防伪检测。
可选地，在本发明上述各实施例的方法中，所述多目摄像头包括：一个或多个可见光摄像头，和/或，一个或多个特定摄像头；
所述特定摄像头包括以下任意一种或多种：近红外摄像头，红外摄像头，低照度可见光摄像头，宽动态摄像头。
可选地，在本发明上述各实施例的方法中，所述多目摄像头包括特定摄像头时，所述方法还包括：基于所述特定摄像头采集的待检测图像进行人脸防伪检测；
所述根据所述相符性比较结果确定所述人脸是否通过防伪检测，包括：响应于基于所述特定摄像头采集的待检测图像通过人脸防伪检测、且所述相符性比较结果满足预定要求，确定所述人脸通过防伪检测。
可选地，在本发明上述各实施例的方法中，所述多目摄像头包括红外摄像头或近红外摄像头时，基于所述特定摄像头采集的待检测图像进行人脸防伪检测，包括：
根据从所述红外摄像头或所述近红外摄像头采集的待检测图像中是否检测到人脸图像，进行人脸防伪检测；和/或，根据所述人脸图像中瞳孔的状态进行人脸防伪检测；
响应于从所述红外摄像头或所述近红外摄像头采集的待检测图像中未检测到人脸图像、和/或检测到的人脸图像中瞳孔的状态未呈预设状态，所述待检测图像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，所述多目摄像头中还包括可见光摄像头；
基于所述特定摄像头采集的待检测图像进行人脸防伪检测，还包括：
识别所述可见光摄像头采集的待检测图像中瞳孔的状态是否呈预设状态；
响应于所述可见光摄像头采集的待检测图像中瞳孔的状态呈预设状态，所述待检测图像中的人脸未通过防伪检测。
可选地，在本发明上述各实施例的方法中，所述多目摄像头包括宽动态摄像头时，基于所述特定摄像头采集的待检测图像进行人脸防伪检测，包括：
检测所述宽动态摄像头采集的待检测图像中是否包括摩尔纹，进行人脸防伪检测；
响应于所述宽动态摄像头采集的待检测图像中包括摩尔纹，所述待检测图像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：
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；
所述根据所述相符性比较结果确定所述人脸是否通过防伪检测，包括：
响应于基于所述特定摄像头采集的待检测图像通过人脸防伪检测、且所述相符性比较结果满足预定要求，且提取的特征中未包含伪造人脸线索信息，所述人脸通过防伪检测。
可选地，在本发明上述各实施例的方法中，基于所述特定摄像头采集的待检测图像通过人脸防伪检测、且所述相符性比较结果满足预定要求，执行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的操作。
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，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。
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。
所述方法还包括：
所述电子设备将所述待检测图像发送给服务器；
以及所述服务器将提取的特征中是否包含伪造人脸线索信息的检测结果发送给所述电子设备。
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，所述电子设备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，所述根据所述相符性比较结果确定所述人脸是否通过防伪检测，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；
所述根据所述相符性比较结果确定所述人脸是否通过防伪检测，包括：所述电子设备根据基于所述特定摄像头采集的待检测图像是否通过人脸防伪检测、所述相符性比较结果是否满足预定要求、以及所述第二神经网络输出的检测结果确定所述待人脸是否通过防伪检测。
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：
多目摄像头，用于采集包括人脸的多个待检测图像；
第一获取模块，用于通过多目摄像头采集的包括人脸的多个待检测图像，获取所述待检测图像中人脸图像的深度信息；
比较模块，用于将获取的人脸的深度信息与预设人脸深度信息进行相符性比较；
确定模块，用于根据所述相符性比较结果确定所述人脸是否通过防伪检测。
可选地，在本发明上述各实施例的系统中，所述多目摄像头包括：一个或多个可见光摄像头，和/或，一个或多个特定摄像头；
所述特定摄像头包括以下任意一种或多种：近红外摄像头，红外摄像头，低照度可见光摄像头，宽动态摄像头。
可选地，在本发明上述各实施例的系统中，所述多目摄像头包括特定摄像头时，所述系统还包括：
第一人脸防伪检测模块，用于基于所述特定摄像头采集的待检测图像进行人脸防伪检测；
所述确定模块具体用于：响应于基于所述特定摄像头采集的待检测图像通过人脸防伪检测、且所述相符性比较结果满足预定要求，确定所述人脸通过防伪检测。
可选地，在本发明上述各实施例的系统中，所述多目摄像头包括红外摄像头或近红外摄像头时，第一人脸防伪检测模块具体用于：
根据从所述红外摄像头或所述近红外摄像头采集的待检测图像中是否检测到人脸图像，进行人脸防伪检测；和/或，根据所述人脸图像中瞳孔的状态进行人脸防伪检测；
响应于从所述红外摄像头或所述近红外摄像头采集的待检测图像中未检测到人脸图像、和/或检测到的人脸图像中瞳孔的状态未呈预设状态，所述待检测图像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，所述多目摄像头中还包括可见光摄像头；
所述第一人脸防伪检测模块还用于：
识别所述可见光摄像头采集的待检测图像中瞳孔的状态是否呈预设状态；
响应于所述可见光摄像头采集的待检测图像中瞳孔的状态呈预设状态，所述待检测图像中的人脸未通过防伪检测。
可选地，在本发明上述各实施例的系统中，所述多目摄像头包括宽动态摄像头时，所述第一人脸防伪检测模块具体用于：
检测所述宽动态摄像头采集的待检测图像中是否包括摩尔纹，进行人脸防伪检测；
响应于所述宽动态摄像头采集的待检测图像中包括摩尔纹，所述待检测图像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，还包括：
第二人脸防伪检测模块，用于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；
所述确定模块具体用于：
响应于基于所述特定摄像头采集的待检测图像通过人脸防伪检测、且所述相符性比较结果满足预定要求，且提取的特征中未包含伪造人脸线索信息，确定所述人脸通过防伪检测。
可选地，在本发明上述各实施例的系统中，所述第二人脸防伪检测模块，具体用于基于所述特定摄像头采集的待检测图像通过人脸防伪检测、且所述相符性比较结果满足预定要求，开始执行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的操作。
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，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，所述第二人脸防伪检测模块包括：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。
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；
所述系统还包括：
第一发送模块，位于所述电子设备中，用于将所述待检测图像发送给服务器；和/或，
第二发送模块，位于所述服务器中，用于将所述第二神经网络输出的、所述提取的特征中是否包含伪造人脸线索信息的检测结果发送给所述电子设备。
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，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；所述第一神经网络的大小小于所述第二神经网络的大小；
所述第一发送模块，具体用于响应于所述第一神经网络输出的、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。
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，通过多目摄像头采集的包括人脸的多个待检测图像，获取待检测图像中人脸图像的深度信息；将获取的人脸的深度信息与预设人脸深度信息进行相符性比较；根据相符性比较结果确定人脸是否通过防伪检测，本发明实施例使用多目摄像头采集的图像中的深度信息，实现了有效的人脸防伪检测。
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为本发明实施例中双目摄像头的一个示意图。
图3为本发明人脸防伪检测方法另一个实施例的流程图。
图4为本发明人脸防伪检测方法又一个实施例的流程图。
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、服务器等终端设备，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、服务器等终端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、服务器等终端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，通过多目摄像头采集的包括人脸的多个待检测图像，获取该待检测图像中人脸图像的深度信息。
本发明各实施例中的多目摄像头例如可以是双目摄像头、三目摄像头、四目摄像头等，分别表示有几个摄像头。在其中一个可选示例中，多目摄像头例如可以包括但不限于：一个或多个可见光摄像头，和/或，一个或多个特定摄像头。其中的特定摄像头例如可以包括但不限于以下任意一种或多种：近红外摄像头，红外摄像头，低照度可见光摄像头，宽动态摄像头。在本发明实施例的一个应用实例中，可以采用包含近红外摄像头加低照度可见光摄像头的双目摄像头、或者包含近红外摄像头加宽动态可见光摄像头的双目摄像头。如图2所示，为本发明实施例中双目摄像头的一个示意图。
本发明各实施例中，深度信息是指被拍摄者(即：人脸)与多目摄像头的镜头之间的距离，可以通过对多目摄像头中任意两个或以上摄像头参数的标定，可以计算出被拍摄的人脸与镜头之间的距离，即：该待检测图像中人脸图像的深度信息。其中，摄像头参数例如可以包括：摄像头的内参(焦距，图像中心，畸变系数等)和外参(R(旋转)矩阵，T(平移)矩阵)。
104，将获取的人脸的深度信息与预设人脸深度信息进行相符性比较。
伪造人脸一般不包含深度信息，例如一般真人的人脸中每个五官到摄像头的深度信息都是不一样的、应该有所差异，可以根据经验设置预设人脸深度信息，例如对大量人脸的深度信息进行统计、并允许一定的偏差范围，获得预设人脸深度信息；但是如果是纸上或者是设备上伪造人脸，五官到摄像头的深度信息几乎是一样的，根据获取的人脸的五官到摄像头的深度信息中是否有差异、以及差异情况是否满足预设人脸深度信息，来判断获取的人脸的深度信息与预设人脸深度信息是否相符。
106，根据相符性比较结果确定上述待检测图像中的人脸是否通过防伪检测。
如果获取的人脸的五官到摄像头的深度信息有差异、且差异情况满足预设人脸深度信息，则确定上述待检测图像中的人脸通过防伪检测。否则，若获取的人脸的五官到摄像头的深度信息无差异、和/或差异情况不满足预设人脸深度信息，确定上述待检测图像中的人脸未通过防伪检测。
基于本发明上述实施例提供的人脸防伪检测方法，通过多目摄像头采集的包括人脸的多个待检测图像，获取待检测图像中人脸图像的深度信息；将获取的人脸的深度信息与预设人脸深度信息进行相符性比较；根据相符性比较结果确定人脸是否通过防伪检测，本发明实施例使用多目摄像头采集的图像中的深度信息，实现了有效的人脸防伪检测。
本发明人通过研究发现：伪造人脸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类伪造人脸一般不包含深度信息(例如一般真人的人脸中每个五官到摄像头的深度信息都是不一样的，但是如果是纸上或者是设备上伪造人脸，五官到摄像头的深度信息几乎是一样的)，并且还含有纸质人脸的边缘、纸张材质、纸面反光、纸张边缘等伪造人脸线索信息。
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类伪造人脸一般不包含深度信息、并且还包含视频翻拍设备等载体设备的屏幕摩尔纹、屏幕反光、屏幕边缘等伪造人脸线索信息。
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类伪造人脸无法吸收一些特定摄像头发射的光源、并且同样具备相应的伪造人脸线索信息，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。
在多目摄像头包括特定摄像头时，在本发明人脸防伪检测方法的另一个实施例中，还可以包括：基于特定摄像头采集的待检测图像进行人脸防伪检测。相应地，该实施例中，根据相符性比较结果确定人脸是否通过防伪检测，可以包括：响应于基于特定摄像头采集的待检测图像通过人脸防伪检测、且相符性比较结果满足预定要求，确定待检测图像中的人脸通过防伪检测。
在多目摄像头包括红外摄像头或近红外摄像头时，在本发明各实施例的一个实施方式中，基于特定摄像头采集的待检测图像进行人脸防伪检测，可以包括：
根据从红外摄像头或近红外摄像头采集的待检测图像中是否检测到人脸图像，进行人脸防伪检测；和/或，根据人脸图像中瞳孔的状态进行人脸防伪检测；
响应于从红外摄像头或近红外摄像头采集的待检测图像中未检测到人脸图像、和/或检测到的人脸图像中瞳孔的状态未呈预设状态，待检测图像未通过人脸防伪检测。
在红外摄像头(例如其中的近红外摄像头)近红外摄像头前，一般正常真人的瞳孔会呈现高亮透明的状态，纸质打印人脸、模特和雕塑等伪造人脸的瞳孔均不会出现这种状态；而通过电子设备承载的伪造人脸在近红外摄像头前不会成像(即：屏幕一片黑暗)，可以通过区分瞳孔的状态、以及是否检测到人脸图像来区分待检测图像中的人脸是否为伪造人脸。
另外，在本发明各实施例的另一个实施方式中，多目摄像头中还可以包括可见光摄像头。相应地，基于特定摄像头采集的待检测图像进行人脸防伪检测，还可以包括：
识别可见光摄像头采集的待检测图像中瞳孔的状态是否呈预设状态；
响应于可见光摄像头采集的待检测图像中瞳孔的状态呈预设状态，待检测图像中的人脸未通过防伪检测。
基于上述实施例，采用红外摄像头加可见光摄像头组成的双目摄像头进行人脸防伪检测时，可以通过采集到一个真人的近红外照片并使用纸张打印出来进行攻击，因为打印出来的人脸瞳孔是被近红外摄像头拍摄所以会呈现高亮透明状态；这种情况可以通过可见光摄像头辅助进行判断，因为在可见光摄像头前人的瞳孔应呈现正常状态，但是近红外拍摄并打印的人脸瞳孔高亮透明，两个摄像头相辅相成从而达到人脸防伪检测效果。
在本发明上述各实施例的又一个实施方式中，多目摄像头包括宽动态摄像头时，基于特定摄像头采集的待检测图像进行人脸防伪检测，可以包括：
检测宽动态摄像头采集的待检测图像中是否包括摩尔纹，进行人脸防伪检测；
响应于宽动态摄像头采集的待检测图像中包括摩尔纹，待检测图像未通过人脸防伪检测。
宽动态摄像头一般会多次曝光，在逆光比较严重的应用场景会有减少光线的影响，从而提高人脸识别与人脸防伪检测的鲁棒性。
基于获取的人脸的深度信息，便可以识别对待检测图像中可能存在的2D类和2.5D类伪造人脸线索信息，从而实现对2D类和2.5D类伪造人脸的检测；通用多目摄像头中的特定摄像头，可以更加有效的甄别来自3D类的伪造人脸和一些2.5D类伪造人脸。例如，多目摄像头中的近红外摄像头拍摄图像中无法检测到人脸则活体检测失败；或者多目摄像头中的宽动态摄像头拍摄图像中出现大量摩尔纹则活体检测失败；在光线较暗的应用场景，多目摄像头中包括低照度摄像头时，可以减少光线的影响从而提高人脸识别与人脸防伪检测的鲁棒性。
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：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。在其中一个可选示例中，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。相应地，该实施例中，根据相符性比较结果确定人脸是否通过防伪检测，可以包括：根据基于特定摄像头采集的待检测图像是否通过人脸防伪检测、相符性比较结果是否满足预定要求、以及提取的特征中是否包含伪造人脸线索信息，人脸通过防伪检测。响应于基于特定摄像头采集的待检测图像通过人脸防伪检测、且相符性比较结果满足预定要求，且提取的特征中未包含伪造人脸线索信息，确定人脸通过防伪检测。否则，若基于特定摄像头采集的待检测图像未通过人脸防伪检测、和/或相符性比较结果满足预定要求、和/或提取的特征中未包含伪造人脸线索信息，只要出现这三种情况中的任一情况，确定人脸未通过防伪检测。
图3为本发明人脸防伪检测方法一个实施例的流程图。如图3所示，该实施例的人脸防伪检测方法包括：
202，通过多目摄像头采集的包括人脸的多个待检测图像，获取该待检测图像中人脸图像的深度信息。
本发明各实施例中的多目摄像头例如可以是双目摄像头、三目摄像头、四目摄像头等。
204，将获取的人脸的深度信息与预设人脸深度信息进行相符性比较；以及基于特定摄像头采集的待检测图像进行人脸防伪检测。
其中，可以采用但不限于本发明上述各实施例的方式，实现基于特定摄像头采集的待检测图像进行人脸防伪检测的操作。
206，响应于基于特定摄像头采集的待检测图像通过人脸防伪检测、且相符性比较结果满足预定要求，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。
若操作204中，基于特定摄像头采集的待检测图像通过人脸防伪检测、和/或相符性比较结果不满足预定要求，不执行本实施例的后续流程，或者还可以进一步输出上述待检测图像中人脸未通过防伪检测提示消息。
208，根据提取的特征中是否包含伪造人脸线索信息的检测结果，确定上述待检测图像中的人脸是否通过防伪检测。
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。
基于该实施例，还通过提取该待检测图像或视频的特征、并检测提取的特征中是否包含伪造人脸线索信息，进一步对待检测图像中的人脸进行防伪检测，根据检测结果确定该待检测图像或视频是否通过人脸防伪检测，通过多重手段进行人脸防伪检测，进一步提升了人脸防伪检测结果的鲁棒性和准确性，且无需依赖于特殊的多光谱设备，便可以实现在可见光条件下的有效人脸防伪检测，且无需借助于特殊的硬件设备，降低了由此导致的硬件成本，可方便应用于各种人脸检测场景。
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。
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，电子设备将待检测图像发送给服务器。相应地，该实施例中，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。该实施例的人脸防伪检测方法还包括：服务器将提取的特征中是否包含伪造人脸线索信息的检测结果发送给电子设备。
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。
图4为本发明人脸防伪检测方法一个实施例的流程图。如图4所示，该实施例的人脸防伪检测方法包括：
302，电子设备通过多目摄像头采集的包括人脸的多个待检测图像，获取该待检测图像中人脸图像的深度信息。
本发明各实施例中的多目摄像头例如可以是双目摄像头、三目摄像头、四目摄像头等。
304，电子设备将获取的人脸的深度信息与预设人脸深度信息进行相符性比较；以及基于特定摄像头采集的待检测图像进行人脸防伪检测。
其中，可以采用但不限于本发明上述各实施例的方式，实现基于特定摄像头采集的待检测图像进行人脸防伪检测的操作。
306，响应于基于特定摄像头采集的待检测图像通过人脸防伪检测、且相符性比较结果满足预定要求，电子设备将待检测图像输入第一神经网络，并经第一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。
若操作304中，基于特定摄像头采集的待检测图像通过人脸防伪检测、和/或相符性比较结果不满足预定要求，不执行本实施例的后续流程，或者还可以进一步输出上述待检测图像中人脸未通过防伪检测提示消息。
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。
308，响应于第一神经网络输出待检测图像未包含伪造人脸线索信息的检测结果，电子设备将该待检测图像发送给服务器。
若操作306中，第一神经网络输出待检测图像包含伪造人脸线索信息的检测结果，电子设备可以输出上述待检测图像中的人脸未通过防伪检测的提示消息，不执行本实施例的后续流程。
310，服务器将待检测图像输入第二神经网络，并经第二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，并将该检测结果返回电子设备。
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。
312，电子设备根据服务器返回的第二神经网络输出的检测结果，确定上述待检测图像中的人脸是否通过防伪检测。
若第二神经网络输出的检测结果为待检测图像未包含任何伪造人脸线索信息的检测结果，则确定上述待检测图像中的人脸通过防伪检测。否则，若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的检测结果，则确定上述待检测图像中的人脸未通过防伪检测。
在其中一个可选示例中，本发明上述各实施例的电子设备例如可以是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。
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：电子设备和服务器等。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：多目摄像头，第一获取模块，比较模块和确定模块。其中：
多目摄像头，用于采集包括人脸的多个待检测图像。本发明各实施例中的多目摄像头例如可以是双目摄像头、三目摄像头、四目摄像头等。在其中一个可选示例中，多目摄像头例如可以包括但不限于：一个或多个可见光摄像头，和/或，一个或多个特定摄像头。其中的特定摄像头例如可以包括但不限于以下任意一种或多种：近红外摄像头，红外摄像头，低照度可见光摄像头，宽动态摄像头。
第一获取模块，用于通过多目摄像头采集的包括人脸的多个待检测图像，获取待检测图像中人脸图像的深度信息。
比较模块，用于将获取的人脸的深度信息与预设人脸深度信息进行相符性比较。
确定模块，用于根据相符性比较结果确定人脸是否通过防伪检测。
基于本发明上述实施例提供的人脸防伪检测系统，通过多目摄像头采集的包括人脸的多个待检测图像，获取待检测图像中人脸图像的深度信息；将获取的人脸的深度信息与预设人脸深度信息进行相符性比较；根据相符性比较结果确定人脸是否通过防伪检测，本发明实施例使用多目摄像头采集的图像中的深度信息，实现了有效的人脸防伪检测。
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，在上述实施例的多目摄像头包括特定摄像头时，该实施例的人脸防伪检测系统还可以包括：第一人脸防伪检测模块，用于基于特定摄像头采集的待检测图像进行人脸防伪检测。相应地，该实施例中，确定模块具体用于响应于基于特定摄像头采集的待检测图像通过人脸防伪检测、且相符性比较结果满足预定要求，确定上述待检测图像中的人脸通过防伪检测。
在其中一个可选示例中，多目摄像头包括红外摄像头或近红外摄像头时，第一人脸防伪检测模块具体用于：根据从红外摄像头或近红外摄像头采集的待检测图像中是否检测到人脸图像，进行人脸防伪检测；和/或，根据人脸图像中瞳孔的状态进行人脸防伪检测。响应于从红外摄像头或近红外摄像头采集的待检测图像中未检测到人脸图像、和/或检测到的人脸图像中瞳孔的状态未呈预设状态，待检测图像未通过人脸防伪检测。
在另一个可选示例中，多目摄像头中还包括可见光摄像头。相应地，该实施例中，第一人脸防伪检测模块还用于：识别可见光摄像头采集的待检测图像中瞳孔的状态是否呈预设状态。响应于可见光摄像头采集的待检测图像中瞳孔的状态呈预设状态，待检测图像中的人脸未通过防伪检测。
在又一个可选示例中，多目摄像头包括宽动态摄像头时，第一人脸防伪检测模块具体用于：检测宽动态摄像头采集的待检测图像中是否包括摩尔纹，进行人脸防伪检测。响应于宽动态摄像头采集的待检测图像中包括摩尔纹，待检测图像未通过人脸防伪检测。
另外，再参见图6，上述各实施例的人脸防伪检测系统还可以选择性地包括：第二人脸防伪检测模块，用于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。相应地，该实施例中，确定模块具体用于响应于基于特定摄像头采集的待检测图像通过人脸防伪检测、且相符性比较结果满足预定要求，且提取的特征中未包含伪造人脸线索信息，确定人脸通过防伪检测。
在其中一个可选示例中，第二人脸防伪检测模块，具体用于基于特定摄像头采集的待检测图像通过人脸防伪检测、且相符性比较结果满足预定要求，开始执行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的操作。
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，第二人脸防伪检测模块包括：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，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。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；
另外，上述各实施例的人脸防伪检测系统还可以选择性地包括：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。
在其中一个实施方式中，上述神经网络包括位于电子设备中的第一神经网络。
在另一个实施方式中，上述神经网络包括位于服务器中的第二神经网络。相应地，该实施例的人脸防伪检测系统还可以包括：第一发送模块和/或第二发送模块。其中：
第一发送模块，位于电子设备中，用于将待检测图像发送给服务器；
第二发送模块，位于服务器中，用于将第二神经网络输出的、提取的特征中是否包含伪造人脸线索信息的检测结果发送给电子设备。
如图7所示，为本发明人脸防伪检测系统在该另一个实施方式下的一个结构示意图。
另外，再参见图7，上述实施例的人脸防伪检测系统中，神经网络还包括：位于电子设备中的第一神经网络，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。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，第一发送模块具体用于响应于第一神经网络输出的、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。
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电子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电子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，通过多目摄像头采集的包括人脸的多个待检测图像，获取所述待检测图像中人脸图像的深度信息；将获取的人脸的深度信息与预设人脸深度信息进行相符性比较；根据所述相符性比较结果确定所述人脸是否通过防伪检测。
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 (10)

1.一种人脸防伪检测方法，其特征在于，包括：
通过多目摄像头采集的包括人脸的多个待检测图像，获取所述待检测图像中人脸图像的深度信息；
将获取的人脸的深度信息与预设人脸深度信息进行相符性比较；
根据所述相符性比较结果确定所述人脸是否通过防伪检测。
2.根据权利要求1所述的方法，其特征在于，所述多目摄像头包括：一个或多个可见光摄像头，和/或，一个或多个特定摄像头；
所述特定摄像头包括以下任意一种或多种：近红外摄像头，红外摄像头，低照度可见光摄像头，宽动态摄像头。
3.根据权利要求2所述的方法，其特征在于，所述多目摄像头包括特定摄像头时，所述方法还包括：基于所述特定摄像头采集的待检测图像进行人脸防伪检测；
所述根据所述相符性比较结果确定所述人脸是否通过防伪检测，包括：响应于基于所述特定摄像头采集的待检测图像通过人脸防伪检测、且所述相符性比较结果满足预定要求，确定所述人脸通过防伪检测。
4.根据权利要求3所述的方法，其特征在于，所述多目摄像头包括红外摄像头或近红外摄像头时，基于所述特定摄像头采集的待检测图像进行人脸防伪检测，包括：
根据从所述红外摄像头或所述近红外摄像头采集的待检测图像中是否检测到人脸图像，进行人脸防伪检测；和/或，根据所述人脸图像中瞳孔的状态进行人脸防伪检测；
响应于从所述红外摄像头或所述近红外摄像头采集的待检测图像中未检测到人脸图像、和/或检测到的人脸图像中瞳孔的状态未呈预设状态，所述待检测图像未通过人脸防伪检测。
5.根据权利要求4所述的方法，其特征在于，所述多目摄像头中还包括可见光摄像头；
基于所述特定摄像头采集的待检测图像进行人脸防伪检测，还包括：
识别所述可见光摄像头采集的待检测图像中瞳孔的状态是否呈预设状态；
响应于所述可见光摄像头采集的待检测图像中瞳孔的状态呈预设状态，所述待检测图像中的人脸未通过防伪检测。
6.一种人脸防伪检测系统，其特征在于，包括：
多目摄像头，用于采集包括人脸的多个待检测图像；
第一获取模块，用于通过多目摄像头采集的包括人脸的多个待检测图像，获取所述待检测图像中人脸图像的深度信息；
比较模块，用于将获取的人脸的深度信息与预设人脸深度信息进行相符性比较；
确定模块，用于根据所述相符性比较结果确定所述人脸是否通过防伪检测。
7.一种电子设备，其特征在于，包括权利要求6所述的人脸防伪检测系统。
8.一种电子设备，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1-5任一所述方法的操作。
9.一种计算机程序，包括计算机可读代码，其特征在于，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权利要求1-5任一所述方法中各步骤的指令。
10.一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1-5任一所述方法中各步骤的操作。
CN201711289396.6A 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 Pending CN108229331A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/079273 WO2018166525A1 (zh) 2017-03-16 2018-03-16 人脸防伪检测方法和系统、电子设备、程序和介质

Applications Claiming Priority (2)

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

Publications (1)

Publication Number Publication Date
CN108229331A true CN108229331A (zh) 2018-06-29

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
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
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

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
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

Country Status (3)

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

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110248100A (zh) * 2019-07-18 2019-09-17 联想(北京)有限公司 一种拍摄方法、装置及存储介质
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
CN111488756A (zh) * 2019-01-25 2020-08-04 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
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
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
CN113486853A (zh) * 2021-07-29 2021-10-08 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
US11443559B2 (en) 2019-08-29 2022-09-13 PXL Vision AG Facial liveness detection with a mobile device
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

Families Citing this family (43)

* 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
US11461384B2 (en) * 2018-09-10 2022-10-04 Algoface, Inc. Facial images retrieval 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
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
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
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
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
CN111611873B (zh) * 2020-04-28 2024-07-16 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
US11967173B1 (en) 2020-05-19 2024-04-23 T Stamp Inc. Face cover-compatible biometrics and processes for generating and using same
CN112085701B (zh) * 2020-08-05 2024-06-11 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
US12079371B1 (en) 2021-04-13 2024-09-03 T Stamp Inc. Personal identifiable information encoder
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
CN113869253A (zh) * 2021-09-29 2021-12-31 北京百度网讯科技有限公司 活体检测方法、训练方法、装置、电子设备及介质
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
CN114359798A (zh) * 2021-12-29 2022-04-15 天翼物联科技有限公司 实人认证的数据稽核方法、装置、计算机设备及存储介质
CN114694209A (zh) * 2022-02-07 2022-07-01 湖南信达通信息技术有限公司 视频处理方法、装置、电子设备及计算机存储介质
CN115174138B (zh) * 2022-05-25 2024-06-07 北京旷视科技有限公司 摄像头攻击检测方法、系统、设备、存储介质及程序产品
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

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101833646A (zh) * 2009-03-11 2010-09-15 中国科学院自动化研究所 一种虹膜活体检测方法
CN103106397A (zh) * 2013-01-19 2013-05-15 华南理工大学 基于亮瞳效应的人脸活体检测方法
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
CN105447498A (zh) * 2014-09-22 2016-03-30 三星电子株式会社 配置有神经网络的客户端设备、系统和服务器系统
CN106203305A (zh) * 2016-06-30 2016-12-07 北京旷视科技有限公司 人脸活体检测方法和装置
EP3370188A1 (en) * 2016-04-21 2018-09-05 Tencent Technology (Shenzhen) Company Limited Facial verification method, device, and computer storage medium

Family Cites Families (43)

* 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
EP1829479A1 (en) * 2005-02-16 2007-09-05 Matsushita Electric Industrial Co., Ltd. Biometric discrimination device, authentication device, and biometric discrimination method
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
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
CN105426848B (zh) 2014-11-03 2020-12-18 苏州思源科安信息技术有限公司 一种提高生物识别成功率的成像方法
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
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
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
CN105612533B (zh) * 2015-06-08 2021-03-02 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
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
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
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101833646A (zh) * 2009-03-11 2010-09-15 中国科学院自动化研究所 一种虹膜活体检测方法
CN103106397A (zh) * 2013-01-19 2013-05-15 华南理工大学 基于亮瞳效应的人脸活体检测方法
CN105447498A (zh) * 2014-09-22 2016-03-30 三星电子株式会社 配置有神经网络的客户端设备、系统和服务器系统
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
EP3370188A1 (en) * 2016-04-21 2018-09-05 Tencent Technology (Shenzhen) Company Limited Facial verification method, device, and computer storage medium
CN106203305A (zh) * 2016-06-30 2016-12-07 北京旷视科技有限公司 人脸活体检测方法和装置

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US11830230B2 (en) 2019-01-25 2023-11-28 Hangzhou Hikvision Digital Technology Co., Ltd. Living body detection method based on facial recognition, and electronic device and storage medium
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
CN111488756A (zh) * 2019-01-25 2020-08-04 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
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
CN110248100A (zh) * 2019-07-18 2019-09-17 联想(北京)有限公司 一种拍摄方法、装置及存储介质
US11443559B2 (en) 2019-08-29 2022-09-13 PXL Vision AG Facial liveness detection with a mobile device
US11669607B2 (en) 2019-08-29 2023-06-06 PXL Vision AG ID verification 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
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
CN113486853A (zh) * 2021-07-29 2021-10-08 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
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
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

Also Published As

Publication number Publication date
US11080517B2 (en) 2021-08-03
US11482040B2 (en) 2022-10-25
WO2018166524A1 (zh) 2018-09-20
CN108229328A (zh) 2018-06-29
CN108229329B (zh) 2022-01-28
WO2018166525A1 (zh) 2018-09-20
CN108229326A (zh) 2018-06-29
CN108229329A (zh) 2018-06-29
US20190318156A1 (en) 2019-10-17
WO2018166515A1 (zh) 2018-09-20
US20210200995A1 (en) 2021-07-01
CN108229325A (zh) 2018-06-29

Similar Documents

Publication Publication Date Title
CN108229331A (zh) 人脸防伪检测方法和系统、电子设备、程序和介质
CN108319953B (zh) 目标对象的遮挡检测方法及装置、电子设备及存储介质
CN109359502A (zh) 防伪检测方法和装置、电子设备、存储介质
JP5361987B2 (ja) 画像における自動顔面検出およびアイデンティティマスキングとそのアプリケーション
CN108229120A (zh) 人脸解锁及其信息注册方法和装置、设备、程序、介质
CN109325933A (zh) 一种翻拍图像识别方法及装置
CN108537135A (zh) 对象识别及对象识别网络的训练方法和装置、电子设备
CN108509915A (zh) 人脸识别模型的生成方法和装置
CN108875452A (zh) 人脸识别方法、装置、系统和计算机可读介质
CN112513875B (zh) 眼部纹理修复
CN108875546A (zh) 人脸身份验证方法、系统及存储介质
US11663463B2 (en) Center-biased machine learning techniques to determine saliency in digital images
Ma et al. Change blindness images
CN111597938A (zh) 活体检测、模型训练方法及装置
CN111008935B (zh) 一种人脸图像增强方法、装置、系统及存储介质
CN108388889B (zh) 用于分析人脸图像的方法和装置
CN108875509A (zh) 活体检测方法、装置和系统及存储介质
CN113792623B (zh) 安检ct目标物识别方法和装置
CN109543635A (zh) 活体检测方法、装置、系统、解锁方法、终端及存储介质
Shi et al. Shield: An evaluation benchmark for face spoofing and forgery detection with multimodal large language models
WO2002009024A1 (en) Identity systems
JP7360217B2 (ja) ユーザのバイオメトリック特性を有する当該ユーザの物体の画像からデータを取得するための方法
CN112132107A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
Winnemoller Perceptually-motivated non-photorealistic graphics
CN104091160B (zh) 一种人脸检测方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180629

RJ01 Rejection of invention patent application after publication