CN109101871A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109101871A CN109101871A CN201810621068.XA CN201810621068A CN109101871A CN 109101871 A CN109101871 A CN 109101871A CN 201810621068 A CN201810621068 A CN 201810621068A CN 109101871 A CN109101871 A CN 109101871A
- Authority
- CN
- China
- Prior art keywords
- depth
- face
- infrared
- living body
- information
- 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
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
- G06V40/10—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
-
- 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
Abstract
本发明请求保护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,该装置包括带有深度和近红外采集功能并且采集人脸深度信息和红外信息的摄像模块;采用人脸检测器检测人脸位置的检测模块;将人脸在红外图上的位置映射到深度图上,定位出深度图上的人脸位置的定位模块;归一化、配准红外图和深度图人脸模块;将配准后的红外图和深度图输入到特征提取器进行特征提取的提取模块;将提取后的特征输入到分类器进行分类以判断是活体还是非活体的判断模块。
Description
技术领域
本发明涉及人脸识别技术领域,具体地,涉及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。
背景技术
随着计算机视觉、人脸技术的不断发展,人脸技术广泛应用在了智能监控、智能手机应用、智能家居等各个领域。人脸技术在生物信息认证(如人脸支付、人脸解锁)方面也得到了快速的发展和广泛的应用。但是随之也带来了安全方面的问题,比如,恶意攻击者可以利用用户的人脸照片(即,非活体)可以欺骗人脸认证系统,进而窃取用户的信息。为了解决非活体攻击的问题,人们提出了活体检测算法以判断当前是活体用户还是非活体用户(即用户的照片、视频、面具等)。
传统的活体检测算法为了抵御照片的攻击,采用了交互式的方案,即用户登录时要求用户进行眨眼、摇头等动作。这种方法虽然能够抵御大多数的静态照片攻击,但是无法很好的抵御视频攻击(即预先录制了用户的视频信息)。由于人脸经过二次或多次采集后,其纹理细节特征与真人脸有差异,另外一类传统方法通过捕捉频域和空间域的细节纹理特征,以区分活体和非活体。这类方法往往对成像质量和外部环境要求较高,当摄像头分辨率较高,或光照不均匀时,抵御攻击的效果较差。
现有的活体检测方法,一般的步骤为:
(1)采集用户人脸图像;
(2)提取人脸图像在空间域的细节纹理特征(如LBP);
(3)对人脸图像变换到Fourier频域,提取高频分量特征;
(4)融合空间域和频域的特征;
(5)将融合后的特征输入到分类器进行分类识别。
如现有技术:申请号为:201710840618.2发明名称为:人脸识别装置及方法,提到以下内容:“处理芯片15可以基于上述的深度信息与第一RGB图像进行人脸识别。在一个实施例中,处理芯片15可以基于第一RGB图像进行人脸识别。具体地,处理芯片15可以通过其上集成的图像处理器提取出第一RGB图像中人脸上的多个特征点,并将提取的多个特征点与预存的多个特征点进行匹配,当匹配结果符合匹配条件时,判定人脸识别成功,当不符合匹配条件时,判定人脸识别失败。然而,上述内容提取RGB图像上特征点,通过比对提取的特征点与预存的特征点的相似度进行人脸识别。上述内容和本发明请求保护的技术方案不同: (1)做人脸识别,不是活体识别;(2)没有使用到红外图和深度图;(3)通过比对特征点的方式进行人脸识别,本发明没有通过比对特征点的方式进行识别。此外,上述现有技术中在另一个实施例中,处理芯片15可以先基于第一RGB图像进行人脸识别。在基于第一RGB图像人脸识别成功时,再基于上述的深度信息进行进一步的人脸识别。在基于上述的深度信息人脸识别成功时,才最终确定人脸识别成功。在本实施例中,在基于上述的深度信息进行进一步的人脸识别的过程中,先基于第一RGB图像确定人脸的位置、眼睛的位置以及鼻子的位置,再根据人脸的位置、眼睛的位置、鼻子的位置以及上述的深度信息确定人脸识别是否成功。具体地,在基于第一RGB图像确定人脸的位置、眼睛的位置以及鼻子的位置后,分别根据人脸的位置、眼睛的位置、鼻子的位置并结合深度信息,判断人脸的位置是否凸起、眼睛的位置是否凹陷且鼻子的位置是否凸起,如果人脸的位置凸起、眼睛的位置凹陷且鼻子的位置凸起,则确定深度信息符合人脸特征,人脸识别成功。或者,在基于第一RGB图像确定人脸的位置、眼睛的位置以及鼻子的位置后,分别根据人脸的位置、眼睛的位置、鼻子的位置并结合深度信息,判断人脸的三维特征是否符合预设的人脸的三维特征、眼睛的三维特征是否符合预设的眼睛的三维特征以及鼻子的三维特征是否符合预设的鼻子的三维特征。其中,当人脸的三维特征符合预设的人脸的三维特征、眼睛的三维特征符合预设的眼睛的三维特征以及鼻子的三维特征符合预设的鼻子的三维特征时,则确定深度信息符合预设的三维人脸特征,进而确定人脸识别成功。然而,上述内容与本发明请求保护技术方案不同:(1)上述方法分两步进行人脸识别,先在RGB图进行人脸识别,然后再在深度图上进行人脸识别,两次都识别成功表示最终的成功;本发明不是做人脸识别,而是做活体识别,活体识别时只做一次识别,即将红外图和深度图同时输出CNN网络得到识别结果;(2)上述方法通过判断人脸的位置凸起、眼睛的位置凹陷且鼻子的位置凸起,则确定深度信息符合人脸特征,本发明并不查找人脸的凸凹特性,而是通过CNN提取具有判别力的人脸深度特征。再次,该现有技术叙述了使用红外光源采集人脸红外图像,本发明也使用了红外光源;虽然都用到了红外光源,但是方法不同、目的不同;该现有技术中使用红外图和深度信息进行人脸识别,而本方面使用红外图和深度信息进行活体识别,目的不同。
总之,传统的活体检测训练算法依赖于2D图像信息存在如下缺陷:
(1)仅依赖2D像素信息,在一些场景下的抗干扰能力弱。如光照不均、逆光条件都会导致细节纹理的丢失,导致识别精度大幅下降;
(2)对摄像头的分辨率有较高的要求,摄像头分辨率较低时,细节纹理丢失,识别精度下降。
(3)照片、视频(非活体)和活体在2D成像中差别小,传统活体检测方法,往往要依赖大量的训练样本量,才能学习一个较好的模型。
(4)无法在黑暗、昏暗环境下工作。要么检测不到人脸,要么检测到人脸,但是细节信息丢失,无法保证检测结果的精度。
发明内容
本发明要解决背景技术中的不足,发明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,其技术方案如下:
基于深度和近红外信息的活体检测装置,其特征是:
包括带有深度和近红外采集功能并且采集人脸深度信息和红外信息的摄像模块;
采用人脸检测器检测人脸位置的检测模块;
将人脸在红外图上的位置映射到深度图上,定位出深度图上的人脸位置的定位模块;
根据人脸的位置,通过图像仿射变换,截取图像中的人脸区域,并归一化到统一尺度M*N,其中M表示图像的高,N表示图像的宽,并同时作用于深度图和近红外图,得到相同分辨率的深度和近红外人脸图模块;
将配准后的红外图和深度图输入到特征提取器进行特征提取的提取模块;
将提取后的特征输入到分类器进行分类以判断是活体还是非活体的判断模块。
根据上述检测装置,本发明还请求保护一种基于深度和近红外信息的活体检测方法,其特征是:
步骤1:通过带有深度和近红外采集功能的摄像机采集深度信息和红外信息;
步骤2:采用人脸检测器检测人脸位置的检测模块;
步骤3:将人脸在红外图上的位置映射到深度图上,定位出深度图上的人脸位置;
步骤4:归一化、配准红外图和深度图人脸;
步骤5:将配准后的红外图和深度图输入到特征提取器(如CNN)进行特征提取;
步骤6:将提取后的特征输入到分类器进行分类,判断是活体还是非活体。
根据上述检测装置、检测方法,本发明还请求保护一种基于深度和近红外信息的活体检测方法应用于手机解锁、门禁以及金融支付等领域,用于提升用户信息的安全性。
有益效果:
(1)利用深度信息抵抗平面攻击,如照片、视频的攻击;
(2)利用不同材质对近红外光的吸收、反射特性不同的原理,抵抗如3D面具的攻击;
(3)将深度和近红外信息融合,进一步提升活体检测精度和效率;
(4)不受光照影响,在可见光和黑暗环境下都可以进行活体检测,大幅度扩展了算法适用范围。
附图说明
图1为本发明基于深度信息和近红外信息的活体检测算法一种活体检测流程图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
实施例1
本实施例提出一种基于深度信息和近红外信息的活体检测装置,具体地:
包括带有深度和近红外采集功能并且采集人脸深度信息和红外信息的摄像模块;使用带有深度数据采集功能和近红外数据采集功能的摄像模块,采集深度图和近红外图,采集设备可以是同时带有近红外和深度采集功能的设备,如Kinect,也可以是独立的两个设备,如果是独立的两个设备,需要进行近红外图和深度图的配准。
定位人脸位置的人脸检测模块;
将人脸在近红外图上的位置映射到深度图上,定位出深度图上的人脸位置的定位模块;
归一化、配准近红外图和深度图人脸模块;
将配准后的近红外图和深度图输入到特征提取器进行特征提取的提取模块;
将提取后的特征输入到分类器进行分类以判断是活体还是非活体的判断模块;由于电子显示屏幕(手机屏幕、PAD屏幕、液晶显示器、电视)中的内容(人像)在近红外光下不可见,因此使用近红外图可以抵抗电子显示屏非活体的攻击。如果检测不出人脸,则表示目前没有活体,如果检测出人脸,则表示当前可能是活体,也有可能是非电子屏幕显示的非活体;近红外图人脸检测器,可以使用近红外图片训练得到。
所述人脸检测器是使用近红外图训练出来的,可以在近红外图上检测出人脸,常用的人脸检测器可以采用现有技术如Harr-Cascaded人脸检测器、Fast/Faster RCNN、MTCNN等;将配准后的红外图和深度图输入到特征提取器,如CNN进行特征提取。
实施例2
本实施例提出一种基于深度信息和近红外信息的活体检测方法。本发明通过提取深度信息和近红外信息特征,用于区分活体和非活体。实施步骤为:首先通过带有深度和近红外采集功能的摄像机采集深度信息和近红外信息;接着使用人脸检测器(人脸检测器是使用近红外图训练出来的,可以在近红外图上检测出人脸,常用的人脸检测器,如Harr-Cascaded人脸检测器、Fast/Faster RCNN、MTCNN等)定位出人脸位置;然后将人脸在红外图上的位置映射到深度图上,定位出深度图上的人脸位置;归一化、配准红外图和深度图人脸;将配准后的近红外图和深度图输入到特征提取器(如CNN)进行特征提取;最后将提取后的特征输入到分类器进行分类,判断是活体还是非活体。
下面结合图1阐述本发明的具体实施步骤:
步骤S110:使用带有深度数据采集功能和近红外数据采集功能的设备,采集深度图和近红外图。采集设备可以是同时带有近红外和深度采集功能的设备,如Kinect,也可以是独立的两个设备,如果是独立的两个设备,需要进行近红外图和深度图的配准。
步骤S120:在近红外图进行人脸检测,定位人脸的位置。由于电子显示屏幕(手机屏幕、PAD 屏幕、液晶显示器、电视)中的内容(人像)在近红外光下不可见,因此使用近红外图可以抵抗电子显示屏非活体的攻击。如果检测不出人脸,则表示目前没有活体,如果检测出人脸,则表示当前可能是活体,也有可能是非电子屏幕显示的非活体,算法进入下一步继续判读。近红外图人脸检测器,可以使用近红外图片训练得到。
步骤S130:根据近红外图中人脸位置,以及红外图和深度图之间的相对位置关系,将近外图中人脸的位置映射到深度图中,得到深度图中对应的人脸位置。
步骤S140:根据人脸的位置,通过图像仿射变换,截取图像中的人脸区域,并归一化到统一尺度M*N,其中M表示图像的高,N表示图像的宽。该步骤同时作用于深度图和近红外图,得到相同分辨率的深度和近红外人脸图。
步骤S150:将得到深度人脸图,做深度(距离)归一化,得到人脸的相对深度图。这样避免绝对距离的影响,只关注人脸面部相对深度值。深度归一化的一种方式是深度图去均值,公式如下:
D(i,j)=D(i,j)-μ
其中D(i,j)表示人脸深度图中位于(i,j)位置的深度值,μ是D(i,j)的均值。
步骤S160:将步骤S150得到的深度归一化后的深度图和S140步骤的近红外图人脸图合并成一个两通道矩阵A,输入到一个训练好的CNN网络中,提取特征。
A是一个三维矩阵,包含两个通道,每个通道的都是高为M,宽为N的矩阵,这两个通道可以表示成如下形式:
A(M,N,1)深度通道(或近红外通道);A(M,N,2)近红外通道(或深度通道)
该CNN网络的输入是一个2*M*N的矩阵,输出是一个D维的全连接层,表示提取的特征。特征可以是最后一层全连接层的网络输出,也可以是最后若干层全连接网络输出。网络结构可以是VGG16,VGG19,Alex Net,ResNet,Inception,GoogLeNet等已有的网络结构,也可以是用户自定义的网络结构。
步骤S170:将步骤S160得到的特征输入到训练好的分类器中进行两类分类,判断是活体还是非活体。该分类器可以是SVM、Adaboost、Bayesian等分类器。
实施例3
另一实施例步骤如下:
步骤S210:同步骤S110
步骤S220:同步骤S120
步骤S230:同步骤S130
步骤S240:同步骤S140
步骤S250:同步骤S150
步骤S260:将步骤S250和S240得到的深度归一化后的深度图和近红外人脸图输入到训练好的一个CNN网络中,提取特征并分类。该CNN网络的输入是一个2*M*N的矩阵,最后一层输出是一个2输出的全连接层,经过softmax操作后,最后的两个输出分别表示活体和非活体的概率。该网络结构可以是VGG16,VGG19,Alex Net,ResNet,Inception,GoogLeNet等已有的网络结构,也可以是用户自定义的网络结构。
技术方案中的CNN可以替换为传统一些的分类器(如Adaboost,SVM,Bayesian)。传统的分类器需要和特征提取结合到一起,即先提取人脸特征点周围的特征,然后将特征输入到分类器或回归器进行分类。特征提取可以在空间域(像素域)提取特征,也可以在频域(如 Fourier、DCT)提取特征,常见的特征提取方式有:HOG,LBP,SIFT,SURF等。
实施例4
一种基于深度和近红外信息的活体检测装置及其方法应用于手机解锁、门禁以及金融支付等领域,用于提升用户信息的安全性。
在以上的描述中阐述了很多具体细节以便于充分理解本发明。但是以上描述仅是本发明的较佳实施例而已,本发明能够以很多不同于在此描述的其它方式来实施,因此本发明不受上面公开的具体实施的限制。同时任何熟悉本领域技术人员在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (10)
1.一种基于深度和近红外信息的活体检测装置,其特征为:
包括带有深度和近红外采集功能并且采集人脸深度信息和红外信息的摄像模块;
采用人脸检测器检测人脸位置的检测模块;
将人脸在红外图上的位置映射到深度图上,定位出深度图上的人脸位置的定位模块;
根据人脸的位置,通过图像仿射变换,截取图像中的人脸区域,并归一化到统一尺度M*N,其中M表示图像的高,N表示图像的宽,并同时作用于深度图和近红外图,得到相同分辨率的深度和近红外人脸图模块;
将配准后的红外图和深度图输入到特征提取器进行特征提取的提取模块;
将提取后的特征输入到分类器进行分类以判断是活体还是非活体的判断模块。
2.根据权利要求1所述的基于深度和近红外信息的活体检测装置,其特征为:所述摄像模块配置为同时带有近红外和深度采集功能的设备,或者所述近红外和深度采集为独立的两个设备,如果是独立的两个设备,需要进行红外图和深度图的配准。
3.根据权利要求1所述的基于深度和近红外信息的活体检测装置,其特征为:使用近红外图训练所述人脸检测器,以便在近红外图上检测出人脸。
4.根据权利要求3所述的基于深度和近红外信息的活体检测装置,其特征为:所述人脸检测器采用Harr-Cascaded人脸检测器或Fast/Faster RCNN、MTCNN。
5.根据权利要求1-4任一所述的一种基于深度和近红外信息的活体检测装置的检测方法,其特征是,包括如下步骤:
步骤1:通过带有深度和近红外采集功能的摄像机采集深度信息和红外信息;
步骤2:采用人脸检测器检测人脸位置的检测模块;
步骤3:将人脸在红外图上的位置映射到深度图上,定位出深度图上的人脸位置;
步骤4:归一化、配准红外图和深度图人脸;
步骤5:将配准后的红外图和深度图输入到特征提取器进行特征提取;
步骤6:将提取后的特征输入到分类器进行分类,判断是活体还是非活体。
6.根据权利要求5所述的一种基于深度和近红外信息的活体检测方法,其特征为:所述步骤4进一步包括:根据人脸的位置,通过图像仿射变换,截取图像中的人脸区域,并归一化到统一尺度M*N,其中M表示图像的高,N表示图像的宽,该步骤同时作用于深度图和近红外图,得到相同分辨率的深度和近红外人脸图。
7.根据权利要求5所述的一种基于深度和近红外信息的活体检测方法,其特征为:所述步骤4进一步包括:将得到的深度人脸图,进行深度距离归一化处理,得到人脸的相对深度图,所述深度距离归一化处理公式如下:
D(i,j)=D(i,j)-μ
其中D(i,j)表示人脸深度图中位于(i,j)位置的深度值,μ是D(i,j)的均值。
8.根据权利要求6所述的一种基于深度和近红外信息的活体检测方法,其特征为:将步骤4得到的深度归一化后的深度图和步骤3的近红外人脸图合并成一个两通道矩阵A,输入到一个训练好的已知的CNN网络中,提取特征;A是一个三维矩阵,包含两个通道,每个通道的都是高为M,宽为N的矩阵,这两个通道可以表示成如下形式:
A(M,N,1)深度通道(或近红外通道);A〔M,N,2〕近红外通道(或深度通道) 。
9.根据权利要求8所述的一种基于深度和近红外信息的活体检测方法,其特征为:所述CNN网络的输入为2*M*N的矩阵,输出是一个D维的全连接层,表示提取的特征,所述提取的特征为最后一层全连接层的网络输出,或者是最后若干层全连接网络输出,所述网络结构包括VGG16,VGG19,Alex Net,ResNet,Inception或GoogLeNet网络结构。
10.一种采用权利要求5-9任一所述的基于深度和近红外信息的活体检测方法的手机解锁或门禁或金融支付,以用于提升用户信息的安全性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810621068.XA CN109101871A (zh) | 2018-08-07 | 2018-08-07 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810621068.XA CN109101871A (zh) | 2018-08-07 | 2018-08-07 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109101871A true CN109101871A (zh) | 2018-12-28 |
Family
ID=64796869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810621068.XA Pending CN109101871A (zh) | 2018-08-07 | 2018-08-07 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109101871A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635746A (zh) * | 2018-12-14 | 2019-04-16 | 睿云联(厦门)网络通讯技术有限公司 | 一种基于nir残差图象的单摄人脸活体识别方法及计算机可读存储介质 |
CN109766814A (zh) * | 2018-12-29 | 2019-05-17 | 上海汇付数据服务有限公司 | 人脸验证方法以及系统 |
CN110383288A (zh) * | 2019-06-06 | 2019-10-25 | 深圳市汇顶科技股份有限公司 | 人脸识别的方法、装置和电子设备 |
CN110503007A (zh) * | 2019-07-31 | 2019-11-26 | 成都甄识科技有限公司 | 一种基于热成像仪的活体动物监测方法、设备及系统 |
CN110580454A (zh) * | 2019-08-21 | 2019-12-17 | 北京的卢深视科技有限公司 | 活体检测方法及装置 |
CN110659617A (zh) * | 2019-09-26 | 2020-01-07 | 杭州艾芯智能科技有限公司 | 活体检测方法、装置、计算机设备和存储介质 |
CN110738251A (zh) * | 2019-10-11 | 2020-01-31 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、电子设备及存储介质 |
CN110956114A (zh) * | 2019-11-25 | 2020-04-03 | 展讯通信(上海)有限公司 | 人脸活体检测方法、装置、检测系统及存储介质 |
CN111209820A (zh) * | 2019-12-30 | 2020-05-29 | 新大陆数字技术股份有限公司 | 人脸活体检测方法、系统、设备及可读存储介质 |
CN111414967A (zh) * | 2020-03-26 | 2020-07-14 | 深圳市智建云联科技有限公司 | 提高测温系统鲁棒性的方法及监测系统 |
CN111523398A (zh) * | 2020-03-30 | 2020-08-11 | 西安交通大学 | 一种融合2d人脸检测和3d人脸识别的方法及装置 |
CN111582197A (zh) * | 2020-05-07 | 2020-08-25 | 贵州省邮电规划设计院有限公司 | 一种基于近红外和3d摄像技术的活体以及人脸识别系统 |
CN111598065A (zh) * | 2020-07-24 | 2020-08-28 | 上海肇观电子科技有限公司 | 深度图像获取方法及活体识别方法、设备、电路和介质 |
CN111611934A (zh) * | 2020-05-22 | 2020-09-01 | 北京华捷艾米科技有限公司 | 一种人脸检测模型生成和人脸检测方法、装置及设备 |
WO2020177226A1 (zh) * | 2019-03-04 | 2020-09-10 | 平安科技(深圳)有限公司 | 基于改进的Resnet的人脸活体检测的方法及相关设备 |
CN112102380A (zh) * | 2020-09-11 | 2020-12-18 | 北京华捷艾米科技有限公司 | 一种红外图像与可见光图像的配准方法及相关装置 |
CN112232324A (zh) * | 2020-12-15 | 2021-01-15 | 杭州宇泛智能科技有限公司 | 人脸验伪方法、装置、计算机设备和存储介质 |
CN112711968A (zh) * | 2019-10-24 | 2021-04-27 | 浙江舜宇智能光学技术有限公司 | 人脸活体检测方法及其系统 |
CN112861588A (zh) * | 2019-11-28 | 2021-05-28 | 杭州萤石软件有限公司 | 一种活体检测的方法、装置 |
CN113128429A (zh) * | 2021-04-24 | 2021-07-16 | 新疆爱华盈通信息技术有限公司 | 基于立体视觉的活体检测方法和相关设备 |
CN113837033A (zh) * | 2021-09-08 | 2021-12-24 | 江西合力泰科技有限公司 | 一种搭载有tof模组的人脸识别方法 |
CN115205939A (zh) * | 2022-07-14 | 2022-10-18 | 北京百度网讯科技有限公司 | 人脸活体检测模型训练方法、装置、电子设备及存储介质 |
CN111209820B (zh) * | 2019-12-30 | 2024-04-23 | 新大陆数字技术股份有限公司 | 人脸活体检测方法、系统、设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1898338A2 (en) * | 2006-09-07 | 2008-03-12 | Hitachi, Ltd. | Personal identification apparatus and method using living body |
CN106203305A (zh) * | 2016-06-30 | 2016-12-07 | 北京旷视科技有限公司 | 人脸活体检测方法和装置 |
CN107590430A (zh) * | 2017-07-26 | 2018-01-16 | 百度在线网络技术(北京)有限公司 | 活体检测方法、装置、设备及存储介质 |
CN107808145A (zh) * | 2017-11-13 | 2018-03-16 | 河南大学 | 基于多模态智能机器人的交互身份鉴别与跟踪方法及系统 |
CN108388889A (zh) * | 2018-03-23 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 用于分析人脸图像的方法和装置 |
-
2018
- 2018-08-07 CN CN201810621068.XA patent/CN109101871A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1898338A2 (en) * | 2006-09-07 | 2008-03-12 | Hitachi, Ltd. | Personal identification apparatus and method using living body |
CN106203305A (zh) * | 2016-06-30 | 2016-12-07 | 北京旷视科技有限公司 | 人脸活体检测方法和装置 |
CN107590430A (zh) * | 2017-07-26 | 2018-01-16 | 百度在线网络技术(北京)有限公司 | 活体检测方法、装置、设备及存储介质 |
CN107808145A (zh) * | 2017-11-13 | 2018-03-16 | 河南大学 | 基于多模态智能机器人的交互身份鉴别与跟踪方法及系统 |
CN108388889A (zh) * | 2018-03-23 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 用于分析人脸图像的方法和装置 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635746A (zh) * | 2018-12-14 | 2019-04-16 | 睿云联(厦门)网络通讯技术有限公司 | 一种基于nir残差图象的单摄人脸活体识别方法及计算机可读存储介质 |
CN109766814A (zh) * | 2018-12-29 | 2019-05-17 | 上海汇付数据服务有限公司 | 人脸验证方法以及系统 |
WO2020177226A1 (zh) * | 2019-03-04 | 2020-09-10 | 平安科技(深圳)有限公司 | 基于改进的Resnet的人脸活体检测的方法及相关设备 |
CN110383288A (zh) * | 2019-06-06 | 2019-10-25 | 深圳市汇顶科技股份有限公司 | 人脸识别的方法、装置和电子设备 |
WO2020243967A1 (zh) * | 2019-06-06 | 2020-12-10 | 深圳市汇顶科技股份有限公司 | 人脸识别的方法、装置和电子设备 |
CN110503007A (zh) * | 2019-07-31 | 2019-11-26 | 成都甄识科技有限公司 | 一种基于热成像仪的活体动物监测方法、设备及系统 |
CN110503007B (zh) * | 2019-07-31 | 2023-04-07 | 成都甄识科技有限公司 | 一种基于热成像仪的活体动物监测方法、设备及系统 |
CN110580454A (zh) * | 2019-08-21 | 2019-12-17 | 北京的卢深视科技有限公司 | 活体检测方法及装置 |
CN110659617A (zh) * | 2019-09-26 | 2020-01-07 | 杭州艾芯智能科技有限公司 | 活体检测方法、装置、计算机设备和存储介质 |
CN110738251A (zh) * | 2019-10-11 | 2020-01-31 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、电子设备及存储介质 |
CN110738251B (zh) * | 2019-10-11 | 2023-11-28 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、电子设备及存储介质 |
CN112711968A (zh) * | 2019-10-24 | 2021-04-27 | 浙江舜宇智能光学技术有限公司 | 人脸活体检测方法及其系统 |
CN110956114A (zh) * | 2019-11-25 | 2020-04-03 | 展讯通信(上海)有限公司 | 人脸活体检测方法、装置、检测系统及存储介质 |
CN112861588A (zh) * | 2019-11-28 | 2021-05-28 | 杭州萤石软件有限公司 | 一种活体检测的方法、装置 |
CN112861588B (zh) * | 2019-11-28 | 2024-03-08 | 杭州萤石软件有限公司 | 一种活体检测的方法、装置 |
CN111209820B (zh) * | 2019-12-30 | 2024-04-23 | 新大陆数字技术股份有限公司 | 人脸活体检测方法、系统、设备及可读存储介质 |
CN111209820A (zh) * | 2019-12-30 | 2020-05-29 | 新大陆数字技术股份有限公司 | 人脸活体检测方法、系统、设备及可读存储介质 |
CN111414967A (zh) * | 2020-03-26 | 2020-07-14 | 深圳市智建云联科技有限公司 | 提高测温系统鲁棒性的方法及监测系统 |
CN111523398A (zh) * | 2020-03-30 | 2020-08-11 | 西安交通大学 | 一种融合2d人脸检测和3d人脸识别的方法及装置 |
CN111582197A (zh) * | 2020-05-07 | 2020-08-25 | 贵州省邮电规划设计院有限公司 | 一种基于近红外和3d摄像技术的活体以及人脸识别系统 |
CN111611934A (zh) * | 2020-05-22 | 2020-09-01 | 北京华捷艾米科技有限公司 | 一种人脸检测模型生成和人脸检测方法、装置及设备 |
CN111598065A (zh) * | 2020-07-24 | 2020-08-28 | 上海肇观电子科技有限公司 | 深度图像获取方法及活体识别方法、设备、电路和介质 |
CN112102380A (zh) * | 2020-09-11 | 2020-12-18 | 北京华捷艾米科技有限公司 | 一种红外图像与可见光图像的配准方法及相关装置 |
CN112232324A (zh) * | 2020-12-15 | 2021-01-15 | 杭州宇泛智能科技有限公司 | 人脸验伪方法、装置、计算机设备和存储介质 |
CN113128429A (zh) * | 2021-04-24 | 2021-07-16 | 新疆爱华盈通信息技术有限公司 | 基于立体视觉的活体检测方法和相关设备 |
CN113837033A (zh) * | 2021-09-08 | 2021-12-24 | 江西合力泰科技有限公司 | 一种搭载有tof模组的人脸识别方法 |
CN115205939A (zh) * | 2022-07-14 | 2022-10-18 | 北京百度网讯科技有限公司 | 人脸活体检测模型训练方法、装置、电子设备及存储介质 |
CN115205939B (zh) * | 2022-07-14 | 2023-07-25 | 北京百度网讯科技有限公司 | 人脸活体检测模型训练方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Steiner et al. | Reliable face anti-spoofing using multispectral swir imaging | |
CN108985134B (zh) | 基于双目摄像机的人脸活体检测及刷脸交易方法及系统 | |
Schwartz et al. | Face spoofing detection through partial least squares and low-level descriptors | |
Gao et al. | Standardization of face image sample quality | |
CN108229362A (zh) | 一种基于门禁系统的双目人脸识别活体检测方法 | |
CN108256459A (zh) | 基于多摄像机融合的安检门人脸识别和人脸自动建库算法 | |
CN105956578A (zh) | 一种基于身份证件信息的人脸验证方法 | |
CN106650669A (zh) | 一种鉴别仿冒照片欺骗的人脸识别方法 | |
CN103632132A (zh) | 一种基于肤色分割和模板匹配的人脸检测与识别方法 | |
WO2013131407A1 (zh) | 双验证人脸防伪方法及装置 | |
Tan et al. | Human identification from at-a-distance images by simultaneously exploiting iris and periocular features | |
CN109858439A (zh) | 一种基于人脸的活体检测方法及装置 | |
CN109145742A (zh) | 一种行人识别方法及系统 | |
CN111462379A (zh) | 一种含掌静脉和人脸识别的门禁管理方法、系统及介质 | |
Kose et al. | Mask spoofing in face recognition and countermeasures | |
CN111582197A (zh) | 一种基于近红外和3d摄像技术的活体以及人脸识别系统 | |
CN108537131A (zh) | 一种基于人脸特征点和光流场的人脸识别活体检测方法 | |
WO2021217764A1 (zh) | 一种基于偏振成像的人脸活体检测方法 | |
Rukhiran et al. | Effecting of environmental conditions to accuracy rates of face recognition based on IoT solution | |
Kwaśniewska et al. | Face detection in image sequences using a portable thermal camera | |
KR101455666B1 (ko) | 인증 장치 및 그 인증 방법 | |
Xiao et al. | Fusion of iris and periocular biometrics for cross-sensor identification | |
Jingade et al. | DOG-ADTCP: A new feature descriptor for protection of face identification system | |
Carney et al. | A multi-finger touchless fingerprinting system: Mobile fingerphoto and legacy database interoperability |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181228 |