CN109635623A - 一种面部识别系统以及自动识别和跟踪系统 - Google Patents

Abstract

本发明提供了一种面部识别系统以及自动识别和跟踪系统，其中面部识别系统通过利用扫描线检测测试，镜面反射检测测试，以及色矩和颜色多样性特征分析，具有反欺骗能力。本发明提供的自动识别和跟踪系统，用于识别客户和跟踪客户位置，并将检索到的客户简档和跟踪位置发送给员工，从而可以快速准确地向客户提供增强型服务和有针对性的广告。

Description

一种面部识别系统以及自动识别和跟踪系统

技术领域

本发明涉及用于个人身份识别，认证，广告和其他安全目的的面部识别的反欺骗方法。具体地，本发明涉及一种用于在高清显示器上利用实时重演视频来解决欺骗问题，以及通过识别客户以提供定制服务和有针对性的广告的面部识别方法和系统。

背景技术

面部识别具有许多与安全相关的应用，诸如用户识别，用于在线和离线资源访问、门闸解锁的用户身份认证。

传统的面部识别方法为：使用对对象面部实时捕获的图像从先前捕获的面部图像库中找到与之匹配的。与具有完善和测试的面部特征分析技术的其他生物识别方法相比，面部匹配过程相对准确。通常，如图1所示，这些技术从被拍摄对象面部的图像中提取面部区域的特征数据，这对每个人是独一无二的，并且将该特征数据与存储在库中的特征数据进行比较，从而使对象的面部与先前登记的人的面部相匹配。

现阶段已经开发了一些面部识别系统，这些系统通过要求对象在识别会话期间进行多个面部表情和运动，并允许系统对检测和捕获的面部表情和运动的多帧图像进行匹配，以确定对象是否活人。例如，美国专利No.6,922,478公开了一种用于验证所捕获的人物图像的真实性的方法，包括：记录一系列连续的个人图像，并通过检查是否可以检测到序列固有运动的至少两个连续的个别图像来确定所记录图像的真实性。然而，这样的真实性验证系统可能被打印的照片或如图2显示待认证对象图像的电子显示器所欺骗。

其它已经开发的面部识别系统则通过要求来自待识别对象的交互输入来确定所捕获的面部图像是否是活体。例如，欧洲专利No.1990770公开了一种面部认证装置，包括：演示图案显示单元，该演示图案显示单元设置在与输入单元不同的位置，以在面部认证期间显示用户输入图案的指令；以及图像捕获单元，用于在从演示图案显示单元显示指令到输入完成期间的一部分或整个时间期间，捕获用户的面部和/或用户的一部分面部的运动。并且从设备执行的过程，确定捕获的面部图像是否是活人。但是，交互式输入的要求限制了其应用，实用性和用户类型。

为了解决照片欺骗和面罩欺骗的问题，通过检查对象面部的三维（3D）透视特征的方式对上述技术进行了改进。例如，美国专利No.9,619,723公开了一种3D透视检查的过程，包括收集对象面部的两个或更多图像。然后使用对象面部的两个或更多图像来计算对象面部的立体视图数据。然而，如图3所示，如果受试者保持与摄像机视图中心的完美面部对准，这样的面部识别系统可能产生错误拒绝。

许多服务型行业在努力以个人关注或至少具有个人关注印象向被归类为非常重要人（VIP）的大消费客户提供更高质量的服务或有针对性的广告。通常，对于在商业场所部署的销售人员或接待员来说，识别每个访客并立即回忆起他们的简档以向重要客户提供定制服务是一项挑战。因此，需要一种方法和系统来自动识别重要客户并及时通知员工他们的出现和简档信息，以便员工可以为他们提供及时的定制服务。

众所周知，面部识别是个人身份识别的有效方式。传统的面部识别系统通常捕获特定主体的面部并且以一对一的方式将其与先前捕获的面部图像的库匹配，以用于安全或认证。使用面部识别系统进行客户识别的挑战是，可能无法预先知道在特定商业场所识别的客户数量。而且，可能需要检测在特定感兴趣区域中客户的光临并自动执行个人身份识别。

现阶段还开发了用于自动面部识别的方法和系统。例如，美国专利No.9,262,668公开了一种远程面部识别系统，其包括用于监视检测区域的一个主摄像机和多个辅助摄像机。主摄像机可以检测出检测区域中的人。然后可以将数据传输到优先级模块，该模块生成检测到的人的优先级列表。然后，多个辅助摄像机根据优先级模块提供的优先级列表，捕获检测区域中存在的人的面部的高分辨率图像。然后可以将高分辨率图像提供给面部识别模块，该面部识别模块用于识别检测区域中存在的人。然而，这种系统实施起来成本很高，因为它需要多个平移-倾斜-变焦（PTZ）摄像机。

现阶段还开发了其他技术以通过面部识别来跟踪访客，例如美国专利No.8,750,576中公开的方法。但是，该专利公开的方法缺乏通过移动通信系统迅速通知访问客户状态的能力。现阶段还已经开发了用于基于面部聚类提供目标广告的其他技术。例如，美国专利No.8,769,556公开了一种用于基于时变视频的面部聚类来提供目标广告的方法和设备。在操作期间，连续获得系统用户的视频。检测并测量用户的面部。然后对用户面部的测量进行聚类。群集可用后，广告将针对群集而非单个用户。然而，由于广告是针对集群而不是相应类型系统中的个体用户，因此目标广告的内容不能被个性化且不能与更个人级别的目标对象相关。

发明内容

本发明的一个目的是提供一种具有反欺骗功能的个人身份识别和认证的面部识别方法和系统，其能够有效地检测对象是活人还是目标面部的高清显示器。本发明的另一个目的是提供一种简化的个人身份识别和认证方法和系统，其不需要来自要识别的对象的交互式输入，这在某些应用或某些类型的用户中可能是不可行的。本发明的另一个目的是提供一种简化的个人身份识别和认证方法和系统，该方法和系统不需要3D视角测试，该测试可能在受试者将她的脸部与摄像机视图中心完美对齐的情况下产生错误拒绝。本发明的另一个目的是提供一种用于自动客户识别和跟踪的方法和系统，使得可以迅速且准确地向客户提供增强型服务和目标广告。

根据本发明的一个方面，个人身份识别和认证的方法包括：捕获要被认证的对象的图像；面部验证步骤；接下来是扫描线检测测试，镜面反射检测测试，以及没有特定顺序的色矩和颜色多样性特征分析测试的处理步骤。该方法要求受试者在摄像机前呈现她的面部，该摄像机可以是诸如移动通信或计算设备，计算机或固定电子设备的内置摄像机或外围摄像机。该方法还需要在显示屏上向对象显示对象面部的某些指令和实时视频反馈，该显示屏可以是移动通信或计算设备，计算机或固定电子设备的内置或外围显示屏。

面部验证步骤是在单帧拍摄中捕获对象面部的图像，然后通过使用面部分析和识别技术将单帧面部图像与预先记录的面部数据记录的数据库匹配来初步验证对象的身份。

扫描线检测测试是基于对莫尔图案进行检测，该图案由来自数码媒体显示器的欺骗图像的数码网格和摄像机图像传感器的网格重叠产生。如图6所示，欺骗图像可以是从在诸如液晶显示器（LCD）的高分辨率显示器上显示的人面部的预先记录的或实时的重演视频中提取的图像。

镜面反射检测测试是基于检测在具有镜面或反射表面的照片或数码媒体显示器中显示的欺骗图像的镜面反射特征。这是基于一种一般现象：镜面反射更可能发生在通常为镜面或反射表面的照片或数码显示器上，而漫反射发生在真实的人脸上。

根据一个实施例，镜面反射检测测试包括：从输入图像提取多维镜面反射特征，其中提取特征包括：丢弃超出预定范围的强度像素；并且对提取的镜面反射特征进行分类以确定输入图像是真实面部还是欺骗图像的图像。优选地，使用利用某些训练集训练的基于支持向量机（SVM）的分类器来对提取的镜面反射特征进行分类。

参见图9，色矩和颜色多样性特征分析测试过程为采用欺骗图像的彩色特征和颜色直方图，分析其颜色多样性与真实面部的图像相比是否减少，其可以是在打印的照片上显示的再现的面部图像或由诸如LCD显示器的数码媒体显示器显示的图像。这是基于这样的事实：由于打印和数码显示图像的不完美的颜色再现特性，再现的面部图像与真实面部的颜色分布相比具有不同的颜色分布。

根据一个实施例，色矩和颜色多样性特征分析测试包括：在色相、饱和度、明度（HSV）空间，以及红色、绿色和蓝色（RGB）空间中提取输入图像的彩色特征和颜色直方图特征；并且对提取的彩色特征和颜色直方图特征进行分类以确定输入图像是真实面部的图像还是欺骗图像。优选地，使用以某些训练集训练的基于SVM的分类器来对提取的彩色特征和颜色直方图特征进行分类。通常，SVM分数大于或等于零表示正检测，而负值表示拒绝。

根据另一方面，提供了一种自动识别和跟踪方法，以识别进入诸如购物中心或零售商店的客户是否是先前登记或记住的客户（或VIP），该方法包括检索包括客户的人口统计数据和/或销售点（POS）记录的简档，跟踪客户的位置，并将检索到的配置文件和跟踪的客户位置发送到配置为由销售/服务人员使用的计算设备。

根据另一实施例，自动识别和跟踪方法还包括：向客户显示与前端设备中的客户的人口统计数据相关联的目标广告；检测观看目标广告的客户的多种情绪；测量客户观看目标广告的停留时间；并根据人口统计数据和检测到的客户的情绪和测量停留时间对目标广告的有效性进行分析。

根据另一个实施例，自动识别和跟踪方法还包括：利用安装在其中的各种位置的多个摄像机。各种位置包括但不限于：广告显示器，标牌设备，商品架，展示柜台，入口和出口。一旦客户首先被其中一个摄像头捕获，无论她先前是否已被识别以及她先前是否已经注册，都会为该客户分配临时且唯一的标识码。当这个客户在周围漫游时，她被多个摄像机跟踪，记录的信息包括移动路径和在每个位置的停留时间。然后将该信息发送到配置成由销售/服务人员使用的计算设备，并分析客户对商品和服务以及购物喜好的兴趣。因此，员工可以利用分析结果更好地推销商品和服务，并为每个客户提供个性化的购物体验。

附图说明

下面将参考附图对本发明的实施例进行更详细地描述，其中：

图1示出了在一般的面部识别系统中如何从面部区域提取特征数据；

图2示出了打印照片或电子显示器的示例，给出了可用于欺骗面部识别系统的待认证的目标面部的图像；

图3示出了对象保持与摄像机视图中心的完美面部对准导致面部识别系统产生错误拒绝情形的图像；

图4示出了根据本发明实施例的面部验证装置的示例性用户界面；

图5示出了由数码媒体显示器图像的数码网格与摄像机图像传感器的网格重叠而产生的莫尔图案；

图6示出了从个人的预先录制的或实时的重演视频中提取的图像；

图7a示出了从LCD显示器捕获的欺骗图像的频域；图7b示出了从个人捕获的图像的频域；

图8示出了根据本发明实施例的镜面反射检测测试原理的示意图；

图9示出了根据本发明实施例的色矩和颜色多样性特征分析测试原理的示意图；

图10示出了根据本发明的一个实施例的具有反欺骗功能的个人身份识别和认证的面部识别方法过程的流程图；

图11示出了根据本发明实施例的扫描线检测测试处理步骤的流程图；

图12示出了本发明实施例的自动识别和跟踪方法的流程图；和

图13示出了本发明实施例的自动识别和跟踪系统。

具体实施方式

在以下描述中，将具有反欺骗功能的个人身份识别和认证的面部识别方法和系统，用自动客户识别和跟踪的方法和系统等作为优选示例进行阐述。对于本领域技术人员显而易见的是，在不脱离本发明的范围和精神的情况下，可以对本申请进行修改，包括添加和/或替换。具体细节可以省略，以免使本发明模糊；然而，编写本公开是为了使本领域技术人员能够在不进行过度实验的情况下实践本文的教导。

面部识别系统可以在移动通信设备（例如"智能手机"和个人数码助理），移动或个人计算设备（例如"平板电脑"计算机，膝上型计算机和个人计算机），自助服务终端，或者具有内置或外围摄像机和电子显示屏的用户终端上实现。

参见图10，在一个实施例中，面部识别方法包括：捕获待认证对象的输入图像；通过使用面部分析和识别方法，将输入图像与预先记录的面部数据记录的数据库进行匹配来进行面部验证1001，以验证对象的身份，该面部分析和识别方法可以基于当前可用的技术；进行反欺骗测试，包括扫描线检测测试1002，镜面反射检测测试1003，以及色矩和颜色多样性特征分析测试1004。尽管步骤1002、1003和1004按照图10中所示的顺序执行。在不脱离本发明的范围的情况下，其他排序也是可能的。该方法要求受试者在摄像机前呈现她的面部，该摄像机可以是诸如移动通信或计算设备，计算机或固定电子设备的内置摄像机或外围摄像机。该方法还需要在显示屏上向对象显示某些指令和对对象面部的实时视频反馈，该显示屏可以是移动通信或计算设备，计算机或固定电子设备的内置或外围显示屏。

在一个实施例中，面部验证的步骤是在单帧拍摄中捕获对象面部的图像，然后使用现有面部分析和识别技术，通过将单帧面部图像与预先记录的面部数据记录的数据库进行匹配来初步验证对象的身份。图4示出了根据本发明实施例的面部验证装置的示例性用户界面。

在一个实施例中，扫描线检测测试用于检测莫尔图案。如图5所示，在面部识别系统中，通过来自数码媒体显示器的数码网格与摄像机图像传感器网格的重叠来创建，以确定输入图像是否是由诸如LCD显示器的数码媒体显示器提供的欺骗图像。如图7a和7b，基于莫尔图案可以从LCD显示器捕获的欺骗图像的频域中找到峰值，而在从活人捕获的图像的频域中没有找到峰值。

参考图11，在一个实施例中，扫描线检测测试包括以下步骤：

对输入图像I使用高斯差分滤波器D(δ,k)=G(0,δ^2)-G(0,kδ^2)进行带通滤波，以生成带通滤波图像：Γ=I*D(δ,k)，其中，G(0,δ^2)是具有零均值和标准差δ的二维高斯函数，k是频带的宽度；

通过执行离散傅立叶变换（DFT）将滤波后的图像转换到频域：H=|DFT(Γ)|，并对输出值取绝对值；

在阈值为T的频域中对滤波后的图像H进行阈值处理；

计算频域中高于阈值T的滤波图像的像素数量，并计算输入图像中高于阈值T的像素总数的百分比p；和

确定存在于频域中滤波图像中的峰值，并且如果p≤p _min ，则输入图像是欺骗图像，其中，p _min 是输入图像中像素总数百分比的预定义最小值。

在一个实施例中，扫描线检测测试还包括：如果p>p _min ，则将标准差δ增加增量Δ；如果δ≤δ _max ，则重复前述从使用带通滤波到确定峰值是否存在的步骤，其中，δ _max 是δ的预定义最大值；如果δ>δ _max ，则确定输入图像中不存在峰值。

参考图8，镜面反射检测测试是检测镜子或反射表面的镜面反射特征，以确定输入图像是否是由照片或数码媒体显示器提供的欺骗图像。镜面反射检测测试基于对在具有镜面或反射表面的照片或数码媒体显示器中显示的欺骗图像的镜面反射特征的检测。这是基于一种事实，即：镜面反射更可能发生在通常为镜面或反射表面的照片或数码显示器上，而漫反射通常发生在真实的人面部。

在一个实施例中，从输入图像中提取镜面反射分量。该过程涉及基于在变化的光强度下的色度变化来分离反射分量与漫射分量。对于漫反射颜色，色度保持不变。其镜面反射检测测试包括：从输入图像中提取多维镜面反射特征，其中镜面反射特征包括镜面像素百分比，强度值和像素的变化；丢弃在预定义强度范围之外的一个或多个强度像素（例如，丢弃强度在[1µ, 5µ]范围之外的一个或多个像素，其中μ是平均像素强度值）；使用机器学习技术对提取的镜面反射特征进行分类，以确定输入图像是否是欺骗图像。优选地，使用用某些训练集训练的基于SVM的分类器来对提取的镜面反射特征进行分类。在训练期间，基于SVM的分类器被给予一些样本镜面反射特征，例如：数千个，每个都标记为属于真实图像类别或欺骗图像类别以用于构建一个模型，这种模型可以将新示例分类为一个类别或另一个类别（例如，分类结果>=0）或其他类别（例如，分类结果<0）。

色矩和颜色多样性分析基于普遍的现象：由打印和数码显示器的不完美的颜色再现特性引起的再现面部图像与真实面部图像相比具有不同的颜色分布。另外，相对于真实的面部图像通常具有的更丰富的颜色，重现面部图像中的颜色多样性也有所减少。色矩和颜色多样性分析测试用于检测输入图像的颜色多样性是否减少，以便确定输入图像是否是由打印照片或数码媒体显示器提供的欺骗图像。

根据一个实施例，色矩和颜色多样性分析包括：在HSV和RGB空间中提取输入图像的彩色特征和颜色直方图特征；使用机器学习技术对提取的彩色特征和颜色直方图特征进行分类，以确定输入图像是否是欺骗图像。优选地，使用用某些训练集训练的基于SVM的分类器来对提取的彩色特征和颜色直方图特征进行分类。在训练期间，基于SVM的分类器被给予一些样本镜面反射特征，例如：数千个，每个都标记为属于真实图像类别或欺骗图像类别以用于构建一个模型，这种模型可以将新示例分类为一个类别或另一个类别（例如，分类结果>=0）或其他类别（例如，分类结果<0）。

上述面部识别方法和系统的实施例可以并入自动识别和跟踪方法和系统中。如图12给出了一个实施例用于描述自动识别和跟踪方法100的流程图。自动识别和跟踪方法包括步骤101：从安装在诸如购物中心或零售店等场所的摄像机接收视频流；步骤102：通过在视频流中的人脸检测确定客户的存在；步骤103：提取客户的面部特征；步骤104：将提取的客户的面部特征与记录在数据库中的先前注册的客户的面部特征进行匹配，以确定客户是否是注册客户（VIP或普通客户）；步骤105：如果客户先前已注册，则检索客户的简档，包括但不限于人口统计数据和POS（Point of Sale，即销货点）记录（例如，包括购买历史）；步骤106：根据摄像头的位置跟踪客户的位置；步骤107：将检索到的简档，POS记录和跟踪的客户位置发送给一个或多个配置为由销售/服务人员使用的计算设备；步骤108：基于检索到的简档，POS记录和跟踪的客户的位置，从多个预定义广告中选择一个或多个目标广告；步骤109：将目标广告的通知和内容发送到客户的移动通信设备。

目标广告的选择可以基于目标广告中的特征产品/服务，其选择与所检索的简档，POS记录和跟踪的客户的位置中的一个或多个相关。例如，当人口统计数据表明，对二十多岁的女性最近购物跟踪位置为婴儿车和商店的婴儿食品部分的情况下，就会导致具有婴儿配方食品的目标广告被选择。根据一个实施例，在目标广告选择中采用了机器学习技术。一种这样的机器学习技术利用POS记录的历史数据和多个注册客户的简档，并与当前客户的简档进行比较以确定购买的相似性和模式，并反过来相应地选择目标广告。

根据一个实施例，使用上述面部识别方法和系统来执行上述步骤102和步骤103。

根据另一实施例，自动识别和跟踪方法还包括：步骤109：如果客户不是注册客户，则收集客户的至少包括人口统计数据的简档。在又一个实施例中，自动识别和跟踪方法还包括步骤110：如果客户是注册客户，则在前端设备中向客户显示目标广告，否则，在前端设备中向客户显示随机广告；步骤111：检测正在观看前端设备中显示广告的客户的情绪；步骤112：测量客户观看广告的停留时间；步骤113：根据检测到的客户的情绪和测量的停留时间确定广告的有效性。例如，如果在显示特定广告，广告类型或某些产品或服务的广告时检测到愉快的情绪，即身体表现出积极的情绪（包括微笑，笑，傻笑和中性情绪），则广告被认为是有效的。再例如，如果测量到客户在特定广告，广告类型或显示的某种产品或服务的广告的停留时间长于阈值停留时间（例如，10秒），则认为广告是有效的；否则无效。再例如，如果在显示特定广告，广告类型或某种产品或服务的广告时检测到令人不愉快的情绪，即身体表现出令人反感的情绪（包括，皱眉和冷漠情绪），则认为广告无效。

因此，广告对客户的有效性是检测到的客户的情绪和停留时间的函数，其可以表示为：

E[广告1] = f (情绪，停留时间)

根据另一实施例，记录与客户相关的广告有效性信息。然后，除了检索的简档，POS记录和跟踪的客户的位置之外，随后目标广告的选择可以基于对广告类型和/或某些产品或服务的广告的有效性信息的历史记录。

根据另一方面，自动识别和跟踪方法还包括利用安装在商场中各个位置的多个摄像机。各个位置包括但不限于广告显示器，标牌设备，商品架，展示柜台，入口和出口。一旦客户首先被步骤102中的一个摄像机捕获并且在步骤103中提取了她的面部特征，无论她先前是否被识别或是否注册，在步骤114中都将为该客户分配临时唯一的标识码。当这个客户在商场游荡时，她被多个摄像机跟踪，在步骤115中记录的信息包括移动路径和在每个位置的停留时间。然后将该信息发送到配置成由销售/服务人员使用的计算设备，并在步骤116中分析客户对商品和服务以及购物喜好的兴趣。因此，员工可以利用分析结果更好地推销商品和服务，并为每个客户提供个性化的购物体验。

在各种实施例中，自动识别和跟踪方法优选地包括：动态控制数码摄像机捕获视频流的照明，以保持较高的人脸识别精度

参考图13，在一个实施例中，自动识别和跟踪系统200包括：至少一个用于捕获视频流的摄像机201；一个识别和跟踪服务器202，用于识别客户是否是注册客户（VIP或普通客户），检索客户的简档，包括人口统计数据和POS记录（例如，包括购买历史），跟踪客户的位置，将检索到的简档和跟踪的客户的位置发送给配置成由销售/服务人员使用的多个计算设备；至少一个前端设备203，用于向客户显示多个广告；收集至少包括人口统计数据的客户的简档，其可以是在前端设备203的电子触摸屏中显示的图形用户界面。识别和跟踪服务器202，其与摄像机201一起工作，还用于捕获和检测客户观看广告时的情绪，测量客户观看广告的停留时间，以及基于检测到的情绪和测量的停留时间对广告的有效性进行分析。识别和跟踪服务器202包括：至少一个存储介质204，其是用于存储客户面部特征，人口统计数据，简档和注册客户的类型（例如，VIP或普通客户），根据记录的客户观看广告的情绪和停留时间，以及相关的广告效果分析结果的数据库；至少一个面部识别引擎205，用于确定客户的存在，提取面部特征，将提取的面部特征与在数据库中记录的注册客户的面部特征相匹配，检测情绪，表示停留时间，以及分析广告效果。

根据各种实施例，摄像机201是前端设备203的内置或外围摄像机。在一个实施例中，前端设备103包括至少一个电子显示器。根据本发明的一个实施例，摄像机201和前端设备203策略性地定位在广告显示器上，商品货架，展示柜台，入口和出口处。根据一个实施例，前端设备203是具有电子显示器的标牌设备，例如自助服务终端或电子广告牌。根据各种实施例，被配置为由销售/服务人员使用的计算设备可以是个人计算机，膝上型计算机，诸如"智能手机"和"平板电脑"计算机的移动计算设备，或自助服务终端，自助服务终端被配置为执行与识别和跟踪服务器202通信的机器指令，并呈现图形用户界面以将从识别和跟踪服务器202接收的数据显示给销售/服务人员并与其交互。根据本发明的各种实施例，客户的移动通信设备可以是移动计算设备，诸如"智能手机"和"平板电脑"计算机。

根据各种实施例，面部识别系统和自动识别和跟踪系统至少包括：用于呈现和控制在电子显示器上显示的图形用户界面的机器指令，用于控制摄像机捕获图像和视频的机器指令，用于执行面部识别和反视频欺骗算法的机器指令，以及用于执行客户识别和跟踪的机器指令；其中机器指令可以使用通用或专用计算设备，计算机处理器，或电子电路来执行，电子电路包括但不限于数码信号处理器（DSP），专用集成电路（ASIC），现场可编程门阵列（FPGA），和其他可编程逻辑器件。

在一些实施例中，系统包括计算机存储介质，其中存储有计算机指令或软件代码，其可用于对计算机或微处理器进行编程以执行本发明的任何过程。存储介质可以包括但不限于软盘，光盘，蓝光盘，DVD，CD-ROM和磁光盘，ROM，RAM，闪存设备，或任何类型的适用于存储指令，代码和/或数据的介质或设备。

Claims (10)

1.一种面部识别系统，用于个人身份识别和认证，包括：一个或多个计算机处理器，摄像机，存储介质和显示屏；

其特征在于，所述面部识别系统被配置为：

以所述摄像机捕获要识别和验证的对象的输入图像；

通过将所述输入图像与存储在所述存储介质中的预先记录的面部数据记录的数据库进行匹配来验证对象的身份；

不按特定顺序对所述输入图像进行反欺骗测试过程包括：

扫描线检测测试，用于检测由数码媒体显示器的数码网格和所述摄像机图像传感器的网格重叠产生的莫尔图案，如果检测到莫尔图案，则所述输入图像是欺骗图像；

镜面反射检测测试，用于从所述输入图像检测镜子或反射表面的一个或多个镜面反射特征，如果检测到镜子或反射表面的一个或多个镜面反射特征，则所述输入图像是欺骗图像；和

色矩和颜色多样性特征分析测试，分析所述输入图像的颜色多样性以确定所述输入图像是否是欺骗图像；

所述色矩和颜色多样性分析包括以下步骤：

从HSV和RGB空间中的所述输入图像中提取彩色特征和颜色直方图特征；和

对提取的彩色特征和颜色直方图特征进行分类，以确定所述输入图像是否是欺骗图像。

2.如权利要求1所述的系统，其特征在于，扫描线检测测试包括步骤：

a) 对所述输入图像使用高斯差分滤波器D(δ,k)=G(0,δ^2) - G(0,kδ^2)进行带通滤波，以生成带通滤波图像，其中G(0,δ^2)是具有零均值和标准差δ的二维高斯函数，k是频带的宽度；

b) 通过离散傅里叶变换将带通滤波图像转换到频域，并对输出值取绝对值；

c) 在阈值为T的频域中对带通滤波图像进行阈值处理；

d) 计算频域中高于阈值T的滤波图像的像素数量，并计算所述输入图像中高于阈值T的像素总数的百分比p；和

e) 确定在频域中带通滤波图像中是否存在高频峰值，其中如果p≤p _min ，则输入图像是欺骗图像，其中，p _min 是输入图像中像素总数百分比的预定义最小值。

3.如权利要求2所述的系统，其特征在于，扫描线检测测试还包括如下步骤：

如果p>p _min ，则将标准差δ增加Δ；和

如果δ≤δ _max ，重复步骤a）至e），其中，δ _max 是δ的预定义最大值。

4.如权利要求1所述的系统，其特征在于，镜面反射检测测试包括步骤：

从所述输入图像中提取多维镜面反射特征；

丢弃超出预定范围的强度像素；和

对提取的镜面反射特征进行分类以确定所述输入图像是否是欺骗图像。

5.根据权利要求4所述的系统，其特征在于，所述预定范围是从像素强度平均值的一倍到平均值的五倍。

6.一种自动识别和跟踪系统，包括：

一个或多个摄像机，用于捕获一个或多个视频流；

识别和跟踪服务器，被配置用于识别客户是否注册客户，检索客户的一个或多个简档数据和POS记录，以及确定一个或多个广告中的每个广告的有效性；和

一个或多个前端设备，用于向客户显示一个或多个广告，收集客户的人口统计数据；

其特征在于，识别和跟踪服务器包括

至少一个存储介质，其用于存储注册客户的面部特征记录和注册客户的简档数据的数据库；和

至少一个面部识别引擎，其被配置为：

确定客户是否存在，

提取客户的面部特征，并将提取的客户的面部特征与注册客户在数据库中的面部特征记录进行匹配，

检测客户观看每个广告时的情绪，

测量客户观看每个广告的第一停留时间，以及

对视频流进行反欺骗测试，包括：

扫描线检测测试，用于检测由数码媒体显示器的数码网格和所述摄像机图像传感器的网格重叠产生的莫尔图案，如果检测到莫尔图案，则视频流包含欺骗图像；

镜面反射检测测试，用于从所述输入图像检测镜子或反射表面的一个或多个镜面反射特征，如果检测到镜子或反射表面的一个或多个镜面反射特征，则视频流包含欺骗图像；和

色矩和颜色多样性特征分析测试，分析所述输入图像的颜色多样性以确定视频流是否包含欺骗图像；

所述色矩和颜色多样性分析包括：

从HSV和RGB空间的视频流中提取彩色特征和颜色直方图特征；和

对提取的彩色特征和颜色直方图特征进行分类，以确定视频流是否包含欺骗图像。

7.如权利要求6所述的系统，其特征在于，所述摄像机是所述前端设备的内置或外围摄像机。

8.如权利要求6所述的系统，其特征在于，所述识别和跟踪服务器还被配置用于将所述一个或多个检索到的客户的简档和POS记录发送到被配置为由员工使用的一个或多个移动设备。

9.如权利要求6所述的系统，其特征在于，

所述识别和跟踪服务器进一步被配置为:

基于记录具有客户出现的视频流的一个或多个所述摄像机的位置来跟踪客户的一个或多个位置；

测量客户在每个位置的第二停留时间；

根据每个第二停留时间确定客户对商品和服务以及购物喜好的兴趣；

将客户对商品和服务以及购物喜好的兴趣发送给配置为由员工使用的一个或多个移动设备。

10.如权利要求6所述的系统，其特征在于，

所述识别和跟踪服务器还被配置为基于所检索的简档数据，POS记录和目标广告有效性的历史记录，从多个预定义广告中选择一个或多个目标广告；和

由所述前端设备显示的一个或多个广告是目标广告。