CN108875335B - 人脸解锁与录入表情和表情动作的方法、以及认证设备和非易失性存储介质 - Google Patents
人脸解锁与录入表情和表情动作的方法、以及认证设备和非易失性存储介质 Download PDFInfo
- Publication number
- CN108875335B CN108875335B CN201710993345.5A CN201710993345A CN108875335B CN 108875335 B CN108875335 B CN 108875335B CN 201710993345 A CN201710993345 A CN 201710993345A CN 108875335 B CN108875335 B CN 108875335B
- Authority
- CN
- China
- Prior art keywords
- verified
- expression
- data
- prestored
- affine transformation
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06V40/174—Facial expression recognition
- G06V40/176—Dynamic expression
-
- 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
-
- 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
Abstract
一种人脸解锁与录入表情和表情动作的方法、以及认证设备和非易失性存储介质。该人脸解锁方法,包括:获取待验证对象的待验证表情的待验证表情数据;将所述待验证表情数据与预存表情数据作比对,得到一比对结果;在所述比对结果表明所述待验证表情数据与所述预存表情数据相匹配的情况下,解除锁定。
Description
技术领域
本公开的实施例涉及一种人脸解锁与录入表情和表情动作的方法、以及认证设备和非易失性存储介质。
背景技术
随着社会的发展、技术的进步、生活节奏的加速以及消费水平的提高,人脸识别解锁(face-to-unlock)技术已在计算机登录、手机登录等信息安全领域得到广泛应用。
目前的人脸识别解锁技术,通常利用一个或多个摄像头(或其他传感器)来捕捉用户的人脸信息,并抽取该人脸信息的人脸特征,进而将该人脸特征与人脸底库中存储的人脸特征进行比对,以进行判定是否解锁设备。然而,现有的人脸识别解锁技术,无法区分面部特征十分相似的两个人,例如:双胞胎、或长相装扮相似的姐妹等。并且,由于面部特征十分相似的两个人都是有生命的活人,所以也无法通过活体检测进行区分。
公开内容
本公开实施例提供了一种人脸解锁与录入表情和表情动作的方法、以及认证设备和非易失性存储介质,该人脸解锁的方法能够有效区别面相相似的人,可以进一步增强人脸解锁的安全性。
根据本公开的一方面,至少一个实施例提供了一种人脸解锁方法,包括:获取待验证对象的待验证表情的待验证表情数据;将所述待验证表情数据与预存表情数据作比对,得到一比对结果;在所述比对结果表明所述待验证表情数据与所述预存表情数据相匹配的情况下,解除锁定。
根据本公开的另一方面,至少一个实施例还提供了一种录入人脸表情的方法,包括:指令待验证对象作出待验证表情;采集所述待验证对象包括所述待验证表情的人脸图像;从所述人脸图像获取所述待验证对象的人脸在所述待验证表情时的多个关键点的三维点坐标序列;存储所述三维点坐标序列。
根据本公开的另一方面,至少一个实施例还提供了一种录入人脸表情动作的方法,包括:指令待验证对象作出多个待验证表情,其中,所述多个待验证表情构成至少一个待验证表情动作;采集所述待验证对象包括所述多个待验证表情的多个人脸图像;从所述多个人脸图像获取所述待验证对象的人脸在所述多个待验证表情时的多个关键点随时间变化的点坐标矩阵;存储所述点坐标矩阵。
根据本公开的另一方面,至少一个实施例还提供了一种认证设备,包括:处理器,适于实现各指令;以及存储器,适于存储多条指令,所述指令适于由处理器加载并执行:上述人脸解锁方法、上述录入人脸表情的方法、和/或上述录入人脸表情动作的方法。
根据本公开的另一方面,至少一个实施例还提供了一种计算机可读的非易失性存储介质,存储计算机程序指令,当所述计算机执行所述程序指令时,执行上述人脸解锁方法、上述录入人脸表情的方法、和/或上述录入人脸表情动作的方法。
通过本公开上述实施例,能够有效区别面相相似的人,可以进一步增强人脸解锁的安全性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
在附图中:
图1是根据本公开实施例的一种人脸解锁方法的流程图;
图2是根据本公开实施例的一种录入人脸表情的方法的流程图;
图3是根据本公开实施例的一种录入人脸表情动作的方法的流程图;
图4是根据本公开实施例的一种认证设备示意图;
图5是根据本公开实施例的一种人脸解锁系统的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本公开的至少一个实施例,提供了一种人脸解锁方法,该方法可以应用于认证设备,例如用于进行人脸解锁以及区分相似人脸。需要说明的是,认证设备可以包括多种认证方式,如人脸解锁认证、指纹解锁认证、密码解锁认证、虹膜解锁认证、视网膜解锁认证、声纹解锁认证和手势解锁认证中的一种或多种。对应的,该认证设备可以包括图像采集装置,如摄像头,用于采集图像数据,如人脸图像和/或手势图像;还可以包括指纹采集装置,用于采集用户指纹;或可以包括声波采集装置,用于采集用户声波;或可以包括输入装置(例如键盘、触摸屏等),用于获取输入的密码;或可以包括虹膜采集装置,例如摄像头(如红外摄像头),用于采集用户虹膜数据;或可以包括视网膜采集装置,例如摄像头,用于采集用户视网膜数据。该认证设备可以将多种解锁认证方式进行综合应用,使得在一种认证方式不通过的情况下,还可以采用其他认证方式来进行认证,用户体验更好,安全性更高。
该认证设备可以是各种固定终端或移动终端,固定终端如固定在ATM机、门禁等上的终端;移动终端例如移动电话机、平板计算机和笔记本计算机,还可以是便携式、手持式或者车载的移动装置等。
该认证设备可以进行至少一种解锁认证方式,在进行人脸解锁认证的情况下,该实施例中认证设备的认证解锁方法如图1所示,可以包括如下步骤:
步骤S101,获取待验证对象的待验证表情的待验证表情数据;
步骤S103,将待验证表情数据与预存表情数据作比对,得到一比对结果;
步骤S105,在比对结果表明待验证表情数据与预存表情数据相匹配的情况下,解除锁定。
需要说明的是,在附图的流程图示出的步骤可以通过运行诸如一组计算机可执行指令在计算机系统中执行,并且,虽然在流程图中以一定的顺序出各个步骤,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在进行人脸解锁认证的情况下,典型的,可以通过图像采集装置,如摄像头来采集待验证对象的人脸图像,因此,可以基于摄像头采集的人脸图像来获取待验证对象的待验证表情,该待验证对象可以为需要鉴定身份的人。上述待验证表情可以为认证设备指令待验证对象需作出的待验证表情,例如,认证设备发出指令请待验证对象需作出“挑眉”、“摇头”或“颔首”等待验证表情,待验证对象则需根据该指示对应的作出“挑眉”、“摇头”或“颔首”等待验证表情,从而摄像头可以采集到待验证对象所作出的待验证表情。
在步骤S101中,获取待验证对象所作出的待验证表情的待验证表情数据。该待验证表情数据可以用于表示待验证对象所作出的待验证表情,例如,可以通过人脸的多个关键点的三维点坐标序列来表示待验证对象所作出的待验证表情,因此,该待验证表情数据可以为包括人脸的多个关键点的三维点坐标序列。上述关键点包括但不局限于人脸轮廓、眼睛、眉毛、嘴唇以及鼻子轮廓等的关键点。可选的,每个关键点都可以用Pi={xi,yi,zi}三维坐标进行记录。
在获取到待验证对象所作出的待验证表情的待验证表情数据的情况下,在步骤S103中,将待验证表情数据与预存表情数据作比对,得到一比对结果。上述预存表情可以为指令待验证对象需作出的待验证表情所对应的模板表情,可选的,也可以通过人脸的多个关键点的三维点坐标序列来表示预存表情。因此,该预存表情数据可以为包括人脸的多个关键点的三维点坐标序列,可选的,每个关键点都用P’i={x’i,y’i,z’i}三维坐标进行记录。本公开的实施例通过使用三维点坐标来刻画表情,使得表情不局限于人为定义的表情,任何细微的表情变化都可以被刻画出来。
在比对结果表明待验证表情数据与预存表情数据相匹配的情况下,在步骤S105中,控制认证设备解除锁定。
通过本公开上述实施例,对人脸解锁场景进行强化,利用人脸表情来强化现有人脸解锁技术,较好的解决了区别相似人的问题。
此外,根据本公开的至少一个实施例,在步骤S103中,将待验证表情数据与预存表情数据作比对以得到一比对结果可以包括:建立待验证表情数据与预存表情数据的仿射变换模型;经由仿射变换模型,获取待验证表情数据中多个关键点的多个仿射变换点;将待验证表情数据的多个仿射变换点与预存表情数据的多个预存点作比对,得到比对结果;例如,采用最优仿射变换法建立待验证表情数据与预存表情数据的仿射变换模型。
仿射变换又称仿射映射,是指在几何中,将一个向量空间进行一次线性变换并接上一个平移,由此变换得到另一个向量空间。由于通过人脸的多个关键点的三维点坐标序列来表示待验证表情数据和预存表情数据,因此,可以采用最优仿射变换法建立待验证表情数据与预存表情数据的仿射变换模型。
一般而言,仿射变换为两个函数的复合:平移及线性映射。普通向量代数用矩阵乘法呈现线性映射,用向量加法表示平移。例如,该线性映射被表示为一矩阵“B”,平移被表示为向量则待验证表情数据序列(包括多个关键点,如P1……Pi的三维点坐标序列)与预存表情数据序列(包括多个关键点,如P′1……P′i的三维点坐标序列)之间的仿射映射可被表示为:
由此,可通过最优仿射变换法建立待验证表情数据与预存表情数据的仿射变换模型,其中,仿射变换模型的参数A的最优取值可以为:
在建立待验证表情数据序列与预存表情数据序列的仿射变换模型的情况下,可以经由该仿射变换模型,获取待验证表情数据中多个关键点P1……Pi的多个仿射变换点,即Abest(P1)……Abest(Pi),从而可以将待验证表情数据的多个仿射变换点Abest(P1)……Abest(Pi)与预存表情数据的多个预存点P′1……P′i作比对,得到比对结果。
此外,根据本公开的至少一个实施例,其中,将待验证表情数据的多个仿射变换点Abest(P1)……Abest(Pi)与预存表情数据的多个预存点P′1……P′i作比对以得到一比对结果可以包括:确定多个仿射变换点与其所对应的多个预存点之间的多个偏差Δ1……Δi,其中,
Δi=||Abest(Pi)-P′i||
根据该多个偏差Δ1……Δi,获取多个仿射变换点与其所对应的多个预存点的总偏差△;在总偏差小于预定的第一阈值的情况下,比对结果表明待验证表情数据与预存表情数据相匹配。例如,上述第一阈值可以预先设置。
此外,根据本公开的至少一个实施例,根据多个偏差Δ1……Δi,获取多个仿射变换点与多个预存点的总偏差可以包括:获取待验证表情数据中的多个关键点,根据其在人脸不同区域所被赋予的偏差权重w1……wi,其中,偏差权重w1……wi可以预先设置;将多个仿射变换点与其所对应的多个预存点之间的多个偏差根据偏差权重加权求和,从而获取多个仿射变换点与其所对应的多个预存点的总偏差,也即:
△=∑iwi||Abest(Pi)-P′i||
若Δ小于设定的第一阈值,则认为通过了表情相似的判断,该比对结果表明待验证表情数据与预存表情数据相匹配,由此在步骤S105中,从而认证设备可以解除锁定。
此外,为了进一步强化表情解锁的安全性与多样性,还可以进行表情动作的解锁。根据本公开的至少一个实施例,在步骤S101中,获取待验证对象的待验证表情的待验证表情数据还可以包括:获取多个待验证表情的多个待验证表情数据,其中,多个待验证表情构成至少一个表情动作,多个待验证表情数据构成待验证表情动作数据;在步骤S103中,将待验证表情数据与预存表情数据作比对,得到一比对结果可以包括:将待验证表情动作数据与预存表情动作数据作比对,得到比对结果;在比对结果表明待验证表情动作数据与预存表情动作数据相匹配的情况下,在步骤S105中,解除锁定。
由于表情动作是由一系列表情构成的连续的动作序列,因此,在进行表情动作解锁的情况下,可以通过人脸的多个关键点随时间变化的三维点坐标的矩阵来表示待验证对象所作出的待验证表情动作,此时,该待验证表情动作数据可以为包括人脸的多个关键点随时间变化的点坐标矩阵。
同样,表情用包括多个关键点P1……Pi来进行表示,则待验证表情动作可以表示为:
其中,Pi,j为关键点Pi在第j时刻的三维点坐标。
同样,也可以通过人脸的多个关键点随时间变化的三维点坐标矩阵来表示预存表情动作,因此,该预存表情动作数据可以为包括人脸的多个关键点P′1……P′i随时间变化的点坐标矩阵,则预存表情动作可以表示为:
其中,P′i,j为关键点P′i在第j时刻的三维点坐标。
在步骤S101中,可以获取多个待验证表情数据所构成的待验证表情动作数据。在待验证对象的待验证表情动作包括多个待验证表情的情况下,通过人脸的多个关键点随时间变化的至少二维关键点坐标矩阵来表示待验证表情动作数据和预存表情动作数据。需要说明的是,上述至少二维指的是i≥2,j≥2,其中,i、j取整数。
可选的,在待验证对象的待验证表情动作包括n个待验证表情的情况下,可以通过人脸的多个关键点随时间变化的i*n维点坐标矩阵来表示待验证表情动作数据和预存表情动作数据,也即,使得j=n。
在获取待验证表情动作数据的情况下,在步骤S103中,可以将待验证表情动作数据与预存表情动作数据作比对,得到比对结果。此外,根据本公开的至少一个实施例,将待验证表情动作数据与预存表情动作数据作比对以得到比对结果可以包括:依时间关系建立待验证表情动作数据与预存表情动作数据的仿射变换模型;经由仿射变换模型,获取待验证表情动作数据的关键点坐标矩阵的仿射变换点矩阵;将仿射变换点矩阵与预存表情动作数据的预存点矩阵作比对,得到比对结果;例如,采用最优仿射变换法依时间关系建立待验证表情动作数据与预存表情动作数据的仿射变换模型。
需要说明的是,进行表情动作解锁与进行表情解锁时,建立仿射变换模型的方法较为相似,本公开在此不再进行累赘重复。
在建立起待验证表情数据与预存表情数据的仿射变换模型Abest的情况下,可以经由该仿射变换模型Abest,获取待验证表情动作数据的关键点坐标矩阵的仿射变换点矩阵:
进而,可以将仿射变换点矩阵与预存表情动作数据的预存点矩阵作比对,得到比对结果。
此外,根据本公开的一个实施例,其中,将仿射变换点矩阵与预存表情动作数据的预存点矩阵作比对以得到比对结果可以包括:确定仿射变换点矩阵与预存点矩阵中的各对应点的偏差;根据仿射变换点矩阵与预存点矩阵中的各对应点的偏差,得到比对结果。各对应点的偏差为:
Δi,j=||Abest(Pi,j)-P’i,j||
可选的,还可以获取待验证表情数据中的多个关键点根据其在人脸不同区域所被赋予的偏差权重w1……wi,将各对应点的偏差根据偏差权重加权求和,从而得到比对结果。由此,加权后的各对应点的偏差为:
Δi,j=wi||Abest(Pi,j)-P’i,j||
若总偏差△=∑i,jΔi,j小于设定的阈值,则认为通过了表情动作相似的判断,该比对结果表明待验证表情动作数据与预存表情动作数据相匹配,在步骤S105中,从而认证设备可以解除锁定。
在待验证对象的待验证表情动作包括多个待验证表情的情况下,将仿射变换点矩阵与预存表情动作数据的预存点矩阵作比对,得到比对结果可以包括:确定至少二维仿射变换点矩阵与至少二维预存点矩阵中的各对应点的偏差;根据至少二维仿射变换点矩阵与至少二维预存点矩阵中的各对应点的偏差,得到比对结果。
此外,根据本公开的一个实施例,若待验证表情动作包括n个待验证表情的情况下,将仿射变换点矩阵与预存表情动作数据的预存点矩阵作比对,得到比对结果可以包括:确定j=n的仿射变换点矩阵与j=n的预存点矩阵中的各对应点的偏差;根据至少二维仿射变换点矩阵与至少二维预存点矩阵中的各对应点的偏差,得到比对结果。其中,各对应的偏差构成的偏差矩阵为:
此外,根据本公开的一个实施例,在步骤S103中,根据仿射变换点矩阵与预存点矩阵中的各对应点的偏差,得到比对结果还可以包括:确定各对应点的偏差所对应的第二阈值。例如,该第二阈值可以预先设置。进而,可以基于各对应点的偏差所对应的第二阈值,获取待验证表情动作数据与预存表情动作数据的匹配值;在匹配值大于第三阈值的情况下,比对结果表明待验证表情动作数据与预存表情动作数据相匹配。各对应点的偏差所对应的第二阈值可以不同,第三阈值可以预先设置。
可选的,基于各对应点的偏差所对应的第二阈值,获取待验证表情动作数据与预存表情动作数据的匹配值可以包括:将各对应点的偏差与其所对应的第二阈值进行比较,获得一个比较矩阵,基于该比较矩阵获取待验证表情动作数据与预存表情动作数据的匹配值。
在本公开的一个实施例中,比较矩阵可以为01矩阵。需要说明的是,如果一个矩阵中的各个元素取值为0或1,那么该矩阵为01矩阵。可选的,可以通过将各对应点的偏差与其所对应的第二阈值进行大小比较,以获得01矩阵,其中,01矩阵中的每个点:
Ωi,j=sign(Δi,j>第二阈值)
由此,可以计算得到一个最优序列{(ak,bk)},k∈[1,L],其满足
1≤ak≤ak+1≤l
1≤bk≤bk+1≤m
max L
l为预存表情动作数据中的序列长度,m为待验证表情动作数据的序列长度。得到一个最大化的L后,计算匹配值value=L/m,在value大于第三阈值的情况下,比对结果表明待验证表情动作数据与预存表情动作数据相匹配,从而在步骤S105中,认证设备可以控制解除锁定,表情动作解锁成功。
此外,若一个待验证表情动作包括多个待验证表情的情况下,例如,一待验证表情动作包括挑眉->摇头->颔首三个待验证表情,若用户希望忽略摇头动作,则本公开的实施例可以将摇头部分表情所对应的第二阈值降低,此时在解锁时,只要完成挑眉->任意动作->颔首即可完成解锁。由此,可以使用“模糊”动作进行认证解锁。
例如,在待验证对象的待验证表情动作至少包括两个待验证表情的情况下,使得至少一个待验证表情所对应的多个对应点的多个第二阈值小于第四阈值。例如,可以使多个第二阈值为0,以降至最低。
此外,若在进行表情动作解锁的过程中,若用户希望忽略某一表情动作,则本公开的实施例可以将该希望忽略的表情动作所对应的多个对应点的多个第二阈值小于第四阈值。例如,可以使多个第二阈值为0,以降至最低。
因此,本公开的实施例,由于使用例如如上所述的“模糊”动作,从而每次解锁都可以使用不同的表情动作,可以进一步增强安全性。
本公开的至少一个实施例还提供了一种录入人脸表情的方法,该方法可以应用于认证设备,例如用于录入人脸的待验证表情数据和预存表情数据。如图2所示,该录入人脸表情的方法可以包括如下步骤:
步骤S202,指令待验证对象作出待验证表情;
步骤S204,采集待验证对象包括待验证表情的人脸图像;
步骤S206,从人脸图像获取待验证对象的人脸在待验证表情时的多个关键点的三维点坐标序列;
步骤S208,存储三维点坐标序列。
本公开的至少一个实施例还提供了一种录入人脸表情动作的方法,该方法可以应用于认证设备,例如用于录入人脸的待验证表情动作数据和预存表情动作数据。如图3所示,该录入人脸表情动作的方法可以包括如下步骤:
步骤S301,指令待验证对象作出多个待验证表情,其中,多个待验证表情构成至少一个待验证表情动作;
步骤S303,采集待验证对象包括多个待验证表情的多个人脸图像;
步骤S305,从多个人脸图像获取待验证对象的人脸在多个待验证表情时的多个关键点随时间变化的点坐标矩阵;
步骤S307,存储点坐标矩阵。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本公开实施例的方法。
本公开的至少一个实施例还提供了一种认证设备,如图4所示,该认证设备包括处理器402以及存储器404,该存储器404配置为存储计算机程序指令,计算机程序指令适于由处理器402加载并执行如下方法:获取待验证对象的待验证表情的待验证表情数据;将待验证表情数据与预存表情数据作比对,得到一比对结果;在比对结果表明待验证表情数据与预存表情数据相匹配的情况下,解除锁定。
该处理器402可以为各种适用的处理器,例如实现为中央处理器、微处理器、嵌入处理器等形式,可以采用X86、ARM等架构;存储器404可以为各种适用的存储装置,例如非易失性存储装置,包括但不限于磁存储装置、半导体存储装置、光存储装置等,本公开的实施例对这些不作限制。
如上所述,待验证表情数据和预存表情数据包括人脸的多个关键点的三维点坐标序列。
此外,根据本公开的一个实施例,处理器402还加载相应的指令并执行:建立待验证表情数据与预存表情数据的仿射变换模型;经由仿射变换模型,获取待验证表情数据中多个关键点的多个仿射变换点;将待验证表情数据的多个仿射变换点与预存表情数据的多个预存点作比对,得到比对结果;其中,采用最优仿射变换法建立待验证表情数据与预存表情数据的仿射变换模型。
此外,根据本公开的一个实施例,处理器402还加载相应的指令并执行:确定多个仿射变换点与其所对应的多个预存点之间的多个偏差;根据多个偏差,获取多个仿射变换点与其所对应的多个预存点的总偏差;在总偏差小于预定的第一阈值的情况下,比对结果表明待验证表情数据与预存表情数据相匹配。
此外,根据本公开的一个实施例,处理器402还加载相应的指令并执行:根据多个偏差,获取多个仿射变换点与多个预存点的总偏差包括:获取待验证表情数据中的多个关键点根据其在人脸不同区域所被赋予的偏差权重;将多个仿射变换点与其所对应的多个预存点之间的多个偏差根据偏差权重加权求和,从而获取多个仿射变换点与其所对应的多个预存点的总偏差。
此外,根据本公开的一个实施例,处理器402还加载相应的指令并执行:获取多个待验证表情的多个待验证表情数据,其中,多个待验证表情构成至少一个表情动作,多个待验证表情数据构成待验证表情动作数据;将待验证表情动作数据与预存表情动作数据作比对,得到比对结果;在比对结果表明待验证表情动作数据与预存表情动作数据相匹配的情况下,解除锁定。
这里,待验证表情动作数据和预存表情动作数据包括人脸的多个关键点随时间变化的点坐标矩阵。
例如,在待验证对象的待验证表情动作包括多个待验证表情的情况下,通过人脸的多个关键点随时间变化的至少二维点坐标矩阵来表示待验证表情动作数据和预存表情动作数据。
此外,根据本公开的一个实施例,处理器402还加载相应的指令并执行:依时间关系建立待验证表情动作数据与预存表情动作数据的仿射变换模型;经由仿射变换模型,获取待验证表情动作数据的关键点坐标矩阵的仿射变换点矩阵;将仿射变换点矩阵与预存表情动作数据的预存点矩阵作比对,得到比对结果;其中,采用最优仿射变换法依时间关系建立待验证表情动作数据与预存表情动作数据的仿射变换模型。
此外,根据本公开的一个实施例,处理器402还加载相应的指令并执行:确定仿射变换点矩阵与预存点矩阵中的各对应点的偏差;根据仿射变换点矩阵与预存点矩阵中的各对应点的偏差,得到比对结果。
其中,在待验证对象的待验证表情动作包括多个待验证表情的情况下,此外,根据本公开的一个实施例,处理器402还加载相应的指令并执行:确定至少二维仿射变换点矩阵与至少二维预存点矩阵中的各对应点的偏差;根据至少二维仿射变换点矩阵与至少二维预存点矩阵中的各对应点的偏差,得到比对结果。
此外,根据本公开的一个实施例,处理器402还相应的指令加载并执行:确定各对应点的偏差所对应的第二阈值;基于各对应点的偏差所对应的第二阈值,获取待验证表情动作数据与预存表情动作数据的匹配值;在匹配值大于第三阈值的情况下,比对结果表明待验证表情动作数据与预存表情动作数据相匹配。
例如,各对应点的偏差所对应的第二阈值不同;其中,在待验证对象的待验证表情动作至少包括两个待验证表情的情况下,使得至少一个待验证表情所对应的多个对应点的多个第二阈值小于第四阈值。
例如,在待验证对象的待验证表情动作数据中包括至少两个待验证表情动作的情况下,使得至少一个待验证表情动作所对应的多个对应点的多个第二阈值小于第四阈值。
此外,处理器402还可以加载相应的指令并执行如下方法:指令待验证对象作出待验证表情;采集待验证对象包括待验证表情的人脸图像;从人脸图像获取待验证对象的人脸在待验证表情时的多个关键点的三维点坐标序列;存储三维点坐标序列。
此外,处理器402还可以加载相应的指令并执行如下方法:指令待验证对象作出多个待验证表情,其中,多个待验证表情构成至少一个待验证表情动作;采集待验证对象包括多个待验证表情的多个人脸图像;从多个人脸图像获取待验证对象的人脸在多个待验证表情时的多个关键点随时间变化的点坐标矩阵;存储点坐标矩阵。
通过本公开上述实施例,能够有效区别面相相似的人,可以进一步增强人脸解锁的安全性。
本公开的至少一个实施例还提供了一种计算机可读的非易失性存储介质,存储计算机程序指令,当计算机执行程序指令时,执行以下步骤:获取待验证对象的待验证表情的待验证表情数据;将待验证表情数据与预存表情数据作比对,得到一比对结果;在比对结果表明待验证表情数据与预存表情数据相匹配的情况下,解除锁定。
本公开的至少一个实施例还提供了一种计算机可读的非易失性存储介质,存储计算机程序指令,当计算机执行程序指令时,执行以下步骤:指令待验证对象作出待验证表情;采集待验证对象包括待验证表情的人脸图像;从人脸图像获取待验证对象的人脸在待验证表情时的多个关键点的三维点坐标序列;存储三维点坐标序列。
本公开的至少一个实施例还提供了一种计算机可读的非易失性存储介质,存储计算机程序指令,当计算机执行程序指令时,执行以下步骤:指令待验证对象作出多个待验证表情,其中,多个待验证表情构成至少一个待验证表情动作;采集待验证对象包括多个待验证表情的多个人脸图像;从多个人脸图像获取待验证对象的人脸在多个待验证表情时的多个关键点随时间变化的点坐标矩阵;存储点坐标矩阵。
本公开的至少一个实施例还提供了一种人脸解锁系统,其包括认证设备。可选的,该人脸解锁系统可以包括如图5所示环境,该环境可以包括硬件环境和网络环境。上述硬件环境包括认证设备501和服务器503,该认证设备501可以通过相应的指令操作该数据库,从而可以读取、改变、添加数据等。本公开的另一个实施例并不包括服务器,例如数据库设置在认证设备501内,即设置在本机之中。应当注意,图5示的硬件环境和结构只是示例性的,而非限制性的;根据需要,硬件环境也可以具有其他组件和结构,并且例如可以包括网关等。
该认证设备501可以为一个或多个,该认证设备501中可以包括多个处理节点,用于处理获取到的待验证表情数据和待验证表情动作数据,该多个处理节点对外可以作为一个整体。可选的,该认证设备501也可将获取到的待验证表情数据和待验证表情动作数据发送至服务器503,以使服务器503处理认证设备501所发送的数据。可选的,认证设备501可以通过网络与服务器503连接。
上述网络包括有线网络和无线网络。该无线网络包括但不限于:广域网、城域网、局域网或移动数据网络。典型地,该移动数据网络包括但不局限于:全球移动通信(GSM)网络、码分多址(CDMA)网络、宽带码分多址(WCDMA)网络、长期演进(LTE)通信网络、WIFI网络、ZigBee网络、基于蓝牙技术的网络等。不同类型的通信网络可能由不同的运营商运营。通信网络的类型不构成对本公开实施例的限制。
需要说明的是,对于上述的系统、方法、认证设备和存储介质的实施例,为了简单描述,故将其都表述为一系列的动作或模块组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序或模块连接的限制,因为依据本公开,某些步骤可以采用其他顺序或者同时进行,某些模块可以采用其他连接方式。
本领域技术人员也应该知悉,说明书中所描述的实施例均属于一种实施例,上述实施例序号仅仅为了描述,所涉及的动作和模块并不一定是本公开所必须的。
在本公开的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本公开所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括易失性存储介质或非易失性存储介质,例如U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本公开的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本公开原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本公开的保护范围。
Claims (16)
1.一种人脸解锁方法,包括:
获取待验证对象的待验证表情的待验证表情数据;
将所述待验证表情数据与预存表情数据作比对,得到一比对结果;
在所述比对结果表明所述待验证表情数据与所述预存表情数据相匹配的情况下,解除锁定,
其中,所述将所述待验证表情数据与所述预存表情数据作比对,得到一比对结果包括:
建立所述待验证表情数据与所述预存表情数据的仿射变换模型;
经由所述仿射变换模型,获取所述待验证表情数据中多个关键点的多个仿射变换点;
将所述待验证表情数据的多个仿射变换点与所述预存表情数据的多个预存点作比对,得到所述比对结果;
其中,采用最优仿射变换法建立所述待验证表情数据与所述预存表情数据的仿射变换模型,
其中,在所述待验证对象的待验证表情至少包括两个待验证表情的情况下,若用户希望忽略某一表情动作,则将所述希望忽略的表情动作所对应的多个对应点的多个第二阈值小于第四阈值,
其中,所述多个第二阈值对应于所述多个对应点和所述多个预存点之间的偏差,基于所述多个第二阈值,获取所述待验证表情数据与所述预存表情数据的匹配值;
在所述匹配值大于第三阈值的情况下,所述比对结果表明所述待验证表情数据与所述预存表情数据相匹配。
2.根据权利要求1所述的人脸解锁方法,其中,所述待验证表情数据和所述预存表情数据包括人脸的多个关键点的三维点坐标序列。
3.根据权利要求1所述的人脸解锁方法,其中,将所述待验证表情数据的多个仿射变换点与所述预存表情数据的多个预存点作比对,得到一比对结果包括:
确定所述多个仿射变换点与其所对应的多个预存点之间的多个偏差;
根据所述多个偏差,获取所述多个仿射变换点与其所对应的所述多个预存点的总偏差;
在所述总偏差小于预定的第一阈值的情况下,所述比对结果表明所述待验证表情数据与所述预存表情数据相匹配。
4.根据权利要求3所述的人脸解锁方法,其中,根据所述多个偏差,获取所述多个仿射变换点与所述多个预存点的总偏差包括:
获取所述待验证表情数据中的多个关键点根据其在人脸不同区域所被赋予的偏差权重;
将所述多个仿射变换点与其所对应的多个预存点之间的多个偏差根据所述偏差权重加权求和,从而获取所述多个仿射变换点与其所对应的所述多个预存点的总偏差。
5.根据权利要求1所述的人脸解锁方法,其中,
所述获取待验证对象的待验证表情的待验证表情数据包括:获取多个待验证表情的多个待验证表情数据,其中,所述多个待验证表情构成至少一个表情动作,所述多个待验证表情数据构成待验证表情动作数据;
将所述待验证表情数据与预存表情数据作比对,得到一比对结果包括:将待验证表情动作数据与预存表情动作数据作比对,得到所述比对结果;
在所述比对结果表明所述待验证表情动作数据与所述预存表情动作数据相匹配的情况下,解除锁定。
6.根据权利要求5所述的人脸解锁方法,其中,所述待验证表情动作数据和所述预存表情动作数据包括人脸的多个关键点随时间变化的点坐标矩阵。
7.根据权利要求6所述的人脸解锁方法,其中,在所述待验证对象的待验证表情动作包括多个待验证表情的情况下,通过人脸的多个关键点随时间变化的至少二维点坐标矩阵来表示所述待验证表情动作数据和所述预存表情动作数据。
8.根据权利要求6所述的人脸解锁方法,其中,所述将所述待验证表情动作数据与所述预存表情动作数据作比对,得到所述比对结果包括:
依时间关系建立所述待验证表情动作数据与所述预存表情动作数据的仿射变换模型;
经由所述仿射变换模型,获取所述待验证表情动作数据的关键点坐标矩阵的仿射变换点矩阵;
将所述仿射变换点矩阵与所述预存表情动作数据的预存点矩阵作比对,得到所述比对结果;
其中,采用最优仿射变换法依时间关系建立所述待验证表情动作数据与所述预存表情动作数据的仿射变换模型。
9.根据权利要求8所述的人脸解锁方法,其中,所述将所述仿射变换点矩阵与所述预存表情动作数据的预存点矩阵作比对,得到所述比对结果包括:
确定所述仿射变换点矩阵与所述预存点矩阵中的各对应点的偏差;
根据所述仿射变换点矩阵与所述预存点矩阵中的各对应点的偏差,得到所述比对结果。
10.根据权利要求8所述的人脸解锁方法,其中,在所述待验证对象的待验证表情动作包括多个待验证表情的情况下,所述将所述仿射变换点矩阵与所述预存表情动作数据的预存点矩阵作比对,得到所述比对结果包括:
确定所述仿射变换点矩阵与所述预存点矩阵中的各对应点的偏差;
根据所述仿射变换点矩阵与所述预存点矩阵中的各对应点的偏差,得到所述比对结果。
11.根据权利要求9所述的人脸解锁方法,其中,所述根据所述仿射变换点矩阵与所述预存点矩阵中的各对应点的偏差,得到所述比对结果包括:
确定所述各对应点的偏差所对应的所述第二阈值;
基于所述各对应点的偏差所对应的所述第二阈值,获取所述待验证表情动作数据与所述预存表情动作数据的匹配值;
在所述匹配值大于所述第三阈值的情况下,所述比对结果表明所述待验证表情动作数据与所述预存表情动作数据相匹配。
12.根据权利要求11所述的人脸解锁方法,其中,所述各对应点的偏差所对应的所述第二阈值不同。
13.根据权利要求11所述的人脸解锁方法,其中,在所述待验证对象的待验证表情动作数据中包括至少两个待验证表情动作的情况下,使得至少一个待验证表情动作所对应的多个对应点的多个第二阈值小于所述第四阈值。
14.一种录入人脸表情动作的方法,包括:
指令待验证对象作出多个待验证表情,其中,所述多个待验证表情构成至少一个待验证表情动作;
采集所述待验证对象包括所述多个待验证表情的多个人脸图像;
从所述多个人脸图像获取所述待验证对象的人脸在所述多个待验证表情时的多个关键点随时间变化的点坐标矩阵;
存储所述点坐标矩阵;
设置指示人脸表情动作是否匹配的多个第二阈值、第三阈值和第四阈值,在所述待验证对象的待验证表情至少包括两个待验证表情的情况下,若用户希望忽略某一表情动作,则将所述希望忽略的表情动作所对应的所述第二阈值小于所述第四阈值,其中,所述多个第二阈值对应于所述多个对应点和预存表情数据的多个预存点之间的偏差。
15.一种认证设备,包括:
处理器,适于实现各指令;以及
存储器,适于存储多条指令,所述指令适于由处理器加载并执行:如权利要求1-13任一所述的人脸解锁方法、如权利要求14所述的录入人脸表情动作的方法。
16.一种计算机可读的非易失性存储介质,存储计算机程序指令,当所述计算机执行所述程序指令时,执行如权利要求1-13任一所述的人脸解锁方法、如权利要求14所述的录入人脸表情动作的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710993345.5A CN108875335B (zh) | 2017-10-23 | 2017-10-23 | 人脸解锁与录入表情和表情动作的方法、以及认证设备和非易失性存储介质 |
US16/146,947 US10922533B2 (en) | 2017-10-23 | 2018-09-28 | Method for face-to-unlock, authentication device, and non-volatile storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710993345.5A CN108875335B (zh) | 2017-10-23 | 2017-10-23 | 人脸解锁与录入表情和表情动作的方法、以及认证设备和非易失性存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108875335A CN108875335A (zh) | 2018-11-23 |
CN108875335B true CN108875335B (zh) | 2020-10-09 |
Family
ID=64325466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710993345.5A Active CN108875335B (zh) | 2017-10-23 | 2017-10-23 | 人脸解锁与录入表情和表情动作的方法、以及认证设备和非易失性存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10922533B2 (zh) |
CN (1) | CN108875335B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084979B (zh) * | 2019-04-23 | 2022-05-10 | 暗物智能科技(广州)有限公司 | 人机交互方法、装置以及控制器和交互设备 |
CN111860057A (zh) * | 2019-04-29 | 2020-10-30 | 北京眼神智能科技有限公司 | 人脸图像模糊和活体检测方法、装置、存储介质及设备 |
CN113536262A (zh) * | 2020-09-03 | 2021-10-22 | 腾讯科技(深圳)有限公司 | 基于面部表情的解锁方法、装置、计算机设备和存储介质 |
US11935055B2 (en) * | 2021-03-22 | 2024-03-19 | Bank Of America Corporation | Wired multi-factor authentication for ATMs using an authentication media |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1786980A (zh) * | 2005-12-08 | 2006-06-14 | 上海交通大学 | 用二维轮廓进行人脸特征点新位置搜索的方法 |
CN101908149A (zh) * | 2010-07-06 | 2010-12-08 | 北京理工大学 | 一种从人脸图像序列中识别脸部表情的方法 |
CN102405638A (zh) * | 2009-04-20 | 2012-04-04 | 富士胶片株式会社 | 图像处理装置、图像处理方法以及计算机可读介质 |
CN102946481A (zh) * | 2012-11-13 | 2013-02-27 | 广东欧珀移动通信有限公司 | 人脸表情解锁方法及系统 |
CN103035022A (zh) * | 2012-12-07 | 2013-04-10 | 大连大学 | 基于特征点的人脸表情合成方法 |
CN103778360A (zh) * | 2012-10-26 | 2014-05-07 | 华为技术有限公司 | 一种基于动作分析的人脸解锁的方法和装置 |
CN104657713A (zh) * | 2015-02-09 | 2015-05-27 | 浙江大学 | 一种可抗姿态和表情变化的三维人脸校准方法 |
CN104820829A (zh) * | 2015-05-08 | 2015-08-05 | 常州大学 | 一种新的基于深度数据的人脸识别算法及其在智能权限分配系统中的应用 |
CN104978764A (zh) * | 2014-04-10 | 2015-10-14 | 华为技术有限公司 | 三维人脸网格模型处理方法和设备 |
CN105279479A (zh) * | 2014-06-26 | 2016-01-27 | 欧姆龙株式会社 | 面部认证装置以及面部认证方法 |
CN105678235A (zh) * | 2015-12-30 | 2016-06-15 | 北京工业大学 | 基于典型区域多维度特征的三维人脸表情识别方法 |
CN105825112A (zh) * | 2016-03-18 | 2016-08-03 | 北京奇虎科技有限公司 | 移动终端的解锁方法及装置 |
CN106203038A (zh) * | 2016-06-30 | 2016-12-07 | 维沃移动通信有限公司 | 一种解锁方法及移动终端 |
CN106650555A (zh) * | 2015-11-02 | 2017-05-10 | 苏宁云商集团股份有限公司 | 一种基于机器学习的真人验证方法及系统 |
CN106778525A (zh) * | 2016-11-25 | 2017-05-31 | 北京旷视科技有限公司 | 身份认证方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9820658B2 (en) * | 2006-06-30 | 2017-11-21 | Bao Q. Tran | Systems and methods for providing interoperability among healthcare devices |
US7623731B2 (en) * | 2005-06-20 | 2009-11-24 | Honda Motor Co., Ltd. | Direct method for modeling non-rigid motion with thin plate spline transformation |
KR102401170B1 (ko) * | 2015-10-21 | 2022-05-24 | 삼성전자주식회사 | 복합 인증 장치 및 방법 |
WO2018096661A1 (ja) * | 2016-11-25 | 2018-05-31 | 日本電気株式会社 | 画像生成装置、顔照合装置、画像生成方法、およびプログラムを記憶した記憶媒体 |
CN106775424A (zh) * | 2017-01-13 | 2017-05-31 | 维沃移动通信有限公司 | 一种截屏处理方法及移动终端 |
KR102299847B1 (ko) * | 2017-06-26 | 2021-09-08 | 삼성전자주식회사 | 얼굴 인증 방법 및 장치 |
-
2017
- 2017-10-23 CN CN201710993345.5A patent/CN108875335B/zh active Active
-
2018
- 2018-09-28 US US16/146,947 patent/US10922533B2/en active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1786980A (zh) * | 2005-12-08 | 2006-06-14 | 上海交通大学 | 用二维轮廓进行人脸特征点新位置搜索的方法 |
CN102405638A (zh) * | 2009-04-20 | 2012-04-04 | 富士胶片株式会社 | 图像处理装置、图像处理方法以及计算机可读介质 |
CN101908149A (zh) * | 2010-07-06 | 2010-12-08 | 北京理工大学 | 一种从人脸图像序列中识别脸部表情的方法 |
CN103778360A (zh) * | 2012-10-26 | 2014-05-07 | 华为技术有限公司 | 一种基于动作分析的人脸解锁的方法和装置 |
CN102946481A (zh) * | 2012-11-13 | 2013-02-27 | 广东欧珀移动通信有限公司 | 人脸表情解锁方法及系统 |
CN103035022A (zh) * | 2012-12-07 | 2013-04-10 | 大连大学 | 基于特征点的人脸表情合成方法 |
CN104978764A (zh) * | 2014-04-10 | 2015-10-14 | 华为技术有限公司 | 三维人脸网格模型处理方法和设备 |
CN105279479A (zh) * | 2014-06-26 | 2016-01-27 | 欧姆龙株式会社 | 面部认证装置以及面部认证方法 |
CN104657713A (zh) * | 2015-02-09 | 2015-05-27 | 浙江大学 | 一种可抗姿态和表情变化的三维人脸校准方法 |
CN104820829A (zh) * | 2015-05-08 | 2015-08-05 | 常州大学 | 一种新的基于深度数据的人脸识别算法及其在智能权限分配系统中的应用 |
CN106650555A (zh) * | 2015-11-02 | 2017-05-10 | 苏宁云商集团股份有限公司 | 一种基于机器学习的真人验证方法及系统 |
CN105678235A (zh) * | 2015-12-30 | 2016-06-15 | 北京工业大学 | 基于典型区域多维度特征的三维人脸表情识别方法 |
CN105825112A (zh) * | 2016-03-18 | 2016-08-03 | 北京奇虎科技有限公司 | 移动终端的解锁方法及装置 |
CN106203038A (zh) * | 2016-06-30 | 2016-12-07 | 维沃移动通信有限公司 | 一种解锁方法及移动终端 |
CN106778525A (zh) * | 2016-11-25 | 2017-05-31 | 北京旷视科技有限公司 | 身份认证方法和装置 |
Non-Patent Citations (1)
Title |
---|
"SIFT特征匹配算法优化";董慧颖 等;《沈阳理工大学学报》;20170630;第36卷(第3期);参见摘要,第1-4节 * |
Also Published As
Publication number | Publication date |
---|---|
CN108875335A (zh) | 2018-11-23 |
US20190122034A1 (en) | 2019-04-25 |
US10922533B2 (en) | 2021-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108875335B (zh) | 人脸解锁与录入表情和表情动作的方法、以及认证设备和非易失性存储介质 | |
JP6248178B2 (ja) | 顔認証システム | |
CN108875491B (zh) | 人脸解锁认证的数据更新方法、认证设备和系统以及非易失性存储介质 | |
KR101242390B1 (ko) | 사용자를 인증하기 위한 방법, 장치, 및 컴퓨터 판독 가능한 기록 매체 | |
CN107995979A (zh) | 使用凝视信息的用户识别和/或认证 | |
KR102401170B1 (ko) | 복합 인증 장치 및 방법 | |
EP3559847B1 (en) | Electronic device for biometric authentication of a user | |
CN111191599A (zh) | 姿态识别方法、装置、设备及存储介质 | |
JP2004213087A (ja) | 個人認証装置および個人認証方法 | |
CN109472269A (zh) | 图像特征配置及校验方法、装置、计算机设备及介质 | |
CN105184133B (zh) | 一种鉴权方法、装置及相应移动终端 | |
WO2022048352A1 (zh) | 基于面部表情的解锁方法、装置、计算机设备和存储介质 | |
CN111540083B (zh) | 基于蓝牙连接的开锁方法、系统、计算机设备和存储介质 | |
CN111368814A (zh) | 一种身份识别方法及系统 | |
EP3785166A1 (en) | Multiple enrollments in facial recognition | |
CN110175516B (zh) | 生物特征模型生成方法、装置、服务器及存储介质 | |
EP4131186A1 (en) | Machine learning assisted intent determination using access control information | |
Cai et al. | Online learning classifier based behavioral biometrie authentication | |
Patil et al. | Enhancement of feature extraction in image quality | |
CN110659461A (zh) | 屏幕解锁方法、装置、终端及存储介质 | |
KR102443330B1 (ko) | 치아 기반 개인 식별 장치 및 방법 | |
CN113283313B (zh) | 信息处理方法、装置及设备 | |
WO2023100772A1 (ja) | 認証装置、プログラム、及び認証方法 | |
CN113051535B (zh) | 设备解锁方法和装置 | |
WO2021097827A1 (zh) | 信息确认方法、装置、计算机设备和存储介质 |
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 |