CN108363944A - 人脸识别终端双摄防伪方法、装置及系统 - Google Patents

人脸识别终端双摄防伪方法、装置及系统 Download PDF

Info

Publication number
CN108363944A
CN108363944A CN201711464874.2A CN201711464874A CN108363944A CN 108363944 A CN108363944 A CN 108363944A CN 201711464874 A CN201711464874 A CN 201711464874A CN 108363944 A CN108363944 A CN 108363944A
Authority
CN
China
Prior art keywords
face
recognition
gray scale
vivo detection
infrared
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
CN201711464874.2A
Other languages
English (en)
Inventor
徐宇杰
赵五岳
苏亮亮
张波
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.)
Hangzhou Pan Intelligent Technology Co Ltd
Original Assignee
Hangzhou Pan Intelligent Technology 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 Hangzhou Pan Intelligent Technology Co Ltd filed Critical Hangzhou Pan Intelligent Technology Co Ltd
Priority to CN201711464874.2A priority Critical patent/CN108363944A/zh
Publication of CN108363944A publication Critical patent/CN108363944A/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
    • 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)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了人脸识别终端双摄防伪方法、装置及系统，包括采集视频数据步骤、人脸检测步骤、灰度检测步骤、活体检测步骤和人脸识别步骤，首先同时采集红外摄像数据和RGB摄像数据并检测人脸，红外数据检测到人脸才进行灰度检测，然后用RGB摄像数据进行灰度检测，在灰度检测结果为不是灰度的时候，对红外摄像数据进行活体检测，在活体检测结果是活体时才进行人脸识别，判定当前人脸的身份。整个过程不需要人的强配合，识别速度快，识别结果准确，安全性高，适用于各种场景。

Description

人脸识别终端双摄防伪方法、装置及系统
技术领域
本发明涉及人脸识别技术领域，尤其涉及人脸识别终端双摄防伪方法、装置及系统。
背景技术
人脸识别，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。目前的人脸识别算法普遍能达到较好的识别效果，但是照片不像指纹、卡片安全等级较高，人脸极易复制，能轻而易举的获取到用户的照片，此特性限制了人脸识别技术在门控、考勤等需要一定防伪性场景下应用的使用。
各大厂商业推出比较稳定的防伪识别算法需要人员配合实现活体，例如眨眨眼、张张嘴、点点头等方式。这种方式存在很多弊端：交互非常不友好，一套流程走下来至少10秒以上，在人流密集的场景下(上班考勤、闸机通道)存在很大的局限性；安全性不高，目前可以通过软件的方式将照片做成眨眼、张嘴、点头的效果，进行攻击。
活体防伪必须人进行强配合才能实现，这种交互方式大大影响了人脸识别适用范围。由此可见，需要人配合的防伪方式已经无法满足大多数人脸识别的场景。
发明内容
为了克服现有技术的不足，本发明的目的在于提供人脸识别终端双摄防伪方法、装置及系统，旨在解决现有的人脸识别技术实现活体防伪必须人进行强配合所导致的场景局限性大、安全性不高的问题。
本发明的目的采用以下技术方案实现：
一种人脸识别终端双摄防伪方法，包括：
采集数据步骤，通过红外摄像头获取红外摄像数据，同时通过RGB摄像头获取RGB摄像数据；
人脸检测步骤，根据红外光的物理特性，对红外摄像数据进行人脸检测；
灰度检测步骤，如果检测到人脸，则对RGB摄像数据进行灰度检测；
活体检测步骤，如果灰度检测结果不是灰度的，则对红外摄像数据进行活体检测；
人脸识别步骤，如果活体检测结果是活体，则根据RGB摄像数据进行人脸识别，判定当前人脸的身份。
在上述实施例的基础上，优选的，所述活体检测步骤中，采用二分类方法对红外摄像数据进行活体检测。
在上述实施例的基础上，优选的，在二分类方法中，活体检测模型选用SqueezeNet网络模型；且SqueezeNet网络模型中转换为卷积层的最后一个卷积核为(7*7)。
一种人脸识别终端双摄防伪装置，包括：
采集数据模块，用于通过红外摄像头获取红外摄像数据，同时通过RGB摄像头获取RGB摄像数据；
人脸检测模块，用于根据红外光的物理特性，对红外摄像数据进行人脸检测；
灰度检测模块，用于如果检测到人脸，则对RGB摄像数据进行灰度检测；
活体检测模块，用于如果灰度检测结果不是灰度的，则对红外摄像数据进行活体检测；
人脸识别模块，用于如果活体检测结果是活体，则根据RGB摄像数据进行人脸识别，判定当前人脸的身份。
在上述实施例的基础上，优选的，所述活体检测模块用于采用二分类方法对红外摄像数据进行活体检测。
在上述实施例的基础上，优选的，在二分类方法中，活体检测模型选用SqueezeNet网络模型；且SqueezeNet网络模型中转换为卷积层的最后一个卷积核为(7*7)。
一种人脸识别终端双摄防伪系统，包括：
上述任一项实施例中的人脸识别终端双摄防伪装置；
红外摄像头，用于获取当前人脸的红外摄像数据；
RGB摄像头，用于获取当前人脸的RGB摄像数据。
相比现有技术，本发明的有益效果在于：
本发明公开了人脸识别终端双摄防伪方法、装置及系统，包括采集视频数据步骤、人脸检测步骤、灰度检测步骤、活体检测步骤和人脸识别步骤，首先同时采集红外摄像数据和RGB摄像数据并检测人脸，红外数据检测到人脸才进行灰度检测，然后用RGB摄像数据进行灰度检测，在灰度检测结果为不是灰度的时候，对红外摄像数据进行活体检测，在活体检测结果是活体时才进行人脸识别，判定当前人脸的身份。整个过程不需要人的强配合，识别速度快，识别结果准确，安全性高，适用于各种场景。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明实施例提供的一种人脸识别终端双摄防伪方法的流程示意图；
图2示出了本发明实施例提供的一种人脸识别终端双摄防伪装置的结构示意图；
图3示出了本发明实施例提供的一种人脸识别终端双摄防伪系统的结构示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
具体实施例一
如图1所示，本发明实施例提供了一种人脸识别终端双摄防伪方法，包括：
采集数据步骤S101，通过红外摄像头获取红外摄像数据，同时通过RGB摄像头获取RGB摄像数据；
人脸检测步骤S102，根据红外光的物理特性，对红外摄像数据进行人脸检测；
灰度检测步骤S103，如果检测到人脸，则对RGB摄像数据进行灰度检测；
活体检测步骤S104，如果灰度检测结果不是灰度的，则对红外摄像数据进行活体检测；
人脸识别步骤S105，如果活体检测结果是活体，则根据RGB摄像数据进行人脸识别，判定当前人脸的身份。
本发明实施例在不需要人员强配合下的前提下，由2个摄像头(RGB摄像头和红外摄像头)相互配合实现无配合的活体防伪。由于电子屏不发射出红外光，在红外摄像头下看不到电子屏幕的图像，因此通过红外摄像头可以从物理的角度直接过滤掉手机、pad、显示器等电子屏幕；黑白的打印照片通过检测脸部区域是否是灰度的，若是灰度的可以直接判定为非活体；彩色照片和真人在红外照片下的区别非常明显，可以通过二分类的方式解决；活体通过后通过RGB摄像头进行人脸识别，实现双摄防伪的目的。
本发明实施例首先同时采集红外摄像数据和RGB摄像数据并检测人脸，红外数据检测到人脸才进行灰度检测，然后用RGB摄像数据进行灰度检测，在灰度检测结果为不是灰度的时候，对红外摄像数据进行活体检测，在活体检测结果是活体时才进行人脸识别，判定当前人脸的身份。整个过程不需要人的强配合，识别速度快，识别结果准确，安全性高，适用于各种场景。
本发明实施例对活体检测的方式不做限定，优选的，所述活体检测步骤S104中，可以采用二分类方法对红外摄像数据进行活体检测。
本发明实施例可以使用深度学习进行活体检测的分类任务。现有技术在手工特征描述、判别特征学习，分类器设计方面取得了显著进展。然而，从深度学习的角度来看，大多数现有方法只能提取原始数据的浅层特征，对于分类任务不够健壮。而基于深度学习的活体检测分类方法涉及到构建一个面向像素级的数据表示和分类的深度网络结构。采用深度学习技术，可以提取更健壮和抽象的特征表示，从而提高分类精度。
一些常用的神经网络结构，一方面由于输入较大不适用于本种设备，一方面对计算资源要求较高，另一方面耗时较长。优选的，在二分类方法中，活体检测模型可以选用SqueezeNet网络模型；且SqueezeNet网络模型中转换为卷积层的最后一个卷积核为(7*7)。
本发明实施例提出一种基于新型网络模型，SqueezeNet网络模型进行的部分改进。SqueezeNet主要是为了降低CNN模型参数数量而设计的。将原来简单的一层conv层变成两层：squeeze层+expand层，各自带上Relu激活层。在squeeze层里面全是1x1的卷积kernel，数量记为S11；在expand层里面有1x1和3x3的卷积kernel，数量分别记为E11和E33，要求S11<(E11+E33)满足SqueezeNet的设计原则。expand层之后将1x1和3x3的卷积outputfeature maps在channel维度拼接起来。
为了将SqueezeNet网络模型训练成一个更有效率和有效的紧致特征提取器，可以在全卷积神经网络的框架的基础上，改变网络的步长大小，改变部分网络结构，同时为提高效率，可以将部分卷积核的大小也进行修正。优选的，本发明实施例对SqueezeNet网络模型的网络结构进行了部分改进，其中转换为卷积层的最后一个卷积核，将原有的卷积核(13*13)，修改成为(7*7)。这样做的好处是，减小了网络的感受野尺寸，使得最后一层卷积的计算时间减小2～3倍，将全连接层的通道数减半，在保证框架计算结果的情况下，进一步降低了计算时间和内存用量使用深度学习方法，将问题转化为一个二分类问题，这样，通过大量的红外摄像数据样本建立起活体检测模型。
在上述的具体实施例一中，提供了人脸识别终端双摄防伪方法，与之相对应的，本申请还提供人脸识别终端双摄防伪装置。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
具体实施例二
如图2所示，本发明实施例提供了一种人脸识别终端双摄防伪装置，包括：
采集数据模块201，用于通过红外摄像头获取红外摄像数据，同时通过RGB摄像头获取RGB摄像数据；
人脸检测模块202，用于根据红外光的物理特性，对红外摄像数据进行人脸检测；
灰度检测模块203，用于如果检测到人脸，则对RGB摄像数据进行灰度检测；
活体检测模块204，用于如果灰度检测结果不是灰度的，则对红外摄像数据进行活体检测；
人脸识别模块205，用于如果活体检测结果是活体，则根据RGB摄像数据进行人脸识别，判定当前人脸的身份。
本发明实施例首先同时采集红外摄像数据和RGB摄像数据并检测人脸，红外数据检测到人脸才进行灰度检测，然后用RGB摄像数据进行灰度检测，在灰度检测结果为不是灰度的时候，对红外摄像数据进行活体检测，在活体检测结果是活体时才进行人脸识别，判定当前人脸的身份。整个过程不需要人的强配合，识别速度快，识别结果准确，安全性高，适用于各种场景。
优选的，所述活体检测模块204可以用于采用二分类方法对红外摄像数据进行活体检测。
优选的，在二分类方法中，活体检测模型可以选用SqueezeNet网络模型；且SqueezeNet网络模型中转换为卷积层的最后一个卷积核为(7*7)。
具体实施例三
如图3所示，本发明实施例提供了一种人脸识别终端双摄防伪系统，包括：
具体实施例二中的人脸识别终端双摄防伪装置301；
红外摄像头302，用于获取红外摄像数据；
RGB摄像头303，用于获取RGB摄像数据。
本发明实施例首先同时采集红外摄像数据和RGB摄像数据并检测人脸，红外数据检测到人脸才进行灰度检测，然后用RGB摄像数据进行灰度检测，在灰度检测结果为不是灰度的时候，对红外摄像数据进行活体检测，在活体检测结果是活体时才进行人脸识别，判定当前人脸的身份。整个过程不需要人的强配合，识别速度快，识别结果准确，安全性高，适用于各种场景。
本发明实施例对人脸识别终端双摄防伪装置301不做限定，优选的，其可以为计算机或服务器。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。

Claims (7)

1.一种人脸识别终端双摄防伪方法，其特征在于，包括：
采集数据步骤，通过红外摄像头获取红外摄像数据，同时通过RGB摄像头获取RGB摄像数据；
人脸检测步骤，根据红外光的物理特性，对红外摄像数据进行人脸检测；
灰度检测步骤，如果检测到人脸，则对RGB摄像数据进行灰度检测；
活体检测步骤，如果灰度检测结果不是灰度的，则对红外摄像数据进行活体检测；
人脸识别步骤，如果活体检测结果是活体，则根据RGB摄像数据进行人脸识别，判定当前人脸的身份。
2.根据权利要求1所述的人脸识别终端双摄防伪方法，其特征在于，所述活体检测步骤中，采用二分类方法对红外摄像数据进行活体检测。
3.根据权利要求2所述的人脸识别终端双摄防伪方法，其特征在于，在二分类方法中，活体检测模型选用SqueezeNet网络模型；且SqueezeNet网络模型中转换为卷积层的最后一个卷积核为(7*7)。
4.一种人脸识别终端双摄防伪装置，其特征在于，包括：
采集数据模块，用于通过红外摄像头获取红外摄像数据，同时通过RGB摄像头获取RGB摄像数据；
人脸检测模块，用于根据红外光的物理特性，对红外摄像数据进行人脸检测；
灰度检测模块，用于如果检测到人脸，则对RGB摄像数据进行灰度检测；
活体检测模块，用于如果灰度检测结果不是灰度的，则对红外摄像数据进行活体检测；
人脸识别模块，用于如果活体检测结果是活体，则根据RGB摄像数据进行人脸识别，判定当前人脸的身份。
5.根据权利要求4所述的人脸识别终端双摄防伪装置，其特征在于，所述活体检测模块用于采用二分类方法对红外摄像数据进行活体检测。
6.根据权利要求5所述的人脸识别终端双摄防伪装置，其特征在于，在二分类方法中，活体检测模型选用SqueezeNet网络模型；且SqueezeNet网络模型中转换为卷积层的最后一个卷积核为(7*7)。
7.一种人脸识别终端双摄防伪系统，其特征在于，包括：
权利要求4-6任一项所述的人脸识别终端双摄防伪装置；
红外摄像头，用于获取当前人脸的红外摄像数据；
RGB摄像头，用于获取当前人脸的RGB摄像数据。
CN201711464874.2A 2017-12-28 2017-12-28 人脸识别终端双摄防伪方法、装置及系统 Pending CN108363944A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711464874.2A CN108363944A (zh) 2017-12-28 2017-12-28 人脸识别终端双摄防伪方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711464874.2A CN108363944A (zh) 2017-12-28 2017-12-28 人脸识别终端双摄防伪方法、装置及系统

Publications (1)

Publication Number Publication Date
CN108363944A true CN108363944A (zh) 2018-08-03

Family

ID=63010646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711464874.2A Pending CN108363944A (zh) 2017-12-28 2017-12-28 人脸识别终端双摄防伪方法、装置及系统

Country Status (1)

Country Link
CN (1) CN108363944A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109145817A (zh) * 2018-08-21 2019-01-04 佛山市南海区广工大数控装备协同创新研究院 一种人脸活体检测识别方法
CN109376595A (zh) * 2018-09-14 2019-02-22 杭州宇泛智能科技有限公司 基于人眼注意力的单目rgb摄像头活体检测方法及系统
CN109389719A (zh) * 2018-09-29 2019-02-26 厦门狄耐克智能科技股份有限公司 一种小区单元门门禁系统及开门方法
CN111079606A (zh) * 2019-12-06 2020-04-28 北京爱笔科技有限公司 一种人脸防伪方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2039287A1 (en) * 2007-09-20 2009-03-25 Astron Clinica Limited Method and apparatus for measuring collagen thickness
CN101964056A (zh) * 2010-10-26 2011-02-02 徐勇 一种具有活体检测功能的双模态人脸认证方法和系统
US20110128385A1 (en) * 2009-12-02 2011-06-02 Honeywell International Inc. Multi camera registration for high resolution target capture
CN105023005A (zh) * 2015-08-05 2015-11-04 王丽婷 人脸识别装置及其识别方法
CN105117695A (zh) * 2015-08-18 2015-12-02 北京旷视科技有限公司 活体检测设备和活体检测方法
CN105612533A (zh) * 2015-06-08 2016-05-25 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
CN105930780A (zh) * 2016-04-14 2016-09-07 苏州优化智能科技有限公司 基于近红外和面部微表情的真人活体身份验证方法
CN105956572A (zh) * 2016-05-15 2016-09-21 北京工业大学 一种基于卷积神经网络的活体人脸检测方法
CN106599829A (zh) * 2016-12-09 2017-04-26 杭州宇泛智能科技有限公司 基于主动近红外光的人脸防伪算法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2039287A1 (en) * 2007-09-20 2009-03-25 Astron Clinica Limited Method and apparatus for measuring collagen thickness
US20110128385A1 (en) * 2009-12-02 2011-06-02 Honeywell International Inc. Multi camera registration for high resolution target capture
CN101964056A (zh) * 2010-10-26 2011-02-02 徐勇 一种具有活体检测功能的双模态人脸认证方法和系统
CN105612533A (zh) * 2015-06-08 2016-05-25 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
CN105023005A (zh) * 2015-08-05 2015-11-04 王丽婷 人脸识别装置及其识别方法
CN105117695A (zh) * 2015-08-18 2015-12-02 北京旷视科技有限公司 活体检测设备和活体检测方法
CN105930780A (zh) * 2016-04-14 2016-09-07 苏州优化智能科技有限公司 基于近红外和面部微表情的真人活体身份验证方法
CN105956572A (zh) * 2016-05-15 2016-09-21 北京工业大学 一种基于卷积神经网络的活体人脸检测方法
CN106599829A (zh) * 2016-12-09 2017-04-26 杭州宇泛智能科技有限公司 基于主动近红外光的人脸防伪算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
廖辉: "基于轻量级卷积神经网络的人脸检测算法", 《万方学位论文》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109145817A (zh) * 2018-08-21 2019-01-04 佛山市南海区广工大数控装备协同创新研究院 一种人脸活体检测识别方法
CN109376595A (zh) * 2018-09-14 2019-02-22 杭州宇泛智能科技有限公司 基于人眼注意力的单目rgb摄像头活体检测方法及系统
CN109389719A (zh) * 2018-09-29 2019-02-26 厦门狄耐克智能科技股份有限公司 一种小区单元门门禁系统及开门方法
CN111079606A (zh) * 2019-12-06 2020-04-28 北京爱笔科技有限公司 一种人脸防伪方法及装置

Similar Documents

Publication Publication Date Title
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
CN106372601B (zh) 一种基于红外可见双目图像的活体检测方法及装置
CN105631439B (zh) 人脸图像处理方法和装置
Miao et al. A hierarchical multiscale and multiangle system for human face detection in a complex background using gravity-center template
CN108596041B (zh) 一种基于视频的人脸活体检测方法
CN107066942A (zh) 一种活体人脸识别方法及系统
CN105956572A (zh) 一种基于卷积神经网络的活体人脸检测方法
CN108363944A (zh) 人脸识别终端双摄防伪方法、装置及系统
CN109670430A (zh) 一种基于深度学习的多分类器融合的人脸活体识别方法
CN109101871A (zh) 一种基于深度和近红外信息的活体检测装置、检测方法及其应用
CN105574509B (zh) 一种基于光照的人脸识别系统回放攻击检测方法及应用
CN109635727A (zh) 一种人脸表情识别方法及装置
CN107798279B (zh) 一种人脸活体检测方法及装置
CN108647625A (zh) 一种表情识别方法及装置
CN107977650B (zh) 人脸检测方法及装置
CN106886216A (zh) 基于rgbd人脸检测的机器人自动跟踪方法和系统
CN110287862B (zh) 基于深度学习的防偷拍检测方法
CN110363087B (zh) 一种长基线双目人脸活体检测方法及系统
CN104361357B (zh) 基于图片内容分析的相片集分类系统及分类方法
CN106709438A (zh) 一种基于视频会议的人数统计方法
Hebbale et al. Real time COVID-19 facemask detection using deep learning
CN109977846B (zh) 一种基于近红外单目摄像的活体检测方法及系统
CN107480607A (zh) 一种智能录播系统中站立人脸检测定位的方法
CN109360179A (zh) 一种图像融合方法、装置及可读存储介质
Solina et al. 15 seconds of fame-an interactive, computer-vision based art installation

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180803