CN108710841A - 一种基于MEMs红外阵列传感器的人脸活体检测装置及方法 - Google Patents
一种基于MEMs红外阵列传感器的人脸活体检测装置及方法 Download PDFInfo
- Publication number
- CN108710841A CN108710841A CN201810448928.4A CN201810448928A CN108710841A CN 108710841 A CN108710841 A CN 108710841A CN 201810448928 A CN201810448928 A CN 201810448928A CN 108710841 A CN108710841 A CN 108710841A
- Authority
- CN
- China
- Prior art keywords
- temperature
- face
- block
- data
- unit
- 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.)
- Granted
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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Radiation Pyrometers (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于MEMs红外阵列传感器的人脸活体检测装置及方法。解决了现有技术中人脸识别活体检测存在设备成本高、检测方法复杂的问题。装置包括数据采集端和处理端,数据采集端包括红外阵列传感器单元和摄像头单元,处理端包括数据接收单元、轮廓提取单元和活体分析单元;装置同步采集人脸区域的图像信息和红外阵列温度分布图信息,进行人脸识别检测;通过人脸识别检测后进行头部轮廓提取,获取头部区块和背景区块的温度数据,进行第一次活体判断和第二次活体判断,通过后判断为真人人脸。本发明采用MEMs红外阵列传感器结合普通摄像头进行人脸活体检测,设备简单成本低、方法计算简单、降低了活体判别的复杂度。
Description
技术领域
本发明涉及一种人脸识别技术领域,尤其是涉及一种基于MEMs红外阵列传感器的人脸活体检测装置及方法。
背景技术
人脸识别是通过人脸生物特征进行个人身份鉴别的技术手段。随着计算机与网络技术的不断发展,人脸识别等生物特征识别手段应用愈来愈广泛。人脸识别技术通常应用在安防领域,需要具备高等级的防备攻击的能力。普通的人脸识别技术并不能识别人脸是否来自真人还是照片,人面面具,视频播放,3D模型等形式。因此,在人脸识别系统中加入活体检测功能是必不可少的。
目前,活体检测主要通过运动,3D摄像,光流法,红外摄像头,以及多种信息融合的方式实现。这些方式要么需要更为昂贵的外部辅助设备,体积较大,要么需要额外的多次摄录信息,要么需要复杂的融合算法,需要较强的CPU计算能力,从而带来成本的增加。
发明内容
本发明主要是解决现有技术中人脸识别活体检测存在设备成本高、体积大,以及检测方法复杂的问题,提供了一种基于MEMs红外阵列传感器的人脸活体检测装置及方法。
本发明的上述技术问题主要是通过下述技术方案得以解决的:一种基于MEMs红外阵列传感器的人脸活体检测装置,包括数据采集端和处理端,所述数据采集端包括红外阵列传感器单元和摄像头单元,所述处理端包括数据接收单元、轮廓提取单元和活体分析单元,所述红外阵列传感器单元、摄像头单元分别与数据接收单元相连,数据接收单元分别与轮廓提取单元、活体分析单元相连,轮廓提取单元与活体分析单元相连;
轮廓提取单元:对摄像头单元获取的图像进行头部轮廓提取;
活体分析单元:根据红外阵列传感器单元的温度信息和摄像头单元的图像信息,结合头部轮廓信息获取头部和背景区块的温度数据,根据头部区块温度数据进行第一次活体判断,在通过第一次活体判断后结合头部区块和背景区块温度数据进行第二次活体判断。
本发明采用MEMs红外阵列传感器结合普通摄像头进行人脸活体检测,其结构简单,且传感器价格低,降低了成本,操作过程简单,只需要一次有效摄录,即可识别是否为真人人脸,极大降低了活体判别的复杂度。选用的二维摄像头和MEMs红外阵列传感器视角相仿,使二者均可覆盖人脸检测区域,使红外区域和图像重叠部分达到80%以上,并标记重叠部分。
作为一种优选方案,还包括人脸识别单元,所述数据获取单元与人脸识别单元相连,人脸识别单元与轮廓提取单元相连。本方案增加人脸识别单元,使得在进行人脸活体检测之前先进行人脸信息有效性判断,保证检测的人脸信息为有效的存储的人脸信息。
作为一种优选方案,第一次活体判断包括计算头部区块温度数据的归一化温度和温度分布直方图熵,将归一化温度和温度分布直方图熵分别与各对应的设定阈值比较,满足阈值范围通过第一次活体判断。
作为一种优选方案,第二次活体判断包括计算头部区块温度数据的归一化温度和背景区块温度数据的归一化温度,计算头部区块温度数据的归一化温度和背景区块温度数据的归一化温度的比值,将比值与对应的设定阈值比较,满足阈值范围判断为活体人脸。
一种基于MEMs红外阵列传感器的人脸活体检测方法,包括以下步骤:
S1.同步采集人脸区域的图像信息和红外阵列温度分布图信息;
S2.根据图像信息进行人脸识别检测;
S3.通过人脸识别检测后进行头部轮廓提取;头部轮廓提取采用边缘检测算子,获取头部区域的大致轮廓。该方法为现有的轮廓提取方法,本领域技术人员根据现有技术都能得知如何采用该方法进行轮廓提取。
S4.获取头部区块和背景区块的温度数据;
S5.根据头部区块温度数据进行第一次活体判断;第一次活体判断包括计算头部区块温度数据的归一化温度和温度分布直方图熵,将归一化温度和温度分布直方图熵分别与各对应的设定阈值比较,满足阈值范围通过第一次活体判断。
S6.在通过第一次活体判断后结合头部区块和背景区块温度数据进行第二次活体判断;第二次活体判断包括计算头部区块温度数据的归一化温度和背景区块温度数据的归一化温度,计算头部区块温度数据的归一化温度和背景区块温度数据的归一化温度的比值,将比值与对应的设定阈值比较,满足阈值范围判断为活体人脸。
本发明采用MEMs红外阵列传感器结合普通摄像头进行人脸活体检测方法,方法计算简单,只需要一次有效摄录,即可识别是否为真人人脸,极大降低了活体判别的复杂度。通过两次活体判断后才确认是否为活体人脸,提高了判断的准确度。
作为一种优选方案,步骤S2中根据图像信息进行人脸识别检测的过程包括:
S21.根据图像信息对人脸基本特征进行提取,获得当前人脸基本特征数据;
S22.读取已存储的各人脸基本特征数据;这里提取人脸基本特征数据基于标准的人脸识别算法,这些算法为现有已知的算法,本领域技术人员可以选取一种现有人脸识别算法进行人脸识别。
S23.将获得的当前人脸基本特征数据与各人脸基本特征数据进行比较,若比较无匹配数据,结束检测,若比较具有匹配数据,进入步骤S3。本方案先通过人脸识别来判断要检测的人脸是否为存储的人脸,即对人脸信息的有效性进行判断,是存储的人脸则再进行活体检测判断是否为活体人脸,若不是存储的人脸则结束检测。
作为一种优选方案,步骤S4中获取头部区块和背景区块的温度数据的过程包括:
S41.将采集的图像根据分辨率进行分块;
S42.标记图像中头部轮廓所包括的图像子块,作为头部区块,标记图像中头部轮廓外的图像子块,作为背景区块;
S43.找出头部区块所在的子块对应的红外阵列温度分布中的位置,获得头部区块各子块温度数据作为头部区块的温度数据,找出背景区块所在的子块对应的红外阵列温度分布中的位置,获得背景区块各子块温度数据作为背景区块的温度数据。
作为一种优选方案,步骤S5中第一次活体判断的过程包括:
S51.根据头部区块的温度数据,采用归一化方法计算头部区块各子块的归一化温度,计算各子块归一化温度的平均值作为头部区块的归一化温度;归一化方法为采用现有技术常规计算方法。
S52.根据头部区块的温度数据,获得温度分布直方图,计算直方图熵;获取温度分布直方图和计算直方图熵也是采用现有常规计算方法。
S53.判断头部区块的归一化温度是否在设定的人脸温度阈值范围内,且直方图熵是否在在设定的熵阈值范围内,若是进入第二次活体判断,若否结束检测。人脸温度阈值和熵阈值范围的设定是根据活体人脸情况选出的合适的范围,即落入在这个设定阈值范围内可以判断为活体人脸。
作为一种优选方案,步骤S6中进行第二次活体判断的过程包括:
S61.根据背景区块的温度数据,采用归一化方法计算背景区块各子块的归一化温度,计算各子块归一化温度的平均值作为背景区块的归一化温度;
S62.计算头部区块的归一化温度和背景区块的归一化温度的比值;
S63.判断比值是否超出设定的比值阈值,若是表示图像人脸区域为真人人脸区域,若否结束检测。
作为一种优选方案,在步骤S4之前还具有对采集的图像和红外阵列温度分布进行插值的步骤,其过程包括:
a.判断图像的分辨率是否低于设定图像分辨率范围,若是对图像进行插值获得高分辨率的图像,若否进入下步骤;
b.判断红外阵列温度分布图的分辨率是否低于设定温度分布分辨率范围,若是对红外阵列温度分布图进行插值获得高分辨率红外阵列温度分布图,进入下步骤,若否进入步骤S4;
c.同时对图像进行插值获得高分辨率的图像,且插值后图像的分辨率与插值后红外阵列温度分布图的分辨率相同。本方案当图像分辨率较低时,可以通过插值提高图像分辨率,以便于后续对图像按分辨率进行分块。当红外阵列温度分布图分辨率较低时,可以通过插值提高红外阵列温度分布图分辨率,以细化温度子块分布,但同时保证插值后图像的分辨率与插值后红外阵列温度分布图的分辨率相同。
因此,本发明的优点是:采用MEMs红外阵列传感器结合普通摄像头进行人脸活体检测,其结构简单,且传感器价格低,降低了成本,操作过程简单,只需要一次有效摄录,即可识别是否为真人人脸,极大降低了活体判别的复杂度。
附图说明
附图1是本发明的一种结构框示图;
附图2是本发明的一种流程示意图。
1-数据采集端 11-红外阵列传感器单元 12-摄像头单元 2-处理端 21-数据接收单元 22-人脸识别单元 23-轮廓提取单元 24-活体分析单元。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:
本实施例.一种基于MEMs红外阵列传感器的人脸活体检测装置,如图1所示,包括数据采集端1和处理端2,数据采集端包括红外阵列传感器单元11和摄像头单元12,处理端包括数据接收单元21、人脸识别单元22、轮廓提取单元23和活体分析单元24,红外阵列传感器单元、摄像头单元分别与数据接收单元相连,数据接收单元分别与轮廓提取单元、轮廓提取单元、活体分析单元相连,人脸识别单元与轮廓提取单元相连,轮廓提取单元与活体分析单元相连。
摄像头单元:采集人脸区域的图像信息;摄像头单元采用常规二维摄像头。
红外阵列传感器单元:同步采集人脸区域红外阵列温度分布图信息;红外阵列传感器单元采用MEMs红外阵列传感器。
二维摄像头和MEMs红外阵列传感器视角相仿,使二者均可覆盖人脸检测区域,使红外区域和图像重叠部分达到80%以上,并标记重叠部分。
轮廓提取单元:对摄像头单元获取的图像进行头部轮廓提取;
活体分析单元:根据红外阵列传感器单元的温度信息和摄像头单元的图像信息,结合头部轮廓信息获取头部和背景区块的温度数据,根据头部区块温度数据进行第一次活体判断,在通过第一次活体判断后结合头部区块和背景区块温度数据进行第二次活体判断。
其中,第一次活体判断包括计算头部区块温度数据的归一化温度和温度分布直方图熵,将归一化温度和温度分布直方图熵分别与各对应的设定阈值比较,满足阈值范围通过第一次活体判断。
第二次活体判断包括计算头部区块温度数据的归一化温度和背景区块温度数据的归一化温度,计算头部区块温度数据的归一化温度和背景区块温度数据的归一化温度的比值,将比值与对应的设定阈值比较,满足阈值范围判断为活体人脸。
一种基于MEMs红外阵列传感器的人脸活体检测方法,如图2所示,包括以下步骤:
S1.同步采集人脸区域的图像信息和红外阵列温度分布图信息;
S2.根据图像信息进行人脸识别检测;具体过程包括:
S21.根据图像信息对人脸基本特征进行提取,获得当前人脸基本特征数据;
S22.读取已存储的各人脸基本特征数据;
S23.将获得的当前人脸基本特征数据与各人脸基本特征数据进行比较,若比较无匹配数据,结束检测,若比较具有匹配数据,进入步骤S3。
S3.通过人脸识别检测后进行头部轮廓提取;头部轮廓提取采用边缘检测算子,获取头部区域的大致轮廓。
在进入步骤S4之前还对采集的图像和红外阵列温度分布进行插值的步骤,其过程包括:
a.判断图像的分辨率是否低于设定图像分辨率范围,若是对图像进行插值获得高分辨率的图像,若否进入下步骤;
b.判断红外阵列温度分布图的分辨率是否低于设定温度分布分辨率范围,若是对红外阵列温度分布图进行插值获得高分辨率红外阵列温度分布图,进入下步骤,若否进入步骤S4;
c.同时对图像进行插值获得高分辨率的图像,且插值后图像的分辨率与插值后红外阵列温度分布图的分辨率相同。
S4.获取头部区块和背景区块的温度数据;具体过程包括:
S41.将采集的图像根据分辨率进行分块;
S42.标记图像中头部轮廓所包括的图像子块,作为头部区块,标记图像中头部轮廓外的图像子块,作为背景区块;
S43.找出头部区块所在的子块对应的红外阵列温度分布中的位置,获得头部区块各子块温度数据作为头部区块的温度数据,找出背景区块所在的子块对应的红外阵列温度分布中的位置,获得背景区块各子块温度数据作为背景区块的温度数据。
S5.根据头部区块温度数据进行第一次活体判断;第一次活体判断的过程包括:
S51.根据头部区块的温度数据,采用归一化方法计算头部区块各子块的归一化温度,计算各子块归一化温度的平均值作为头部区块的归一化温度;归一化方法采用现有技术常规计算方法。
S52.根据头部区块的温度数据,获得温度分布直方图,计算直方图熵;获取温度分布直方图和计算直方图熵也是采用现有常规计算方法。
S53.判断头部区块的归一化温度是否在设定的人脸温度阈值范围内,且直方图熵是否在在设定的熵阈值范围内,若是进入第二次活体判断,若否结束检测。人脸温度阈值和熵阈值范围的设定是根据活体人脸情况选出的合适的范围。
S6.在通过第一次活体判断后结合头部区块和背景区块温度数据进行第二次活体判断。第二次活体判断的过程包括:
S61.根据背景区块的温度数据,采用归一化方法计算背景区块各子块的归一化温度,计算各子块归一化温度的平均值作为背景区块的归一化温度;
S62.计算头部区块的归一化温度和背景区块的归一化温度的比值;
S63.判断比值是否超出设定的比值阈值,若是表示图像人脸区域为真人人脸区域,若否结束检测。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了数据采集端、红外阵列传感器单元、摄像头单元、处理端等术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (10)
1.一种基于MEMs红外阵列传感器的人脸活体检测装置,其特征在于:包括数据采集端和处理端,所述数据采集端包括红外阵列传感器单元和摄像头单元,所述处理端包括数据接收单元、轮廓提取单元和活体分析单元,所述红外阵列传感器单元、摄像头单元分别与数据接收单元相连,数据接收单元分别与轮廓提取单元、活体分析单元相连,轮廓提取单元与活体分析单元相连;
轮廓提取单元:对摄像头单元获取的图像进行头部轮廓提取;
活体分析单元:根据红外阵列传感器单元的温度信息和摄像头单元的图像信息,结合头部轮廓信息获取头部和背景区块的温度数据,根据头部区块温度数据进行第一次活体判断,在通过第一次活体判断后结合头部区块和背景区块温度数据进行第二次活体判断。
2.根据权利要求1所述的一种基于MEMs红外阵列传感器的人脸活体检测装置,其特征是还包括人脸识别单元,所述数据获取单元与人脸识别单元相连,人脸识别单元与轮廓提取单元相连。
3.根据权利要求1或2所述的一种基于MEMs红外阵列传感器的人脸活体检测装置,其特征是第一次活体判断包括计算头部区块温度数据的归一化温度和温度分布直方图熵,将归一化温度和温度分布直方图熵分别与各对应的设定阈值比较,满足阈值范围通过第一次活体判断。
4.根据权利要求1或2所述的一种基于MEMs红外阵列传感器的人脸活体检测装置,其特征是第二次活体判断包括计算头部区块温度数据的归一化温度和背景区块温度数据的归一化温度,计算头部区块温度数据的归一化温度和背景区块温度数据的归一化温度的比值,将比值与对应的设定阈值比较,满足阈值范围判断为活体人脸。
5.一种基于MEMs红外阵列传感器的人脸活体检测方法,其特征是包括以下步骤:
S1.同步采集人脸区域的图像信息和红外阵列温度分布图信息;
S2.根据图像信息进行人脸识别检测;
S3.通过人脸识别检测后进行头部轮廓提取;
S4.获取头部区块和背景区块的温度数据;
S5.根据头部区块温度数据进行第一次活体判断;
S6.在通过第一次活体判断后结合头部区块和背景区块温度数据进行第二次活体判断。
6.根据权利要求5所述的一种基于MEMs红外阵列传感器的人脸活体检测方法,其特征是步骤S2中根据图像信息进行人脸识别检测的过程包括:
S21.根据图像信息对人脸基本特征进行提取,获得当前人脸基本特征数据;
S22.读取已存储的各人脸基本特征数据;
S23.将获得的当前人脸基本特征数据与各人脸基本特征数据进行比较,若比较无匹配数据,结束检测,若比较具有匹配数据,进入步骤S3。
7.根据权利要求5所述的一种基于MEMs红外阵列传感器的人脸活体检测方法,其特征是步骤S4中获取头部区块和背景区块的温度数据的过程包括:
S41.将采集的图像根据分辨率进行分块;
S42.标记图像中头部轮廓所包括的图像子块,作为头部区块,标记图像中头部轮廓外的图像子块,作为背景区块;
S43.找出头部区块所在的子块对应的红外阵列温度分布中的位置,获得头部区块各子块温度数据作为头部区块的温度数据,找出背景区块所在的子块对应的红外阵列温度分布中的位置,获得背景区块各子块温度数据作为背景区块的温度数据。
8.根据权利要求7所述的一种基于MEMs红外阵列传感器的人脸活体检测方法,其特征是步骤S5中第一次活体判断的过程包括:
S51.根据头部区块的温度数据,采用归一化方法计算头部区块各子块的归一化温度,计算各子块归一化温度的平均值作为头部区块的归一化温度;
S52.根据头部区块的温度数据,获得温度分布直方图,计算直方图熵;
S53.判断头部区块的归一化温度是否在设定的人脸温度阈值范围内,且直方图熵是否在在设定的熵阈值范围内,若是进入第二次活体判断,若否结束检测。
9.根据权利要求8所述的一种基于MEMs红外阵列传感器的人脸活体检测方法,其特征是步骤S6中进行第二次活体判断的过程包括:
S61.根据背景区块的温度数据,采用归一化方法计算背景区块各子块的归一化温度,计算各子块归一化温度的平均值作为背景区块的归一化温度;
S62.计算头部区块的归一化温度和背景区块的归一化温度的比值;
S63.判断比值是否超出设定的比值阈值,若是表示图像人脸区域为真人人脸区域,若否结束检测。
10.根据权利要求5或7所述的一种基于MEMs红外阵列传感器的人脸活体检测方法,其特征是在步骤S4之前还具有对采集的图像和红外阵列温度分布进行插值的步骤,其过程包括:
a.判断图像的分辨率是否低于设定图像分辨率范围,若是对图像进行插值获得高分辨率的图像,若否进入下步骤;
b.判断红外阵列温度分布图的分辨率是否低于设定温度分布分辨率范围,若是对红外阵列温度分布图进行插值获得高分辨率红外阵列温度分布图,进入下步骤,若否进入步骤S4;
c.同时对图像进行插值获得高分辨率的图像,且插值后图像的分辨率与插值后红外阵列温度分布图的分辨率相同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810448928.4A CN108710841B (zh) | 2018-05-11 | 2018-05-11 | 一种基于MEMs红外阵列传感器的人脸活体检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810448928.4A CN108710841B (zh) | 2018-05-11 | 2018-05-11 | 一种基于MEMs红外阵列传感器的人脸活体检测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108710841A true CN108710841A (zh) | 2018-10-26 |
CN108710841B CN108710841B (zh) | 2021-06-15 |
Family
ID=63868925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810448928.4A Active CN108710841B (zh) | 2018-05-11 | 2018-05-11 | 一种基于MEMs红外阵列传感器的人脸活体检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108710841B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215806A (zh) * | 2018-10-31 | 2019-01-15 | 绍兴文理学院 | 一种基于人脸识别的公共场所健康监测系统及方法 |
CN111488764A (zh) * | 2019-01-26 | 2020-08-04 | 天津大学青岛海洋技术研究院 | 一种面向ToF图像传感器的人脸识别算法 |
WO2021179624A1 (zh) * | 2020-03-13 | 2021-09-16 | 深圳市商汤科技有限公司 | 监测方法及系统、电子设备和存储介质 |
CN113611012A (zh) * | 2021-06-16 | 2021-11-05 | 南京邮电大学 | 基于红外阵列传感器的非入侵式人数检测方法、装置及系统 |
CN111488764B (zh) * | 2019-01-26 | 2024-04-30 | 天津大学青岛海洋技术研究院 | 一种面向ToF图像传感器的人脸识别方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104980710A (zh) * | 2015-06-30 | 2015-10-14 | 上海青橙实业有限公司 | 温度检测方法及移动终端 |
CN105138981A (zh) * | 2015-08-20 | 2015-12-09 | 北京旷视科技有限公司 | 活体检测系统和方法 |
CN105912908A (zh) * | 2016-04-14 | 2016-08-31 | 苏州优化智能科技有限公司 | 基于红外的真人活体身份验证方法 |
CN106650666A (zh) * | 2016-12-26 | 2017-05-10 | 北京旷视科技有限公司 | 活体检测的方法及装置 |
CN106845345A (zh) * | 2016-12-15 | 2017-06-13 | 重庆凯泽科技股份有限公司 | 活体检测方法及装置 |
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 |
CN107451510A (zh) * | 2016-05-30 | 2017-12-08 | 北京旷视科技有限公司 | 活体检测方法和活体检测系统 |
CN107862299A (zh) * | 2017-11-28 | 2018-03-30 | 电子科技大学 | 一种基于近红外与可见光双目摄像头的活体人脸检测方法 |
-
2018
- 2018-05-11 CN CN201810448928.4A patent/CN108710841B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104980710A (zh) * | 2015-06-30 | 2015-10-14 | 上海青橙实业有限公司 | 温度检测方法及移动终端 |
CN105138981A (zh) * | 2015-08-20 | 2015-12-09 | 北京旷视科技有限公司 | 活体检测系统和方法 |
CN105912908A (zh) * | 2016-04-14 | 2016-08-31 | 苏州优化智能科技有限公司 | 基于红外的真人活体身份验证方法 |
CN107451510A (zh) * | 2016-05-30 | 2017-12-08 | 北京旷视科技有限公司 | 活体检测方法和活体检测系统 |
CN106845345A (zh) * | 2016-12-15 | 2017-06-13 | 重庆凯泽科技股份有限公司 | 活体检测方法及装置 |
CN106650666A (zh) * | 2016-12-26 | 2017-05-10 | 北京旷视科技有限公司 | 活体检测的方法及装置 |
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 |
CN107862299A (zh) * | 2017-11-28 | 2018-03-30 | 电子科技大学 | 一种基于近红外与可见光双目摄像头的活体人脸检测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215806A (zh) * | 2018-10-31 | 2019-01-15 | 绍兴文理学院 | 一种基于人脸识别的公共场所健康监测系统及方法 |
CN111488764A (zh) * | 2019-01-26 | 2020-08-04 | 天津大学青岛海洋技术研究院 | 一种面向ToF图像传感器的人脸识别算法 |
CN111488764B (zh) * | 2019-01-26 | 2024-04-30 | 天津大学青岛海洋技术研究院 | 一种面向ToF图像传感器的人脸识别方法 |
WO2021179624A1 (zh) * | 2020-03-13 | 2021-09-16 | 深圳市商汤科技有限公司 | 监测方法及系统、电子设备和存储介质 |
CN113611012A (zh) * | 2021-06-16 | 2021-11-05 | 南京邮电大学 | 基于红外阵列传感器的非入侵式人数检测方法、装置及系统 |
CN113611012B (zh) * | 2021-06-16 | 2023-02-14 | 南京邮电大学 | 基于红外阵列传感器的非入侵式人数检测方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108710841B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105740780B (zh) | 人脸活体检测的方法和装置 | |
CN107766819B (zh) | 一种视频监控系统及其实时步态识别方法 | |
US20110025834A1 (en) | Method and apparatus of identifying human body posture | |
CN105335726B (zh) | 人脸识别置信度获取方法和系统 | |
CN109784130B (zh) | 行人重识别方法及其装置和设备 | |
CN108090428B (zh) | 一种人脸识别方法及其系统 | |
US20220180534A1 (en) | Pedestrian tracking method, computing device, pedestrian tracking system and storage medium | |
CN112525352A (zh) | 一种基于人脸识别的红外测温补偿方法及终端 | |
CN102262727A (zh) | 客户采集终端人脸图像质量实时监控方法 | |
CN110674680B (zh) | 活体识别的方法、装置、存储介质 | |
JP2017016593A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
WO2017206914A1 (zh) | 指纹识别方法、指纹识别系统、及电子设备 | |
KR100824757B1 (ko) | 걸음걸이를 이용한 생체 인식 방법 | |
CN108710841A (zh) | 一种基于MEMs红外阵列传感器的人脸活体检测装置及方法 | |
US20220366570A1 (en) | Object tracking device and object tracking method | |
KR20160132731A (ko) | 열 영상에서 온라인 랜덤 펀 학습을 이용하여 보행자를 추적하는 장치 및 방법 | |
CN111027481A (zh) | 基于人体关键点检测的行为分析方法及装置 | |
CN109657717A (zh) | 一种基于多尺度密集结构特征提取的异源图像匹配方法 | |
JP2017049676A (ja) | 姿勢判定装置および物体検知装置 | |
CN111275040A (zh) | 定位方法及装置、电子设备、计算机可读存储介质 | |
CN112116635A (zh) | 一种基于快速人体移动的视觉跟踪方法及装置 | |
CN113378675A (zh) | 一种同时检测和特征提取的人脸识别方法 | |
CN114299050A (zh) | 一种基于改进Alphapose的红外图像摔倒检测方法 | |
US20220366716A1 (en) | Person state detection apparatus, person state detection method, and non-transitory computer readable medium storing program | |
CN115661903B (zh) | 一种基于空间映射协同目标过滤的识图方法及装置 |
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 |