CN108701228A - 身份鉴权方法、身份鉴权装置、和电子设备 - Google Patents

身份鉴权方法、身份鉴权装置、和电子设备 Download PDF

Info

Publication number
CN108701228A
CN108701228A CN201880000317.1A CN201880000317A CN108701228A CN 108701228 A CN108701228 A CN 108701228A CN 201880000317 A CN201880000317 A CN 201880000317A CN 108701228 A CN108701228 A CN 108701228A
Authority
CN
China
Prior art keywords
under test
object under
identification authentication
infrared
face
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
CN201880000317.1A
Other languages
English (en)
Inventor
田浦延
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.)
Shenzhen Fushi Technology Co Ltd
Original Assignee
Shenzhen Fushi 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 Shenzhen Fushi Technology Co Ltd filed Critical Shenzhen Fushi Technology Co Ltd
Publication of CN108701228A publication Critical patent/CN108701228A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70Multimodal biometrics, e.g. combining information from different biometric modalities

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请公开了一种身份鉴权方法、身份鉴权装置、以及电子设备。该身份鉴权方法包括:步骤S1:投射红外泛光至一待测物体,感测获得该待测物体的第一红外图像;步骤S2:投射红外结构光至该待测物体,感测获得该待测物体的第二红外图像;步骤S3:根据该第一红外图像判断该待测物体是否具备脸部特征,如果判断得知该待测物体具备脸部特征,则执行步骤S4,否则,身份鉴权失败;步骤S4:根据该第二红外图像构建出该待测物体的立体图像信息,并比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配,并根据匹配结果来确认该待测物体的身份是否合法。该身份鉴权装置运行该身份鉴权方法。该电子设备包括该身份鉴权装置。

Description

身份鉴权方法、身份鉴权装置、和电子设备
技术领域
本申请涉及一种身份鉴权方法、身份鉴权装置、和电子设备。
背景技术
随着科技的发展,越来越多的场合开始采用各种传感技术对物体进行识别。例如,指纹识别技术、虹膜识别技术等。然,指纹识别技术与虹膜识别技术等都有其各自的局限性,例如,指纹识别技术并不能进行较远距离的感测,虹膜识别技术的感测响应速度较慢等。
因此,有必要提供一种新型的传感技术,用于身份鉴权。
发明内容
本申请实施方式旨在至少解决现有技术中存在的技术问题之一。为此,本申请实施方式需要提供一种身份鉴权方法、身份鉴权装置、和电子设备。
首先,本申请提供一种身份鉴权方法,包括:
步骤S1:投射红外泛光至一待测物体,感测获得该待测物体的第一红外图像;
步骤S2:投射红外结构光至该待测物体,感测获得该待测物体的第二红外图像;
步骤S3:根据该第一红外图像判断该待测物体是否具备脸部特征,如果判断得知该待测物体具备脸部特征,则执行步骤S4,否则,身份鉴权失败;
步骤S4:根据该第二红外图像构建出该待测物体的立体图像信息,并比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配,并根据匹配结果来确认该待测物体的身份是否合法。
在本申请的实施方式中,通过光学图像传感的方式对该待测物体的身份进行鉴权。其中,该第一红外图像能够反应该待测物体的2D属性信息,该第二红外图像能够反应该待测物体的3D属性信息,因此,根据该第一红外图像能够判断该待测物体是否具备脸部特征,并当在判断得知该待测物体具备脸部特征时,再根据该第二红外图像能够构建出立体图像信息,并比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配,,并根据匹配结果来确认该待测物体的身份是否合法。可见,本申请提供了一种新型的光学传感技术来实现身份鉴权。
另外,该光学传感技术可适用于较远距离的感测,且感测响应速度较快。所述较远距离例如为1米范围内或甚至更远一些的距离。
进一步地,由于该身份鉴权方法是先执行步骤S2,再根据步骤S2的执行结果确定是否执行步骤S4,而执行步骤S2“根据该第一红外图像判断该待测物体是否具备脸部特征”所消耗的功耗相对较少,因此,当执行步骤S2通不过时,就可结束身份鉴权,从而降低整体的功耗消耗。
在某些实施方式中,如果确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息不匹配,则确认该待测物体的身份非法,身份鉴权失败。
在某些实施方式中,如果确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息匹配,则身份鉴权成功。
在某些实施方式中,步骤S1与步骤S2分时进行,其中,步骤S1先于或后于步骤S2进行。
在某些实施方式中,步骤S2先于步骤S3进行;或,步骤S2与步骤S3同时进行;或,步骤S2后于步骤S3进行。
在某些实施方式中,步骤S2后于步骤S3进行,当步骤S3中判断得知该待测物体具备脸部特征,则先执行步骤S2,然后再执行步骤S4。
在某些实施方式中,步骤S2先于步骤S3进行,或,步骤S2与步骤S3同时进行,当步骤S3中判断得知该待测物体具备脸部特征,则直接执行步骤S4。
在某些实施方式中,步骤S3进一步包括:根据该第一红外图像提取二维特征信息,并根据提取到的二维特征信息判断该待测物体是否具备脸部特征。
在某些实施方式中,该预存的物体脸部的立体图像信息包括立体脸部特征信息,步骤S4包括:根据该第二红外图像提取立体特征信息,并通过比对提取到的立体特征信息与预存的立体脸部特征信息来判断该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配。
在某些实施方式中,该预存的物体脸部的立体图像信息为人体脸部的立体图像信息,在步骤S3中判断的是:该待测物体是否具备人脸特征,在步骤S4中比对的是:该待测物体的立体图像信息与预存的人体脸部的立体图像信息是否匹配。
在某些实施方式中,通过深度学习方法提取该待测物体的特征信息。
在某些实施方式中,该深度学习方法包括:建立深度卷积神经网络模型,使用预定数量的人脸照片训练该深度卷积神经网络模型,根据训练好的该深度卷积神经网络模型提取人脸的特征参数。
在某些实施方式中,步骤S1中的红外泛光的波长为940纳米,和/或,步骤S2中的红外结构光的波长为940纳米。
在某些实施方式中,步骤S1中的红外泛光的波长范围为[925,955]纳米,和/或,步骤S2中的红外结构光的波长范围为[925,955]纳米。
在某些实施方式中,在步骤S2中,投射至待测物体的红外结构光形成图案,所述图案呈规则点阵式、条纹式、散斑式、网格式、编码式中的任意一种或几种的结合,或,在步骤S2中,投射至待测物体的红外结构光呈正弦波、方波中的任意一种或两种的结合。
本申请还提供一种身份鉴权装置,包括:
存储器,用于预存物体脸部的立体图像信息;
第一投射器,用于投射红外泛光至待测物体;
第二投射器,用于投射红外结构光至该待测物体;
图像传感装置,用于捕获由该待测物体反射回来的红外泛光、感测获得该待测物体的第一红外图像,还用于捕获由该待测物体反射回来的红外结构光、感测获得该待测物体的第二红外图像;和
处理器,用于根据该第一红外图像判断该待测物体是否具备脸部特征,并当判断得知该待测物体具备脸部特征后,进一步用于根据该第二红外图像构建出该待测物体的立体图像信息,并比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配,并根据匹配结果来确认该待测物体的身份是否合法。
在本申请的实施方式中,通过光学图像传感的方式对该待测物体的身份进行鉴权。其中,该第一红外图像能够反应该待测物体的2D属性信息,该第二红外图像能够反应该待测物体的3D属性信息,因此,该处理器根据该第一红外图像能够判断该待测物体是否具备人脸特征,并当在判断得知该待测物体具备脸部特征时,再根据该第二红外图像能够构建出立体图像信息,并比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配,并根据匹配结果来确认该待测物体的身份是否合法。可见,本申请提供了一种新型的光学式身份鉴权装置来实现身份鉴权。
另外,该光学式身份鉴权装置可适用于较远距离的感测,且感测响应速度较快。所述较远距离例如为1米范围内或甚至更远一些的距离。
进一步地,由于该处理器是先执行“根据该第一红外图像判断该待测物体是否具备脸部特征”,并根据判断结果再确定是否执行“根据该第二红外图像构建出该待测物体的立体图像信息,并比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配”,而执行“根据该第一红外图像判断该待测物体是否具备脸部特征”所消耗的功耗相对较少,因此,当判断该待测物体不具备脸部特征时,就可结束身份鉴权,从而降低整体的功耗消耗。
在某些实施方式中,当该处理器判断得知该待测物体不具备脸部特征时,则确认该待测物体的身份非法,身份鉴权失败。
在某些实施方式中,当该处理器确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息不匹配时,则确认该待测物体的身份非法,身份鉴权失败。
在某些实施方式中,当该处理器确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息匹配时,则确认该待测物体的身份合法,身份鉴权成功。
在某些实施方式中,该身份鉴权装置进一步包括控制电路,用于控制该第一投射器与第二投射器分时工作,当进行身份鉴权时,所述控制电路控制该第一投射器先于或后于该第二投射器工作。
在某些实施方式中,当进行身份鉴权时,所述控制电路用于控制该第一投射器、第二投射器、和该图像传感装置协同工作。
在某些实施方式中,当该第二投射器投射红外结构光至该待测物体、该图像传感装置感测该待测物体的第二红外图像的同时:该处理器根据该第一红外图像判断该待测物体是否具备脸部特征;或,当该第二投射器投射红外结构光至该待测物体、该图像传感装置感测该待测物体的第二红外图像之后:该处理器根据该第一红外图像判断该待测物体是否具备脸部特征;或,当该处理器根据该第一红外图像判断得知该待测物体具备脸部特征之后,该控制电路开始控制该第二投射器投射红外结构光至该待测物体、该图像传感装置感测该待测物体的第二红外图像,接着,该处理器根据该第二红外图像构建出该待测物体的立体图像信息,并比对该待测物体的立体图像信息与预存的物体面部的立体图像信息是否匹配。
在某些实施方式中,该身份鉴权装置进一步包括高速数据传送链路,用于把图像传感装置中表示该第一红外图像的信号和表示该第二红外图像的信号传送到该处理器中进行处理。
在某些实施方式中,该处理器用于根据该第一红外图像提取二维特征信息,并根据提取到的二维特征信息判断该待测物体是否具备脸部特征。
在某些实施方式中,该预存的物体脸部的立体图像信息包括立体脸部特征信息,该处理器用于根据该第二红外图像提取立体特征信息,并通过比对提取到的立体特征信息与预存的立体脸部特征信息来判断该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配。
在某些实施方式中,该预存的物体脸部的立体图像信息为人体脸部的立体图像信息,当进行身份鉴权时,该处理器判断该待测物体是否具备人脸特征,以及比对该待测物体的立体图像信息与预存的人体脸部的立体图像信息是否匹配。
在某些实施方式中,通过深度学习方法提取该待测物体的特征信息。
在某些实施方式中,该深度学习方法包括:建立深度卷积神经网络模型,使用预定数量的人脸照片训练该深度卷积神经网络模型,根据训练好的该深度卷积神经网络模型提取人脸的特征参数。
在某些实施方式中,该第一投射器投射的红外泛光的波长为940纳米,和/或,该第二投射器红外泛光的波长为940纳米。
在某些实施方式中,该第一投射器投射的红外泛光的波长范围为[925,955]纳米,和/或,该第二投射器投射的红外结构光的波长范围为[925,955]纳米。
在某些实施方式中,该第二投射器投射至待测物体的红外结构光形成图案,所述图案呈规则点阵式、条纹式、散斑式、网格式、编码式中的任意一种或几种的结合,或,该第二投射器投射至待测物体的红外结构光呈正弦波、方波中的任意一种或两种的结合。
本申请还提供一种电子设备,包括上述中任意一项所述的身份鉴权装置。
在某些实施方式中,所述电子设备用于根据所述身份鉴权装置的身份鉴权结果来对应是否执行相应的功能。
在某些实施方式中,所述相应的功能包括解锁、支付、启动预存的应用程序中的任意一种或几种。
在某些实施方式中,所述电子设备包括消费性电子产品、家居式电子产品、车载式电子产品、金融终端产品中的任意一种或几种。
由于本申请的电子设备包括上述的身份鉴权装置,因此,该电子设备能够实现对待测物体的较远距离的感测,且感测响应速度较快。
本申请实施方式的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请实施方式的实践了解到。
附图说明
本申请实施方式的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解,其中:
图1为本申请的身份鉴权方法的流程示意图。
图2为环境光的辐射强度与波长之间的关系示意图。
图3为本申请的身份鉴权方法的第一实施方式的细化流程示意图。
图4为本申请的身份鉴权方法的第二实施方式的细化流程示意图。
图5为本申请的身份鉴权方法的第三实施方式的细化流程示意图。
图6是本申请的身份鉴权装置的一实施方式的结构框图。
图7是本申请的电子设备一实施方式的结构示意图。
具体实施方式
下面详细描述本申请的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。
在本申请的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接或可以相互通信;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
下文的公开提供了许多不同的实施方式或例子用来实现本申请的不同结构。为了简化本申请的公开,下文中对特定例子的部件和设定进行描述。当然,它们仅仅为示例,并且目的不在于限制本申请。此外,本申请可以在不同例子中重复参考数字和/或参考字母,这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施方式和/或设定之间的关系。
进一步地,所描述的特征、结构可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本申请的实施方式的充分理解。然而,本领域技术人员应意识到,没有所述特定细节中的一个或更多,或者采用其它的结构、组元等,也可以实践本申请的技术方案。在其它情况下,不详细示出或描述公知结构或者操作以避免模糊本申请。
更进一步地,需要提前说明的是,本申请的说明书以及权利要求书中涉及的步骤编号S1、S2、S3、S4只是为了清楚区分各步骤,并不代表步骤执行的先后顺序。
请参阅图1,图1为本申请的身份鉴权方法的第一实施方式的流程示意图。该身份鉴权方法例如但不局限于应用在电子设备上,所述电子设备例如但不局限于为消费性电子产品、家居式电子产品、车载式电子产品、金融终端产品等合适类型的电子产品。其中,消费性电子产品例如但不局限为手机、平板电脑、笔记本电脑、桌面显示器、电脑一体机等。家居式电子产品例如但不局限为智能门锁、电视、冰箱、穿戴式设备等。车载式电子产品例如但不局限为车载导航仪、车载DVD等。金融终端产品例如但不局限为ATM机、自助办理业务的终端等。该身份鉴权方法包括:
步骤S1:投射红外泛光至一待测物体,感测获得该待测物体的第一红外图像;
步骤S2:投射红外结构光至该待测物体,感测获得该待测物体的第二红外图像;
步骤S3:根据该第一红外图像判断该待测物体是否具备脸部特征,如果判断得知该待测物体具备脸部特征,则执行步骤S4,否则,如果判断得知该待测物体不具备脸部特征,则身份鉴权失败;
步骤S4:根据该第二红外图像构建出该待测物体的立体图像信息,并比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配,并根据匹配结果来判断该待测物体的身份是否合法。
可见,本申请的身份鉴权方法是采用光学图像传感的方式对该待测物体的身份进行鉴权。其中,该第一红外图像能够反应该待测物体的二维(2-Dimension,2D)属性信息,该第二红外图像能够反应该待测物体的三维(3-Dimension,3D)属性信息,因此,根据该第一红外图像能够判断该待测物体是否具备人脸特征,并当在判断得知该待测物体具备脸部特征时,再根据该第二红外图像能够构建出立体图像信息,比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配,并根据匹配结果来判断该待测物体的身份是否合法。可见,本申请提供了一种新型的光学传感技术来实现身份鉴权。
另外,该光学传感技术可适用于较远距离的感测,且感测响应速度较快。所述较远距离例如为1米范围内或甚至更远一些的距离。
进一步地,由于本申请的身份鉴权方法是先执行步骤S2,再根据步骤S2的判断结果确定是否执行步骤S4,而执行步骤S2“根据该第一红外图像判断该待测物体是否具备脸部特征”所消耗的功耗相对较少,因此,当执行步骤S2通不过时,就可结束身份鉴权,从而降低整体的功耗消耗。
在本实施方式中,由于步骤S1投射的是红外泛光,步骤S2投射的是红外结构光,因此,为了避免第一红外图像和第二红外图像发生混叠,步骤S1与步骤S2被分时执行,其中,步骤S1先于或后于步骤S2进行。
在某些具体实施方式中,在步骤S1中,例如采用红外泛光灯投射该红外泛光至该待测物体,并利用红外图像传感器捕获由该待测物体反射回来的红外泛光,感测获得该待测物体的第一红外图像。
在步骤S2中,例如采用光学组件来投射红外结构光至该待测物体,并利用红外图像传感器捕获由该待测物体反射回来的红外结构光,感测获得该待测物体的红外图像。所述光学组件例如包括光源、准直镜头以及光学衍射元件(DOE),其中光源用于产生一红外激光束;准直镜头将红外激光束进行校准,形成近似平行光;光学衍射元件对校准后的红外激光束进行调制,形成相应的散斑图案。该散斑图案例如包括规则点阵式、条纹式、网格式、散斑式、编码式等中的一种或几种。其中,散斑式又称为随机点阵式。编码式图案例如由不同波形的光组成,每种波形代表一种数字,各波形的组合即为编码。当然,可变更地,也可由其它合适的光学元件或光学组件来产生该红外结构光。另外,该散斑图案也可包括其它的编码图案。
上述是利用基于光编码原理,在步骤S2中,投射已知的红外结构光图案到该待测物体上。图像传感装置或处理器根据捕获到的变形的红外结构光图案来分析确定该待测物体的深度信息。定义此类红外结构光为空间结构光。
可变更地,例如也可利用基于飞行时间(Time of Flight,ToF)原理,在步骤S2中,投射红外结构光至该待测物体。图像传感装置或处理器例如通过测量光脉冲之间的传输延迟时间来计算待测物体的深度信息。定义此类红外结构光为时间结构光。
该时间结构光例如但不局限于呈正弦波、方波中的任意一种或两种的结合。
在步骤S3中,例如,通过深度学习方法,从该第一红外图像提取二维特征信息,并根据提取到的二维特征信息判断该待测物体是否具备脸部特征。
该深度学习方法包括:建立深度卷积神经网络模型,使用预定数量的脸部照片训练该深度卷积神经网络模型,根据训练好的该深度卷积神经网络模型从该红外图像中提取脸部的特征参数。
然而,需要说明的是,步骤S3中根据该第一红外图像提取二维特征信息的方式并不限于深度学习方法,也可为其它合适的特征提取方法。
当步骤S3判断得知该待测物体具备脸部特征时,则启动执行步骤S4,否则,确认该待测物体的身份不合法,身份鉴权失败,流程结束。
在步骤S4中,例如根据该第二红外图像可以获得各像素的位置信息以及深度信息,从而根据获得的各像素的位置信息以及深度信息能够构建出该待测物体立体图像信息。然后,比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配,并根据匹配结果来确认该待测物体的身份是否合法。
如果确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息不匹配,则确认该待测物体的身份非法,身份鉴权失败。
可选地,如果确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息匹配,则身份鉴权成功。
当对该待测物体的立体图像信息与预存的物体脸部的立体图像信息进行比对,确认匹配系数大于或等于一预定阈值时,则可确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息匹配。从而,可以确定该待测物体的身份合法,身份鉴权成功。相对地,如果确认匹配系数小于该预定阈值时,则可确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息不匹配,因此,可以确定该待测物体的身份不合法,身份鉴权失败,流程结束。
该预存的物体脸部的立体图像信息包括立体脸部特征信息。进一步地,在步骤S4中,例如通过深度学习方法,从该第二红外图像中提取立体特征信息,并比对提取到的立体特征信息与预存的立体脸部特征信息。其中,该立体特征信息例如包括位置信息和深度信息等。
该深度学习方法包括:建立深度卷积神经网络模型,使用预定数量的脸部照片训练该深度卷积神经网络模型,根据训练好的该深度卷积神经网络模型从该红外图像中提取脸部的特征参数。
该立体图像信息例如可是由数字0和1的集合来表示。
在步骤S4中,当该待测物体是平面物体而非立体脸部时,例如,该待测物体是一张照片时,由该第二红外图像构建不出真实的立体图像信息,从而可以确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息不匹配。
需要说明的是,步骤S4中根据该第二红外图像提取立体特征信息的方式并不限于深度学习方法,也可为其它合适的立体特征提取方法。
上述只是举例,然而,本申请并不局限于以上列举的例子,对于各步骤,还可由其它的合适实施例实现。
另外,需要说明的是,在上述实施方式的身份鉴权方法中,额外增加某些步骤也是可行的。例如,在执行身份鉴权的过程,进一步增加步骤:根据该第一红外图像和/或该第二红外图像,确认该待测物体是否为活体。又例如,增加步骤:根据该第一红外图像和/或该第二红外图像,确认该待测物体的眼睛是否注视在电子设备前方的预定范围内等。从而,使得本申请的身份鉴权方法的效果更好。由前述可知,本申请并不限于以上内容所公开的技术方案,只要是技术思想与本申请的技术思想相同或相似的发明,均应落在本申请的保护范围。
本申请的身份鉴权方法用于生物体的脸部识别。该生物体例如为人体或其它合适的动物体。
下面,以人脸识别为例对本申请的身份鉴权方法进行说明。在进行脸部识别之前,用户已提前注册好其本人的脸部图像模板,并存储在例如一存储器中。该脸部图像模板例如并不局限于包括立体图像信息等。
相应地,在步骤S3中,根据该第一红外图像判断该待测物体是否具备人脸特征;在步骤S4中,比对该待测物体的立体图像信息与已注册用户脸部的立体图像信息是否匹配。
在本实施方式中,如果步骤S3中判断得知该待测物体具备人脸特征,且步骤S4中确认该待测物体的立体图像信息与已注册用户脸部的立体图像匹配,则可确定该待测物体即为该已注册用户,身份合法。
现有的,业界通常投射波长为850纳米的近红外光,来获得待测物体的红外图像。然而,本申请的发明人经过大量的创造性劳动,分析与研究发现:投射波长为940纳米左右的红外泛光、投射波长为940纳米左右的红外结构光进行感测,可以获得较准确的感测效果。
请参阅图2,图2为环境光的辐射强度与波长之间的关系示意图。其中,波长用横轴表示,且被标示为字母λ,辐射强度用纵轴表示,且被标示为字母E。发明人通过理论研究、结合大量的实验测试、验证并反复进行分析与研究等,创造性地发现:环境光中波长范围为[920,960]纳米的近红外光易被大气吸收、强度衰减较大,当步骤S1投射波长范围为[920,960]纳米的红外泛光到待测物体,根据捕获的红外泛光获得该待测物体的第一红外图像时,能够少受环境光的干扰,从而提高图像的获取精度。类似地,当步骤S2投射波长范围为[920,960]纳米的红外结构光到待测物体,根据捕获的红外结构光获得该待测物体的第二红外图像时,能够少受环境光的干扰,从而提高图像的获取精度。
进一步地,在波长范围为[920,960]纳米的红外光中,波长为940纳米的近红外光更易被大气吸收、强度衰减最大,因此,在本申请的实施方式中,步骤S1投射的红外泛光的波长优选为940纳米,步骤S2投射的红外结构光的波长优选为940纳米。
然而,在实际应用中,步骤S1所投射的红外泛光的波长和步骤S2所投射的红外结构光的波长在940纳米的基础上会有一定的偏差,例如会有(+15)纳米或(-15)纳米左右的偏差。因此,步骤S1投射的红外泛光的波长范围例如为[925,955]纳米,步骤S2投射的红外结构光的波长范围例如为[925,955]纳米。可见,该波长范围[925,955]仍然落在波长范围[920,960]内。
需要说明的是,步骤S1所投射的红外泛光的波长和步骤S2所投射的红外结构光的波长为落在上述波长范围[920,960]纳米中的任意一数值。本申请为了叙述简洁清楚,在此处并未一一列举各具体数值,但落在这波长范围[920,960]纳米中的任意一数值都是可行的。当然,可变更地,本申请的身份鉴权方法的步骤S1和步骤S2也可采用波长为850纳米或者其它合适波长的红外泛光、红外结构光进行感测。
请参阅图3,图3为本申请的身份鉴权方法的第一实施方式的细化流程示意图。在本实施方式中,步骤S2与步骤S3被同时执行。从而可以节省感测时间,提高感测效率。
另外,在本实施方式中,当步骤S4中确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息不匹配时,则身份鉴权失败;当步骤S4中确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息匹配时,则身份鉴权成功。
然后,可变更地,在其它实施方式中,当步骤S4中确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息匹配之后,还可继续执行其它的鉴权步骤,例如,判断该待测物体是否为活体等,当鉴权步骤都通过之后,则确认该待测物体的身份合法,身份鉴权成功。
请参阅图4,图4为本申请的身份鉴权方法的第二实施方式的细化流程示意图。该第二实施方式的身份鉴权方法与第一实施方式的身份鉴权大致相同,二者主要区别在于:步骤S2位于步骤S3之后,当步骤S3判断得知该待测物体具备脸部特征时,则先执行步骤S2,然后再执行步骤S4。如此,可以进一步节省功耗,但相对第一实施方式要费时。
请参阅图5,图5为本申请的身份鉴权方法的第三实施方式的细化流程示意图。该第三实施方式的身份鉴权方法与第一实施方式的身份鉴权大致相同,二者主要区别在于:步骤S2位于步骤S3之前。
在本实施方式中,步骤S1位于步骤S2之前。然而,可变更地,在其它实施方式中,步骤S2也可位于步骤S1之前,步骤S1位于步骤S3之前。
请参阅图6,图6为本申请的身份鉴权装置的一实施方式的结构框图。该身份鉴权装置1包括第一投射器10、第二投射器11、图像传感装置12、处理器14、和存储器16。其中,该存储器16用于预存物体脸部的二维图像信息。该第一投射器10用于投射红外泛光至该待测物体。该第二投射器11用于投射红外结构光至该待测物体。该图像传感装置12用于捕获由该待测物体反射回来的红外泛光,感测获得该待测物体的第一红外图像,另外,该图像传感装置12还用于捕获由该待测物体反射回来的红外结构光,感测获得该待测物体的第二红外图像。该处理器14用于根据该第一红外图像判断该待测物体是否具备脸部特征,并当判断得知该待测物体具备脸部特征后,进一步用于根据该第二红外图像构建出该待测物体的立体图像信息,比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配,并根据匹配结果判断该待测物体的身份是否合法。
可见,本申请的身份鉴权装置1是采用光学图像传感的方式对该待测物体的身份进行鉴权。其中,该第一红外图像能够反应该待测物体的二维(2-Dimension,2D)属性信息,该第二红外图像能够反应该待测物体的三维(3-Dimension,3D)属性信息,因此,该处理器14根据该第一红外图像能够判断该待测物体是否具备人脸特征,并当在判断得知该待测物体具备脸部特征时,再根据该第二红外图像能够构建出立体图像信息,并比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配,并根据匹配结果来判断该待测物体的身份是否合法。可见,本申请提供了一种新型的光学式身份鉴权装置1来实现身份鉴权。
另外,该光学式身份鉴权装置1可适用于较远距离的感测,且感测响应速度较快。所述较远距离例如为1米范围内或甚至更远一些的距离。
当该处理器14判断得知该待测物体不具备脸部特征时,则确认该待测物体的身份不合法,身份鉴权失败。相应地,该处理器14不再执行鉴权程序“根据该第二红外图像构建出该待测物体的立体图像信息,并比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配”。
进一步地,由于本申请的身份鉴权装置1的处理器14是先执行“根据该第一红外图像判断该待测物体是否具备脸部特征”,再根据判断结果确定是否执行“根据该第二红外图像构建出该待测物体的立体图像信息,并比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配”,而执行“根据该第一红外图像判断该待测物体是否具备脸部特征”所消耗的功耗相对较少,因此,当该处理器14判断得知该待测物体不具备脸部特征时,就可结束身份鉴权,从而降低该身份鉴权装置1的整体功耗消耗。
当该处理器14判断得知该待测物体不具备脸部特征时,则确认该待测物体的身份非法,身份鉴权失败。
可选地,该身份鉴权装置1例如进一步包括控制电路15。该控制电路15与该第一投射器10、第二投射器11、和该图像传感装置12分别连接。该控制电路15用于控制该第一投射器10、第二投射器11、和该图像传感装置12协同工作。
由于该第一投射器10投射的是红外泛光,该第二投射器11投射的是红外结构光,因此,为了避免第一红外图像和第二红外图像发生混叠,该控制电路15控制该第一投射器10和该第二投射器11分时工作。
可选地,该身份鉴权装置1进一步包括高速数据传送链路18,用于把图像传感装置12中表示该第一红外图像的信号和表示该第二红外图像的信号传送到该处理器14中进行处理。该高速数据传送链路18例如为移动行业处理器接口(Mobile Industry ProcessorInterface,MIPI)。
在某些具体的实施方式中,该第一投射器10例如并不局限为红外泛光灯。
该第二投射器11例如采用光学组件来投射红外结构光至该待测物体。所述光学组件例如包括光源、准直镜头以及光学衍射元件(DOE),其中光源用于产生一红外激光束;准直镜头将红外激光束进行校准,形成近似平行光;光学衍射元件对校准后的红外激光束进行调制,形成相应的散斑图案。该散斑图案例如包括规则点阵式、条纹式、网格式、散斑式、编码式等中的一种或几种。编码式图案例如由不同波形的光组成,每种波形代表一种数字,各波形的组合即为编码。当然,可变更地,也可由其它合适的光学元件或光学组件来产生该红外结构光。另外,该散斑图案也可包括其它的编码图案。
上述是利用基于光编码原理,该第一投射器10投射已知的红外结构光图案到该待测物体上。图像传感装置12或处理器14根据捕获到的变形的红外结构光图案来分析确定该待测物体的深度信息。定义此类红外结构光为空间结构光。
可变更地,例如也可利用基于飞行时间(Time of Flight,ToF)原理,该第一投射器10投射红外结构光至该待测物体。图像传感装置12或处理器14例如通过测量光脉冲之间的传输延迟时间来计算待测物体的深度信息。定义此类红外结构光为时间结构光。
该时间结构光例如但不局限于呈正弦波、方波中的任意一种或两种的结合。
该图像传感装置12例如包括红外图像传感器121,该红外图像传感器121用于捕获由该待测物体反射回来的红外泛光,感测获得该待测物体的第一红外图像。较佳地,该红外图像传感器121还用于捕获由该待测物体反射回来的红外结构光,感测获得该待测物体的第二红外图像。
上述是利用同一红外图像传感器121来感测该待测物体的第一红外图像和第二红外图像,从而可以降低成本。当然,对于此种情况,该第二投射器11投射的是空间光至该待测物体。
当该第二投射器11投射的是时间结构光时,该图像传感装置12例如包括二红外图像传感器,该二红外图像传感器的结构不同,感测原理不同,分辨率不同等。其中,一红外图像传感器用于捕获由该待测物体反射回来的红外泛光,另一红外图像传感器用于捕获由该待测物体反射回来的红外结构光。
该处理器14例如但不局限为AP(Application Processor)。
在一示例中,该处理器14例如通过深度学习方法,从该第一红外图像提取二维特征信息,并根据提取到的二维特征信息判断该待测物体是否具备脸部特征。
该深度学习方法包括:建立深度卷积神经网络模型,使用预定数量的脸部照片训练该深度卷积神经网络模型,根据训练好的该深度卷积神经网络模型从该红外图像中提取脸部的特征参数。
然而,需要说明的是,该处理器14根据该第一红外图像提取二维特征信息的方式并不限于深度学习方法,也可为其它合适的特征提取方法。
进一步地,该处理器14例如根据该第二红外图像可以获得各像素的位置信息以及深度信息,从而根据获得的各像素的位置信息以及深度信息能够构建出该待测物体立体图像信息。然后,比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配,并根据匹配结果来确认该待测物体的身份是否合法。
如果确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息不匹配,则确认该待测物体的身份非法,身份鉴权失败。
可选地,如果确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息匹配,则身份鉴权成功。
当该处理器14对该待测物体的立体图像信息与预存的物体脸部的立体图像信息进行比对,确认匹配系数大于或等于一预定阈值时,则可确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息匹配。从而,该处理器14可以确定该待测物体的身份合法,身份鉴权成功。相对地,如果确认匹配系数小于该预定阈值时,则该处理器14可确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息不匹配,因此,可以确定该待测物体的身份不合法,身份鉴权失败,流程结束。
该存储器16中预存的物体脸部的立体图像信息包括立体脸部特征信息。该处理器14例如通过深度学习方法,从该第二红外图像中提取立体特征信息,并比对提取到的立体特征信息与预存的立体脸部特征信息。其中,该立体特征信息例如包括位置信息和深度信息等。
该深度学习方法包括:建立深度卷积神经网络模型,使用预定数量的脸部照片训练该深度卷积神经网络模型,根据训练好的该深度卷积神经网络模型从该红外图像中提取脸部的特征参数。
该立体图像信息例如可由数字0和1的集合来表示。
当该待测物体是平面物体而非立体脸部时,例如,该待测物体是一张照片时,该处理器14由该第二红外图像构建不出真实的立体图像信息,从而可以确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息不匹配。
需要说明的是,该处理器14根据该第二红外图像提取立体特征信息的方式并不限于深度学习方法,也可为其它合适的立体特征提取方法。
上述只是举例,然而,本申请并不局限于以上列举的例子。
另外,需要说明的是,在上述实施方式的身份鉴权装置1中,该处理器14例如也可执行额外的鉴权程序。例如,在执行身份鉴权的过程,该处理器14进一步执行:根据该第一红外图像和/或该第二红外图像,确认该待测物体是否为活体;又例如,根据该第一红外图像和/或该第二红外图像,确认该待测物体的眼睛是否注视在电子设备前方的预定范围内等。从而,使得本申请的身份鉴权装置1的效果更好。由前述可知,本申请并不限于以上内容所公开的技术方案,只要是技术思想与本申请的技术思想相同或相似的发明,均应落在本申请的保护范围。
本申请的身份鉴权装置1用于生物体的脸部识别。该生物体例如为人体或其它合适的动物体。
下面,以人脸识别为例对本申请的身份鉴权装置1进行说明。在进行脸部识别之前,用户已提前注册好其本人的脸部图像模板,并存储在该存储器16中。该脸部图像模板例如并不局限于包括立体图像信息等。
相应地,该处理器14用于根据该第一红外图像判断该待测物体是否具备人脸特征,以及比对该待测物体的立体图像信息与已注册用户脸部的立体图像信息是否匹配。
在本实施方式中,当该处理器14判断得知该待测物体具备人脸特征,以及确认该待测物体的立体图像信息与已注册用户脸部的立体图像信息匹配时,则人脸识别成功。
较佳地,在一示例中,该处理器14在执行“根据该第一红外图像判断该待测物体是否具备脸部特征”的同时:该控制电路15控制该第二投射器11投射红外泛光至该待测物体,该图像传感装置12感测该待测物体的第二红外图像。如此,能够节省感测时间,提高感测效率。
然而,可变更地,在另一示例中,当该处理器14判断得知该待测物体具备脸部特征之后,该控制电路15再控制该第二投射器11投射红外泛光至该待测物体,该图像传感装置12感测该待测物体的第二红外图像。接下来,该处理器14根据该第二红外图像构建出立体图像信息,并比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配。如此,能够识别时的功耗,但是要相对费时。
在又一示例中,在该处理器14执行“根据该第一红外图像判断该待测物体是否具备脸部特征”的之前,该控制电路15控制该第一投射器10和该第二投射器11先后工作,该图像传感装置12分别感测获得该待测物体的第一红外图像和第二红外图像。其中,该控制电路15也可控制该第二投射器11先于该第一投射器10工作。
现有的,业界通常投射波长为850纳米的近红外光,来获得待测物体的红外图像。然而,本申请的发明人经过大量的创造性劳动,分析与研究发现:该第一投射器10投射波长为940纳米左右的红外泛光至该待测物体,该第二投射器11投射940纳米左右的红外结构光至该待测物体,该图像传感装置12可以获得较准确的感测效果。
请再参阅图2,环境光中波长范围为[920,960]纳米的近红外光易被大气吸收、强度衰减较大,当该第一投射器10投射波长范围为[920,960]纳米的红外泛光到待测物体、该图像传感装置12根据捕获的红外泛光获得该待测物体的第一红外图像时,能够少受环境光的干扰,从而提高图像的获取精度。类似地,当该第二投射器11投射波长范围为[920,960]纳米的红外泛光到待测物体、该图像传感装置12根据捕获的红外泛光获得该待测物体的第二红外图像时,能够少受环境光的干扰,从而提高图像的获取精度。
进一步地,在波长范围为[920,960]纳米的红外光中,波长为940纳米的近红外光更易被大气吸收、强度衰减最大,因此,在本申请的实施方式中,该第一投射器10投射的红外泛光的波长优选为940纳米,该第二投射器11投射的红外结构光的波长优选为940纳米。
然而,在实际应用中,该第一投射器10所投射的红泛泛光的波长和该第二投射器11所投射的红外结构光的波长在940纳米的基础上会有一定的偏差,例如会有(+15)纳米或(-15)纳米左右的偏差。因此,该第一投射器10所投射的红外泛光的波长范围例如为[925,955]纳米,该第二投射器11所投射的红外结构光的波长范围例如为[925,955]纳米。可见,该波长范围[925,955]仍然落在波长范围[920,960]内。
需要说明的是,该第一投射器10所投射的红外泛光的波长和该第二投射器11所投射的红外结构光的波长为落在上述波长范围[920,960]纳米中的任意一数值。本申请为了叙述简洁清楚,在此处并未一一列举各具体数值,但落在这波长范围[920,960]纳米中的任意一数值都是可行的。
当然,可变更地,该第一投射器10可投射波长为850纳米或者其它合适波长的红外泛光。该第二投射器11可投射波长为850纳米或者其它合适波长的红外结构光。
请参阅图7,图7为本申请的电子设备的一实施方式的结构示意图。所述电子设备100例如但不局限于为消费性电子产品、家居式电子产品、车载式电子产品、金融终端产品等合适类型的电子产品。其中,消费性电子产品例如但不局限为手机、平板电脑、笔记本电脑、桌面显示器、电脑一体机等。家居式电子产品例如但不局限为智能门锁、电视、冰箱、穿戴式设备等。车载式电子产品例如但不局限为车载导航仪、车载DVD等。金融终端产品例如但不局限为ATM机、自助办理业务的终端等。所述电子设备100包括上述身份鉴权装置1。所述电子设备100根据所述身份鉴权装置1的身份鉴权结果来对应是否执行相应的功能。所述相应的功能例如但不局限于包括解锁、支付、启动预存的应用程序中的任意一种或几种。
在本实施方式中,以电子设备为手机为例进行说明。所述手机例如为全面屏的手机,所述身份识别装置1例如设置在手机的正面顶端。当然,所述手机也并不限制于全面屏手机。
例如,当用户需要进行开机解锁时,抬起手机或触摸手机的屏幕都可以起到唤醒该身份鉴权装置1的作用。当该身份鉴权装置1被唤醒之后,识别该手机前方的用户是合法的用户时,则解锁屏幕。
可见,由于该电子设备100应用了该身份鉴权装置1,该电子设备1能够实现对待测物体的较远距离的感测,且感测响应速度较快。
在本说明书的描述中,参考术语“一个实施方式”、“某些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施方式,可以理解的是,上述实施方式是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。

Claims (35)

1.一种身份鉴权方法,包括:
步骤S1:投射红外泛光至一待测物体,感测获得该待测物体的第一红外图像;
步骤S2:投射红外结构光至该待测物体,感测获得该待测物体的第二红外图像;
步骤S3:根据该第一红外图像判断该待测物体是否具备脸部特征,如果判断得知该待测物体具备脸部特征,则执行步骤S4,否则,如果判断得知该待测物体不具备脸部特征,则身份鉴权失败;
步骤S4:根据该第二红外图像构建出该待测物体的立体图像信息,比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配,并根据匹配结果来确认该待测物体的身份是否合法。
2.如权利要求1所述的身份鉴权方法,其特征在于:如果确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息不匹配,则确认该待测物体的身份非法,身份鉴权失败。
3.如权利要求1所述的身份鉴权方法,其特征在于:如果确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息匹配,则确认该待测物体的身份合法,身份鉴权成功。
4.如权利要求1所述的身份鉴权方法,其特征在于:步骤S1与步骤S2分时进行,其中,步骤S1先于或后于步骤S2进行。
5.如权利要求1所述的身份鉴权方法,其特征在于:步骤S2先于步骤S3进行;或,步骤S2与步骤S3同时进行;或,步骤S2后于步骤S3进行。
6.如权利要求1所述的身份鉴权方法,其特征在于:步骤S2后于步骤S3进行,当步骤S3中判断得知该待测物体具备脸部特征,则先执行步骤S2,然后再执行步骤S4。
7.如权利要求1所述的身份鉴权方法,其特征在于:步骤S2先于步骤S3进行,或,步骤S2与步骤S3同时进行,当步骤S3中判断得知该待测物体具备脸部特征,则直接执行步骤S4。
8.如权利要求1所述的身份鉴权方法,其特征在于:步骤S3进一步包括:根据该第一红外图像提取二维特征信息,并根据提取到的二维特征信息判断该待测物体是否具备脸部特征。
9.如权利要求1所述的身份鉴权方法,其特征在于:该预存的物体脸部的立体图像信息包括立体脸部特征信息,步骤S4包括:根据该第二红外图像提取立体特征信息,并通过比对提取到的立体特征信息与预存的立体脸部特征信息来判断该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配。
10.如权利要求8或9所述的身份鉴权方法,其特征在于:该预存的物体脸部的立体图像信息为人体脸部的立体图像信息,在步骤S3中判断的是:该待测物体是否具备人脸特征,在步骤S4中比对的是:该待测物体的立体图像信息与预存的人体脸部的立体图像信息是否匹配。
11.如权利要求10所述的身份鉴权方法,其特征在于:通过深度学习方法提取该待测物体的特征信息。
12.如权利要求11所述的身份鉴权方法,其特征在于:该深度学习方法包括:建立深度卷积神经网络模型,使用预定数量的人脸照片训练该深度卷积神经网络模型,根据训练好的该深度卷积神经网络模型提取人脸的特征参数。
13.如权利要求1所述的身份鉴权方法,其特征在于:步骤S1中的红外泛光的波长为940纳米,和/或,步骤S2中的红外结构光的波长为940纳米。
14.如权利要求1所述的身份鉴权方法,其特征在于:步骤S1中的红外泛光的波长范围为[925,955]纳米,和/或,步骤S2中的红外结构光的波长范围为[925,955]纳米。
15.如权利要求1所述的身份鉴权方法,其特征在于:在步骤S2中,投射至待测物体的红外结构光形成图案,所述图案呈规则点阵式、条纹式、散斑式、网格式、编码式中的任意一种或几种的结合,或,在步骤S2中,投射至待测物体的红外结构光呈正弦波、方波中的任意一种或两种的结合。
16.一种身份鉴权装置,包括:
存储器,用于预存物体脸部的立体图像信息;
第一投射器,用于投射红外泛光至待测物体;
第二投射器,用于投射红外结构光至该待测物体;
图像传感装置,用于捕获由该待测物体反射回来的红外泛光、感测获得该待测物体的第一红外图像,还用于捕获由该待测物体反射回来的红外结构光、感测获得该待测物体的第二红外图像;和
处理器,用于根据该第一红外图像判断该待测物体是否具备脸部特征,并当判断得知该待测物体具备脸部特征后,进一步用于根据该第二红外图像构建出该待测物体的立体图像信息,比对该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配,并根据匹配结果来确认该待测物体的身份是否合法。
17.如权利要求16所述的身份鉴权装置,其特征在于:当该处理器判断得知该待测物体不具备脸部特征时,则确认该待测物体的身份非法,身份鉴权失败。
18.如权利要求16所述的身份鉴权装置,其特征在于:当该处理器确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息不匹配时,则确认该待测物体的身份非法,身份鉴权失败。
19.如权利要求16所述的身份鉴权装置,其特征在于:当该处理器确认该待测物体的立体图像信息与预存的物体脸部的立体图像信息匹配时,则确认该待测物体的身份合法,身份鉴权成功。
20.如权利要求16所述的身份鉴权装置,其特征在于:该身份鉴权装置进一步包括控制电路,用于控制该第一投射器与第二投射器分时工作,当进行身份鉴权时,所述控制电路控制该第一投射器先于或后于该第二投射器工作。
21.如权利要求20所述的身份鉴权装置,其特征在于:当进行身份鉴权时,所述控制电路用于控制该第一投射器、第二投射器、和该图像传感装置协同工作。
22.如权利要求20所述的身份鉴权装置,其特征在于:当该第二投射器投射红外结构光至该待测物体、该图像传感装置感测该待测物体的第二红外图像的同时:该处理器根据该第一红外图像判断该待测物体是否具备脸部特征;或,当该第二投射器投射红外结构光至该待测物体、该图像传感装置感测该待测物体的第二红外图像之后:该处理器根据该第一红外图像判断该待测物体是否具备脸部特征;或,当该处理器根据该第一红外图像判断得知该待测物体具备脸部特征之后,该控制电路开始控制该第二投射器投射红外结构光至该待测物体、该图像传感装置感测该待测物体的第二红外图像,接着,该处理器根据该第二红外图像构建出该待测物体的立体图像信息,并比对该待测物体的立体图像信息与预存的物体面部的立体图像信息是否匹配。
23.如权利要求16所述的身份鉴权装置,其特征在于:该身份鉴权装置进一步包括高速数据传送链路,用于把图像传感装置中表示该第一红外图像的信号和表示该第二红外图像的信号传送到该处理器中进行处理。
24.如权利要求16所述的身份鉴权装置,其特征在于:该处理器用于根据该第一红外图像提取二维特征信息,并根据提取到的二维特征信息判断该待测物体是否具备脸部特征。
25.如权利要求16所述的身份鉴权装置,其特征在于:该预存的物体脸部的立体图像信息包括立体脸部特征信息,该处理器用于根据该第二红外图像提取立体特征信息,并通过比对提取到的立体特征信息与预存的立体脸部特征信息来判断该待测物体的立体图像信息与预存的物体脸部的立体图像信息是否匹配。
26.如权利要求24或25所述的身份鉴权装置,其特征在于:该预存的物体脸部的立体图像信息为人体脸部的立体图像信息,当进行身份鉴权时,该处理器判断该待测物体是否具备人脸特征,以及比对该待测物体的立体图像信息与预存的人体脸部的立体图像信息是否匹配。
27.如权利要求26所述的身份鉴权装置,其特征在于:通过深度学习方法提取该待测物体的特征信息。
28.如权利要求27所述的身份鉴权装置,其特征在于:该深度学习方法包括:建立深度卷积神经网络模型,使用预定数量的人脸照片训练该深度卷积神经网络模型,根据训练好的该深度卷积神经网络模型提取人脸的特征参数。
29.如权利要求16所述的身份鉴权装置,其特征在于:该第一投射器投射的红外泛光的波长为940纳米,和/或,该第二投射器红外泛光的波长为940纳米。
30.如权利要求16所述的身份鉴权装置,其特征在于:该第一投射器投射的红外泛光的波长范围为[925,955]纳米,和/或,该第二投射器投射的红外结构光的波长范围为[925,955]纳米。
31.如权利要求16所述的身份鉴权装置,其特征在于:该第二投射器投射至待测物体的红外结构光形成图案,所述图案呈规则点阵式、条纹式、散斑式、网格式、编码式中的任意一种或几种的结合,或,该第二投射器投射至待测物体的红外结构光呈正弦波、方波中的任意一种或两种的结合。
32.一种电子设备,包括权利要求16-31中任意一项所述的身份鉴权装置。
33.如权利要求32所述的电子设备,其特征在于:所述电子设备根据所述身份鉴权装置的身份鉴权结果来对应是否执行相应的功能。
34.如权利要求33所述的电子设备,其特征在于:所述相应的功能包括解锁、支付、启动预设的应用程序中的任意一种或几种。
35.如权利要求32所述的电子设备,其特征在于:所述电子设备包括消费性电子产品、家居式电子产品、车载式电子产品、金融终端产品中的任意一种或几种。
CN201880000317.1A 2018-04-18 2018-04-18 身份鉴权方法、身份鉴权装置、和电子设备 Pending CN108701228A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/083619 WO2019200576A1 (zh) 2018-04-18 2018-04-18 身份鉴权方法、身份鉴权装置、和电子设备

Publications (1)

Publication Number Publication Date
CN108701228A true CN108701228A (zh) 2018-10-23

Family

ID=63841381

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880000317.1A Pending CN108701228A (zh) 2018-04-18 2018-04-18 身份鉴权方法、身份鉴权装置、和电子设备

Country Status (2)

Country Link
CN (1) CN108701228A (zh)
WO (1) WO2019200576A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110249339A (zh) * 2019-04-24 2019-09-17 深圳市汇顶科技股份有限公司 一种人脸注册方法、人脸注册装置、服务器和可存储介质
WO2021258294A1 (zh) * 2020-06-23 2021-12-30 Oppo广东移动通信有限公司 电子设备及解锁方法、装置、存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150339471A1 (en) * 2014-05-23 2015-11-26 Texas Instruments Incorporated Device unlock with three dimensional (3d) captures
CN105184277A (zh) * 2015-09-29 2015-12-23 杨晴虹 活体人脸识别方法以及装置
WO2017113286A1 (zh) * 2015-12-31 2017-07-06 深圳先进技术研究院 一种认证方法及装置
CN107066942A (zh) * 2017-03-03 2017-08-18 上海斐讯数据通信技术有限公司 一种活体人脸识别方法及系统
CN107483428A (zh) * 2017-08-09 2017-12-15 广东欧珀移动通信有限公司 身份验证方法、装置和终端设备
CN107609383A (zh) * 2017-10-26 2018-01-19 深圳奥比中光科技有限公司 3d人脸身份认证方法与装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9111082B2 (en) * 2012-05-26 2015-08-18 Joseph M Gangi Secure electronic identification device
CN107633165B (zh) * 2017-10-26 2021-11-19 奥比中光科技集团股份有限公司 3d人脸身份认证方法与装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150339471A1 (en) * 2014-05-23 2015-11-26 Texas Instruments Incorporated Device unlock with three dimensional (3d) captures
CN105184277A (zh) * 2015-09-29 2015-12-23 杨晴虹 活体人脸识别方法以及装置
WO2017113286A1 (zh) * 2015-12-31 2017-07-06 深圳先进技术研究院 一种认证方法及装置
CN107066942A (zh) * 2017-03-03 2017-08-18 上海斐讯数据通信技术有限公司 一种活体人脸识别方法及系统
CN107483428A (zh) * 2017-08-09 2017-12-15 广东欧珀移动通信有限公司 身份验证方法、装置和终端设备
CN107609383A (zh) * 2017-10-26 2018-01-19 深圳奥比中光科技有限公司 3d人脸身份认证方法与装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110249339A (zh) * 2019-04-24 2019-09-17 深圳市汇顶科技股份有限公司 一种人脸注册方法、人脸注册装置、服务器和可存储介质
WO2020215229A1 (zh) * 2019-04-24 2020-10-29 深圳市汇顶科技股份有限公司 一种人脸注册方法、人脸注册装置、服务器和可存储介质
WO2021258294A1 (zh) * 2020-06-23 2021-12-30 Oppo广东移动通信有限公司 电子设备及解锁方法、装置、存储介质

Also Published As

Publication number Publication date
WO2019200576A1 (zh) 2019-10-24

Similar Documents

Publication Publication Date Title
CN108496182A (zh) 身份鉴权方法、身份鉴权装置、和电子设备
EP1715454B1 (en) Apparatus and method for performing motion capture using shutter synchronization
WO2017167282A1 (zh) 一种目标跟踪方法及电子设备、计算机存储介质
CN108566777A (zh) 身份鉴权方法、身份鉴权装置、和电子设备
Huang et al. High-speed structured light based 3D scanning using an event camera
CN103514439A (zh) 面部识别
CN105874472A (zh) 具有虹膜颜色识别的多频带生物识别相机系统
CN111031278B (zh) 一种基于结构光和tof的监控方法和系统
CN109086694A (zh) 一种人脸识别系统及方法
CN208172809U (zh) 图像获取装置、图像重构装置、身份识别装置、电子设备
CN108513661A (zh) 身份鉴权方法、身份鉴权装置、和电子设备
CN108701228A (zh) 身份鉴权方法、身份鉴权装置、和电子设备
CN109903377A (zh) 一种无需相位展开的三维人脸建模方法及系统
CN108711186B (zh) 目标物体制图的方法与装置、身份识别装置和电子设备
CN209168110U (zh) 身份鉴权装置和电子设备
CN108513662A (zh) 身份鉴权方法、身份鉴权装置、和电子设备
CN108521821A (zh) 身份鉴权方法、身份鉴权装置、和电子设备
CN113255401A (zh) 3d人脸摄像装置
CN108764214A (zh) 身份鉴权方法、身份鉴权装置及电子设备
CN109145549A (zh) 身份鉴权方法、身份鉴权装置及电子设备
CN108496183A (zh) 图像获取装置以及图像获取方法
KR102257226B1 (ko) 픽토그램 인식 장치, 픽토그램 인식 시스템 및 픽토그램 인식 방법
CN109063550B (zh) 目标物体制图的方法与装置、身份识别装置及电子设备
CN209046731U (zh) 图像传感器、图像获取装置、身份识别装置及电子设备
CN109040566B (zh) 图像传感器、图像获取装置、身份识别装置及电子设备

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181023