CN109670390B - 活体面部识别方法与系统 - Google Patents

活体面部识别方法与系统 Download PDF

Info

Publication number
CN109670390B
CN109670390B CN201711012793.9A CN201711012793A CN109670390B CN 109670390 B CN109670390 B CN 109670390B CN 201711012793 A CN201711012793 A CN 201711012793A CN 109670390 B CN109670390 B CN 109670390B
Authority
CN
China
Prior art keywords
temperature
image
face
living body
facial feature
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
Application number
CN201711012793.9A
Other languages
English (en)
Other versions
CN109670390A (zh
Inventor
张耀宗
陈胤语
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wistron Corp
Original Assignee
Wistron Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wistron Corp filed Critical Wistron Corp
Publication of CN109670390A publication Critical patent/CN109670390A/zh
Application granted granted Critical
Publication of CN109670390B publication Critical patent/CN109670390B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G01K13/20—Clinical contact thermometers for use with humans or animals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G01K13/20—Clinical contact thermometers for use with humans or animals
    • G01K13/223—Infrared clinical thermometers, e.g. tympanic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • 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
    • 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
    • G06V40/172—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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0077—Imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
    • G01J5/0025—Living bodies
    • 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
    • G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow
    • 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
    • G06V40/179—Human faces, e.g. facial parts, sketches or expressions metadata assisted face recognition

Abstract

本公开提供一种活体面部识别方法与系统，包含摄取待识别者的视觉影像与取得温度信息，并根据视觉影像得到面部特征值；将视觉影像的面部特征值与面部特征数据库的相应面部特征值作比较，以得到差值；如果差值小于预设阈值，则根据温度信息判断待识别者的面部温度是否符合活体面部识别基准。本公开提供的活体面部识别方法与系统可快速、便利且准确地识别面部。

Description

活体面部识别方法与系统
技术领域
本发明是有关一种面部识别，特别涉及一种活体面部识别方法与系统。
背景技术
面部识别(face recognition)是电脑影像处理技术的一种，用以从数字影像(image)或影片(video)识别出人的面部特征，可作为安保机制。面部识别是生物(biometric)识别的一种，其他的生物识别技术如指纹识别、虹膜(iris)识别等。面部识别可应用于电子装置，例如电脑、移动电话、刷卡机等，特别是移动装置的使用日渐普及，因此对于安保机制的要求也更高。
传统的面部识别系统使用相机以摄取二维(2D)的人脸影像，经提取面部五官的特征后，与数据库作比对以进行识别。但是，传统的面部识别系统通常无法分辨相机所摄取的是真正的人或者仅是一张照片，因而形成安保机制的漏洞。
为了提高安保机制的信赖度，有些面部识别系统会要求使用者依照指示进行面部的活动，例如摇摆、旋转头部或张嘴、闭眼等动作，以确认相机所摄取的是真正的人。有些面部识别系统还于面部活动时，摄取多张照片，以得到深度信息，以确认相机所摄取的是真正的人。但是，指示进行面部活动不但会花费较多时间，更会造成使用者的不便。
因此亟需提出一种新颖的面部识别机制，不但可以维持或提升安保机制的信赖度，更能加速识别处理且兼顾使用上的便利性。
发明内容
鉴于上述，本发明实施例的目的之一在于提出一种活体面部识别方法与系统，可快速、便利且准确地识别面部。
根据本发明实施例的活体面部识别方法，摄取待识别者的视觉影像与取得温度信息，并根据视觉影像得到面部特征值。将视觉影像的面部特征值与面部特征数据库的相应面部特征值作比较，以得到差值。如果差值小于预设阈值，则根据温度信息判断待识别者的面部温度是否符合活体面部识别基准。
附图说明
图1显示本发明实施例的活体面部识别系统的方框图。
图2A例示一般二维相机的影像感测器的像素排列。
图2B例示彩色-红外线相机的影像感测器的像素排列。
图3显示数据库建立的流程图。
图4例示本实施例的面部特征。
图5显示本发明第一实施例的活体面部识别方法的流程图。
图6显示图5的活体面部识别基准的细节流程图。
图7显示图5的活体面部识别基准的另一细节流程图。
图8显示本发明第二实施例的活体面部识别方法的流程图。
图9显示本发明第三实施例的活体面部识别方法的流程图。
附图标记说明：
100 活体面部识别系统
11 处理器
12 影像摄取装置
13 温度检测装置
14 存储单元
15 存储装置
200 数据库建立
21 摄取待测者的影像
22 面部检测
23 获取面部影像
24 提取面部特征
25 特征数值化
26 建立模型
27 存储于存储装置
300 活体面部识别方法
400 活体面部识别方法
500 活体面部识别方法
31 摄取待识别者的视觉影像
31B 摄取待识别者的影像
32 摄取温度影像
32B 取得温度数据
33 比较面部特征值与数据库
34 特征差值是否小于阈值
35 是否符合活体面部识别基准
351 对视觉影像与温度影像进行映射
352 正规化视觉影像以获取识别区域
352B 正规化温度影像以获取识别区域
353 于温度影像中获取相应的识别区域
354 将识别区域划分为多个子区域
355 于温度影像中得到特征区域
356 比较特征区域的温度与相邻区域的温度
357 是否符合面部的温度分布
36 识别失败
37 识别成功
41 双眼间距
42 鼻子宽度
43 眼窝深度
44 脸颊骨头结构
45 下巴线条长度
46 下巴点
R 红色像素
G 绿色像素
B 蓝色像素
IR 红外线像素
具体实施方式
图1显示本发明实施例的活体面部识别(live facial recognition)系统100的方框图。本实施例的活体面部识别系统(以下简称识别系统)100可包含处理器11、影像摄取装置12、温度检测装置13、存储单元(memory unit)14及存储装置(storage device)15。其中，处理器11(例如数字影像处理器)包含电子电路，例如集成电路。影像摄取装置12受控于处理器11，用以摄取待测者的影像。影像摄取装置12可以是二维(2D)相机，用以摄取二维影像。影像摄取装置12也可以是三维(3D)相机，除了摄取得到二维影像，还得到深度信息。在一例子中，三维相机是由双镜头所组成，根据视差(disparity)以得到深度信息。在另一例子中，三维相机是由二维相机加上深度检测装置所组成。
在本实施例中，温度检测装置13受控于处理器11，对特定区域进行温度检测，以取得温度信息。一种温度检测装置13包含温度感测器阵列(例如红外线温度感测器阵列)，可同时检测得到整个面部的温度影像以表示温度信息，在本说明书中又称为温度相机(例如红外线相机)。另一种温度检测装置13则包含单一温度感测器(例如红外线温度感测器或是红外线温度枪/计)，通常使用远端遥测方式进行单点检测，以感测得到面部多个特定点的温度，因而得到面部的温度数据以表示温度信息。在一实施例中，温度检测装置13是内嵌于影像摄取装置12(亦即，影像摄取装置12与温度检测装置13整合为一体的)，因此，于摄取影像时也同时检测得到温度信息。图2A例示一般二维相机的影像感测器的像素排列，例如红色(R)、绿色(G)、蓝色(B)像素排列为拜耳(Bayer)阵列。图2B例示彩色-红外线相机(RGB-IRcamera)的影像感测器的像素排列，其中红外线(IR)像素内嵌于红色(R)、绿色(G)、蓝色(B)像素之间，共同排列为拜耳阵列。
在本实施例中，存储单元14用以存放程序及程序执行时的数据，用以提供处理器11执行程序以进行活体面部识别。存储单元14可为随机存取存储器，例如动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)或其他适于存放程序执行所需的存储单元。本实施例的存储装置15用以存放活体面部识别所需的相关数据库。存储装置15可为硬盘装置、固态磁盘(SSD)或其他适于存放数据库所需的存储装置。
在进行本实施例的活体面部识别之前，需要通过注册(registry)与建立模型(modeling)以产生面部特征的数据库。于数据库建立之后，才能将待识别者与数据库作比较，以进行活体面部识别。
图3显示数据库建立200的流程图。首先，于步骤21，使用影像摄取装置12摄取待测者的影像。接着，于步骤22，处理器11对摄取影像进行面部检测(face detection)。于步骤23，根据面部检测的结果，从摄取影像当中获取出面部影像(亦即，大致仅包含面部轮廓区域的影像)。接着，于步骤24，处理器11从面部影像当中提取出多个面部特征。图4例示本实施例的面部特征(face characteristic)，包含双眼间距41、鼻子宽度42、眼窝深度43、脸颊骨头结构44、下巴线条长度45、下巴点46。如图4所示，这些面部特征是由线条、圆圈、方格、三角形等组成的几何特征。人脸识别即根据特征点与特征点之间的连线、相对距离和方位角所形成的特征，用以进行人脸识别。在其他实施例中，可使用较少或更多的面部特征。
于步骤25，处理器11进一步将这些面部特征予以数值化(numeralization)，以产生面部特征值。接着，于步骤26，根据所产生的面部特征值以建立模型，据以建立面部特征数据库而存储于存储装置15(步骤27)。
图5显示本发明第一实施例的活体面部识别方法300的流程图。首先，于步骤31，使用影像摄取装置12(例如彩色相机)摄取待识别者的视觉(visual)影像(例如彩色影像)，并据得到面部特征值。面部特征值的产生类似于图3的步骤22～25所述，亦即，处理器11对摄取的视觉影像进行面部检测，获取出面部影像，提取出多个面部特征，再将这些面部特征予以数值化，以产生面部特征值。
于步骤32，使用温度检测装置13(在本实施例中为温度相机，例如红外线相机)摄取待识别者的温度影像(例如红外线影像)以表示温度信息，其中温度检测装置13与影像摄取装置12是分离的。一般来说，步骤32只要在步骤35的前执行即可。温度相机(例如红外线相机)所得到信息通常要经过转换(transfer)以得到温度影像。例如，依据红外线检测值的强度可转换得到相应的温度。
于步骤33，将所产生的待识别者的面部特征值与图3所建立的面部特征数据库(简称数据库)作比较。如果待识别者的面部特征值与数据库的相应面部特征值两者的差值未小于预设阈值(步骤34)，表示两者的面部特征不同(亦即，面部特征值误差在可接受的范围外)，因此判定为识别失败(步骤36)。
如果待识别者的面部特征值与数据库的相应面部特征值两者的差值小于预设阈值(步骤34)，表示两者的面部特征相近(亦即，面部特征值误差在可接受的范围内)，则进入步骤35。
根据本实施例的特征之一，于步骤35判断待识别者的面部温度是否符合活体面部识别基准。如果为否，则判定为识别失败(步骤36)；如果为是，则判定为活体面部识别成功(步骤37)。
图6显示图5的活体面部识别基准(步骤35)的细节流程图。首先，于步骤351，对(影像摄取装置12的)视觉影像与(温度检测装置13的)温度影像进行映射(mapping)。在一实施例中，首先找出视觉影像与温度影像的共同参考点，再依视觉影像与温度影像的个别拍摄视角决定两者进行映射时的缩放比。因此，使得视觉影像与温度影像的像素互相对应。
接着，于步骤352，对视觉影像进行正规化，以获取一个识别区域。在一正规化例子中，于视觉影像中获取包含面部轮廓的一个识别区域(例如矩形区域)。例如，将视觉影像当中面部轮廓上缘、下缘各取水平线，右缘、左缘各取垂直线，因而形成一个矩形区域。在另一正规化例子中，将温度影像当中低于平均温度的像素去除，留下的像素作为识别区域。若根据温度影像发现待识别者有戴口罩(若鼻子下面的温度低于鼻子区域的温度，表示待识别者有戴口罩)或者戴眼镜(若眼睛区域的温度低于鼻子区域的温度，表示待识别者戴眼镜)时，则还可将相应区域去除。
于步骤353，根据视觉影像与温度影像的映射关系，于温度影像中获取相应的识别区域。于步骤354，将识别区域划分为多个子区域(例如划分为5x5个子区域)。在另一实施例中，子区域可以从图4所示的特征点定义得到(例如相邻三特征点所定义的三角形区域，或者相邻四特征点所定义的四边形区域)。
于步骤355，于视觉影像中选取一个特征区域(其包含至少一子区域)，并于温度影像得到相应的特征区域。例如，选择含有面部器官之一(例如鼻子)的至少一子区域作为特征区域。接下来，于步骤356，比较特征区域的温度与相邻至少一子区域的温度。所述相邻子区域可以为上、下各一个子区域；或者上、下、左、右各一个子区域；或者上、下各三个子区域；或者相邻的八个方向各一个子区域。在本说明书中，某一区域的温度可指该区域的温度平均值(mean)、中位数(median)、中间数笔温度的平均值、最高温度、最低温度等。
最后，于步骤357，如果温度比较结果符合预设(或一般)面部的温度分布，则判定符合活体面部识别基准。在本说明书中，预设面部的温度分布可指多人面部的温度平均值(mean)、中位数(median)、中间数笔温度的平均值。以鼻子作为特征区域为例，如果鼻子的特征区域较相邻子区域的温度低，即符合一般面部的温度分布，因此判定符合活体面部识别基准。相反地，如果鼻子的特征区域较相邻子区域的温度高，即违反一般面部的温度分布，因此判定不符合活体面部识别基准。在本实施例中，预设面部的温度分布(步骤357)可包含以下一或多个条件：
·面部温度比周围环境温度高
·眼睛上面的温度高于眼睛下面的温度
·眼睛上面部分，眉毛区域温度低于其他区域
·眼睛下面部分，鼻子区域的温度低于其他区域
·面部的温度绝大部分高于摄氏28度
·眼睛区域的温度(大约为摄氏35度)为面部当中最高
·鼻子区域的温度为面部当中最低
·鼻子上面的温度高于鼻子下面的温度
·若待识别者戴眼镜，则眼睛区域的温度低于面部的温度，但高于周围环境温度
图7显示图5的活体面部识别基准(步骤35)的另一细节流程图。在本实施例中，仅使用(温度检测装置13的)温度影像，但不使用(影像摄取装置12的)视觉影像，因此不须执行视觉影像与温度影像的映射。首先于步骤352B，对温度影像进行正规化，以获取一个识别区域。在一正规化例子中，将温度影像当中低于平均温度的像素去除，留下的像素作为识别区域。若根据温度影像发现待识别者有戴口罩或眼镜时，则可将相应区域去除。
接着，于步骤354，将识别区域划分为多个子区域(例如划分为5x7个矩形子区域)。于步骤355，于温度影像中选取得到一个特征区域(其包含至少一子区域)。例如，依据鼻子特征，于识别区域的中间且温度较低区域作为特征区域。
在另一例子中，步骤354并非划分为矩形的子区域，而是于温度影像的中间温度较低区域找到鼻子位置，再于鼻子上方的左、右两边找到温度较高的左、右眼睛位置。依鼻子、左眼、右眼三点定义出一个特征区域(步骤355)。
接下来，于步骤356，比较特征区域的温度与相邻至少一子区域的温度。最后，于步骤357，如果温度比较结果符合预设(一般)面部的温度分布，则判定符合活体面部识别基准。
图8显示本发明第二实施例的活体面部识别方法400的流程图。本实施例类似于第一实施例(图5)，但是影像摄取装置12与温度检测装置13整合为一体的，例如彩色-红外线相机(RGB-IR camera)。因此，步骤31B于摄取视觉影像时也同时得到温度影像以表示温度信息。如前所述，可依据红外线检测值的强度转换得到相应的温度。
接着，于步骤33，将所产生的待识别者的面部特征值与图3所建立的面部特征数据库(简称数据库)作比较。如果待识别者的面部特征值与数据库的相应面部特征值两者的差值未小于预设阈值(步骤34)，表示两者的面部特征不同(亦即，面部特征值误差在可接受的范围外)，因此判定为识别失败(步骤36)。如果待识别者的面部特征值与数据库的相应面部特征值两者的差值小于预设阈值(步骤34)，表示两者的面部特征相近(亦即，面部特征值误差在可接受的范围内)，则进入步骤35。
于步骤35，判断待识别者的面部温度是否符合活体面部识别基准。如果为否，则判定为识别失败(步骤36)；如果为是，则判定为活体面部识别成功(步骤37)。关于步骤35的活体面部识别基准，可使用图6或图7所示的细节流程图(但不须进行映射步骤351)，其细节不再赘述。
图9显示本发明第三实施例的活体面部识别方法500的流程图。本实施例类似于第一实施例(图5)，不但影像摄取装置12与温度检测装置13是分离的，且温度检测装置13是使用单一的温度感测器(例如红外线温度感测器或是红外线温度枪/计)。
首先，于步骤31，使用影像摄取装置12(例如彩色相机)摄取待识别者的视觉影像(例如彩色影像)，并据得到面部特征值。接着，于步骤33，将所产生的待识别者的面部特征值与图3所建立的面部特征数据库(简称数据库)作比较。如果待识别者的面部特征值与数据库的相应面部特征值两者的差值未小于预设阈值(步骤34)，表示两者的面部特征不同(亦即，面部特征值误差在可接受的范围外)，因此判定为识别失败(步骤36)。如果待识别者的面部特征值与数据库的相应面部特征值两者的差值小于预设阈值(步骤34)，表示两者的面部特征相近(亦即，面部特征值误差在可接受的范围内)，则进入步骤32B。
于步骤32B，根据视觉影像所得到面部位置(步骤31)，例如以远端遥测方式，控制温度感测器(例如红外线温度感测器或是红外线温度枪/计)以感测得到面部多个特定点的温度，因而得到面部的温度数据以表示温度信息。
接着进入步骤35，判断待识别者的面部温度是否符合活体面部识别基准。如果为否，则判定为识别失败(步骤36)；如果为是，则判定为活体面部识别成功(步骤37)。关于步骤35的活体面部识别基准，可使用图7所示的细节流程图(但以温度数据取代温度影像)，其细节不再赘述。
以上所述仅为本发明的优选实施例而已，并非用以限定本发明的权利要求；凡其它未脱离发明所公开的构思下所完成的等效改变或修饰，均应包含在下述的权利要求内。

Claims (11)

1.一种活体面部识别方法，包含：
摄取待识别者的视觉影像与取得温度信息，并根据该视觉影像得到面部特征值；
将该视觉影像的面部特征值与面部特征数据库的相应面部特征值作比较，以得到差值，其中该面部特征数据库的建立包含以下步骤：摄取待测者的影像，以得到摄取影像；对该摄取影像进行面部检测；根据该面部检测的结果，从该摄取影像当中获取出面部影像；从该面部影像当中提取出多个面部特征，该多个面部特征根据面部特征点与面部特征点之间的连线、相对距离和方位角形成；将该多个面部特征予以数值化，以产生面部特征值；及根据该面部特征值建立模型，根据该模型建立面部特征数据库；及
如果该差值小于预设阈值，则根据该温度信息判定 待识别者的面部温度是否符合活体面部识别基准，其中，判定 是否符合该活体面部识别基准的步骤包含：
对该视觉影像与该温度信息进行映射；
正规化该视觉影像，以获取一个识别区域；
根据该映射，于该温度信息中获取相应的识别区域；
将该视觉影像中的识别区域划分为多个非矩形的子区域；
于该视觉影像中选取一个特征区域以包含至少一子区域，并于该温度信息得到相应的特征区域；
比较该温度信息的特征区域的温度与相邻至少一子区域的温度；及
如果温度比较结果符合预设面部的温度分布，则判定符合活体面部识别基准，
或者其中，判定是否符合该活体面部识别基准的步骤包含：
正规化表示该温度信息的温度影像，以获取一个识别区域；
将该识别区域划分为多个非矩形的子区域；
于该温度信息中选取一个特征区域以包含至少一子区域；
比较该温度信息的特征区域的温度与相邻至少一子区域的温度；及
如果温度比较结果符合预设面部的温度分布，则判定符合活体面部识别基准，
其中，该预设面部的温度分布包含以下一或多个条件：
面部温度比周围环境温度高；
眼睛上面的温度高于眼睛下面的温度；
眼睛上面部分，眉毛区域温度低于其他区域；
眼睛下面部分，鼻子区域的温度低于其他区域；
面部的温度高于摄氏28度；
眼睛区域的温度为摄氏35度，为面部当中最高；
鼻子区域的温度为面部当中最低；
鼻子上面的温度高于鼻子下面的温度；及
若待识别者戴眼镜，则眼睛区域的温度低于面部的温度，但高于周围环境温度。
2.根据权利要求1所述的活体面部识别方法，其中该温度信息包含温度影像，该视觉影像与该温度影像分别由影像摄取装置与温度检测装置摄取，且该影像摄取装置与该温度检测装置是分离的。
3.根据权利要求1所述的活体面部识别方法，其中该温度信息包含温度影像，该视觉影像与该温度影像分别由影像摄取装置与温度检测装置同时摄取，且该影像摄取装置与该温度检测装置整合为一体。
4.根据权利要求1所述的活体面部识别方法，其中该温度信息包含温度数据，该视觉影像与该温度数据分别由影像摄取装置与温度检测装置摄取，该影像摄取装置与该温度检测装置是分离的，且该温度检测装置包含单一的温度感测器。
5.根据权利要求4所述的活体面部识别方法，其中该温度感测器根据该视觉影像所得到面部位置，以感测得到面部多个特定点的温度，因而得到该温度数据。
6.一种活体面部识别系统，包含：
一处理器；
一影像摄取装置，受控于该处理器以摄取待识别者的视觉影像，并根据该视觉影像得到面部特征值；
一温度检测装置，受控于该处理器以取得该待识别者的温度信息；及
一存储装置，用以存放面部特征数据库，其中，如下地建立该面部特征数据库：摄取待测者的影像，以得到摄取影像；对该摄取影像进行面部检测；根据该面部检测的结果，从该摄取影像当中获取出面部影像；从该面部影像当中提取出多个面部特征，该多个面部特征根据面部特征点与面部特征点之间的连线、相对距离和方位角形成；将该多个面部特征予以数值化，以产生面部特征值；及根据该面部特征值建立模型，根据该模型建立面部特征数据库；
其中该处理器将该视觉影像的面部特征值与该面部特征数据库的相应面部特征值作比较，以得到差值；且如果该差值小于预设阈值，则根据该温度信息判定 待识别者的面部温度是否符合活体面部识别基准，其中，判定 是否符合该活体面部识别基准的步骤包含：
对该视觉影像与该温度信息进行映射；
正规化该视觉影像，以获取一个识别区域；
根据该映射，于该温度信息中获取相应的识别区域；
将该视觉影像中的识别区域划分为多个非矩形的子区域；
于该视觉影像中选取一个特征区域以包含至少一子区域，并于该温度信息得到相应的特征区域；
比较该温度信息的特征区域的温度与相邻至少一子区域的温度；及
如果温度比较结果符合预设面部的温度分布，则判定符合活体面部识别基准，
或者其中，判定是否符合该活体面部识别基准的步骤包含：
正规化表示该温度信息的温度影像，以获取一个识别区域；
将该识别区域划分为多个非矩形的子区域；
于该温度信息中选取一个特征区域以包含至少一子区域；
比较该温度信息的特征区域的温度与相邻至少一子区域的温度；及
如果温度比较结果符合预设面部的温度分布，则判定符合活体面部识别基准，
其中，该预设面部的温度分布包含以下一或多个条件：
面部温度比周围环境温度高；
眼睛上面的温度高于眼睛下面的温度；
眼睛上面部分，眉毛区域温度低于其他区域；
眼睛下面部分，鼻子区域的温度低于其他区域；
面部的温度高于摄氏28度；
眼睛区域的温度为摄氏35度，为面部当中最高；
鼻子区域的温度为面部当中最低；
鼻子上面的温度高于鼻子下面的温度；及
若待识别者戴眼镜，则眼睛区域的温度低于面部的温度，但高于周围环境温度。
7.根据权利要求6所述的活体面部识别系统，还包含一存储单元，用以存放程序，以提供该处理器执行程序以进行活体面部识别。
8.根据权利要求6所述的活体面部识别系统，其中该影像摄取装置与该温度检测装置是分离的，用以分别摄取该视觉影像与温度影像，其中该温度影像表示该温度信息。
9.根据权利要求6所述的活体面部识别系统，其中该影像摄取装置与该温度检测装置整合为一体，因而同时摄取该视觉影像与温度影像，其中该温度影像表示该温度信息。
10.根据权利要求6所述的活体面部识别系统，其中该影像摄取装置与该温度检测装置是分离的，且该温度检测装置包含单一的温度感测器。
11.根据权利要求10所述的活体面部识别系统，其中该温度感测器根据该视觉影像所得到面部位置，以感测得到面部多个特定点的温度，因而得到温度数据以表示该温度信息。
CN201711012793.9A 2017-10-16 2017-10-26 活体面部识别方法与系统 Active CN109670390B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW106135308 2017-10-16
TW106135308A TWI625679B (zh) 2017-10-16 2017-10-16 活體臉部辨識方法與系統

Publications (2)

Publication Number Publication Date
CN109670390A CN109670390A (zh) 2019-04-23
CN109670390B true CN109670390B (zh) 2021-07-23

Family

ID=63255701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711012793.9A Active CN109670390B (zh) 2017-10-16 2017-10-26 活体面部识别方法与系统

Country Status (3)

Country Link
US (1) US10565461B2 (zh)
CN (1) CN109670390B (zh)
TW (1) TWI625679B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11328152B2 (en) * 2019-06-17 2022-05-10 Pixart Imaging Inc. Recognition system employing thermal sensor
USD896254S1 (en) * 2018-10-30 2020-09-15 Perfect Mobile Corp. Display screen with graphical user interface
TWI687871B (zh) * 2019-03-28 2020-03-11 國立勤益科技大學 應用於安全防護之影像辨識系統
CN110532746B (zh) * 2019-07-24 2021-07-23 创新先进技术有限公司 人脸校验方法、装置、服务器及可读存储介质
TWI761739B (zh) * 2019-12-10 2022-04-21 緯創資通股份有限公司 活體臉部辨識系統與方法
TWI731503B (zh) * 2019-12-10 2021-06-21 緯創資通股份有限公司 活體臉部辨識系統與方法
CN211506527U (zh) * 2020-03-23 2020-09-15 深圳市商汤科技有限公司 人脸识别装置
JP7415796B2 (ja) 2020-05-25 2024-01-17 オムロン株式会社 生体判定装置および生体判定方法
US20220065699A1 (en) * 2020-08-28 2022-03-03 Roger Pawson Cell Phone with Digital Temperature Scanner
WO2022070301A1 (ja) * 2020-09-30 2022-04-07 日本電気株式会社 生体判定システム、生体判定方法、及びコンピュータプログラム
CN114882577B (zh) * 2022-07-11 2022-10-28 中海银河科技(北京)有限公司 健康状态识别方法、装置、电子设备和计算机可读介质

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6173068B1 (en) 1996-07-29 2001-01-09 Mikos, Ltd. Method and apparatus for recognizing and classifying individuals based on minutiae
US6496594B1 (en) * 1998-10-22 2002-12-17 Francine J. Prokoski Method and apparatus for aligning and comparing images of the face and body from different imagers
US6996256B2 (en) 2000-06-08 2006-02-07 Honeywell International Inc. Detection system and method using thermal image analysis
US7602942B2 (en) 2004-11-12 2009-10-13 Honeywell International Inc. Infrared and visible fusion face recognition system
KR101064945B1 (ko) * 2008-11-25 2011-09-15 한국전자통신연구원 적외선 영상을 이용한 위조 얼굴 검출 방법 및 그 장치
TW201033907A (en) * 2009-03-12 2010-09-16 Tlj Intertech Inc A living body identification system and method, and identity verification device and method
KR20120064581A (ko) * 2010-12-09 2012-06-19 한국전자통신연구원 영상 분류 방법 및 이를 위한 장치
US9202105B1 (en) 2012-01-13 2015-12-01 Amazon Technologies, Inc. Image analysis for user authentication
TW201401186A (zh) * 2012-06-25 2014-01-01 Psp Security Co Ltd 人臉判斷系統以及方法
US20140071293A1 (en) * 2012-09-12 2014-03-13 Google Inc. Method and device for authintication of live human faces using infra red images
JP2014078052A (ja) * 2012-10-09 2014-05-01 Sony Corp 認証装置および方法、並びにプログラム
CN104166835A (zh) * 2013-05-17 2014-11-26 诺基亚公司 用于识别活体用户的方法和装置
CN106296888B (zh) * 2015-06-24 2022-05-13 西安中兴新软件有限责任公司 一种基于人脸识别的解锁方法、装置及终端
CN105354819B (zh) * 2015-09-29 2018-10-09 上海图漾信息科技有限公司 深度数据测量系统、深度数据确定方法和装置
US9886640B1 (en) * 2016-08-08 2018-02-06 International Business Machines Corporation Method and apparatus to identify a live face image using a thermal radiation sensor and a visual radiation sensor
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

Also Published As

Publication number Publication date
US10565461B2 (en) 2020-02-18
TWI625679B (zh) 2018-06-01
CN109670390A (zh) 2019-04-23
TW201917633A (zh) 2019-05-01
US20190114495A1 (en) 2019-04-18

Similar Documents

Publication Publication Date Title
CN109670390B (zh) 活体面部识别方法与系统
CN109558764B (zh) 人脸识别方法及装置、计算机设备
CN106372629B (zh) 一种活体检测方法和装置
US9747493B2 (en) Face pose rectification method and apparatus
CN109271950B (zh) 一种基于手机前视摄像头的人脸活体检测方法
CN104933389B (zh) 一种基于指静脉的身份识别方法和装置
CN105740778B (zh) 一种改进的三维人脸活体检测方法及其装置
US10521650B2 (en) 3D imaging recognition by stereo matching of RGB and infrared images
KR101647803B1 (ko) 3차원 얼굴모델 투영을 통한 얼굴 인식 방법 및 시스템
CN110956114A (zh) 人脸活体检测方法、装置、检测系统及存储介质
KR101640014B1 (ko) 허위 안면 이미지 분류가 가능한 홍채 인식 장치
US11315360B2 (en) Live facial recognition system and method
CN112232324B (zh) 人脸验伪方法、装置、计算机设备和存储介质
CN106462738B (zh) 用于构建个人的面部的模型的方法、用于使用这样的模型分析姿态的方法和设备
JP6396357B2 (ja) 顔画像認証装置
CN113614731A (zh) 使用软生物特征的认证验证
KR101053253B1 (ko) 3차원 정보를 이용한 얼굴 인식 장치 및 방법
Bastias et al. A method for 3D iris reconstruction from multiple 2D near-infrared images
US11354940B2 (en) Method and apparatus for foreground geometry and topology based face anti-spoofing
Sharma et al. Image-level iris morph attack
JP2023006150A (ja) 顔認証システム
CN113128320A (zh) 基于tof相机的人脸活体检测方法、检测装置及电子设备
CN111241870A (zh) 一种终端设备及其脸部图像的识别方法、识别系统
US11335123B2 (en) Live facial recognition system and method
KR101718244B1 (ko) 얼굴 인식을 위한 광각 영상 처리 장치 및 방법

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