CN110309782A - 一种基于红外与可见光双目系统的活体人脸检测方法 - Google Patents

一种基于红外与可见光双目系统的活体人脸检测方法 Download PDF

Info

Publication number
CN110309782A
CN110309782A CN201910587701.2A CN201910587701A CN110309782A CN 110309782 A CN110309782 A CN 110309782A CN 201910587701 A CN201910587701 A CN 201910587701A CN 110309782 A CN110309782 A CN 110309782A
Authority
CN
China
Prior art keywords
characteristic point
face
region
infrared
nose
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.)
Granted
Application number
CN201910587701.2A
Other languages
English (en)
Other versions
CN110309782B (zh
Inventor
冯子亮
邱晨鹏
邓茜文
张自友
李东璐
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.)
Sichuan University
Original Assignee
Sichuan University
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 Sichuan University filed Critical Sichuan University
Priority to CN201910587701.2A priority Critical patent/CN110309782B/zh
Publication of CN110309782A publication Critical patent/CN110309782A/zh
Application granted granted Critical
Publication of CN110309782B publication Critical patent/CN110309782B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供一种基于红外与可见光双目系统的活体人脸检测方法，使用红外与可见光双目设备获取图像，利用人脸特征点检测和鼻尖区域对比度进行初步判断，在对两图像特征点校正对齐后进行三维位置计算，按区域划分和关键特征点与鼻尖特征点的距离组成特征向量，使用SVM进行分类，实现活体人脸检测判断。本发明利用了真实人脸与伪造人脸在近红外相机成像中的差异，以及两者在三维结构上的差异进行区分；具有实现容易、计算速度快等优点。

Description

一种基于红外与可见光双目系统的活体人脸检测方法
技术领域
本发明属于计算机视觉领域，尤其涉及一种基于红外与可见光双目系统的活体人脸检测方法。
背景技术
目前，人脸识别技术已得到广泛的应用，但在无人值守的场合，人脸识别系统很容易受到伪造的照片人脸、视频人脸、人皮面具等方式的攻击，这就需要使用活体人脸检测技术。
活体人脸检测技术包括：基于纹理的检测方法、基于多光谱的检测方法、基于运动信息的检测方法、基于多特征融合的检测方法、基于三维人脸的检测方法等。
目前比较常用的是基于运动信息的检测方法，让用户完成转头、眨眼、说话等动作，通过对这些动作的检测来实现活体人脸检测；但是该方式也有很大的局限性，不仅耗时较多，而且用户操作也不方便，同时攻击者依然可以通过预先设定动作，或者佩戴人皮面具等方式对其进行攻击。
基于三维人脸的检测方法，通过计算人脸区域的三维点云来实现检测，无需用户的动作配合，具有较好的防伪效果；但是由于设备复杂，计算量大，使用时也需要适当的配合，在应用中也有一定的局限性。
考虑到人脸在红外条件下的成像特性，以及双目视觉系统的优点，本发明提出一种基于红外和可见光双目系统的活体人脸检测方法，具有计算量小，实现容易等优点。
发明内容
为了解决无需用户配合场景下的活体人脸检测问题，本发明使用红外与可见光双目设备，对红外与可见光图像中的人脸特征点进行三维重建，从而实现活体人脸的检测。
一种基于红外与可见光双目系统的活体人脸检测方法，其特征在于，包括以下步骤。
步骤1，使用红外与可见光双目设备，对待测定人脸进行图像采集。
步骤2，对两张图像进行人脸特征点提取，若红外或者可见光图像无法提取特征点，判定为非活体人脸。
步骤3，计算红外图像中鼻尖区域平均灰度对比度，若小于指定的阈值，判定为非活体人脸。
步骤4，对两张图像中的人脸特征点以鼻尖点重合的方式进行对应点匹配和校正。
步骤5，根据双目视觉的测量原理，对每个特征点进行视差计算，得到每个特征点的三维坐标。
步骤6，将全部人脸特征点划分为四个区域，计算区域内人脸特征点在深度方向的平均方差，组成四维特征向量。
步骤7，选取人脸关键特征点，以鼻尖点为参照点，计算鼻尖点到人脸关键特征点之间的空间距离，组成多维特征向量；并和前面四维特征向量一起组成SVM（SupportVector Machine，支持向量机）特征向量。
步骤8，使用基于上述特征向量构建并训练好的SVM模型，使用上述特征向量对本次待测定人脸进行判定，完成最终的活体人脸检测判断。
所述步骤1，包括：
红外与可见光双目设备，是由近红外相机和彩色可见光相机构成的双目系统，并需要红外补光灯提供近红外光源；
所述红外相机指常规监控系统中使用的红外相机，是一种接收物体反射的红外线的成像设备，其红外线波长位于近红外频段，而不是接收物体主动发射的红外热辐射的红外热像仪；
红外相机和可见光相机都需要事先标定，获取其内外参数；采集到的红外和可见光图像，都需要使用内外参数进行校正；
校正完成后的图像还要进行大小归一化、对比度、色彩等校正处理，使每次获得的图像具有可比性。
所述步骤2，还包括：
所述人脸特征点指图像中包含人脸主要特征的点构成的集合；可分为外轮廓、左眼、右眼、鼻子、嘴巴等五个区域；
由于电子设备和表面光滑的照片，在近红外相机中成像效果很差，若无法提取特征点，则可以直接判定为非活体人脸。
所述步骤3，还包括：
鼻尖区域是指由鼻尖特征点为中心的小区域；
由于普通照片在近红外相机中鼻尖区域不存在高光现象，其平均对比度偏低，若平均对比度小于指定的阈值，判定为非活体人脸。
所述步骤4，包括：
将两张图像以鼻尖点所在中线重合，计算左右脸颊特征点在两图像中对应位置的平均偏差；
一般而言，将两张图像重合后会发现，除鼻尖点区域外，其余特征点位置存在偏差，这是由于相机布置和光源位置等因素造成的；在重合图片中，若红外图像中左侧脸颊特征点偏外侧，那么可见光图像中右侧脸颊特征点偏外侧；
将两张图像中特征点位于外侧的图像，将其外侧特征点按与鼻尖所在中线的距离等比例移动；
一般而言，在特征点移动时会发现，如左侧移动的是红外图像中的特征点，则右侧移动的是可见光图像中的特征点；
经过上述校正，红外图像和可见光图像中的人脸特征点的位置基本匹配，可以进行下一步的视差计算。
所述步骤6，包括：
四个区域可以这样划分：区域1是包含全部特征点的区域；区域2是包含眼睛、鼻子和嘴巴特征点的区域；区域3是包含眼睛和鼻子特征点的区域；区域4是包含鼻子和嘴巴特征点的区域；
四个区域是相互重叠的。
所述步骤7，包括：
人脸关键特征点可从外轮廓、左眼、右眼、上下嘴唇、鼻子等区域的特征点中选取；
距离计算公式为三维笛卡尔坐标系中的标准距离计算公式；
所述SVM（支持向量机），是一类按监督学习方式对数据进行二元分类的线性分类器。
所述步骤8，包括：
事先建立真实人脸和虚假人脸的数据库，虚假人脸包括但不限于：打印人脸照片（光滑和非光滑）、将人脸照片弯曲（模拟人脸的弧度）、显示器中的人脸（包括显示器左右偏移）等，使用SVM和上述特征向量，对其进行训练，获得相应的SVM模型；
计算出本次的待测人脸的上述特征向量，使用SVM和上述模型进行检测，可实现对该人脸是否是活体人脸的最终判定。
从本发明的流程上看，本方法利用了真实人脸与伪造人脸在近红外相机成像中的差异，以及两者在三维结构上的差异，对二者进行区分；可以有效地抵御绝大多数的电子设备中的人脸、照片人脸的攻击，具有设备简单、实现容易、计算速度快等优点。
附图说明
图1为本发明方法的流程示意图。
图2为本发明所使用的装置示意图。
图3为68个人脸特征点模型中特征点的分布示意图。
具体实施方式
为了更加清楚地展示本发明的目的和技术方案，下面将结合具体的实施过程和附图，对本发明的具体实施方式和参数进行更加详细的描述。
一种基于红外与可见光双目系统的活体人脸检测方法，包含以下步骤。
步骤1，使用红外与可见光双目设备，对待测定人脸进行图像采集。
红外与可见光双目设备，是由近红外相机和彩色相机构成的双目系统，并需要红外补光灯提供近红外光源，如图2所示，图中1为近红外相机，2为可见光相机，3所为近红外发光模组，三者呈“一”字型分布，两摄像头的基线长度为40mm；
红外相机和可见光相机都需要事先标定，获取其内外参数；
采集到的红外和可见光图像，都需要使用上述内外参数进行校正；并进行大小归一化、对比度、色彩等校正处理。
步骤2，对两张图像进行人脸特征点提取，由于电子设备和表面光滑的照片，在近红外相机中成像效果很差，若无法提取特征点，则可以直接判定为非活体人脸。
人脸特征点指图像中包含人脸主要特征的点构成的集合，可分为外轮廓、左眼、右眼、鼻子、嘴巴等五个区域；
可以直接使用开源代码库DLIB C++库计算68个人脸特征点模型，如图3所示，其中点1-27为外轮廓特征点，点28-36为鼻子区域，点37-42为左眼区域，点43-48为右眼区域，点49-68为嘴巴区域。
步骤3，计算红外图像中鼻尖区域的平均灰度对比度；由于普通照片在近红外相机中鼻尖区域不存在高光现象，其平均对比度偏低，若平均对比度小于指定的阈值，判定为非活体人脸。
鼻尖区域是指由鼻尖特征点为中心的一个小区域；若归一化后的人脸图片为640x480，则鼻尖区域可以选为以鼻尖点（图3中点31）为中心的45*30范围；比值的阈值可选为2。
步骤4，对两张图像中的人脸特征点以鼻尖点重合的方式进行对应点匹配和校正。
一般而言，将两张图像重合后会发现，除鼻尖点区域外，其余特征点位置存在偏差，这是由相机布置和光源位置造成的；在重叠图片中，若红外图像中左侧脸颊特征点偏外侧，那么可见光图像中右侧脸颊特征点偏外侧。
将两图像以鼻尖点所在中线重合，计算左右脸颊特征点在两图像中对应位置的平均偏差；
将两张图像中特征点位于外侧的图像，其外侧特征点与鼻尖所在中线的距离等比例移动。
一般而言，在特征点移动时会发现，如左侧移动的是红外图像中的特征点，则右侧移动的是可见光图像中的特征点。
经过上述校正，红外图像和可见光图像中的特征点的位置基本匹配，可以进行下一步的视差计算。
步骤5，根据双目视觉三维测量原理，对每个特征点进行视差计算，得到每个特征点的三维坐标。
步骤6，将全部人脸特征点划分为四个区域，计算区域内人脸特征点在深度方向的平均方差，组成四维特征向量。
以68个特征点模型为例，四个区域可以这样划分：区域1是包含全部特征的区域；区域2是包含眼睛、鼻子和嘴巴特征点的区域（图3中点28-68）；区域3是包含眼睛和鼻子特征点的区域（图3中点28-48）；区域4是包含鼻子和嘴巴特征点的区域（图3中点28-36、49-68）。
步骤7，选取人脸关键特征点，以鼻尖点为参照点，计算鼻尖点到人脸关键特征点之间的空间距离，组成多维特征向量；并和前面四维特征向量一起组成SVM特征向量。
人脸关键特征点可从外轮廓、左右眼睛、上下嘴唇、鼻子等区域特征点中选取；
以68特征点为例，可选取以下13个关键特征点组成13维特征向量：左右脸选取最外侧点3、15，左眼选取左眼角点37，右眼选取右眼角点46，额头选取点20、25，下巴选取点9，嘴唇选取点52、58，鼻子选取点28-31；最终构成17维特征向量。
步骤8，使用基于上述特征向量构建并训练好的SVM模型，使用上述特征向量对本次待测定人脸进行判定，完成最终的活体人脸检测判断。
事先建立真实人脸和虚假人脸的数据库，虚假人脸包括但不限于：打印人脸照片（光滑和非光滑）、将人脸照片弯曲（模拟人脸的弧度）、显示器中的人脸（包括显示器左右偏移）等，使用SVM和上述特征向量，对其进行训练，获得相应的SVM模型。
计算出本次的待测人脸的上述特征向量，使用SVM和上述模型进行检测，可实现对该人脸是否是活体人脸的最终判定。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其进行限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；或者修改各个步骤的使用顺序，而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围；本发明各种阈值及范围的取值，也会因为装置的具体参数不同而有所改变。

Claims (5)

1.一种基于红外与可见光双目系统的活体人脸检测方法，其特征在于，包括以下步骤：
步骤1，使用红外与可见光双目设备，对待测定人脸进行图像采集；
步骤2，对两张图像进行人脸特征点提取，若无法提取特征点，判定为非活体人脸；
步骤3，计算红外图像中鼻尖区域平均灰度对比度；若小于指定的阈值，判定为非活体人脸；
步骤4，对两张图像中的人脸特征点以鼻尖点重合的方式进行对应点匹配和校正；
步骤5，对每个特征点进行双目视差计算，得到每个特征点的三维坐标；
步骤6，将全部人脸特征点划分为四个区域，计算区域内人脸特征点在深度方向的平均方差，组成四维特征向量；选取人脸关键特征点，计算鼻尖点到人脸关键特征点之间的空间距离，和前面四维特征向量一起组成SVM特征向量；
步骤7，使用基于上述特征向量构建并训练好的SVM模型，使用上述特征向量对本次待测定人脸进行判定，完成最终的活体人脸检测判断。
2.根据权利要求1所述的方法，其特征在于，步骤2包括：
近红外相机和彩色相机构成的双目系统，相机均需要事先标定，获取其内外参数；
采集到的红外和可见光图像，都需要使用内外参数进行校正；
校正完成后的图像还要进行大小归一化、对比度、色彩等校正处理。
3.根据权利要求1所述的方法，其特征在于，步骤4包括：
将两张图像以鼻尖点所在中线重合，计算左右脸颊特征点在两图像中对应位置的平均偏差；
将两张图像中特征点位于外侧的图像，其外侧特征点按与鼻尖所在中线的距离等比例移动。
4.根据权利要求1所述的方法，其特征在于，步骤6包括：
区域1是包含全部特征点的区域；区域2是包含眼睛、鼻子和嘴巴特征点的区域；区域3是包含眼睛和鼻子特征点的区域；区域4是包含鼻子和嘴巴特征点的区域；
人脸关键特征点可从外轮廓、左眼、右眼、上下嘴唇、鼻子等区域的特征点中选取。
5.根据权利要求1所述的方法，其特征在于，步骤7包括：
事先建立真实人脸和虚假人脸的数据库，使用SVM和上述特征向量，对其进行训练，获得相应的SVM模型。
CN201910587701.2A 2019-07-02 2019-07-02 一种基于红外与可见光双目系统的活体人脸检测方法 Active CN110309782B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910587701.2A CN110309782B (zh) 2019-07-02 2019-07-02 一种基于红外与可见光双目系统的活体人脸检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910587701.2A CN110309782B (zh) 2019-07-02 2019-07-02 一种基于红外与可见光双目系统的活体人脸检测方法

Publications (2)

Publication Number Publication Date
CN110309782A true CN110309782A (zh) 2019-10-08
CN110309782B CN110309782B (zh) 2022-05-03

Family

ID=68078139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910587701.2A Active CN110309782B (zh) 2019-07-02 2019-07-02 一种基于红外与可见光双目系统的活体人脸检测方法

Country Status (1)

Country Link
CN (1) CN110309782B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110674817A (zh) * 2019-11-21 2020-01-10 深圳市芊熠智能硬件有限公司 一种基于双目摄像头的车牌防伪的方法及装置
CN110909617A (zh) * 2019-10-28 2020-03-24 广州多益网络股份有限公司 基于双目视觉的活体人脸检测方法及装置
CN110991301A (zh) * 2019-11-27 2020-04-10 成都超有范儿科技有限公司 一种人脸识别的方法
CN111126246A (zh) * 2019-12-20 2020-05-08 河南中原大数据研究院有限公司 基于3d点云几何特征的人脸活体检测方法
CN111753781A (zh) * 2020-06-30 2020-10-09 厦门瑞为信息技术有限公司 一种基于双目红外的实时3d人脸活体判断方法
CN111767868A (zh) * 2020-06-30 2020-10-13 创新奇智(北京)科技有限公司 人脸检测方法、装置、电子设备及存储介质
CN111814659A (zh) * 2020-07-07 2020-10-23 杭州海康威视数字技术股份有限公司 一种活体检测方法、和系统
CN111839519A (zh) * 2020-05-26 2020-10-30 合肥工业大学 非接触式呼吸频率监测方法及系统
CN112101275A (zh) * 2020-09-24 2020-12-18 广州云从洪荒智能科技有限公司 多目摄像头的人脸检测方法、装置、设备及介质
CN112488018A (zh) * 2020-12-09 2021-03-12 巽腾(广东)科技有限公司 双目活体检测方法、装置、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
CN116631022A (zh) * 2023-04-11 2023-08-22 广东德融汇科技有限公司 一种人脸精准识别方法、装置、设备以及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015106252A (ja) * 2013-11-29 2015-06-08 シャープ株式会社 顔向き検出装置及び３次元計測装置
US20160335778A1 (en) * 2015-04-13 2016-11-17 Gerard Dirk Smits Machine vision for ego-motion, segmenting, and classifying objects
CN108416291A (zh) * 2018-03-06 2018-08-17 广州逗号智能零售有限公司 人脸检测识别方法、装置和系统
CN108564018A (zh) * 2018-04-04 2018-09-21 北京天目智联科技有限公司 一种基于红外拍照的生物特征3d四维数据识别方法及系统
CN108764071A (zh) * 2018-05-11 2018-11-06 四川大学 一种基于红外和可见光图像的真实人脸检测方法及装置
CN109558764A (zh) * 2017-09-25 2019-04-02 杭州海康威视数字技术股份有限公司 人脸识别方法及装置、计算机设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015106252A (ja) * 2013-11-29 2015-06-08 シャープ株式会社 顔向き検出装置及び３次元計測装置
US20160335778A1 (en) * 2015-04-13 2016-11-17 Gerard Dirk Smits Machine vision for ego-motion, segmenting, and classifying objects
CN109558764A (zh) * 2017-09-25 2019-04-02 杭州海康威视数字技术股份有限公司 人脸识别方法及装置、计算机设备
CN108416291A (zh) * 2018-03-06 2018-08-17 广州逗号智能零售有限公司 人脸检测识别方法、装置和系统
CN108564018A (zh) * 2018-04-04 2018-09-21 北京天目智联科技有限公司 一种基于红外拍照的生物特征3d四维数据识别方法及系统
CN108764071A (zh) * 2018-05-11 2018-11-06 四川大学 一种基于红外和可见光图像的真实人脸检测方法及装置

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
ANNA PELAGOTTI等: "Improving on fast and automatic texture mapping of 3D dense models", 《2012 18TH INTERNATIONAL CONFERENCE ON VIRTUAL SYSTEMS AND MULTIMEDIA》 *
代具亭: "基于RGB-D视频序列的大尺度场景三维语义表面重建技术研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 *
朱泳超: "三维关联成像关键技术与新方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *
王霖郁等: "基于双目图像多特征点融合匹配物体识别与定位研究", 《无线电工程》 *
邓茜文等: "基于近红外与可见光双目视觉的活体人脸检测方法", 《计算机应用》 *
邱晨鹏: "基于双目摄像机的人脸活体检测的研究", 《现代计算机(专业版)》 *
马文芹: "基于局部特征的人脸识别身份验证系统", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110909617A (zh) * 2019-10-28 2020-03-24 广州多益网络股份有限公司 基于双目视觉的活体人脸检测方法及装置
CN110909617B (zh) * 2019-10-28 2022-03-25 广州多益网络股份有限公司 基于双目视觉的活体人脸检测方法及装置
CN110674817B (zh) * 2019-11-21 2020-11-20 深圳市芊熠智能硬件有限公司 一种基于双目摄像头的车牌防伪的方法及装置
CN110674817A (zh) * 2019-11-21 2020-01-10 深圳市芊熠智能硬件有限公司 一种基于双目摄像头的车牌防伪的方法及装置
CN110991301A (zh) * 2019-11-27 2020-04-10 成都超有范儿科技有限公司 一种人脸识别的方法
CN111126246A (zh) * 2019-12-20 2020-05-08 河南中原大数据研究院有限公司 基于3d点云几何特征的人脸活体检测方法
CN111126246B (zh) * 2019-12-20 2023-04-07 陕西西图数联科技有限公司 基于3d点云几何特征的人脸活体检测方法
CN111839519B (zh) * 2020-05-26 2021-05-18 合肥工业大学 非接触式呼吸频率监测方法及系统
CN111839519A (zh) * 2020-05-26 2020-10-30 合肥工业大学 非接触式呼吸频率监测方法及系统
CN111753781B (zh) * 2020-06-30 2024-03-19 厦门瑞为信息技术有限公司 一种基于双目红外的实时3d人脸活体判断方法
CN111767868A (zh) * 2020-06-30 2020-10-13 创新奇智(北京)科技有限公司 人脸检测方法、装置、电子设备及存储介质
CN111767868B (zh) * 2020-06-30 2024-06-11 创新奇智(北京)科技有限公司 人脸检测方法、装置、电子设备及存储介质
CN111753781A (zh) * 2020-06-30 2020-10-09 厦门瑞为信息技术有限公司 一种基于双目红外的实时3d人脸活体判断方法
CN111814659A (zh) * 2020-07-07 2020-10-23 杭州海康威视数字技术股份有限公司 一种活体检测方法、和系统
CN111814659B (zh) * 2020-07-07 2024-03-29 杭州海康威视数字技术股份有限公司 一种活体检测方法、和系统
CN112101275A (zh) * 2020-09-24 2020-12-18 广州云从洪荒智能科技有限公司 多目摄像头的人脸检测方法、装置、设备及介质
CN112101275B (zh) * 2020-09-24 2022-03-04 广州云从洪荒智能科技有限公司 多目摄像头的人脸检测方法、装置、设备及介质
CN112488018A (zh) * 2020-12-09 2021-03-12 巽腾(广东)科技有限公司 双目活体检测方法、装置、设备和存储介质
WO2022121895A1 (zh) * 2020-12-09 2022-06-16 巽腾(广东)科技有限公司 双目活体检测方法、装置、设备和存储介质
CN116631022A (zh) * 2023-04-11 2023-08-22 广东德融汇科技有限公司 一种人脸精准识别方法、装置、设备以及存储介质

Also Published As

Publication number Publication date
CN110309782B (zh) 2022-05-03

Similar Documents

Publication Publication Date Title
CN110309782A (zh) 一种基于红外与可见光双目系统的活体人脸检测方法
CN108921100B (zh) 一种基于可见光图像与红外图像融合的人脸识别方法及系统
CN105574518B (zh) 人脸活体检测的方法和装置
CN108108684B (zh) 一种融合视线检测的注意力检测方法
CN107169405B (zh) 基于双目摄像机活体识别的方法及装置
WO2022041627A1 (zh) 一种活体人脸检测方法及系统
TWI383325B (zh) 臉部表情辨識
Gu et al. Feature points extraction from faces
WO2017211066A1 (zh) 基于虹膜与瞳孔的用于头戴式设备的视线估计方法
CN109271950B (zh) 一种基于手机前视摄像头的人脸活体检测方法
CN106372629B (zh) 一种活体检测方法和装置
CN109643366A (zh) 用于监控车辆驾驶员的状况的方法和系统
CN109271914A (zh) 检测视线落点的方法、装置、存储介质和终端设备
JP4692526B2 (ja) 視線方向の推定装置、視線方向の推定方法およびコンピュータに当該視線方向の推定方法を実行させるためのプログラム
CN108764071A (zh) 一种基于红外和可见光图像的真实人脸检测方法及装置
CN108985210A (zh) 一种基于人眼几何特征的视线追踪方法及系统
CN108537131B (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
CN105740778B (zh) 一种改进的三维人脸活体检测方法及其装置
CN111382592B (zh) 活体检测方法和设备
KR101640014B1 (ko) 허위 안면 이미지 분류가 가능한 홍채 인식 장치
JP4936491B2 (ja) 視線方向の推定装置、視線方向の推定方法およびコンピュータに当該視線方向の推定方法を実行させるためのプログラム
CN104573634A (zh) 一种三维人脸识别方法
CN112257641A (zh) 一种人脸识别活体检测方法
CN112818722A (zh) 模块化动态可配置的活体人脸识别系统
JP2014529815A (ja) バイオメトリクスタイプのアクセス制御システムにおける不正の検出

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