CN109829434A - 基于活体纹理的防伪方法和装置 - Google Patents
基于活体纹理的防伪方法和装置 Download PDFInfo
- Publication number
- CN109829434A CN109829434A CN201910101761.9A CN201910101761A CN109829434A CN 109829434 A CN109829434 A CN 109829434A CN 201910101761 A CN201910101761 A CN 201910101761A CN 109829434 A CN109829434 A CN 109829434A
- Authority
- CN
- China
- Prior art keywords
- face
- skin
- image
- living body
- face skin
- 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
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种基于活体纹理的防伪方法和装置,方法包括:从人脸图像中确定用户的人脸位置;基于所述人脸位置,生成至少一个采集窗口;从显微镜的第二人脸图像中,采集每个采集窗口的位置对应的人脸皮肤图像;判断所述人脸皮肤图像否来源于活体皮肤;若所述人脸皮肤图像来源于活体皮肤,确定所述人脸皮肤图像为真;其中,所述显微镜的工作距离为10cm‑10m。实现了利用人脸皮肤图像准确地判断用户是否使用手机、平板、照片、面具、头套、娃娃等对人脸进行伪造,减少了因算法防伪被破解而使用视频伪造的现象。采用本发明的技术方案,能够有效的对人脸图像进行防伪判断,保证人脸识别的可靠性。
Description
技术领域
本发明涉及身份鉴别技术领域,具体涉及一种基于活体纹理的防伪方法和装置。
背景技术
生物特征识别技术的使用大大的简便了身份验证的过程,脸、指纹、手掌纹、虹膜、视网膜、声音、体形、个人习惯等生物特征的存在依赖于个体本身存在,消除了外在身份验证设备比如身份卡片等设备可能存在的设备遗失等问题。而在这诸多特征之中人脸作为一个最为直观且方便采集的特征被广泛的应用于各种身份认证场合。在人脸识别使用的各个场景当中不乏有无人监管的自动化操作场景,在这些场景当中,除了确保人脸识别的准确和有效,防伪同样是风险管理当中必须重视的一个项目。在诸多伪造手段当中,使用最为普遍、造假成本和技术要求不高的方法主要有照片、平板、手机等方法,面具、头套等伪造方法虽然成本较高,但是当破解伴随着利益产生的时候同样不乏出现。
目前针对人脸识别的防伪方法可以利用结构光摄像头防伪、红外摄像头防伪、算法防伪方法等。其中,用结构光摄像头防伪可以通过检测设备前的深度图像来判断用户是否使用手机、平板、照片等进行伪造,但是对于面具、头套、娃娃等设备将会判断失败。红外摄像头可以通过发射红外光线并采集红外反射信息来获取摄像头前的信息反馈,该方法对于手机、平板、照片等进行伪造行为同样在一定程度上有效,但是对于纸质的黑白图像,由于灰度级的差异,红外被吸收后返回的程度将跟随图像的灰度变化而变化,将会导致是否伪造的判断失败。算法防伪方法,可以通过让镜头前的用户通过动作、声音等方法来判断是否活体,针对这一操作,一旦摸清了算法防伪中可能出现的动作、语音等内容,使用视频伪造即可破解。
因此,如何有效的对人脸图像进行防伪判断,保证人脸识别的可靠性是本领域人员亟待解决的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于活体纹理的防伪方法和装置,以实现有效的对人脸图像进行防伪判断,保证人脸识别的可靠性。
为实现以上目的,本发明提供一种基于活体纹理的防伪方法,包括:
从第一人脸图像中确定用户的人脸位置;
基于所述人脸位置,生成至少一个采集窗口;
从显微镜的第二人脸图像中,采集每个采集窗口的位置对应的人脸皮肤图像;
判断所述人脸皮肤图像否来源于活体皮肤;
若所述人脸皮肤图像来源于活体皮肤,确定所述人脸皮肤图像为真;
其中,所述显微镜的工作距离为10cm-10m。
进一步地,上述所述的方法中,所述判断所述人脸皮肤图像是否来源于活体皮肤,包括:
对所述人脸皮肤图像进行小波变换,以对所述人脸皮肤图像中的皮肤纹理特征进行强化处理,得到目标皮肤纹理特征;
从所述人脸皮肤图像中提取所述目标皮肤纹理特征;
基于SVM分类算法对所述目标皮肤纹理特征进行分类识别,判定所述人脸皮肤图像是否来源于活体皮肤。
进一步地,上述所述的方法中,所述确定所述人脸皮肤图像为真之后,还包括:
基于facenet算法,对所述第一人脸图像进行身份识别,得到识别结果;
若所述识别结果为成功,则输出用户身份信息。
进一步地,上述所述的方法中,若所述人脸皮肤图像未来源于活体皮肤,输出所述人脸皮肤图像为假的提示信息。
进一步地,上述所述的方法中,所述从第一人脸图像中确定用户的人脸位置,包括:
基于DLIB算法对所述第一人脸图像进行分析,检测出所述第一人脸图像中的人脸位置。
本发明还提供一种基于活体纹理的防伪装置,包括:
第一确定模块,用于从第一人脸图像中确定用户的人脸位置;
生成模块,用于基于所述人脸位置,生成至少一个采集窗口;
采集模块,用于从显微镜的第二人脸图像中,采集每个采集窗口的位置对应的人脸皮肤图像;
判断模块,用于判断所述人脸皮肤图像否来源于活体皮肤;
第二确定模块,用于若所述人脸皮肤图像来源于活体皮肤,确定所述人脸皮肤图像为真;
其中,所述显微镜的工作距离为10cm-10m。
进一步地,上述所述的装置中,所述判断模块,具体用于:
对所述人脸皮肤图像进行小波变换,以对所述人脸皮肤图像中的皮肤纹理特征进行强化处理,得到目标皮肤纹理特征;
从所述人脸皮肤图像中提取目标皮肤纹理特征;
基于SVM分类算法对所述皮肤纹理特征进行分类识别,判定所述人脸皮肤图像是否来源于活体皮肤。
进一步地,上述所述的装置,还包括:
识别模块,用于基于facenet算法,对所述第一人脸图像进行身份识别,得到识别结果;
输出模块,用于若所述识别结果为成功,则输出用户身份信息。
进一步地,上述所述的装置中,所述输出模块,还用于:
若所述人脸皮肤图像未来源于活体皮肤,输出所述人脸皮肤图像为假的提示信息。
进一步地,上述所述的装置中,所述第一确定模块,具体用于:
基于DLIB算法对所述第一人脸图像进行分析,检测出所述第一人脸图像中的人脸位置。
本发明的基于活体纹理的防伪方法和装置,从人脸图像中确定用户的人脸位置;基于所述人脸位置,生成至少一个采集窗口;通过显微镜采集每个采集窗口内的人脸皮肤图像;判断人脸皮肤图像否来源于活体皮肤;若人脸皮肤图像来源于活体皮肤,确定人脸皮肤图像为真;实现了利用人脸皮肤图像准确地判断用户是否使用手机、平板、照片、面具、头套、娃娃等对人脸进行伪造,减少了算法防伪中可能出现的动作、语音等内容,使用视频伪造即可破解的现象。采用本发明的技术方案,能够有效的对人脸图像进行防伪判断,保证人脸识别的可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中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。
图1为本发明的基于活体纹理的防伪方法实施例的流程图;
图2为本发明的基于活体纹理的防伪装置实施例一的结构示意图;
图3为本发明的基于活体纹理的防伪装置实施例二的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,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的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
图1为本发明的基于活体纹理的防伪方法实施例的流程图,如图1所示,本实施例的基于活体纹理的防伪方法具体可以包括如下步骤:
100、从第一人脸图像中确定用户的人脸位置;
在一个具体实现过程中,可以利用可见光摄像头拍摄周围的图像,并从第一人脸图像中确定用户的人脸位置。例如,可以使用DLIB算法检测第一人脸图像当中的人脸所在的位置。
101、基于人脸位置,生成至少一个采集窗口;
在确定人脸位置后,可以随机产生1处或多处采集窗口,以便对用户的人脸皮肤进行采集。其中,采集窗口为随机生成的,从而提高安全性。
102、从显微镜的第二人脸图像中,采集每个采集窗口的位置对应的人脸皮肤图像;
在实际应用中,为了提高用户使用过程中的友好性,避免采集用户第二人脸图像时,受空间影响较大,本实施例中,显微镜优选超长工作距离显微镜,其工作距离优选为10cm-10m。这样,在采集用户第二人脸图像时只需要向普通摄像头一样朝指定位置注视就可以采集到用户第二人脸图像,并基于第二人脸图像采集每个采集窗口的位置对应的人脸皮肤图像。
103、判断人脸皮肤图像否来源于活体皮肤;
在一个具体实现过程中,由于人脸图像可以通过面具、头套、娃娃等设备进行复制,因此,本实施例中需要判断人脸皮肤图像否来源于活体皮肤,而纹理检测是在材质检测中一个主流方法,不同材质的纹理是不同的。这些可以区分物体的纹理有的是肉眼可见的,比如树皮的纹理、布料的纹理等,有些则是需要被放大数倍之后才会清晰可见的,比如皮肤、纸张、显示屏的点阵等。
因此,在利用显微镜采集每个采集窗口内的人脸皮肤图像后,可以对人脸皮肤图像进行小波变换,以对人脸皮肤图像中的皮肤纹理特征进行强化处理,得到目标皮肤纹理特征;从人脸皮肤图像中提取目标皮肤纹理特征;基于SVM分类算法对目标皮肤纹理特征进行分类识别,判定人脸皮肤图像是否来源于活体皮肤。例如,本实施例中,可以准备足够多的活体皮肤和非皮肤样本,并利用SMV算法对这些样本进行学习之后将会得到一个SMV模型,我们使这个模型对新得到的图片进行分类预测,判断新得到的图片图片是否来源于活体皮肤。
104、若人脸皮肤图像来源于活体皮肤,确定人脸皮肤图像为真。
若人脸皮肤图像来源于活体皮肤,确定人脸图像为真,可以进行后续身份验证操作。
本实施例的基于活体纹理的防伪方法,从人脸图像中确定用户的人脸位置;基于所述人脸位置,生成至少一个采集窗口;从显微镜的第二人脸图像中,采集每个采集窗口的位置对应的人脸皮肤图像;判断人脸皮肤图像否来源于活体皮肤;若人脸皮肤图像来源于活体皮肤,确定人脸皮肤图像为真;实现了利用人脸皮肤图像准确地判断用户是否使用手机、平板、照片、面具、头套、娃娃等对人脸进行伪造,减少了因算法防伪被破解而使用视频伪造的现象。采用本发明的技术方案,能够有效的对人脸图像进行防伪判断,保证人脸识别的可靠性。
进一步地,上述实施例中,在确定人脸皮肤图像为真之后,可以基于facenet算法,对第一人脸皮肤图像进行身份识别,得到识别结果;若识别结果为成功,则输出用户身份信息。
进一步地,上述实施例中,若人脸皮肤图像未来源于活体皮肤,输出人脸皮肤图像为假的提示信息,以提醒用户有人可能作出违法行为等,对当前验证的用户进行警示,以使当前认证的用户能够停止验证行为。
图2为本发明的基于活体纹理的防伪装置实施例一的结构示意图,如图2所示,本实施例的基于活体纹理的防伪装置包括第一确定模块10、生成模块11、采集模块12、判断模块13和第二确定模块14。
第一确定模块10,用于从第一人脸图像中确定用户的人脸位置;
例如,基于DLIB算法对第一人脸图像进行分析,检测出第一人脸图像中的人脸位置。
生成模块11,用于基于人脸位置,生成至少一个采集窗口;
采集模块12,用于用于从显微镜的第二人脸图像中,采集每个采集窗口的位置对应的人脸皮肤图像;
其中,显微镜的工作距离为10cm-10m。
判断模块13,用于判断人脸皮肤图像否来源于活体皮肤;
例如,对人脸皮肤图像进行小波变换,以对人脸皮肤图像中的皮肤纹理特征进行强化处理,得到目标皮肤纹理特征;从人脸皮肤图像中提取目标皮肤纹理特征;基于SVM分类算法对皮肤纹理特征进行分类识别,判定人脸皮肤图像是否来源于活体皮肤。
第二确定模块14,用于若人脸皮肤图像来源于活体皮肤,确定人脸皮肤图像为真。
本实施例的基于活体纹理的防伪装置,从人脸图像中确定用户的人脸位置;基于所述人脸位置,生成至少一个采集窗口;从显微镜的第二人脸图像中,采集每个采集窗口的位置对应的人脸皮肤图像;判断人脸皮肤图像否来源于活体皮肤;若人脸皮肤图像来源于活体皮肤,确定人脸皮肤图像为真;实现了利用人脸皮肤图像准确地判断用户是否使用手机、平板、照片、面具、头套、娃娃等对人脸进行伪造,减少了因算法防伪被破解而使用视频伪造的现象。采用本发明的技术方案,能够有效的对人脸图像进行防伪判断,保证人脸识别的可靠性。
图3为本发明的基于活体纹理的防伪装置实施例二的结构示意图,如图3所示,本实施例的基于活体纹理的防伪装置在图2所示实施例的基础上,进一步还可以包括识别模块15和输出模块16。
识别模块15,用于基于facenet算法,对所述第一人脸图像进行身份识别,得到识别结果;
输出模块16,用于若识别结果为成功,则输出用户身份信息。
进一步地,上述实施例中,输出模块,还用于:若人脸皮肤图像未来源于活体皮肤,输出人脸皮肤图像为假的提示信息。
本发明还提供一种存储介质,其上存储有计算机程序,计算机程序被处理器执行时,实现如上实施例的基于活体纹理的防伪方法的各个步骤。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于活体纹理的防伪方法,其特征在于,包括:
从第一人脸图像中确定用户的人脸位置;
基于所述人脸位置,生成至少一个采集窗口;
从显微镜的第二人脸图像中,采集每个采集窗口的位置对应的人脸皮肤图像;
判断所述人脸皮肤图像否来源于活体皮肤;
若所述人脸皮肤图像来源于活体皮肤,确定所述人脸皮肤图像为真;
其中,所述显微镜的工作距离为10cm-10m。
2.根据权利要求1所述的方法,其特征在于,所述判断所述人脸皮肤图像是否来源于活体皮肤,包括:
对所述人脸皮肤图像进行小波变换,以对所述人脸皮肤图像中的皮肤纹理特征进行强化处理,得到目标皮肤纹理特征;
从所述人脸皮肤图像中提取所述目标皮肤纹理特征;
基于SVM分类算法对所述目标皮肤纹理特征进行分类识别,判定所述人脸皮肤图像是否来源于活体皮肤。
3.根据权利要求2所述的方法,其特征在于,所述确定所述人脸皮肤图像为真之后,还包括:
基于facenet算法,对所述第一人脸图像进行身份识别,得到识别结果;
若所述识别结果为成功,则输出用户身份信息。
4.根据权利要求3所述的方法,其特征在于,若所述人脸皮肤图像未来源于活体皮肤,输出所述人脸皮肤图像为假的提示信息。
5.根据权利要求1-4任一所述的方法,其特征在于,所述从第一人脸图像中确定用户的人脸位置,包括:
基于DLIB算法对所述第一人脸图像进行分析,检测出所述第一人脸图像中的人脸位置。
6.一种基于活体纹理的防伪装置,其特征在于,包括:
第一确定模块,用于从第一人脸图像中确定用户的人脸位置;
生成模块,用于基于所述人脸位置,生成至少一个采集窗口;
采集模块,用于从显微镜的第二人脸图像中,采集每个采集窗口的位置对应的人脸皮肤图像;
判断模块,用于判断所述人脸皮肤图像否来源于活体皮肤;
第二确定模块,用于若所述人脸皮肤图像来源于活体皮肤,确定所述人脸皮肤图像为真;
其中,所述显微镜的工作距离为10cm-10m。
7.根据权利要求6所述的装置,其特征在于,所述判断模块,具体用于:
对所述人脸皮肤图像进行小波变换,以对所述人脸皮肤图像中的皮肤纹理特征进行强化处理,得到目标皮肤纹理特征;
从所述人脸皮肤图像中提取目标皮肤纹理特征;
基于SVM分类算法对所述皮肤纹理特征进行分类识别,判定所述人脸皮肤图像是否来源于活体皮肤。
8.根据权利要求6所述的装置,其特征在于,还包括:
识别模块,用于基于facenet算法,对所述第一人脸图像进行身份识别,得到识别结果;
输出模块,用于若所述识别结果为成功,则输出用户身份信息。
9.根据权利要求8所述的装置,其特征在于,所述输出模块,还用于:
若所述人脸皮肤图像未来源于活体皮肤,输出所述人脸皮肤图像为假的提示信息。
10.根据权利要求6-9任一项所述的装置,其特征在于,所述第一确定模块,具体用于:
基于DLIB算法对所述第一人脸图像进行分析,检测出所述第一人脸图像中的人脸位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910101761.9A CN109829434A (zh) | 2019-01-31 | 2019-01-31 | 基于活体纹理的防伪方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910101761.9A CN109829434A (zh) | 2019-01-31 | 2019-01-31 | 基于活体纹理的防伪方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109829434A true CN109829434A (zh) | 2019-05-31 |
Family
ID=66862128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910101761.9A Pending CN109829434A (zh) | 2019-01-31 | 2019-01-31 | 基于活体纹理的防伪方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109829434A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622588A (zh) * | 2012-03-08 | 2012-08-01 | 无锡数字奥森科技有限公司 | 双验证人脸防伪方法及装置 |
CN105095836A (zh) * | 2014-05-14 | 2015-11-25 | 中国科学院深圳先进技术研究院 | 一种基于Gabor特征的皮肤纹理检测方法及装置 |
CN107330370A (zh) * | 2017-06-02 | 2017-11-07 | 广州视源电子科技股份有限公司 | 一种额头皱纹动作检测方法和装置及活体识别方法和系统 |
US20170345146A1 (en) * | 2016-05-30 | 2017-11-30 | Beijing Kuangshi Technology Co., Ltd. | Liveness detection method and liveness detection system |
CN107871134A (zh) * | 2016-09-23 | 2018-04-03 | 北京眼神科技有限公司 | 一种人脸检测方法及装置 |
CN108510583A (zh) * | 2018-04-03 | 2018-09-07 | 北京华捷艾米科技有限公司 | 人脸图像的生成方法和人脸图像的生成装置 |
CN108664880A (zh) * | 2017-03-27 | 2018-10-16 | 三星电子株式会社 | 活性测试方法和设备 |
CN108734057A (zh) * | 2017-04-18 | 2018-11-02 | 北京旷视科技有限公司 | 活体检测的方法、装置及计算机存储介质 |
CN108960088A (zh) * | 2018-06-20 | 2018-12-07 | 天津大学 | 特定环境的面部活体特征检测、识别方法 |
-
2019
- 2019-01-31 CN CN201910101761.9A patent/CN109829434A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622588A (zh) * | 2012-03-08 | 2012-08-01 | 无锡数字奥森科技有限公司 | 双验证人脸防伪方法及装置 |
CN105095836A (zh) * | 2014-05-14 | 2015-11-25 | 中国科学院深圳先进技术研究院 | 一种基于Gabor特征的皮肤纹理检测方法及装置 |
US20170345146A1 (en) * | 2016-05-30 | 2017-11-30 | Beijing Kuangshi Technology Co., Ltd. | Liveness detection method and liveness detection system |
CN107871134A (zh) * | 2016-09-23 | 2018-04-03 | 北京眼神科技有限公司 | 一种人脸检测方法及装置 |
CN108664880A (zh) * | 2017-03-27 | 2018-10-16 | 三星电子株式会社 | 活性测试方法和设备 |
CN108734057A (zh) * | 2017-04-18 | 2018-11-02 | 北京旷视科技有限公司 | 活体检测的方法、装置及计算机存储介质 |
CN107330370A (zh) * | 2017-06-02 | 2017-11-07 | 广州视源电子科技股份有限公司 | 一种额头皱纹动作检测方法和装置及活体识别方法和系统 |
CN108510583A (zh) * | 2018-04-03 | 2018-09-07 | 北京华捷艾米科技有限公司 | 人脸图像的生成方法和人脸图像的生成装置 |
CN108960088A (zh) * | 2018-06-20 | 2018-12-07 | 天津大学 | 特定环境的面部活体特征检测、识别方法 |
Non-Patent Citations (4)
Title |
---|
徐向茹: "基于人脸识别身份验证系统的研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
杨磊: "《数字媒体技术概论》", 30 September 2017 * |
马慧彬: "《基于机器学习的乳腺图像辅助诊断算法研究》", 31 August 2016 * |
马杰: "人脸身份认证中活体检测方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107995979B (zh) | 用于对用户进行认证的系统、方法和机器可读介质 | |
US10740465B2 (en) | Detection of print-based spoofing attacks | |
CN108182409B (zh) | 活体检测方法、装置、设备及存储介质 | |
KR101356358B1 (ko) | 눈의 이미지에 기초한 바이오메트릭 인증을 위한 기기 및 컴퓨터 구현 방법 | |
Bhattacharyya et al. | Biometric authentication: A review | |
KR101495430B1 (ko) | 바이오메트릭 인증을 위한 품질 메트릭 | |
US11657133B2 (en) | Systems and methods of multi-modal biometric analysis | |
US20170364732A1 (en) | Eye tracking via patterned contact lenses | |
KR101415287B1 (ko) | 라이브니스 검출을 위한 방법, 컴퓨터 판독가능한 저장 디바이스 및 컴퓨팅 디바이스 | |
CN105612533B (zh) | 活体检测方法、活体检测系统以及计算机程序产品 | |
Husseis et al. | A survey in presentation attack and presentation attack detection | |
Pravallika et al. | SVM classification for fake biometric detection using image quality assessment: Application to iris, face and palm print | |
RU2316051C2 (ru) | Способ и система автоматической проверки присутствия лица живого человека в биометрических системах безопасности | |
Kolberg et al. | Colfispoof: A new database for contactless fingerprint presentation attack detection research | |
Dronky et al. | A review on iris liveness detection techniques | |
CN109871796A (zh) | 基于活体虹膜的防伪方法和装置 | |
CN109829434A (zh) | 基于活体纹理的防伪方法和装置 | |
Ennaama et al. | Comparative and analysis study of biometric systems | |
Samatha et al. | Securesense: Enhancing person verification through multimodal biometrics for robust authentication | |
Ives et al. | An Introduction to Biometrics | |
Deokar et al. | Literature Survey of Biometric Recognition Systems | |
Motwakel et al. | Presentation Attack Detection (PAD) for Iris Recognition System on Mobile Devices-A Survey | |
Gulhane et al. | A review on surgically altered face images recognition using multimodal bio-metric features | |
Bhardwaj et al. | Liveness detection using eye blink a case study | |
Vijay et al. | Deformation of Iris Recognition using Dilated Deep Convolutional Neural Network |
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: 20190531 |