CN108764126A - 一种嵌入式活体人脸跟踪系统 - Google Patents
一种嵌入式活体人脸跟踪系统 Download PDFInfo
- Publication number
- CN108764126A CN108764126A CN201810514930.7A CN201810514930A CN108764126A CN 108764126 A CN108764126 A CN 108764126A CN 201810514930 A CN201810514930 A CN 201810514930A CN 108764126 A CN108764126 A CN 108764126A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- embedded
- live body
- module
- 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
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 238000001727 in vivo Methods 0.000 claims abstract description 15
- 238000012706 support-vector machine Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 230000001815 facial effect Effects 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 238000010191 image analysis Methods 0.000 abstract description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
- G06V40/168—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)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种嵌入式活体人脸跟踪系统，该方法依靠嵌入式人脸跟踪系统来实现，包括人脸活体纹理特征识别、支持向量机训练和人脸活体检测单元，基于对采集到的人脸活体纹理特征，结合支持向量机给出当前人脸的真伪性判断，从嵌入式人脸跟踪系统的摄像头获取一张当前图片，判断当前图片上每个人脸是否已经被活体或者伪体跟踪模块跟踪，若未被跟踪，则利用上述纹理特征提取方法提取当前人脸的纹理特征，输入训练好的支持向量机进行活体预测，判断为活体，则加入活体检测跟踪模块，否则加入伪体跟踪模块；若所有的人脸均已被跟踪，则不采取动作。本发明针对单帧图像中的人脸进行图像分析，无需连续的多帧，判断时间降低，提高了系统的实时性。
Description
技术领域
本发明涉及图像处理和计算机视觉技术领域，具体的说是一种嵌入式活体人脸跟踪系统。
背景技术
我国已经进入了智能安防的加速发展阶段，城市中安置的摄像头越来越多，背后的视频网络也越来越复杂庞大。但是，这些视频的利用率却并不高，主要的使用者是警方，视频的产生速度已经远远大于数据的使用和处理速度。如何真正将海量的视频转化为有效的信息，是当前智能安防领域急需解决的一个问题。
无论是人脸识别，还是目标跟踪，这两种智能安防中常用的技术手段都无法解决检测到的人脸是否是真实的，即这两者的结合无法排除照片、视频、面具等伪体的攻击，因此活体检测也是安防系统的一个重要的组成部分。活体检测既可以及时发现并排除伪人脸的攻击，提高安防系统的安全性，又可以对视频中的非活体信息进行剔除，精简原始视频数据。
目前用于嵌入式的活体检测多基于检测相邻帧之间面部表情的变化，或者让客户做出特定的表情来判断人脸的真伪性。这种方法检测时间长，实时性较差，用户友好性一般，对视频攻击防御效果较差。
发明内容
本发明的目的是提供一种嵌入式活体人脸跟踪系统，实现实时的活体人脸跟踪和人为攻击预警，活体识别精度高、速度快。
为实现上述目的，本发明所采取的技术方案为：
一种嵌入式活体人脸跟踪系统，该方法依靠嵌入式人脸跟踪系统来实现，嵌入式人脸跟踪系统包括摄像头模块、显示模块、处理器模块以及通信模块，摄像头模块通过GPIO接口与处理器模块连接，显示模块通过LCD显示器接口与处理器模块连接，通信模块通过串口与处理器模块连接，它包括人脸活体纹理特征识别、支持向量机训练和人脸活体检测单元，包括以下步骤：
A、人脸活体纹理特征识别单元：
获取裁剪好的人脸图像，在一个以中心像素为圆心，半径大于一个像素的圆上均匀取点，选定一个阈值TH，将像素取值范围等分为三部分，将取样点的像素值与中心像素值进行比较，根据阈值的选取将比较结果记为1，0或-1，如果取样点的像素值大于中心像素值与TH的和，则结果记为1；如果取样点的像素值小于中心像素值与TH的差，则结果记为-1，否则结果记为0；
以顺时针或逆时针将所有邻域的比较结果排成一个伪二进制数a，并将二进制数a转为标准十进制数作为中心像素点的特征数s；
对于图像某一通道中所有具有该邻域的像素点提取上述特征数，并将伪二进制数相邻两位之间跳变次数T大于阈值的特征数归一化为该类中最小的正数9，即将T大于9的像素对应像素值设定为9，跳变次数的计算方法为：
（1）
其中不等号为逻辑计算符号，若两边的值相等则计算结果为0，否则为1；
对该通道中所有特征数的出现频率进行统计，统计结果作为区分真伪人脸的特征向量，统计归一化后矩阵中各数值出现的次数，除以矩阵中元素的总数（64×64）即为其出现的频率，所有的频率按矩阵中数值从小到大的顺序排成一列，即为最终人脸图像纹理特征的特征向量；
B、支持向量机训练单元：
利用上述纹理特征提取方法提取红色通道与绿色的纹理特征，将红色通道的提取结果以及两通道提取结果的差作为特征向量，得到的特征向量放入一个特征矩阵中，使得矩阵的每一列为一个特征向量；
创建另一个标签矩阵，标签矩阵与特征矩阵的列数相同，行数为1，其中的元素有0和1两种，0代表特征矩阵中对应列的人脸为伪体，1代表特征矩阵中对应列的人脸为活体；
将结果矩阵和特征矩阵作为输入放入线性支持向量机中进行训练，得到一个XML文件作为训练结果；
C、人脸活体检测单元：
从嵌入式人脸跟踪系统的摄像头获取一张当前图片，对当前图片进行人脸检测，判断每个人脸是否已经被活体或者伪体跟踪模块跟踪，若未被跟踪，则利用上述纹理特征提取方法提取当前人脸的纹理特征，输入训练好的支持向量机进行活体预测，输出结果有0和1两种，0表示判断为伪体，1表示判断为活体；若判断为活体，则加入活体检测跟踪模块，否则加入伪体跟踪模块，并通过蜂鸣器提醒安防人员；若所有的人脸均已被跟踪，则不采取动作。
二进制数a转为标准十进制数作为中心像素点的特征数s，转换方法为
（2）
优选的，所述人脸活体检测单元根据活体跟踪和伪体跟踪模块传回的人脸位置在原始图像中分别标记出人脸的位置，其中伪体跟踪获得的位置用高亮的颜色标出；将标记后的图像传入Qt的图像槽中显示，LCD显示屏上就会出现当前获取的图像以及图像上不同性质的人脸对应目标的位置。
优选的，所述人脸活体纹理特征识别单元中人脸图像所在圆的半径选取2个像素，阈值TH为60-80。
优选的，所述嵌入式人脸跟踪系统在使用时首先搭建Linux系统下的交叉编译环境，采用友善之臂公司的arm-cortexa9-linux-gnueabihf-4.9.3工具链，利用Cmake工具编译32位动态链接库.so和.a，采用C/C++编程语言实现多线程单目标或多目标跟踪方法，交叉编译工具编译的32位可执行程序，利用可移动介质或无线通讯方法将编译好的库移植到嵌入式系统中，在嵌入式系统的开机启动项中设置开机自动运行该程序；算法采用像素级的PICO人脸检测方法；接通电源后系统将自动启动32位可执行程序，自检和启动系统中预设定的参数及摄像头，确定无误后创建Qt app以及Qt定时器对象，定时器控制整个系统运行的速度，定时周期设定为毫秒级，每当定时器发出信号就进行一次实时的人脸跟踪。
优选的，所述嵌入式人脸跟踪系统在人脸跟踪过程中，摄像头模块进行一次图像采集，将结果传入程序中的图像变量以后，通过双线性插值的方法将原始图像放缩为64×64的图像，提高了人脸检测速度。
本发明所述方法与现有技术相比优点有：
（1）本发明针对单帧图像中的人脸进行图像分析，无需连续的多帧，判断时间降低，提高了系统的实时性；
（2）本发明针对嵌入式系统中的低像素摄像头设计了一种提取大尺度纹理特征的方法，降低了低分辨率图像的模糊性带来的干扰；
（3）本发明可检测到正在进行的人为的伪体攻击，并提醒安防人员查明具体情况，提高了人脸安防系统的可靠性。
附图说明
图1为本发明的整体流程示意图；
图2为本发明的提取通道活体特征流程图；
图3为本发明的提取通道间差异活体特征流程图；
图4为本发明中系统实施过程示意图。
具体实施方式
下面结合附图对本发明做进一步详细的说明。
一种嵌入式活体人脸跟踪系统，该方法依靠嵌入式人脸跟踪系统来实现，嵌入式人脸跟踪系统包括摄像头模块、显示模块、处理器模块以及通信模块，摄像头模块通过GPIO接口与处理器模块连接，显示模块通过LCD显示器接口与处理器模块连接，通信模块通过串口与处理器模块连接，它包括人脸活体纹理特征识别、支持向量机训练和人脸活体检测单元，包括以下步骤：
A、人脸活体纹理特征识别单元，如图2、图3所示：
获取裁剪好的人脸图像，在一个以中心像素为圆心，半径为2个像素的圆上均匀取点，选定阈值TH为60-80，将像素取值范围等分为三部分，将取样点的像素值与中心像素值进行比较，根据阈值的选取将比较结果记为1，0或-1，如果取样点的像素值大于中心像素值与TH的和，则结果记为1；如果取样点的像素值小于中心像素值与TH的差，则结果记为-1，否则结果记为0；
以顺时针或逆时针将所有邻域的比较结果排成一个伪二进制数a，并将二进制数a转为标准十进制数作为中心像素点的特征数s；
对于图像某一通道中所有具有该邻域的像素点提取上述特征数，并将伪二进制数相邻两位之间跳变次数T大于阈值的特征数归一化为该类中最小的正数9，即将T大于9的像素对应像素值设定为9，跳变次数的计算方法为：
（1）
其中不等号为逻辑计算符号，若两边的值相等则计算结果为0，否则为1；
对该通道中所有特征数的出现频率进行统计，统计结果作为区分真伪人脸的特征向量，统计归一化后矩阵中各数值出现的次数，除以矩阵中元素的总数（64×64）即为其出现的频率，所有的频率按矩阵中数值从小到大的顺序排成一列，即为最终人脸图像纹理特征的特征向量；
B、支持向量机训练单元：
利用上述纹理特征提取方法提取红色通道与绿色的纹理特征，将红色通道的提取结果以及两通道提取结果的差作为特征向量，得到的特征向量放入一个特征矩阵中，使得矩阵的每一列为一个特征向量；
创建另一个标签矩阵，标签矩阵与特征矩阵的列数相同，行数为1，其中的元素有0和1两种，0代表特征矩阵中对应列的人脸为伪体，1代表特征矩阵中对应列的人脸为活体；
将结果矩阵和特征矩阵作为输入放入线性支持向量机中进行训练，得到一个XML文件作为训练结果；
C、人脸活体检测单元：
从嵌入式人脸跟踪系统的摄像头获取一张当前图片，对当前图片进行人脸检测，判断每个人脸是否已经被活体或者伪体跟踪模块跟踪，若未被跟踪，则利用上述纹理特征提取方法提取当前人脸的纹理特征，输入训练好的支持向量机进行活体预测，输出结果有0和1两种，0表示判断为伪体，1表示判断为活体；若判断为活体，则加入活体检测跟踪模块，否则加入伪体跟踪模块，并通过蜂鸣器提醒安防人员；若所有的人脸均已被跟踪，则不采取动作。
二进制数a转为标准十进制数作为中心像素点的特征数s，转换方法为
（2）
人脸活体检测单元根据活体跟踪和伪体跟踪模块传回的人脸位置在原始图像中分别标记出人脸的位置，其中伪体跟踪获得的位置用高亮的颜色标出；将标记后的图像传入Qt的图像槽中显示，LCD显示屏上就会出现当前获取的图像以及图像上不同性质的人脸对应目标的位置。
嵌入式人脸跟踪系统在使用时首先搭建Linux系统下的交叉编译环境，采用友善之臂公司的arm-cortexa9-linux-gnueabihf-4.9.3工具链，利用Cmake工具编译32位动态链接库.so和.a，采用C/C++编程语言实现多线程单目标或多目标跟踪方法，交叉编译工具编译的32位可执行程序，利用可移动介质或无线通讯方法将编译好的库移植到嵌入式系统中，在嵌入式系统的开机启动项中设置开机自动运行该程序；算法采用像素级的PICO人脸检测方法；接通电源后系统将自动启动32位可执行程序，自检和启动系统中预设定的参数及摄像头，确定无误后创建Qt app以及Qt定时器对象，定时器控制整个系统运行的速度，定时周期设定为毫秒级，每当定时器发出信号就进行一次实时的人脸跟踪。
嵌入式人脸跟踪系统在人脸跟踪过程中，摄像头模块进行一次图像采集，将结果传入程序中的图像变量以后，通过双线性插值的方法将原始图像放缩为64×64的图像，提高了人脸检测速度。
本发明针对单帧图像中的人脸进行图像分析，无需连续的多帧，判断时间降低，提高了系统的实时性；本发明针对嵌入式系统中的低像素摄像头设计了一种提取大尺度纹理特征的方法，降低了低分辨率图像的模糊性带来的干扰；本发明可检测到正在进行的人为的伪体攻击，并提醒安防人员查明具体情况，提高了人脸安防系统的可靠性。
Claims (5)
1.一种嵌入式活体人脸跟踪系统，该方法依靠嵌入式人脸跟踪系统来实现，嵌入式人脸跟踪系统包括摄像头模块、显示模块、处理器模块以及通信模块，摄像头模块通过GPIO接口与处理器模块连接，显示模块通过LCD显示器接口与处理器模块连接，通信模块通过串口与处理器模块连接，其特征在于：它包括人脸活体纹理特征识别、支持向量机训练和人脸活体检测单元，包括以下步骤：
A、人脸活体纹理特征识别单元：
获取裁剪好的人脸图像，在一个以中心像素为圆心，半径大于一个像素的圆上均匀取点，选定一个阈值TH，将像素取值范围等分为三部分，将取样点的像素值与中心像素值进行比较，根据阈值的选取将比较结果记为1，0或-1，如果取样点的像素值大于中心像素值与TH的和，则结果记为1；如果取样点的像素值小于中心像素值与TH的差，则结果记为-1，否则结果记为0；
以顺时针或逆时针将所有邻域的比较结果排成一个伪二进制数a，并将二进制数a转为标准十进制数作为中心像素点的特征数s；
对于图像某一通道中所有具有该邻域的像素点提取上述特征数，并将伪二进制数相邻两位之间跳变次数T大于阈值的特征数归一化为该类中最小的正数9，即将T大于9的像素对应像素值设定为9，跳变次数的计算方法为：
（1）
其中不等号为逻辑计算符号，若两边的值相等则计算结果为0，否则为1；
对该通道中所有特征数的出现频率进行统计，统计结果作为区分真伪人脸的特征向量，统计归一化后矩阵中各数值出现的次数，除以矩阵中元素的总数（64×64）即为其出现的频率，所有的频率按矩阵中数值从小到大的顺序排成一列，即为最终人脸图像纹理特征的特征向量；
B、支持向量机训练单元：
利用上述纹理特征提取方法提取红色通道与绿色的纹理特征，将红色通道的提取结果以及两通道提取结果的差作为特征向量，得到的特征向量放入一个特征矩阵中，使得矩阵的每一列为一个特征向量；
创建另一个标签矩阵，标签矩阵与特征矩阵的列数相同，行数为1，其中的元素有0和1两种，0代表特征矩阵中对应列的人脸为伪体，1代表特征矩阵中对应列的人脸为活体；
将结果矩阵和特征矩阵作为输入放入线性支持向量机中进行训练，得到一个XML文件作为训练结果；
C、人脸活体检测单元：
从嵌入式人脸跟踪系统的摄像头获取一张当前图片，对当前图片进行人脸检测，判断每个人脸是否已经被活体或者伪体跟踪模块跟踪，若未被跟踪，则利用上述纹理特征提取方法提取当前人脸的纹理特征，输入训练好的支持向量机进行活体预测，输出结果有0和1两种，0表示判断为伪体，1表示判断为活体；若判断为活体，则加入活体检测跟踪模块，否则加入伪体跟踪模块，并通过蜂鸣器提醒安防人员；若所有的人脸均已被跟踪，则不采取动作。
2.根据权利要求1所述的一种嵌入式活体人脸跟踪系统，其特征在于：所述人脸活体检测单元根据活体跟踪和伪体跟踪模块传回的人脸位置在原始图像中分别标记出人脸的位置，其中伪体跟踪获得的位置用高亮的颜色标出；将标记后的图像传入Qt的图像槽中显示，LCD显示屏上就会出现当前获取的图像以及图像上不同性质的人脸对应目标的位置。
3.根据权利要求1或2所述的一种嵌入式活体人脸跟踪系统，其特征在于：所述人脸活体纹理特征识别单元中人脸图像所在圆的半径选取2个像素，阈值TH为60-80。
4.根据权利要求3所述的一种嵌入式活体人脸跟踪系统，其特征在于：所述嵌入式人脸跟踪系统在使用时首先搭建Linux系统下的交叉编译环境，采用友善之臂公司的arm-cortexa9-linux-gnueabihf-4.9.3工具链，利用Cmake工具编译32位动态链接库.so和.a，采用C/C++编程语言实现多线程单目标或多目标跟踪方法，交叉编译工具编译的32位可执行程序，利用可移动介质或无线通讯方法将编译好的库移植到嵌入式系统中，在嵌入式系统的开机启动项中设置开机自动运行该程序；算法采用像素级的PICO人脸检测方法；接通电源后系统将自动启动32位可执行程序，自检和启动系统中预设定的参数及摄像头，确定无误后创建Qt app以及Qt定时器对象，定时器控制整个系统运行的速度，定时周期设定为毫秒级，每当定时器发出信号就进行一次实时的人脸跟踪。
5.根据权利要求4所述的一种嵌入式人脸跟踪方法，其特征在于：所述嵌入式人脸跟踪系统在人脸跟踪过程中，摄像头模块进行一次图像采集，将结果传入程序中的图像变量以后，通过双线性插值的方法将原始图像放缩为64×64的图像，提高了人脸检测速度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810514930.7A CN108764126B (zh) | 2018-05-25 | 2018-05-25 | 一种嵌入式活体人脸跟踪系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810514930.7A CN108764126B (zh) | 2018-05-25 | 2018-05-25 | 一种嵌入式活体人脸跟踪系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108764126A true CN108764126A (zh) | 2018-11-06 |
| CN108764126B CN108764126B (zh) | 2021-09-07 |
Family
ID=64006610
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810514930.7A Active CN108764126B (zh) | 2018-05-25 | 2018-05-25 | 一种嵌入式活体人脸跟踪系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108764126B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110674800A (zh) * | 2019-12-04 | 2020-01-10 | 图谱未来(南京)人工智能研究院有限公司 | 一种人脸活体检测方法、装置、电子设备及存储介质 |
| CN110866473A (zh) * | 2019-11-04 | 2020-03-06 | 浙江大华技术股份有限公司 | 目标对象的跟踪检测方法及装置、存储介质、电子装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156887A (zh) * | 2011-03-28 | 2011-08-17 | 湖南创合制造有限公司 | 一种基于局部特征学习的人脸识别方法 |
| CN103116763A (zh) * | 2013-01-30 | 2013-05-22 | 宁波大学 | 一种基于hsv 颜色空间统计特征的活体人脸检测方法 |
| CN103400122A (zh) * | 2013-08-20 | 2013-11-20 | 江苏慧视软件科技有限公司 | 一种活体人脸的快速识别方法 |
| CN105354554A (zh) * | 2015-11-12 | 2016-02-24 | 西安电子科技大学 | 基于颜色和奇异值特征的人脸活体检测方法 |
| CN105787492A (zh) * | 2016-04-01 | 2016-07-20 | 电子科技大学 | 基于均值采样的局部三值模式纹理特征提取方法 |
| TW201627917A (zh) * | 2015-01-26 | 2016-08-01 | 阿里巴巴集團服務有限公司 | 人臉活體檢測方法和裝置 |
| CN106030608A (zh) * | 2013-11-06 | 2016-10-12 | 理海大学 | 生物组织分析诊断系统与方法 |
| CN106446772A (zh) * | 2016-08-11 | 2017-02-22 | 天津大学 | 一种人脸识别系统中的防欺骗方法 |
-
2018
- 2018-05-25 CN CN201810514930.7A patent/CN108764126B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156887A (zh) * | 2011-03-28 | 2011-08-17 | 湖南创合制造有限公司 | 一种基于局部特征学习的人脸识别方法 |
| CN103116763A (zh) * | 2013-01-30 | 2013-05-22 | 宁波大学 | 一种基于hsv 颜色空间统计特征的活体人脸检测方法 |
| CN103400122A (zh) * | 2013-08-20 | 2013-11-20 | 江苏慧视软件科技有限公司 | 一种活体人脸的快速识别方法 |
| CN106030608A (zh) * | 2013-11-06 | 2016-10-12 | 理海大学 | 生物组织分析诊断系统与方法 |
| TW201627917A (zh) * | 2015-01-26 | 2016-08-01 | 阿里巴巴集團服務有限公司 | 人臉活體檢測方法和裝置 |
| CN105354554A (zh) * | 2015-11-12 | 2016-02-24 | 西安电子科技大学 | 基于颜色和奇异值特征的人脸活体检测方法 |
| CN105787492A (zh) * | 2016-04-01 | 2016-07-20 | 电子科技大学 | 基于均值采样的局部三值模式纹理特征提取方法 |
| CN106446772A (zh) * | 2016-08-11 | 2017-02-22 | 天津大学 | 一种人脸识别系统中的防欺骗方法 |
Non-Patent Citations (2)
| Title |
|---|
| GAHYUN KIM 等: "Face Liveness Detection Based on Texture and Frequency Analyses", 《HTTPS://IEEEXPLORE.IEEE.ORG/DOCUMENT/6199760》 * |
| 王辉 等: "人脸活体特征检测实验平台设计与实现", 《实验技术与管理》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110866473A (zh) * | 2019-11-04 | 2020-03-06 | 浙江大华技术股份有限公司 | 目标对象的跟踪检测方法及装置、存储介质、电子装置 |
| CN110866473B (zh) * | 2019-11-04 | 2022-11-18 | 浙江大华技术股份有限公司 | 目标对象的跟踪检测方法及装置、存储介质、电子装置 |
| CN110674800A (zh) * | 2019-12-04 | 2020-01-10 | 图谱未来(南京)人工智能研究院有限公司 | 一种人脸活体检测方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108764126B (zh) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110210302B (zh) | 多目标跟踪方法、装置、计算机设备及存储介质 | |
| CN110689054B (zh) | 一种工人违规行为监测方法 | |
| CN1875378B (zh) | 图像中的对象检测 | |
| CN102360420B (zh) | 双动态探测式生物特征人脸面相识别方法及系统 | |
| CN107566781A (zh) | 视频监控方法和视频监控设备 | |
| CN110795595A (zh) | 基于边缘计算的视频结构化存储方法、装置、设备及介质 | |
| US20200089997A1 (en) | Product onboarding machine | |
| CN111191535B (zh) | 基于深度学习的行人检测模型构建方法及行人检测方法 | |
| CN113011403B (zh) | 手势识别方法、系统、介质及设备 | |
| CN111325133A (zh) | 一种基于人工智能识别的影像处理系统 | |
| WO2023025010A1 (zh) | 频闪条带信息识别方法、装置和电子设备 | |
| CN111291749B (zh) | 手势识别方法、装置及机器人 | |
| CN108764126A (zh) | 一种嵌入式活体人脸跟踪系统 | |
| CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
| EP3620942B1 (en) | Security control method and apparatus for application program, and mobile terminal and computer-readable storage medium | |
| CN113313098B (zh) | 视频处理方法、设备、系统及存储介质 | |
| CN114613006A (zh) | 一种远距离手势识别方法及装置 | |
| CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 | |
| CN111898448A (zh) | 一种基于深度学习的行人属性识别方法和系统 | |
| CN108681723A (zh) | 一种嵌入人脸跟踪方法 | |
| Fu | Recent Deep Learning Approaches for Object Detection | |
| Calefati et al. | Reading meter numbers in the wild | |
| Long et al. | Video frame deletion and duplication | |
| CN112036218A (zh) | 一种基于深度学习的监控视频遮挡检测方法 | |
| CN111311549A (zh) | 图像鉴真方法、系统及存储介质 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240724 Address after: 100044 No.5 Zhongguancun South Street, Haidian District, Beijing Patentee after: BEIJING INSTITUTE OF TECHNOLOGY Country or region after: China Address before: 450000 room 1207, zone B, No. 7, Dongqing street, high tech Industrial Development Zone, Zhengzhou, Henan Province Patentee before: ZHENGZHOU MUPAN INTELLIGENT TECHNOLOGY Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |